تلفن: ۰۴۱۴۲۲۷۳۷۸۱
تلفن: ۰۹۲۱۶۴۲۶۳۸۴

دانلود رایگان مقاله طبقه بندی راهنمای تحقیق در استفاده از داده کاوی به تشخیص تقلب در حسابرسی

عنوان فارسی: یک طبقه بندی راهنمای تحقیق در استفاده از داده کاوی به تشخیص تقلب در حسابرسی صورت های مالی
عنوان انگلیسی: A taxonomy to guide research on the application of data mining to fraud detection in financial statement audits
تعداد صفحات مقاله انگلیسی : 24 تعداد صفحات ترجمه فارسی : ترجمه نشده
سال انتشار : 2014 نشریه : الزویر - Elsevier
فرمت مقاله انگلیسی : PDF کد محصول : E2471
محتوای فایل : PDF حجم فایل : 2 Mb
رشته های مرتبط با این مقاله: مدیریت، حسابداری و علوم اقتصادی
گرایش های مرتبط با این مقاله: داده کاوی، حسابداری مدیریت، حسابرسی، مدیریت کسب و کار
مجله: مجله بین المللی سیستم های اطلاعات حسابداری - International Journal of Accounting Information Systems
دانشگاه: دانشکده کسب و کار و اقتصاد ، دانشگاه ایالتی کالیفرنیا در نورتریج، ایالات متحده
کلمات کلیدی: حسابرسی، تقلب، داده کاوی
برای سفارش ترجمه این مقاله با کیفیت عالی و در کوتاه ترین زمان ممکن توسط مترجمین مجرب سایت ایران عرضه؛ روی دکمه سبز رنگ کلیک نمایید.
چکیده

Abstract

This paper explores the application of data mining techniques to fraud detection in the audit of financial statements and proposes a taxonomy to support and guide future research. Currently, the application of data mining to auditing is at an early stage of development and researchers take a scatter-shot approach, investigating patterns in financial statement disclosures, text in annual reports and MD&As, and the nature of journal entries without appropriate guidance being drawn from lessons in known fraud patterns. To develop structure to research in datamining, we create a taxonomy that combines research on patterns of observed fraud schemes with an appreciation of areas that benefit from productive application of data mining. We encapsulate traditional views of data mining that operates primarily on quantitative data, such as financial statement and journal entry data. In addition, we draw on other forms of data mining, notably text and email mining.

نتیجه گیری

5. Conclusions and suggestions for future research

The increasing value of data mining as a financial statement auditing tool is due to the convergence of several factors: (1) increasing emphasis on fraud detection in audits by regulators and standard setters, which provides motivation to identify and use tools to increase auditor productivity; (2) growing use of data mining tools as a forensic tool within accounting firms, which means there is a growing population of people within the firms with data mining experience as well as a general data mining awareness; and (3) the evolution of more robust and easier to use data mining tools. In addition, the expanding use of data mining as a de rigueur part of e-discovery in law suits have provided many examples of how data mining can be used for forensic investigations and, because of competition in the marketplace, e-discovery has accelerated the development of improved data mining tools. The growing general firm-level awareness of data mining and success of data mining in the legal profession may promote the firm-level decision to use data mining in more financial audits.