Independient educating optimum method of independent auditor report type prediction Translated title: Educando el método óptimo de la predicción del tipo de informe de auditor

Abstract

ABSTRACT Accountability requires the existence of reliable and valid information and auditing is one of fundamental bases for the accountability process. Thus educating the optimum method is of great importance. With the presence of a great volume of information, using the prediction methods can contribute the auditors in this respect. This research aims to compare a variety of methods of teaching of that. In current research, J48, random forest, vector machine and neural network have been used. Research population involves the corporates accepted by Tehran Stock Exchange in 2008-2017. Here, 19 financial and non-financial independent variables have been applied in two groups of test and training. Also, the independent auditor report has been classified into two groups of acceptable and conditional. Comparing the above-mentioned methods has indicated that random forest algorithm with the prediction accuracy average as 78.83% was the most optimum model to predict the report type in the both groups and other models involving J48, support vector machine, CART decision tree and finally, artificial neural network were of the most accuracy.

Translated abstract

RESUMEN La rendición de cuentas requiere la existencia de información confiable y válida y la auditoría es una de las bases fundamentales para el proceso de rendición de cuentas. Por lo tanto, educar el método óptimo es de gran importancia. Con la presencia de un gran volumen de información, el uso de los métodos de predicción puede contribuir a los auditores a este respecto. Esta investigación tiene como objetivo comparar una variedad de métodos de enseñanza de eso. En la investigación actual, se han utilizado J48, bosque aleatorio, máquina de vectores y red neuronal. La población de investigación involucra a las empresas aceptadas por la Bolsa de Teherán en 2008-2017. Aquí, se han aplicado 19 variables independientes financieras y no financieras en dos grupos de prueba y capacitación. Además, el informe del auditor independiente se ha clasificado en dos grupos de aceptable y condicional. La comparación de los métodos mencionados anteriormente ha indicado que el algoritmo de bosque aleatorio con un promedio de precisión de predicción de 78.83% fue el modelo más óptimo para predecir el tipo de informe en ambos grupos y otros modelos que involucran J48, máquina de vectores de soporte, árbol de decisión CART y finalmente, La red neuronal artificial fue de la mayor precisión.