ЗАСТОСУВАННЯ ЕКОНОМІКО-МАТЕМАТИЧНОГО МОДЕЛЮВАННЯ ДЛЯ ВИЯВЛЕННЯ ТА ЗАПОБІГАННЯ ШАХРАЙСТВУ У ФІНАНСОВІЙ ЗВІТНОСТІ
Open Access
- 31 December 2023
- journal article
- research article
- Published by FinTechAlliance in Financial and credit activity: problems of theory and practice
- Vol. 6 (53) , 217-232
Abstract
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.Keywords
This publication has 51 references indexed in Scilit:
- Corporate Fraud Handbook2017
- COSO 2013: Aligning Internal Controls and PrinciplesIssues in Accounting Education, 2016
- Benchmarking state-of-the-art classification algorithms for credit scoring: An update of researchEuropean Journal of Operational Research, 2015
- APATE: A novel approach for automated credit card transaction fraud detection using network-based extensionsDecision Support Systems, 2015
- The application of data mining techniques in financial fraud detection: A classification framework and an academic review of literatureDecision Support Systems, 2011
- What is for me is not for you: brain correlates of intertemporal choice for self and otherSocial Cognitive and Affective Neuroscience, 2010
- Credit Card Fraud Detection Using Hidden Markov ModelIEEE Transactions on Dependable and Secure Computing, 2008
- Data Mining techniques for the detection of fraudulent financial statementsExpert Systems with Applications, 2007
- A Decision Aid for Assessing the Likelihood of Fraudulent Financial ReportingAUDITING: A Journal of Practice & Theory, 2000
- Markov Chains1997