Utilização de métodos de combinação de classificadores em detecção de empresas fraudulentas
| Autor: | Guanaes, Danielle [UNIFESP] |
|---|---|
| Přispěvatelé: | Scarpel, Rodrigo Arnaldo |
| Jazyk: | portugalština |
| Rok vydání: | 2022 |
| Předmět: | |
| Zdroj: | Repositório Institucional da UNIFESP Universidade Federal de São Paulo (UNIFESP) instacron:UNIFESP |
| Popis: | O surgimento de grandes bases de dados aumentou a complexidade dos problemas de identificação de padrões em todas as áreas do conhecimento, que passaram a contar com a mineração de dados como uma aliada nessas atividades. Na avaliação de risco de fraude durante a auditoria externa, não podia ser diferente, havendo ainda o agravante de uma maior exigência por parte dos stakeholders por relatórios de auditorias que identificassem qualquer indício de fraude. Essa etapa é de grande importância, pois auxilia no planejamento da extensão dos procedimentos a serem executados pelo auditor. Ainda que, em muitas vezes, essa avaliação seja baseada na apenas experiência do auditor, na literatura há estudos sobre a aplicação da mineração de dados na identificação de fraudes financeiras, e em especial nas demonstrações contábeis. O objetivo do presente trabalho foi verificar a aplicabilidade da mineração de dados na detecção de empresas fraudulentas utilizado um conjunto de dados público disponível no UCI Machine Learning Repository. Para treinar e testar os modelos foram utilizados métodos de mineração individuais e combinações descritos na literatura. O desempenho dos modelos desenvolvidos foi avaliado comparativamente com base na acurácia, nos falsos negativos e nos custos relacionados aos falsos negativos |
| Databáze: | OpenAIRE |
| Externí odkaz: |
|