ЗАСТОСУВАННЯ ЕКОНОМІКО-МАТЕМАТИЧНОГО МОДЕЛЮВАННЯ ДЛЯ ВИЯВЛЕННЯ ТА ЗАПОБІГАННЯ ШАХРАЙСТВУ У ФІНАНСОВІЙ ЗВІТНОСТІ
Article Sidebar
Надіслано: 13-10-2023
Опубліковано: 31-12-2023
©, Авторські права належать авторам.
Ця стаття опублікована відповідно до стандартів відкритого доступу та розповсюджується за ліцензією Creative Commons Attribution 4.0 International (CC BY 4.0), яка дозволяє необмежене використання, розповсюдження та відтворення змісту на будь-якому носії, за умови зазначення оригінального автора та джерела.
Main Article Content
Анотація
У статті розглядаються серйозні проблеми, пов’язані з шахрайством у фінансовій звітності, яке загрожує й окремим організаціям, і світовим фінансовим ринкам. У ній критично розглядаються недоліки традиційних методів виявлення шахрайства в протистоянні дедалі складнішим його схемам. Дослідження зосереджене на інноваційному використанні моделей Маркова для розуміння та прогнозування зміни природи ризику фінансового шахрайства.
Дослідження представляє вдосконалену техніку для коригування тимчасової еволюції ймовірностей переходу моделі Маркова, включаючи зовнішні фактори, такі як економічні тенденції та нормативні зміни. Це повторне калібрування використовує функцію умовної ймовірності, що дозволяє моделі залишатися чутливою до мінливості фінансового середовища. Такий підхід дозволяє моделі адаптуватися до мінливого фінансового середовища. Ключові висновки демонструють здатність моделі розвиватися, відображаючи динамічний характер ризику фінансового шахрайства. Основною особливістю цієї моделі є досягнення стаціонарного розподілу, що дозволяє визначити стійкі рівні ризику, пов’язані з фінансовим шахрайством. Цей атрибут стає помітнішим у середовищах, що характеризуються різноманітними можливостями виявлення шахрайства. Модель досягає сталого розподілу, що вказує на довгострокові рівні ризику фінансового шахрайства в різних сценаріях виявлення шахрайства.
У статті зроблено висновок про те, що моделі Маркова є життєво важливими в сучасному управлінні фінансовими ризиками з практичним застосуванням у таких сферах, як кредитний скоринг і страхові претензії. Також підкреслюється регуляторне значення цих моделей для оцінки впливу фінансового регулювання. Крім того, досліджується інтеграція аналізу даних і машинного навчання, що підвищує здатність моделей протистояти складному кібершахрайству. Адаптивність і точність прогнозування цих моделей є вирішальними в динамічному фінансовому середовищі, що вимагає постійного вдосконалення та інтеграції з новими технологіями й теоріями.
Article Details
Посилання
Abdulfatah, L. A., & Yahaya, O, A. (2022). Can auditors reduce earnings management activities. Review of Accounting and Finance, 22(4), 429-442. https://doi.org/10.1108/RAF-10-2022-022x
Abdullayeva, M., & Ataeva, N. (2022). Mortgage lending with the participation of the construction financing fund of the Bank of the Future. Futurity Economics & Law, 2(1), 35–44. https://doi.org/10.57125/FEL.2022.03.25.05 DOI: https://doi.org/10.57125/FEL.2022.03.25.05
Albrecht, K., Volz, K. G., Sutter, M., Laibson, D. I., & Von Cramon, D. Y. (2011). What is for me is not for you: Brain correlates of intertemporal choice for self and others. Social cognitive and affective neuroscience, 6(2), 218-225. https://doi.org/10.1093/scan/nsq046 DOI: https://doi.org/10.1093/scan/nsq046
Alsadah, N., & Al-Sartawi, A. (2023). Forensic Accounting and Cybersecurity: A Literature Review Paper. Artificial Intelligence, Internet of Things, and Society 5.0, 235-244. https://doi.org/10.1007/978-3-031-43300-9_20 DOI: https://doi.org/10.1007/978-3-031-43300-9_20
Aristova,I., V., Aristova, I., Rezvorovych, K. R., Rezvorovich, K., Sydorova, E. O., Nesterchuk, L. P., ... & Kislitsyna, I. O. (2020). Creation of an intellectual property court in Ukraine: protection of intellectual property rights in a system of economic security of a country. http://dspace.onua.edu.ua/handle/11300/14364 DOI: https://doi.org/10.9770/jssi.2020.9.M(29)
Bansal, M. (2023). Earnings management: a three-decade analysis and future prospects. Journal of Accounting Literature. https://doi.org/10.1108/JAL-10-2022-0107 DOI: https://doi.org/10.1108/JAL-10-2022-0107
Baratki, L. A. (2023). FATF Standards and Their National Implementation. Law Series Annals WU Timisoara, 45. https://heinonline.org/HOL/LandingPage?handle=hein.journals/autimis2023&div=8&id=&page=
Barkemeyer, R., Faugère, C., Gergaud, O., & Preuss, L. (2020). Media attention to large-scale corporate scandals: Hype and boredom in the age of social media. Journal of Business Research, 109, 385-398. https://doi.org/10.1016/j.jbusres.2019.12.011 DOI: https://doi.org/10.1016/j.jbusres.2019.12.011
Beju, D. G., & Făt, C. M. (2023). Frauds in Banking System: Frauds with Cards and Their Associated Services. In Economic and Financial Crime, Sustainability and Good Governance (pp. 31-52). Cham: Springer International Publishing. https://doi.org/10.1007/978-3-031-34082-6_2 DOI: https://doi.org/10.1007/978-3-031-34082-6_2
Bell, T. B., & Carcello, J. V. (2000). A decision aid for assessing the likelihood of fraudulent financial reporting. Auditing: A Journal of Practice & Theory, 19(1), 169-184. https://doi.org/10.2308/aud.2000.19.1.169 DOI: https://doi.org/10.2308/aud.2000.19.1.169
Bitetto, A., Cerchiello, P., Filomeni, S., Tanda, A., & Tarantino, B. (2023). Machine learning and credit risk: Empirical evidence from small and mid-sized businesses. Socio-Economic Planning Sciences, 101746. https://doi.org/10.1016/j.seps.2023.101746 DOI: https://doi.org/10.1016/j.seps.2023.101746
Buriak, I., & Petchenko, M. (2021). Analysis of the dilemmas of building an accounting system for the needs of future economic management. Futurity Economics & Law, 1(1), 17–23. https://doi.org/10.57125/FEL.2021.03.25.3 DOI: https://doi.org/10.57125/FEL.2021.03.25.3
Bushman, I. (2021). The development of the intellectual economy of the future: trends, challenges of the future. Futurity Economics & Law, 1(3), 33–42. https://doi.org/10.57125/FEL.2021.09.25.04 DOI: https://doi.org/10.57125/FEL.2021.09.25.04
Cambien, C., Leroy, A., & Omez, S. (2022). Market & internal analysis of a PE firm’s portfolio companies’ valuation with an emphasis on ESG reporting & incorporation. http://hdl.handle.net/20.500.12127/7210
Chatterjee, S., Corbae, D., Dempsey, K., & Ríos‐Rull, J. V. (2023). A quantitative theory of the credit score. Econometrica, 91(5), 1803-1840. https://doi.org/10.3982/ECTA18771 DOI: https://doi.org/10.3982/ECTA18771
Chohan, U. W. (2019). The FATF in the global financial architecture: challenges and implications. http://dx.doi.org/10.2139/ssrn.3362167 DOI: https://doi.org/10.2139/ssrn.3362167
Deineha, I., Maslov, A., Potryvaieva, N., Verbivska, L., Koliadych, O. (2021). Institutional Environment Tools for Small and Medium-Sized Enterprises Development. Estudios de Economia Aplicada, 39(3), 4798. https://doi.org/10.25115/eea.v39i3.4798 DOI: https://doi.org/10.25115/eea.v39i3.4798
Demetriades, P., & Owusu-Agyei, S. (2022). Fraudulent financial reporting: an application of fraud diamond to Toshiba’s accounting scandal. Journal of Financial Crime, 29(2), 729-763. https://doi.org/10.1108/JFC-05-2021-0108 DOI: https://doi.org/10.1108/JFC-05-2021-0108
Deng, J., Ghasemkhani, H., Tan, Y., & Tripathi, A. K. (2023). Actions speak louder than words: Imputing users’ reputation from transaction history. Production and Operations Management, 32(4), 1096-1111. https://doi.org/10.1111/poms.13913 DOI: https://doi.org/10.1111/poms.13913
Dessain, J., Bentaleb, N., & Vinas, F. (2023). Cost of Explainability in AI: An Example with Credit Scoring Models. In World Conference on Explainable Artificial Intelligence (pp. 498-516). Cham: Springer Nature Switzerland. https://doi.org/10.1007/978-3-031-44064-9_26 DOI: https://doi.org/10.1007/978-3-031-44064-9_26
Dickins, D., & Fay, R. G. (2017). COSO 2013: Aligning internal controls and principles. Issues in Accounting Education, 32(3), 117-127. https://doi.org/10.2308/iace-51585 DOI: https://doi.org/10.2308/iace-51585
Ding, K., Li, J., Bhanushali, R., & Liu, H. (2019). Deep anomaly detection on attributed networks. In Proceedings of the 2019 SIAM International Conference on Data Mining (pp. 594-602). Society for Industrial and Applied Mathematics. economic security of a country. http://dspace.onua.edu.ua/handle/11300/14364 DOI: https://doi.org/10.1137/1.9781611975673.67
Fitri, F. A., Syukur, M., & Justisa, G. (2019). Do the fraud triangle components motivate fraud in Indonesia? Australasian Accounting. Business and Finance Journal, 13(4), 63-72. https://doi.org/ 10.14453/aabfj.v13i4.5 DOI: https://doi.org/10.14453/aabfj.v13i4.5
Gavrylenko, N. V. (2008). Socio-economic analysis of small business in Mykolaiiv region. ACTUAL PROBLEMS OF ECONOMICS, 80, 148-155. https://www.researchgate.net/publication/294372468_Socio-economic_analysis_of_small_business_in_Mykolaiiv_region
Giovannelli, F., Iannamorelli, A., Levy, A., & Orlandi, M. (2023). The Bank of Italy’s In-House Credit Assessment System for Non-financial Firms. In Financial Risk Management and Climate Change Risk: The Experience in a Central Bank (pp. 107-137). Cham: Springer Nature Switzerland. https://doi.org/10.1007/978-3-031-33882-3_5 DOI: https://doi.org/10.1007/978-3-031-33882-3_5
Gupta, J., Srivastava, A., & Alzugaiby, B. (2024). Schumpeterian creative destruction and temporal changes in business models of US banks. International Review of Financial Analysis, 91, 102951. https://doi.org/10.1016/j.irfa.2023.102951 DOI: https://doi.org/10.1016/j.irfa.2023.102951
Hamilton, J. D. (1994). Time Series Analysis. Princeton: Princeton University Press. ISBN:9780691042893 DOI: https://doi.org/10.1515/9780691218632
Iren, P., & Kim, M. S. (2023). How Harsh Should the Legislation Be to Prevent Financial Crimes?: Lessons After the Enron Scandal. In Concepts and Cases of Illicit Finance (pp. 37-50). IGI Global. https://doi.org/10.4018/978-1-6684-8587-3 DOI: https://doi.org/10.4018/978-1-6684-8587-3.ch003
Jung, J. C., & Sharon, E. (2019). The Volkswagen emissions scandal and its aftermath. Global business and organizational excellence, 38(4), 6-15. https://doi.org/10.1002/joe.21930 DOI: https://doi.org/10.1002/joe.21930
Kemeny, J. G., & Snell, J. L. (1960). Finite Markov Chains. Princeton, NJ: Van Nostrand. https://cir.nii.ac.jp/crid/1130000797989473280
Khan, R.U., Saienko, V., & Tolchieva, H. (2021). Dependence of the company’s reputation and the quality of customer relations. Economic Studies journal, 2, 159-176. https://www.ceeol.com/search/article-detail?id=929552
Kirelli, Y., Arslankaya, S., & Zeren, M. T. (2020). Detection of credit card fraud in e-commerce using data mining. Avrupa Bilim ve Teknoloji Dergisi, (20), 522-529. https://doi.org/10.31590/ejosat.747399 DOI: https://doi.org/10.31590/ejosat.747399
Kirkos, E., Spathis, C., & Manolopoulos, Y. (2007). Data mining techniques for the detection of fraudulent financial statements. Expert systems with applications, 32(4), 995-1003. https://doi.org/10.1016/j.eswa.2006.02.016 DOI: https://doi.org/10.1016/j.eswa.2006.02.016
Kress, J. C., & Zhang, J. (2023). The Macroprudential Myth. https://ssrn.com/abstract=4530708
Kumar, K., Bhattacharya, S., & Hicks, R. (2018). Employee perceptions of organization culture with respect to fraud–where to look and what to look for. Pacific Accounting Review, 30(2), 187-198. https://doi.org/10.1108/PAR-05-2017-0033 DOI: https://doi.org/10.1108/PAR-05-2017-0033
Lessmann, S., Baesens, B., Seow, H. V., & Thomas, L. C. (2015). Benchmarking state-of-the-art classification algorithms for credit scoring: An update of research. European Journal of Operational Research, 247(1), 124-136. https://doi.org/10.1016/j.ejor.2015.05.030 DOI: https://doi.org/10.1016/j.ejor.2015.05.030
Lokanan, M. E., & Wilson-Mah, R. (2023). Revisiting the Satyam Fraud: A Lesson in Corporate Governance. SAGE Publications: SAGE Business Cases Originals. https://doi.org/10.4135/9781529618976 DOI: https://doi.org/10.4135/9781529618976
Mohammadi, M., Yazdani, S., Khanmohammadi, M. H., & Maham, K. (2020). Financial reporting fraud detection: An analysis of data mining algorithms. International Journal of Finance & Managerial Accounting, 4(16), 1-12. https://ijfma.srbiau.ac.ir/article_15385.html
Müller, W., Kuznetsova, A., Khrystoforova, O., Karpachova, О., & Sulyma, M. (2021). Accounting and Auditing According to International Standards as a Managment Function. Financial and Credit Activity Problems of Theory and Practice, 4(35), 60–68. https://doi.org/10.18371/fcaptp.v4i35.221787 DOI: https://doi.org/10.18371/fcaptp.v4i35.221787
Ngai, E. W., Hu, Y., Wong, Y. H., Chen, Y., & Sun, X. (2011). The application of data mining techniques in financial fraud detection: A classification framework and an academic review of the literature. Decision support systems, 50(3), 559-569. https://doi.org/10.1016/j.dss.2010.08.006 DOI: https://doi.org/10.1016/j.dss.2010.08.006
Norris, J. R. (1998). Markov chains. Cambridge University Press. https://doi.org/10.1017/CBO9780511810633 DOI: https://doi.org/10.1017/CBO9780511810633
Orlandi, T. (2022). The Wirecard case: challenges for German and European supervision. https://tesi.luiss.it/id/eprint/33285
Pande, A. S., & Kumar, R. (2020). Implications of Indian philosophy and mind management for agency conflicts and leadership: A conceptual framework. IIM Kozhikode Society & Management Review, 9(1), 34-44. https://doi.org/10.1177/2277975219858864 DOI: https://doi.org/10.1177/2277975219858864
Papík, M., & Papíková, L. (2022). Detecting accounting fraud in companies reporting under US GAAP through data mining. International Journal of Accounting Information Systems, 45, 100559. https://doi.org/10.1016/j.accinf.2022.100559 DOI: https://doi.org/10.1016/j.accinf.2022.100559
Petra, S., & Spieler, A. C. (2020). Accounting scandals: Enron, Worldcom, and global crossing. In Corporate fraud exposed (pp. 343-360). Emerald Publishing Limited. https://doi.org/10.1108/978-1-78973-417-120201022 DOI: https://doi.org/10.1108/978-1-78973-417-120201022
Rajendran, S., John, A. A., Suhas, B., & Sahana, B. (2023). Role of ML and DL in Detecting Fraudulent Transactions. In Artificial Intelligence for Societal Issues (pp. 59-82). Cham: Springer International Publishing. https://doi.org/10.1007/978-3-031-12419-8_4 DOI: https://doi.org/10.1007/978-3-031-12419-8_4
Redko, K., Zaletska, I., & Chyrva, H. (2023). Comprehensive modernization and innovative development of the SMART economy of the future. Futurity Economics&Law, 3(1), 35–43. https://doi.org/10.57125/FEL.2023.03.25.04 DOI: https://doi.org/10.57125/FEL.2023.03.25.04
Sahla, W. A., & Ardianto, A. (2023). Ethical values and auditors’ fraud tendency perception: testing of fraud pentagon theory. Journal of Financial Crime, 30(4), 966-982. https://doi.org/10.1108/JFC-04-2022-0086 DOI: https://doi.org/10.1108/JFC-04-2022-0086
Sang, L. T. K. (2023). Toshiba’s Three-Way Split Signals the End of Poor Japanese Management. In OVERCOMING CRISIS: Case Studies of Asian Multinational Corporations, 81-93. https://doi.org/10.1142/9789811259340_0006 DOI: https://doi.org/10.1142/9789811259340_0006
Schilit, H. M., & Perler, J. (2010). Financial Shenanigans Third Edition. McGraw-Hill. ISBN: 978-0-07-170308-6
Shah, S. S., & Amin, Y. (2023). On Trust Dynamics of Economic Growth. http://dx.doi.org/10.2139/ssrn.4531978 DOI: https://doi.org/10.2139/ssrn.4531978
Shah, S. S., & Asghar, Z. (2023). Dynamics of social influence on consumption choices: A social network representation. Heliyon. https://doi.org/10.1016/j.heliyon.2023.e17146 DOI: https://doi.org/10.1016/j.heliyon.2023.e17146
Shah, S. S., & Shah, S. A. H. (2023). Trust as a determinant of Social Welfare in the Digital Economy. https://doi.org/10.21203/rs.3.rs-3117248/v1 DOI: https://doi.org/10.21203/rs.3.rs-3117248/v1
Singleton, T. W., & Singleton, A. J. (2010). Fraud auditing and forensic accounting (Vol. 11). John Wiley & Sons. ISBN-13:978-0-471-78591-0 DOI: https://doi.org/10.1002/9781118269183
Soltani, H., & Abbes, M. B. (2023). The Predictive Power of Financial Stress on the Financial Markets Dynamics: Hidden Markov Model. Journal of Economics and Finance, 47(1), 94-115. https://doi.org/10.1007/s12197-022-09600-z DOI: https://doi.org/10.1007/s12197-022-09600-z
Srivastava, A., Kundu, A., Sural, S., & Majumdar, A. (2008). Credit card fraud detection using hidden Markov model. IEEE Transactions on dependable and secure computing, 5(1), 37-48. https://doi.org/10.1109/TDSC.2007.70228 DOI: https://doi.org/10.1109/TDSC.2007.70228
Svetlozarova Nikolova, B. (2023). Cross-Border Tax Fraud as a Barrier to Sustainable Development. In Tax Audit and Taxation in the Paradigm of Sustainable Development: The Impact on Economic, Social and Environmental Development (pp. 55-72). Cham: Springer Nature Switzerland. https://doi.org/10.1007/978-3-031-32126-9_3 DOI: https://doi.org/10.1007/978-3-031-32126-9_3
Tiutiunyk, I., Kuznetsova, A., & Spankova, J. (2021). Innovative approaches to the assessment of the impact of the shadow economy on social development: an analysis of causation. Marketing and Management of Innovations, 3, 165-174. https://doi.org/10.21272/mmi.2021.3-14 DOI: https://doi.org/10.21272/mmi.2021.3-14
Van Vlasselaer, V., Bravo, C., Caelen, O., Eliassi-Rad, T., Akoglu, L., Snoeck, M., & Baesens, B. (2015). APATE: A novel approach for automated credit card transaction fraud detection using network-based extensions. Decision Support Systems, 75, 38-48. https://doi.org/10.1016/j.dss.2015.04.013 DOI: https://doi.org/10.1016/j.dss.2015.04.013
Wells, J. T. (2017). Corporate fraud handbook: Prevention and detection. John Wiley & Sons. ISBN: 978-1-119-35195-5 DOI: https://doi.org/10.1002/9781119351962