Finanse, Rynki Finansowe, Ubezpieczenia

Wcześniej: Zeszyty Naukowe Uniwersytetu Szczecińskiego. Finanse, Rynki Finansowe, Ubezpieczenia

ISSN: 2450-7741     eISSN: 2300-4460     DOI: 10.18276/frfu.2017.88/1-39
CC BY-SA   Open Access 

Lista wydań / 4/2017 (88) cz. 1
Wykorzystanie modelu CART-Logit do analizy fałszerstw sprawozdań finansowych

Rok wydania:2017
Liczba stron:10 (403-412)
Słowa kluczowe: drzewa decyzyjne oszustwa księgowe regresja logistyczna rynek amerykański
Cited-by (Crossref) ?:
Autorzy: Marek Sylwestrzak
Wydział Nauk Ekonomicznych Uniwersytetu Warszawskiego

Abstrakt

Cel – Opracowanie modelu hybrydowego CART-Logit wykrywającego fałszerstwa sprawozdań finansowych na podstawie danych finansowych amerykańskich spółek giełdowych oskarżonych z przepisu 10(b)-5 ustawy Securities Exchange Act w latach 2000–2007. Metodologia badania – W opracowaniu zastosowano model hybrydowy CART-Logit z wykorzystaniem 10 zmiennych finansowych. Wynik – Przeprowadzone analizy wykazały, że model hybrydowy wykazał większą zdolność predykcyjną niż zwykła regresja logistyczna. Uwzględnienie w modelu wskaźnika predykcji bankructwa Altmana zwiększyło trafność metody. Uzyskane wyniki potwierdzają, że najważniejszą pozycją przy wykrywaniu fałszerstw sprawozdań finansowych są środki pieniężne. Oryginalność/wartość – Artykuł stanowi empiryczną analizę możliwości wykrycia fałszerstw sprawozdań finansowych za pomocą nowej metody badawczej.
Pobierz plik

Plik artykułu

Bibliografia

1.Association of Certi ed Fraud Examiners (2014). Report to the Nations on Occupational Fraud and Abuse. 2014 Global Fraud Study.
2.Ata, H., Seyrek, I. (2009). The Use of Data Mining Techniques in Detecting Fraudulent Financial Statements: An Application on Manufacturing Firms. The Journal of Faculty of Economics and Administrative Sciences, 14 (2), 157–170.
3.Basu, S. (1997). The Conservatism Principle and the Asymmetric Timeliness of Earnings. Journal of Accounting and Economics, 24 (1), 3–37.
4.Beasley, M. (1996). An Empirical Analysis of the Relation between the Board of Director Composition and Finan- cial Statement Fraud. Accounting Review, 71 (4), 443–465.
5.Beneish, M. (1999). The Detection of Earnings Manipulation. Financial Analysts Journal, 55 (5), 24–36.
6.Dechow, P., Ge, W., Larson, C., Sloan, R. (2011). Predicting Material Accounting Misstatements. Contemporary Accounting Research, 28 (1), 17–82.
7.Fich, E.M., Shivdasani, A. (2007). Financial Fraud, Director Reputation, and Shareholder Wealth. Journal of Financial Economics, 86 (2), 306–333.
8.Givoly, D., Hayn, C. (2002). Rising Conservatism: Implications for Financial Analysis. Financial Analysts Journal, 58 (1), 56–74.
9.Grove, H., Cook, T. (2004). Lessons for Auditors: Quantitative and Qualitative Red Flags. Journal of Forensic Accounting, 5 (1), 131–146.
10.Gupta, R., Gill, N. (2012). Prevention and Detection of Financial Statement Fraud – An Implementation of Data Mining Framework. Editorial Preface, 3 (8), 150–160.
11.Johnson, S., Ryan, H., Tian, Y. (2009). Managerial Incentives and Corporate Fraud: The Sources of Incentives Matter. Review of Finance, 13 (1), 115–145.
12.Kotsiantis, S., Koumanakos, E., Tzelepis, D., Tampakas, V. (2006). Forecasting Fraudulent Financial Statements Using Data Mining. International Journal of Computational Intelligence, 3 (2), 104–110.
13.Loh, W. (2011). Classi cation and Regression Trees. Wiley Interdisciplinary Reviews: Data Mining and Knowledge Discovery, 1 (1), 14–23.
14.Łapczyński, M. (2014). Modele hybrydowe C&RT-Logit w analizie migracji klientów. Studia Ekonomiczne, 195, 90–102.
15.Pai, P., Hsu, M., Wang, M. (2011). A Support Vector Machine-Based Model for Detecting Top Management Fraud. Knowledge-Based Systems, 24 (2), 314–321.
16.Persons, O. (1995). Using Financial Statement Data to Identify Factors Associated with Fraudulent Financial Reporting. Journal of Applied Business Research, 11 (3), 38–46.
17.Piosik, A. (2016). Kształtowanie wyniku nansowego przez podmioty sprawozdawcze w Polsce. Diagnoza dobrej i złej praktyki w rachunkowości. Katowice: Wydawnictwo Uniwersytetu Ekonomicznego w Katowicach.
18.Rezaee, Z. (2005). Causes, Consequences, and Deterence of Financial Statement Fraud. Critical Perspectives on Accounting, 16 (3), 277–298.
19.Spathis, C. (2002). Detecting False Financial Statements Using Published Data: Some Evidence From Greece. Managerial Auditing Journal, 17 (4), 179–191.
20.Sunder, S. (2010), Adverse Effects of Uniform Written Reporting Standards on Accounting Practice, Education and Research. Journal of Accounting and Public Policy, 29 (2), 99–114.
21.Summers, S., Sweeney, J. (1998). Fraudulently Misstated Financial Statements and Insider Trading: An Empirical Analysis. Accounting Review, 73 (1), 131–146.
22.Wójtowicz, P. (2010). Wiarygodność sprawozdań finansowych wobec aktywnego kształtowania wyniku finansowego. Kraków: Wydawnictwo Uniwersytetu Ekonomicznego w Krakowie.
23.Zack, G. (2012). Financial Statement Fraud: Strategies for Detection and Investigation. New Jersey: John Wiley & Sons.