Presenting the developed model of Benish by using tunneling phenomena based on artificial neural network technique and particle swarm optimization algorithm to identifying profit manipulating companies

Subject Areas : Journal of Investment Knowledge

Farhad Azadi ¹ , Mehrdad GhanbarI ² , Babak Jamshidi navid ³ , Javad Masodi ⁴

1 - PhD Student, Department of Accounting, Kermanshah Branch, Islamic Azad University, Kermanshah, Iran
2 - Assistant Professor, Department of Accounting, Kermanshah Branch, Islamic Azad University, Kermanshah, Iran
3 - Assistant Professor, Department of Accounting, Kermanshah Branch, Islamic Azad University, Kermanshah, Iran
4 - Assistant Professor, Department of Accounting, Kermanshah Branch, Islamic Azad University, Kermanshah, Iran

Received: 2020-11-10 Accepted : 2021-06-02 Published : 2024-09-22

Keywords: : Beneish’s profit management, Tehran Stock Exchange, Particle swarm optimization, Artificial Neural Network, Tunneling phenomenon,

Abstract :

Today, profit rates and the possibility of managing and manipulating the profits are clear to all, and researchers have always sought solutions to remove the uncertainties facing investors and stakeholders when making their financial decisions. To clarify users' decision path of financial data users, Beneish (1999) has developed a profit-management predicting model that has yielded different results in different societies. Thus, this article aims to optimize and localize Beneish’s model by adding the Tunneling variable to Beneish’s variable and using a modern neural network and particle swarm algorithms. The statistical research population consisted of 196 companies listed at the Tehran Stocks Exchange from 2014 to 2019. The research method was a descriptive-library method in which the variables are interrelated through the causal-correlational method. From an objective point of view, it is an Ex-Post Facto research design. To analyze the data, the regression method and artificial neural and the PSO algorithms were used. The model analysis results suggested that all financial ratios had significant effects on Beneish’s profit management, as the Tunneling phenomenon and the financial leverage had the highest and lowest effects on predicting Beneish’s profit management, respectively.

References:

• اخگر، محمد امید، سمیره، داودی (1398). بررسی توانایی سیستم حسابداری شرکت در ارائه اطلاعات قابل‌مقایسه و مدیریت سود،فصلنامه دانش حسابداری.


• پور علی، محمدرضا، کوچکی تاجانی، محدثه (1399). مقایسه دقت پیش‌بینی دستکاری سود شرکت‌ها با استفاده از الگوریتم رقابت استعماری و الگوریتم ژنتیک، اولین کنفرانس بین‌المللی چالش‌ها و راهکارهای نوین در مهندسی صنایع و مدیریت و حسابداری، ساری.


• جواهری، محمدرضا، زنجیردار، مجید (1396). رابطه بین مدیریت سود و عملکرد شرکت‌های موردمطالعه در بورس اوراق بهادار تهران، مدیریت بهره‌وری، دوره 11، 3(42)، 218-197.


• حمصیان کاشانی، زهرا، غلامی جمکرانی، رضا (1398). جبهه‌گیری مدیریت و مدیریت سود،دومین کنفرانس بین‌المللی مدیریت، مهندسی صنایع، اقتصاد و حسابداری، تفلیس-گرجستان، دبیرخانه دائمی با همکاری دانشگاه امام صادق (ع).


• حیدر زاده هنزائی، علیرضا، براتی، لیلا (1398). محیط اطلاعاتی و مدیریت سود در شرکت‌های با منافع دوگانه، دانش سرمایه‌گذاری، 8(29)، 332-215.


• رستمی، وهاب، قربانی، بهزاد، مهتری، زینب (1394). تأثیر رقابت در بازار محصول بر مدیریت واقعی سود شرکت‌های پذیرفته‌شده در بورس اوراق بهادار، اولین کنفرانس بین‌المللی مدیریت و حسابداری با رویکرد ارزش‌آفرینی، دانشگاه آزاد اسلامی واحد فارس، شیراز.


• ستایش، محمدحسین، کاظم، نژاد مصطفی، شفیعی، محمدجواد (1392). کاربرد الگوریتم ژنتیک در تعیین ساختار بهینه سرمایه شرکت‌های پذیرفته‌شده در بورس اوراق بهادار تهران. بررسی‌های حسابداری و حسابرسی، 16(56)، 58-39.


• شعری آناقیز، صابر، رحیمیان، نظام‌الدین، صالحی صدقیانی، جمشید، خراسانی، ابوطالب (1396). بررسی و تطبیق میزان دقت نتایج حاصل از مدل‌های بنیش و تعدیل‌شده بنیش بر اساس محیط اقتصادی ایران در کشف و افشای گزارشگری مالی متقلبانه، فصلنامه چشم‌انداز مدیریت مالی، 7(18)، 123-105.


• شعری، صابر، حمیدی، الهام (1391). شناسایی انگیزه‌های معاملات با اشخاص وابسته، پژوهش‌های تجربی حسابداری، 2(4)، 64-49.


• صالحی، مهدی، فرخی پیله رود، لاله (1397). پیش‌بینی مدیریت سود با استفاده از شبکه عصبی و درخت تصمیم. فصلنامه پژوهش‌های حسابداری مالی و حسابرسی، 10(37)،1-24.


• عسگری آلوج، حسین، نیک‌بخت، محمدرضا، کرمی، غلامرضا، مؤمنی، منصور (1398). توسعه مدل بنیش با ترکیب شبکه‌های عصبی مصنوعی و الگوریتم بهینه‌سازی حرکت تجمعی ذرات برای پیش‌بینی دستکاری سود، بررسی‌های حسابداری و حسابرسی، 26(4)، 638-615.


• علیخانی دهقی، حسین، ایزدی نیا، ناصر، کیانی، غلامحسین (1399). نقش مدیریت سود در شناسایی صورت‌های مالی متقلبانه در شرکت‌های پذیرفته‌شده در بورس اوراق بهادار تهران، مدیریت دارایی و تأمین مالی، 8(4)، 38-21.


• فتحی، سعید، عبدی، رسول (1397). رابطه ساختار سرمایه و مدیریت واقعی سود (مطالعه موردی شرکت‌های پذیرفته‌شده در بورس اوراق بهادار تهران)،کنفرانس بین‌المللی مدیریت، حسابداری، بانکداری و اقتصاد در افق ایران 1404، مشهد، موسسه تعاونی دانش‌بنیان کمرآوش.


• قادری، اقبال، امینی، پیمان، محمدی ملقرنی، عطاءالله (1399). به‌کارگیری الگو ترکیبی شبکه‌های عصبی مصنوعی با الگوریتم‌های فرا کاوشی (ICA,PSO) در پیش‌بینی مدیریت سود، پژوهش‌های تجربی حسابداری، 10(2)، 248-213.


• کردستانی، غلامرضا، تانلی، رشید. (1395). پیش‌بینی دستکاری سود: توسعهٔ یک مدل، بررسی‌های حسابداری و حسابرسی، 23(1)، 96-73.


• مردانی، مهدی، فاضلی، نقی، فغانی ماکرانی، خسرو (1399). ارزیابی نقش چرخه عمر شرکت در بهینه‌سازی مدل‌های پیش‌بینی کیفیت اقلام تعهدی، دانش حسابداری و حسابرسی مدیریت، 9(33)، 178-157.


• نجفی زاده، بهناز، کیهان، مهام (1395). بررسی ارتباط بین مدیریت سود و عدم تقارن اطلاعاتی در شرایط عدم اطمینـان محیطـی در شرکت‌های پذیرفته‌شده در بورس اوراق بهادار تهران. چهارمین کنفرانس ملی مـدیریت، اقتصـاد و حسـابداری، تبریـز، سازمان مدیریت صنعتی آذربایجان شرقی، دانشگاه تبریز.


• Alhadab, M. (2018). The impact of executive compensation and audit quality on accrual-based and real-based earnings management: Evidence from Jordan, Corporate Ownership and Control, 15(2-1), 209-219. https://doi.org/10.22495/cocv15i2c1p7.


• Almahrog, Y.E., Lasyoud, A.A. (2021). An Overview of Earnings Management Detection Approaches, JOURNAL OF CRITICAL REVIEWS, VOL 08, ISSUE 02, 92-101.


• Artur, H. (2020). Using the Beneish M-score model: Evidence from non-financial companies listed on the Warsaw Stock Exchange. Investment Management and Financial Innovations, 17(4), 389-401. doi:10.21511/imfi.17(4).2020.33


• Atanasov, V, Black, B, Ciccotello, C & Gyoshev, S. (2009). The anatomy of financial tunneling in emerging market, Finance Working Paper No 123/2006, European Corporate Governance Institute, Brussels, Belgium.


• Atanasov, V., Bernard B., & Conrad, C. (2009). Unbundling and Measuring Tunneling’, Working Paper, available at http://ssrn/com/abstract 1030529 (last accessed October 2011).


• Barton, J., Hansen, B., & Pownall, G. (2010). Which performance measures do investors around the world value the most—and why? Accounting Review 85 (3),753–789.


• Beneish, M. D. (1999). The detection of earnings manipulation. Financial Analysts Journal, 55(5), 24-36. https://doi.org/10.2469/faj.v55.n5.2296.


• Chang, C. S., Yu, S. W., & Hung, C. H. (2015). Firm risk and performance: The role of Corporate Governance. Review of Management Science, 9, 141-173. https://doi.org/10.1007/s11846-014-0132-x.


• Gordon, E.A., Henry, E. & Palia, D. (2004). RELATED PARTY TRANSACTIONS AND CORPORATE GOVERNANCE, Hirschey, M., and, K.J. and Makhija, A.K. (Ed.) Corporate Governance (Advances in Financial Economics, Vol. 9), Emerald Group Publishing Limited, Bingley, pp. 1-27. https://doi.org/10.1016.


• Hapsoro & Tiara Rani Santoso. (2018). Does Audit Quality Mediate the Effect of Auditor Tenure, Abnormal Audit Fee and Auditor's Reputation on Giving Going Concern Opinion?, International Journal of Economics and Financial Issues, Econjournals, vol. 8(1), pages 143-152.


• Johnson, S., R. La Porta, F. Lopez-de-Silanes, & A. Shleifer. (2000). Tunneling,American Economic Review Papers and Proceedings, XC, 22-27.


• Johnson, S., Rafael L.P., Florencio, L-de-S. & Andrei, Sh. (2000). ‘Tunneling’, American Economic Review, 90, 22–7. 5.


• Jones, J., (1995). Earnings Management during Import Relief Investigations, Journal of Accounting Research, 29, (2), 193-228.


• Kang, M., Lee, H. Y., Lee, M. G., & Park, J. C. (2014). The association between relat-ed-party transactions and control–ownership wedge: Evidence from Ko-rea. Pacific-Basin Finance Journal, 29, 272-296.


• Kothari, S.P., Andrew L. Leone, & Charles E. Wasley. (2005). Performance matched discretionary accrual measures. Journal of Accounting and Economics, 39, 1 (February): 163–197.


• Laksmana, I., & Yang, Y. W. (2014). Product market competition and earnings management: Evidence from discretionary accruals and real activity manipulation. Advances in Accounting, 30(2), 263-275.


• Li, T., & Zaiats, N. (2017). Information environment and earnings management of dual class firms around the world. Journal of Banking & Finance, 74, 1-23.


• Mohammadi, M., Yazdani, Sh., Khanmohammadi, M.H. (2021). Presenting a Model for Financial Reporting Fraud Detection using Genetic Algorithm, Advances in Mathematical Finance & Applications, 6(2), (2021), 377-392. DOI: 10.22034/amfa.2019.1872783.1252


• Rotemberg, J. & Scharfstein, D. (1990). Shareholder value maximization and produc market competition. Review of Financial Studies, 3(3), 367–391.


• Scott, M. (2000). Financial accounting theory. (3 rd ed.). New Jersey: Prentice Hall.


• Shahzad, A. (2016). Detecting Earning Management and Earning Manipulation in BRIC Countries; a Panel Data Analysis for Post Global Financial Crisis Period. Int J Account Res 4: 134. doi:10.4172/ijar.1000134.


• Yuriy, B., and Veronika, J. (2021). Detection of earnings management by different Models, SHS Web of Conferences 02005(2021), Globalization and its Socio-Economic Consequences 2020, https://doi.org/10.1051/shsconf/20219202005.