การคาดคะเนการทุจริตจากงบการเงินโดยใช้แบบจำลองโครงข่ายประสาทเทียมสำหรับการตรวจสอบบัญชี

Fraud prediction from financial statements by using an artificial neural network model for auditing

Name: ไพโรจน์ เกตุภักดีกูล

keyword: ผู้สอบบัญชี

ThaSH: งบการเงิน

Classification :.DDC: 657.45

ThaSH: การสอบบัญชี

ThaSH: หุ้นและการเล่นหุ้น

ThaSH: การจัดการ

Abstract: การวิจัยนี้ใช้ข้อมูลจากงบการเงินของบริษัทจดทะเบียนในตลาดหลักทรัพย์แห่งประเทศ ไทยย้อนหลัง 6 รอบระยะเวลาบัญชีเพื่อสร้างแบบจำลองโครงข่ายประสาทเทียม (Artificial Neural Network: ANNs) ที่มีความแม่นยำโดยรวมสำหรับการคาดคะเนการทุจริตเพื่อใช้เป็นเครื่องมือ ของผู้สอบบัญชีรับอนุญาตในการปฏิบัติงานตรวจสอบ โดยอาศัยข้อมูลอิเล็กทรอนิกส์มาประมวลผล ผ่าน M-Score เพื่อตรวจจับการตกแต่งงบการเงินและเป็นคำตอบเพื่อใช้ในการฝึกฝนโครงข่าย ประสาทเทียมให้เรียนรู้และสามารถคาดคะเนการทุจริตจากข้อมูลใหม่ที่ไม่เคยเห็นได้อย่างแม่นยำ โครงสร้างของโครงข่ายประสาทเทียมเป็นแบบการเรียนรู้เชิงลึก (Deep Learning) ที่มีผู้สอน (Supervise) ใช้ขั้นตอนวิธี (Algorithm) ตามแนวคิดแบบป้อนไปข้างหน้า (Feedforward) และ แพร่ย้อนกลับ (Backpropagation) ฟังชันกระตุ้น (Activated Function) กำหนดเป็นซิกมอย(Sigmoid) และมีการปรับเทียบ (Calibration) เพื่อเพิ่มความน่าเชื่อเชื่อของโครงข่ายประสาทเทียมผลการวิจัยพบว่า โครงข่ายประสาทเทียมมีความแม่นยำ ร้อยละ 94.02 และมีความน่าเชื่อถือหลังปรับเทียบที่ร้อยละ 80.41 ถือได้ว่าโครงข่ายประสาทเทียมมีประสิทธิภาพอยู่ในระดับดีและน่าเชื่อถือโดยโครงข่ายประสาทเทียมได้ส่งคุณลักษณะที่สำคัญ (Feature Importance) ที่ใช้ในการเรียนรู้ของโครงข่ายประสาทเทียมออกมาและทำการสกัดองค์ประกอบรายการบัญชีที่เป็นองค์ประกอบของแต่ละคุณลักษณะ (ตัวแปร) แล้วพบว่า บัญชีรายได้ (ขาย) บัญชีลูกหนี้การค้า บัญชีสินค้าคงเหลือ บัญชีซื้อสินค้า และบัญชีเจ้าหนี้การค้า เป็นรายการทางบัญชีที่ผู้สอบบัญชีรับอนุญาตนำไปใช้กับเทคนิคการตรวจสอบบัญชีโดยใช้คอมพิวเตอร์ช่วย (Computer assisted audittechniques (CAATs) ในขั้นตอนการตรวจสอบบัญชี และในอนาคตอาจพัฒนาใช้งานร่วมกับอินเทอร์เน็ตของสรรสิ่ง (Internet of Thing: IoT) ในแบบทันที (Real-time) ได้

Abstract: This research utilizes financial statement data from listed companies on the Stock Exchange of Thailand, spanning over six fiscal years, to construct an Artificial Neural Network (ANN) model. This model provides a high level of accuracy in fraud prediction, serving as a reliable tool for certified public accountants to conduct auditing tasks. It leverages electronic data processed through the M-Score to detect embellishments in financial statements. It trains the neural network to learn and accurately predict fraud in new, previously unseen data. The neural network is structured for deep learning with supervised learning techniques, employing feedforward and backpropagation algorithms with a sigmoid activation function and calibration. The research found that the artificial neural network has an overall accuracy of 94.02% and a post-calibration reliability of 80.41%, indicating that the neural network is efficient and reliable. It effectively identifies and highlights the feature importance used in its training process, extracting critical accounting entries such as sales, accounts receivable, inventory, purchases, and accounts payable. These are the accounting entries that auditors are authorized to utilize with Computer Assisted Audit Techniques (CAATs) during the audit process. Additionally, there is potential to develop these applications to work with the Internet of Things (IoT) in real-time.

มหาวิทยาลัยเทคโนโลยีราชมงคลพระนคร. สำนักวิทยบริการและเทคโนโลยีสารสนเทศ

Address: กรุงเทพมหานคร

Email: arit@rmutp.ac.th

Name: พิฐชญาณ์ คาเนโกะ

Role: ที่ปรึกษาดุษฎีนิพนธ์

Email : sukanya.k@rumtp.ac.th

Created: 2566

Modified: 2025-06-07

Issued: 2568-04-05

วิทยานิพนธ์/Thesis

application/pdf

CallNumber: วพ 657.45 พ992ก

tha

DegreeName: บริหารธุรกิจดุษฎีบัณฑิต

Level: ปริญญาเอก

Descipline: บริหารธุรกิจ

Grantor: มหาวิทยาลัยเทคโนโลยีราชมงคลพระนคร

©copyrights มหาวิทยาลัยเทคโนโลยีราชมงคลพระนคร

ลำดับที่.	ชื่อแฟ้มข้อมูล	ขนาดแฟ้มข้อมูล	จำนวนเข้าถึง	วัน-เวลาเข้าถึงล่าสุด
1	BUS_68_04.pdf	35.98 MB	2	2025-08-18 20:58:41

ใช้เวลา

0.030701 วินาที