چکیده:
با افزایش مبادلات تجاری، اقتصادی، پیشرفت تکنولوژی اطلاعات و انباشته شدن دادههای مالی، تکنیکهای داده کاوی به منظور استفاده بهینه و کارا از این دادهها رواج یافت. هدف این پژوهش پیش بینی گزارش حسابرس مستقل با استفاده از تکنیکهای داده کاوی میباشد. اهمیت پیش بینی گزارش حسابرس مستقل در تاثیر آن بر تصمیمگیری استفاده کنندگان میباشد. گزارش حسابرس مستقل در این تحقیق به دو دسته مقبول و غیرمقبول (شامل گزارشات مشروط، مردود و عدم اظهارنظر) طبقه بندی شده است. به منظور پیش بینی گزارش حسابرس مستقل از دو تکنیک طبقه بندی داده کاوی شامل، درخت تصمیم C5. 0 و شبکههای عصبی مصنوعی استفاده شده است. جامعه آماری پژوهش شامل تمامی شرکتهای پذیرفته شده در بورس اوراق بهادار تهران طی سالهای 1382 الی 1388 میباشد. در این تحقیق از 29 متغیر مالی و غیرمالی در قالب 10 طبقه نقدینگی، عملکرد، اهرم مالی، ساختار سرمایه، سودآوری، ریسک ورشکستگی، مدیریت سود، حاکمیت شرکتی، اندازه شرکت و سایر (شامل نوع صنعت و عمر شرکت) به منظور آموزش و آزمون مدل استفاده شده است. نتایج تحقیق نشان میدهند که میانگین دقت مدل حاصل از تکنیک درخت تصمیم C5. 0 (88. 64%) از تکنیک دیگر بیشتر میباشد. همچنین با اهمیتترین متغیرها جهت پیش بینی نوع گزارش حسابرس مستقل شامل، نوع گزارش حسابرسی سال قبل، نسبت سود و زیان خالص به درآمد خالص و نسبت بدهیها به داراییها میباشند.
The purpose of this study is to predict the independent auditor opinion using data mining techniques. Independent auditor's opinion (on this study) has been classified to qualify and unqualify class. Using two data mining classification techniques including decision tree C5.0 and artificial neural networks. In order to predict the independent auditors opinion. using 29 financial and nonfinancial variables in 10 groups of liquidity, performance, financial leverage, capital structure, profitability, bankruptcy risk, earnings management, corporate governance, company size and other variables (including industry and listed date in TSE) to train and test model. We found that the most important variables for predicting auditor opinion are the last year audit opinion, net income to revenue ratio, and debt to assets ratio.