تعداد نشریات | 161 |
تعداد شمارهها | 6,532 |
تعداد مقالات | 70,502 |
تعداد مشاهده مقاله | 124,117,442 |
تعداد دریافت فایل اصل مقاله | 97,223,021 |
پیشبینی دستکاری سود: توسعۀ یک مدل | ||
بررسیهای حسابداری و حسابرسی | ||
مقاله 6، دوره 23، شماره 1، 1395، صفحه 73-96 اصل مقاله (388.88 K) | ||
نوع مقاله: مقاله علمی پژوهشی | ||
شناسه دیجیتال (DOI): 10.22059/acctgrev.2016.57021 | ||
نویسندگان | ||
غلامرضا کردستانی1؛ رشید تاتلی* 2 | ||
1دانشیار گروه حسابداری، دانشکدۀ علوم اجتماعی، دانشگاه بینالمللی امام خمینی (ره) قزوین، ایران | ||
2کارشناسارشد حسابداری، سرگروه حسابداری آموزش و پرورش املش، استان گیلان، ایران | ||
چکیده | ||
دستکاری سود در چارچوب اصول پذیرفتهشدۀ حسابداری، همان مدیریت سود است که ممکن است کارا یا فرصتطلبانه باشد، اما دستکاری از طریق نقض اصول پذیرفتهشدۀ حسابداری، نوعی تقلب بهشمار میرود. در هر صورت دستکاری سود، مانع از ارزیابی صحیح عملکرد شرکت میشود. توسعۀ مدلی که بتوان از طریق آن به پیشبینی دستکاری سود پرداخت، امکان ارزیابیهای بهتری از عملکرد شرکتها فراهم میآورد. بدین منظور این پژوهش درصدد است ضرایب مدل دستکاری سود بنیش را تعدیل کند و بر مبنای بهترین متغیرهای پیشبینیکننده، مدلی بومی برای پیشبینی دستکاری سود، توسعه دهد. در این راستا دادههای 90 شرکت تولیدی (990 مشاهده) پذیرفتهشده در بورس اوراق بهادار تهران طی سالهای 1391- 1381 بهکمک رویکرد تمایزی و لاجیت بررسی شد. یافتهها نشان میدهد در محیط اقتصادی ایران، مدل اولیۀ بنیش نسبت به مدل تعدیلشدۀ بنیش، قدرت خوبی برای شناسایی سطوح دستکاری سود ندارد. مدل تعدیلشدۀ بنیش و مدلهای توسعهیافته با رویکرد تحلیل تمایزی و لاجیت بهترتیب با دقت کلی 72 ، 75 و 81 درصد، قادر به شناسایی شرکتهای دستکاریکننده و غیردستکاریکنندۀ سود هستند. همچنین شواهد نشان داد اطلاعات حسابداری برای پیشبینی دستکاری سود، مفید است. | ||
کلیدواژهها | ||
تقلب در سود؛ مدل بنیش؛ مدل تعدیلشدۀ بنیش؛ مدل دستکاری سود | ||
مراجع | ||
Beneish, M. D. (1997). Detecting GAAP Violation: Implications for Assessing Earnings Management Among Firms with Extreme Financial Performance, Journal of Accounting and Public Policy, 16 (3):271-309.
Beneish, M. D. (1999). The Detection of Earnings Manipulation. Financial Analysts Journal, 55 (5): 24-36.
Dechow, P., Sloan, R. & Sweeney, A. (1995). Detecting Earnings Management. The Accounting Review, 70 (2): 193-225.
Dechow, P., Sloan, R. & Sweeney, A. (1996). Causes and Consequences of Earnings Manipulation: An Analysis of Firms Subject to Enforcement Actions by the SEC. Contemporary Accounting Research, 13 (1): 1-36.
Dikmen, B. & Küçükkocaoglu, G. (2010). The Detection of Earnings Manipulation: the three-phase cutting plane algorithm using mathematical programming. Journal of Forecast, 29(5): 442–466.
Eckel, N. (1981). The Income Smoothing Hypothesis Revisited. Abacus, 17(1): 28-40.
Etemadi, H. & Zolghi, H. (2013). Application of Logistic Regression to Identify Fraudulent Financial Reporting. Journal of audit science, 13(51): 5–23. (in Persian) Fanning, K., Cogger, K.O. & Srivastava, R. (1995). Detection of Management Fraud: A Neural Network Approach. Intelligent Systems in Accounting, Finance and Management, 4(2): 113-126.
Fanning, K. & Cogger, K.O. (1998). Neural Network Detection of Management Fraud Using Published Financial Data. Intelligent Systems in Accounting, Finance and Management. 7(1): 21-41.
Fisher, R. A. (1936). The Use of Multiple Measurements in Taxonomic Problems. Annals of Eugenics, 7(2): 179-188.
Franceschetti, B. & Koschtial, C. (2013). Do Bankrupt Companies Manipulate Earnings More than the Non-Bankrupt Ones? Journal of Finance and Accountancy, 12: 14-34.
Freed, N. & Glover, F. (1981). A Linear Programming Approach to the Discriminate Problem. Decision Sciences, 12: 68-73.
Ghaemi, M.H., Qytasvand, M. & Tavajoki, M. (2003). The Effect of Income Smoothing on Stock Returns. The Iranian Accounting and Auditing Review, 10(3): 131–150. (in Persian)
Green, B.P. & Choi, J.H. (1997). Assessing the Risk of Management Fraud through Neural Network Technology. Auditing: A Journal of Practice and Theory 16(1): 14–28.
Hejazi, R., Mohammadi, Sh., Aslani, Z. & Aqajani, M. (2012). Earnings Management Prediction Using Neural Networks and Decision Tree in TSE. The Iranian Accounting and Auditing Review, 19(2): 31–46. (in Persian)
Impink, J. (2010). Earnings manipulation and bankruptcy: WorldCom, Bachelor paper, University of Amsterdam.
Jones, J. (1991). Earnings Management during Import relief Investigations. Journal of Accounting Research, 29(2): 193-228.
Kordestani, G. & Tatli, R. (2014). Identification the Efficient and Opportunistic Earnings Management Approaches in the Earnings Quality Levels. The Iranian Accounting and Auditing Review, 21(3): 293–312. (in Persian)
Mashayekhi, B., Mehrani, S., Mehrani, K. & Karami, G. (2005). The Role of Accruals in the Earnings Management of Companies Listed in the Tehran Stock Exchange. The Iranian Accounting and Auditing Review, 2(42): 61–74. (in Persian)
Pourheydari, O. & Hemmati, D. (2004). The Effect of Debt Covenants, Political Costs, Bonus Plans and Ownership on the Earnings Management of Listed Companies in Tehran Stock Exchange. The Iranian Accounting and Auditing Review, 11(2): 293-312. (in Persian)
Rahmani, A. & Ramsheh, M. (2014). Trade-off between Accrual-based Earnings Management and Real Activities Manipulation. The Iranian Accounting and Auditing Review, 20(4): 39-60. (in Persian)
Rosner, R. L. (2003). Earnings Manipulation in Failing Firms. Contemporary Accounting Research, 20(2): 361-408.
Sadr Esfahani, A. & Saghafi, A. (2012). The Consequences of Earnings Manipulation through Real Activities. Empirical Studies in Financial Accounting, (34): 1-32. (in Persian)
Safarzadeh, M. (2010). The Ability of Financial Ratios in Detecting Fradulent Financial Reporting: Logit Analysis. Journal of Accounting knowledge, 1(1): 137–163. (in Persian)
Spathis, C. (2002). Detecting False Financial Statements Using Published Data: Some Evidence From Greece. Managerial Auditing Journal, 17(4): 179–191. | ||
آمار تعداد مشاهده مقاله: 4,158 تعداد دریافت فایل اصل مقاله: 3,794 |