2025. — Т 17. — № s4 - перейти к содержанию номера...

Постоянный адрес этой страницы - https://esj.today/11favn425.html

Полный текст статьи в формате PDF (объем файла: 455.8 Кбайт)

Ссылка для цитирования этой статьи:

Кузнецова, Н. А. Разработка методики применения статистических методов и алгоритмов машинного обучения для выявления признаков мошенничества и искажений в бухгалтерской и финансовой отчетности экономических субъектов / Н. А. Кузнецова // Вестник Евразийской науки. — 2025. — Т 17. — № s4. — URL: https://esj.today/PDF/11FAVN425.pdf (дата обращения: 11.04.2026).

Разработка методики применения статистических методов и алгоритмов машинного обучения для выявления признаков мошенничества и искажений в бухгалтерской и финансовой отчетности экономических субъектов

Кузнецова Наталья Алексеевна
ФГОБУ ВО «Финансовый университет при Правительстве Российской Федерации», Москва, Россия
E-mail: 216247@edu.fa.ru; iamnataly03@bk.ru

Аннотация. Исследование направлено на создание научно-обоснованной методики применения современных статистических методов и алгоритмов машинного обучения для автоматизированного выявления признаков мошенничества и искажений в бухгалтерской и финансовой отчетности экономических субъектов. В работе проведен комплексный анализ теоретических основ и практических подходов к детекции финансовых нарушений, систематизированы современные методы цифрового аудита и разработана интегрированная система индикаторов для идентификации потенциальных случаев искажения финансовой информации. Автором исследованы возможности применения различных классов алгоритмов машинного обучения, включая методы обучения с учителем и без учителя, ансамблевые техники и нейронные сети для решения задач классификации и аномального обнаружения в области финансового мониторинга. Особое внимание уделено разработке гибридных подходов, объединяющих статистический анализ аномалий с передовыми техниками глубокого обучения для повышения точности детекции сложных схем финансовых манипуляций. В исследовании представлена архитектура интеллектуальной системы контроля достоверности финансовой отчетности, включающая модули предварительной обработки данных, извлечения признаков, машинного обучения и интерпретации результатов. Практическая значимость работы заключается в создании универсального инструментария для автоматизации процессов аудита и внутреннего контроля, способствующего повышению качества финансовой отчетности и снижению рисков недобросовестных практик в корпоративной среде. Разработанная методика адаптирована к требованиям российского законодательства в области бухгалтерского учета и может быть интегрирована в существующие системы корпоративного управления и риск-менеджмента.

Ключевые слова: машинное обучение; статистические методы; выявление мошенничества; бухгалтерская отчетность; финансовый аудит; цифровые технологии; аномальное обнаружение; искусственный интеллект; корпоративный контроль; риск-менеджмент

Скачать