چکیده

هدف: در دنیای کسب و کار امروز، بسیاری از شرکت‌ها از سوءاستفاده‌های مالی در امان نیستند. تقلب مالی می‌تواند زیان‌های مالی و کاهش اعتبار شرکت‌ها را به همراه داشته باشد و اعتماد مشتریان را کاهش دهد. این روند جهانی همه را به جستجوی راه‌های پیشگیری از تقلب واداشته است. بدین منظور، هدف از پژوهش حاضر شناسایی عوامل مؤثّر بر عملکرد حسابرسی داخلی با استفاده از تکنیک‌های جدید یادگیری عمیق جهت رتبه‌بندی عوامل کشف تقلب صورت‌های مالی است.

روش: قلمرو مکانی این تحقیق شامل شرکت‌های معاملاتی در بورس اوراق بهادار تهران و قلمرو زمانی آن شامل سال‌های 1391 تا 1400 (تقویم شمسی) است. برای جمع‌آوری داده‌های مورد نیاز برای این تحقیق، از روش‌های کتابخانه‌ای استفاده شد. در بخش بررسی عوامل تأثیرگذار بر عملکرد حسابرسی داخلی، از روش تحلیل رگرسیون استفاده شد. سپس در بخش بعدی نیز از روش‌های یادگیری عمیق و شبکه‌های عصبی مصنوعی برای بررسی استفاده گردید.

یافته‌ها: نتایج نشان داد که در مقایسه با نتایج رگرسیون، مدل‌های یادگیری عمیق و شبکه عصبی مصنوعی برای پارامتر توجیه در شاخص ضریب تعیین و خطای میانگین مربعات بهتر عمل کردند. همچنین، یافته‌ها نشان داد که عملکرد مدل‌های یادگیری عمیق بهتر از شبکه عصبی مصنوعی بوده است.

نتیجه‌گیری: استفاده از تکنیک‌های یادگیری عمیق می‌تواند ارزشمند و مؤثر برای شناسایی عوامل مؤثر بر عملکرد حسابرسی داخلی و رتبه‌بندی عوامل کشف تقلب صورت‌های مالی باشد.