Identificació de senyals d’alerta de manipulació comptable amb més poder predictiu a través de Random Forest
La tesi analitza la manipulació comptable, un fenomen que afecta la transparència financera i pot tenir greus conseqüències econòmiques. Utilitzant metodologies estadístiques com Random Forest, s’identifiquen els senyals d’alerta amb més poder predictiu per detectar frau comptable. Es confirma que l...
| Autor: | |
|---|---|
| Tipo de recurso: | tesis doctoral |
| Estado: | Versión publicada |
| Fecha de publicación: | 2025 |
| País: | España |
| Institución: | CBUC, CESCA |
| Repositorio: | TDR. Tesis Doctorales en Red |
| OAI Identifier: | oai:www.tdx.cat:10803/694473 |
| Acceso en línea: | http://hdl.handle.net/10803/694473 |
| Access Level: | acceso abierto |
| Palabra clave: | Frau comptable Transparència financera Deute Liquiditat (Economia) Models predictius Escàndols comptables Crisi financera Desenvolupament sostenible Economia 33 |
| Sumario: | La tesi analitza la manipulació comptable, un fenomen que afecta la transparència financera i pot tenir greus conseqüències econòmiques. Utilitzant metodologies estadístiques com Random Forest, s’identifiquen els senyals d’alerta amb més poder predictiu per detectar frau comptable. Es confirma que la combinació de variables qualitatives (com les pràctiques de govern corporatiu) i quantitatives (com la liquiditat i l’endeutament) millora la predicció del maquillatge comptable. L’anàlisi també revela que els escàndols comptables es multipliquen en períodes posteriors a crisis financeres. La investigació destaca la importància d’identificar patrons complexos i validar tècniques de Machine Learning per millorar la detecció de fraus. Tot i les limitacions d’accés a dades internes, els resultats poden ser útils per auditors, reguladors i inversors. Es proposen futures línies de recerca que integrin tècniques avançades com xarxes neuronals i NLP per reforçar la prevenció del frau i vincular-lo amb els Objectius de Desenvolupament Sostenible (ODS). |
|---|