Przestępczość gospodarcza stanowi istotny problem zarówno dla gospodarki polskiej, jak i światowej. W 2018 roku straty dla budżetu i sektora prywatnego w Polsce związane z tego rodzaju przestępstwami wyniosły ok. 5 miliardów złotych. Dlatego bardzo ważne jest stworzenie metody, która – na podstawie sprawozdania finansowego – pozwoli ustalić, czy przedsiębiorstwo może być zagrożone oszustwem finansowym.
Monografia stanowi próbę wyjścia naprzeciw tym oczekiwaniom. Jej celem jest przedstawienie algorytmów uczenia maszynowego i sztucznej inteligencji stosowanych do identyfikacji zmanipulowanych sprawozdań finansowych, a także stworzenie modelu ostrzegającego przed takimi działaniami. W części opisowej omówiono największe skandale finansowe minionego stulecia oraz wyniki wcześniejszych badań, czyli istniejące modele wykrywania oszustw oraz machinacji w wyniku finansowym. W części empirycznej autorka przedstawiła wyniki badań własnych oraz modele przygotowane dla rynku amerykańskiego i polskiego, które można zastosować do wykrywania takiego zagrożenia. Zwraca także uwagę na to, jakie elementy sprawozdania finansowego wskazują na potencjalne manipulacje finansowe, dzięki czemu mogą być potraktowane jako wyraźne sygnały ostrzegawcze.
Opisane w monografii narzędzia będą pomocne w praktyce gospodarczej do identyfikowania podmiotów popełniających różnego rodzaju oszustwa. Modele wykrywania oszustw stanowią istotne uzupełnienie analizy finansowej, podobnie jak modele prognozowania upadłości są użytecznym narzędziem ostrzegawczym dla przedsiębiorców, inwestorów, księgowych, biegłych rewidentów oraz organów nadzoru finansowego.
Dodaj pierwszą recenzję “Zastosowania metod uczenia maszynowego i sztucznej inteligencji do wykrywania nieprawidłowości finansowych w przedsiębiorstwach”