حسابداری، امور مالی و هوش محاسباتی 3092-7366 4 پاییز 1405 1405 07 10 Application of Beneish and Dechow Linear Models in Identifying and Predicting Financial Reporting Distortions: Evidence from Companies Listed on the Tehran Stock Exchange کاربرد مدل‌های خطی بنیش و دیچو در شناسایی و پیش‌بینی تحریفات گزارشگری مالی: شواهدی از شرکت‌های بورس تهران 1 15 10.61838/jafci.257 FA جابر عواد مزعل المشعلاوی دانشجوى دكتری، گروه حسابداری، واحد اصفهان(خوراسگان)، دانشگاه آزاد اسلامی، اصفهان، ایران آرزو آقایی چادگانی گروه حسابداری، واحد نجف آباد، دانشگاه آزاد اسلامی، نجف آباد، ایران محمد سمير دهيرب الربيعي گروه حسابداری، دانشکده مدیریت و اقتصاد، دانشگاه المثنی، سماوه، عراق محمد علیمرادی گروه حسابداری، واحد اصفهان(خوراسگان)، دانشگاه آزاد اسلامی، اصفهان، ایران Journal Article 1404/04/24 <p>The study aims to assess the effectiveness of the Beneish and Dechow linear models in identifying and predicting financial reporting distortions among Tehran Stock Exchange-listed firms. This applied, quantitative, and ex post facto study examined all listed firms on the Tehran Stock Exchange during 2018–2022. Samples were selected through systematic elimination, classifying firms with qualified audit opinions indicating misstatements, tax disputes, or major restatements as distortion cases. Data were collected through documentary review of financial statements and processed using EViews software. Logistic regression was employed to test hypotheses and compare the predictive ability of the Beneish (M-Score) and Dechow (F-Score) models. The Beneish model achieved an overall accuracy rate of 84.26%, while the Dechow model reached 68.88%. Comparative analysis confirmed the superior performance of the Beneish model. Key predictors such as sales growth, asset quality, and total accruals significantly contributed to detecting manipulation. The findings indicate that the Beneish model, emphasizing internal financial ratios, performs better in volatile economic environments like Iran. Both Beneish and Dechow models effectively detect financial reporting distortions in Iran’s market context; however, the Beneish model demonstrates higher predictive power and practical applicability for regulators, auditors, and investors. These findings underscore the importance of localizing fraud detection models for emerging markets.</p> <p>هدف پژوهش ارزیابی کارایی دو مدل خطی بنیش و دیچو در شناسایی و پیش‌بینی تحریفات گزارشگری مالی در شرکت‌های پذیرفته‌شده در بورس اوراق بهادار تهران است. این پژوهش از نوع کاربردی، با رویکرد کمی و طرح پس‌رویدادی است. جامعه آماری شامل تمام شرکت‌های پذیرفته‌شده در بورس تهران طی سال‌های ۱۳۹۷ تا ۱۴۰۱ بود. انتخاب نمونه‌ها با روش حذف سیستماتیک انجام گرفت و شرکت‌هایی که گزارش حسابرسی مشروط با نشانه‌های تحریف مالی، مناقشات مالیاتی یا اصلاحات سالانه عمده داشتند، به‌عنوان موارد دارای تحریف در نظر گرفته شدند. داده‌ها از طریق بررسی اسنادی و سامانه‌های رسمی گردآوری و با استفاده از نرم‌افزار EViews تحلیل شدند. برای آزمون فرضیه‌ها، مدل‌های رگرسیون لجستیک بر مبنای دو الگوی بنیش (M-Score) و دیچو (F-Score) به کار رفتند تا توانایی آن‌ها در پیش‌بینی تحریفات سنجیده شود. نتایج نشان داد مدل بنیش با دقت ۲۶/۸۴ درصد قادر است تحریفات گزارشگری مالی را پیش‌بینی کند، در حالی که مدل دیچو دقت ۸۸/۶۸ درصدی را نشان داد. مقایسه تطبیقی عملکرد دو مدل، برتری معنادار مدل بنیش نسبت به دیچو را آشکار ساخت. شاخص‌های رشد فروش، اقلام تعهدی و کیفیت دارایی در مدل بنیش بیشترین تأثیر را در شناسایی انحرافات داشتند. یافته‌ها حاکی از آن است که مدل بنیش به دلیل تمرکز بر متغیرهای داخلی، در شرایط اقتصادی پرنوسان ایران از دقت بالاتری برخوردار است. هر دو مدل بنیش و دیچو در شناسایی تحریفات گزارشگری مالی در بازار ایران کارآمدند، اما مدل بنیش با دقت بالاتر، ابزاری مؤثرتر برای نهادهای نظارتی، حسابرسان و سرمایه‌گذاران به شمار می‌رود. این نتایج بیانگر اهمیت به‌کارگیری مدل‌های بومی‌شده در ارزیابی ریسک تحریفات مالی در بازارهای نوظهور است.</p> https://jafci.com/index.php/jafci/article/download/257/170