Student onderzoekt inzet AI voor opsporen van boekhoudfraude
Is boekhoudfraude te herkennen aan de hand van openbare jaarverslagen van beursgenoteerde bedrijven? Een PhD-student aan de Amsterdam Business School denkt van wel. Hij gebruikt een machine learning-model om te zien of managers moedwillig hun aandeelhouders proberen te misleiden.
De Indiase PhD-student Indranil Bhattacharya werkte eerder als data scientist voor Razorthink en als risk analyst voor McKinsey. In zijn onderzoek aan de Amsterdam Business School gebruikt hij zgn. '10-K-rapporten', die Amerikaanse beursfondsen jaarlijks verplicht moeten uitbrengen. Anders dan de traditionele manier van fraudedetectie, die vooral uitgaat van kwantitatief onderzoek, gebruikt de student een machine learning-model, om de diepere betekenis van teksten te achterhalen aan de hand van contextuele informatie.
Onderzoekers lichten bedrijven waarvan zij denken dat er iets mee aan de hand is grondig door, stelt Bhattacharya. Maar het bepalen op welke bedrijven zij hun inspanningen moeten richten is een uitdaging. Daarom werkt hij aan een AI-model dat daarbij moet helpen. "In de accountancywereld zijn talloze uitdagingen waar machine learning uitkomst biedt, waaronder fraudedetectie."
Aanwijzingen in teksten
Aanwijzingen voor boekhoudsignalen zijn niet alleen te vinden in financiële cijfers, maar ook in zakelijke teksten. "Frauderende managers zijn sneller geneigd bepaalde bewoordingen te gebruiken, waarbij de context waarin zij schrijven ook een rol speelt", aldus Bhattacharya. In zijn onderzoek maakt hij gebruik van Natural Language Processing, een vorm van machine learning waarbij computers tekst en gesproken woorden herkennen op eenzelfde manier als mensen.
Bhattacharya is overtuigd van de meerwaarde van het model. "We hebben er veel vertrouwen in dat ons werk van nut is voor auditors, aandeelhouders en controlerende instellingen bij het ontdekken en onderzoeken van frauduleuze bedrijven."
Voorlopig is het nog work in progress, maar uiteindelijk is het doel om het AI-model op de markt te brengen. De accountancywereld is nog niet echt vertrouwd met machine learning, stelt de student, die het gebruik van geavanceerde modellen verder wil onderzoeken en aanmoedigen.
Gerelateerd

Van Beusekom (AFM): 'allemaal bijdragen aan bestrijden van fraude'
Hoewel we verschillende verantwoordelijkheden hebben, kunnen we allemaal bijdragen aan het bestrijden van fraude. Dat stelde AFM-bestuurder Hanzo van Beusekom op...

Fraude beheersen? Helaas soms even niet
Accountants doen er goed aan om de recente oorzakenanalyse fraude van de NBA te lezen, meent Peter Schimmel. De focus moet komen te liggen op het besef dat het risico...

NBA: Fraude vraagt een meer kritische grondhouding
De accountant moet van nature alerter zijn op frauderisico's en materiële afwijkingen als gevolg van fraude. Dat blijkt uit een verkennende oorzakenanalyse van de...

AFM: Accountant moet meer aandacht geven aan signalen van fraude
Het signaleren en opvolgen van fraude is een belangrijke verantwoordelijkheid van de accountant. De Autoriteit Financiële Markten (AFM) vindt dat accountantsorganisaties...

Harry en het adaptieve frauderisico
Het frauderisico is niet te vatten in een klassieke risicoanalyse. En zodra de accountant verschijnt, houdt het frauderisico daar rekening mee.