‫جامعة المنصورة‬

‫كلٌة التجارة‬
‫قسم المحاسبة‬

‫"ذحسيٍ خىدج انرمارير انًانيح تئسرخذاو أسهىب انرُمية فً انثياَاخ‬

‫‪-‬دراسح ذطثيميح"‬
‫رسالة مقدمة من‬
‫إلهام محمد عبد اللطيف محمد‬
‫كجزء من متطلبات الحصول علي درجة الماجستير‬

‫إشراف‬

‫الدكتورة‬ ‫األستاذ الدكتور‬

‫مروة حسن حسان‬ ‫سمير أبو الفتوح صالح‬
‫مدرس المحاسبة‬ ‫أستاذ المحاسبة ونظـ المعمومات المحاسبية‬
‫كمية التجارة ‪ -‬جامعة المنصورة‬ ‫كمية التجارة ‪ -‬جامعة المنصورة‬

‫‪6106‬‬
 ‫إهداء إلى‪:‬‬
‫َاندتٓ ‪ ..‬لسة عٕىّ َوبع انحىان انرِ ال ٔىضب حفظٍا هللا‪.‬‬ ‫‪‬‬
‫َاندْ‪ ..‬زحمً هللا‪.‬‬ ‫‪‬‬
‫خانتّ‪ ..‬زحمٍا هللا زحمت َاسعت َأدخهٍا فسٕح جىاتً‪.‬‬ ‫‪‬‬
‫أخّ‪..‬حفظً هللا َسدد خطاي‪.‬‬ ‫‪‬‬
‫أساترتٓ‪..‬انرٔه أدٔه نٍم بانفضم عه كم حسف عهمُوٓ‬ ‫‪‬‬
‫إٔاي‪.‬‬
‫كم مه ٔتصفح ٌري انسسانت‪.‬‬ ‫‪‬‬

‫إنٍٕم جمٕعا ً أٌدْ ٌرا انجٍد انعهمٓ انمتُاضع‪.‬‬

‫الباحثة‪،‬‬
 ;,rhrll4$
tildl c,l*lJJl

J,{r-o, iJt.tll l+e !r.-c et+J!, ailHt

' iJbjf sg&ge

'rl,il+{Jld qdiiJt *eJ.i plliinh d+$L.lliiJf ol9t (;t*ii "
" 41i1Al irbr

- o:LriJl r ttt - 4-ldl iti-.i

lri 6ttc Caillfgl;l lr i
6Jtnitf ar.b
- oJL1jJIi.{JS - atr|rlf grltr
gt* s dFE ogr r
6rfill ir.tf

rilg+|g llrJf rlLlbJJ arEl rl5g

ffq=q
--.
p* Arr*rlrl pf,rll l* ir.l
 -uNM^
ffir_.rhilt4$
r:lrjl ol*l_,1.$l

L{s-q , i.rt ltl J:le ts-e etd! : aiaHt

, iJLjl egige
t

rllil+{Jl d +jiiJl s.eJri pt$Lrlf cd$ *liill olgp g+iil "

" iriiJf arbl

6JL*I| .+5 - A{."trlt Stidi

6$:nilf arb - rei Cttr Cg-ilJl Xi *t tt.i

Arrbll p-i ++irg 3ti-ti

- 611+Jf i'dJ5 -;rftjfg s.d$egfi r.ri p)lrJl l+ i.ri h.i
lllje arb
pb p-l grjtg *t r fE.f
(ftrrJt) clc* elrlCf i-+5 - rrl*gJrlf g;r+Jf j..&pjl-/.r
6Jgreitfirtf - ebghflg

e9#19 urJf rrlrlltl A;ll|lrjfg

p* a+r.lroi pfrtf *r lr.i

 ffi
;lt+:Jl4$
l+lrll sl*lJJl

airglrlj!
lilr eJrli gi dJglii pr.g af.& nJl'rr egi3n etflel

' LJLrtl gfgir

t:gl+{Jt d '+diiJl *CJri pf$idq d*[f tJliiJl clg* 0*diii "

" ilisbl arbr

. J+i-lttf i4&ll ir.1{l

. iFlrtl ,sFdJl f{iJl

;lL-,jl c.rli-,-lr^, cJS- q-b&i,Je Y . \ t/'\/Y \ GJt+ 4l-$+ a.*^l+ll ,JJ+- ;lY o3*- os
.'itll

titr elrirj gi *JgUl prg egbgil atlrf ( r^- ,-i+tllt r.,' r.o=-o
ektl I iirldf Uiji
... al.$Jl slidgirr ,rrb 4Jrg

4 C-{IgiJf
J,;dt+,t t)t.
 ‫شكر وتقدير‬
‫بسم هللا‪ ،‬وامحلد هلل‪ ،‬وامطالة وامسالم ػًل رولل هللا‬
‫وبؼد‪،،،‬‬
‫فإهو ال ٌسؼين يف ىذا امللإم اال أن أػرتف ابمفضل هلل‪ ،‬وأان أردد كلهل و بحإهو‪" :‬امْ َح ْمدُ ِ ه ِّلِل ه ِاَّلي‬
‫اّلِل " ولرة الغراف‪٣٤ :‬‬‫ىَدَ اانَ ِميَ َذا َو َمإ ُننهإ ِهَنَ ْ َت ِد َي م َ ْل َال َأ ْن ىَدَ اانَ ه ُ‬
‫أثلدم خبإمص امشكر وامتلدٍر ملو تإذ ادلنتلرمسري أبل امفتلح ضإحل أو تإذ احملإو بة وهظم‬
‫املؼولمإت بلكَة امتجإرة جإمؼة املنطلرة ػًل ثفضل و َإدثو بلبلل االرشاف ػًل امروإةل‪ ،‬وػًل مإ‬
‫كدمو يل طلال فرتة االػداد نوتسجَل وفرتة اػداد امروإةل من ثلجهيإت ومتإبؼة مس مترة جفزاه هللا غين‬
‫خريا‪ ،‬فلد اكن هؼم الب وخري مؼمل حِث أاتح ىل امفرضة ىك أثؼمل منو ػوٌلً وخول ًإ ملإ ػإموىن بع من‬
‫ثلاضع امؼوٌلء والبلة امطإدكة وأػدو هللا أن ميتؼو بلافر امطحة وامؼإفِة‬
‫نٌل أثلدم خبإمص امشكر وامتلدٍر ندلنتلرة مروة حسن حسإن مدرس احملإو بة بلكَة امتجإرة‬
‫جإمؼة املنطلرة ػًل كبلل و َإدهتإ االرشاف ػًل امروإةل واويإهمإ يف بنإء امبإحثة خشط ًَإ وػوم ًَإ‪،‬‬
‫وامدادىإ باكمل املسإػدة امطإدكة من أجل اجنإز ىذا امبحث فأدغل هللا أن ًدمي ػوهيإ وػىل أرسة‬
‫و َإدهتإ امطحة وامؼإفِة وأن جيزهيإ غين خري اجلزاء‬
‫وٌسؼدىن أن أثلدم بأمسي أايت امشكر وامؼرفإن ملو تإذ ادلنتلر أمحد غبد امسالم أبل ملىس‬
‫أو تإذ هظم املؼولمإت احملإوبِة ورئُس كسم احملإو بة واملراجؼة بلكَة امتجإرة جإمؼة طنطإ ػًل ثفضل‬
‫و َإدثو بلبلل االشرتاك يف جلنة احلمك واملنإكشة وحتمهل غنإء امسفر رمغ ثؼدد مس ئلمَإثو ونرثة أغبإئو‬
‫ومشإغهل واثرائو املنإكشة مبإ دلًو من ػمل غزٍر وأخالق ػإمَة جفزاه هللا غين خريا‪ ،‬وأحب أن أثلدم‬
‫خبإمص امشكر وامتلدٍر ندلنتلر حإزم خمتإر امبكرى الو تإذ املسإػد ورئُس كسم هظم املؼولمإت‬
‫بلكَة احلإو بإت واملؼولمإت جإمؼة املنطلرة ػًل ثفضل و َإدثو بلبلل االشرتاك يف جلنة احلمك‬
‫واملنإكشة رمغ ضَق وكت و َإدثو ونرثه مشإغهل جفزاه هللا غين خريا‬
‫نٌل ٌسؼدين وٌرشفين أن أثلدم خبإمص امشكر وامتلدٍر ندلنتلر أمحد ضإحل أو تإذ ىندوة‬
‫احلإو بإت وامنظم املسإػد بلكَة اميندوة جإمؼة املنطلرة ونوميندس أمحد غبد امؼومي املدرس املسإػد‬
‫بلسم االثطإالت واحلإو بإت لكَة اميندوة جإمؼة ادلمتإ ػىل مسإػدهتم ىل ىف اجلزء امتطبَلى نوروإةل‬
‫وثلجهيإهتم املس مترة جفزامه هللا خريا‬
‫وال ٌسؼىن اال أن أشكر أرسىت امغإمَة ػىل ضربىإ ومسإهدهتإ ىل حىت خيرج ىذا امؼمل املتلاضع‬
‫اىل حزي املجلد‬
‫وأخريا انويم اىن أشيدك أىن كد بذمت مإ ٌرست هل من اجليد‪،‬فإن اكن من ثلفِق مفنم وحدك‪،‬‬
‫ومإ اكن من هلص أو ثلطري مفىن ومن امش َطإن انويم اجؼل معىل مع ًال انفؼ ًإ ملبل ًال ابتغى فِو وهجم‬
‫امكرمي وأخر دغلاان أن امحلد هلل رب امؼإملني‬
‫امبإحثة‪،‬‬
 ‫المستخلص‬ ‫المكتبة المركزية‬

‫رقم‬ ‫المحاسبة‬ ‫القسم‬ ‫التجارة‬ ‫الكلٌة‬

‫االستدعاء‬ ‫العلمى‬
‫تارٌخ‬ ‫الماجستٌر‬ ‫الدرجة‬ ‫إلهام محمد عبد اللطٌف‬ ‫اسم الطالب‬
‫الرسالة‬ ‫العلمٌة‬ ‫محمد‬
‫عنوان الرسالة "تحسٌن جودة التقارٌر المالٌة بإستخدام أسلوب التنقٌب فى البٌانات‪ :‬دراسة تطبٌقٌة"‬

‫المستخلص‬

‫تيدؼ ىذه الدراسة إلى تحسيف جودة التقارير المالية مف خالؿ توفير معمومات عف التدفقات النقدية‬
‫المستقبمية بإعتبارىا معمومات ىامة تفيد متخذى الق اررات‪ ،‬حيث يرتبط مفيوـ جودة التقارير المالية بتحقيؽ‬
‫أىدافيا فى إطار تحقيؽ المنفعة لمستخدمى تمؾ التقارير وتغميب وجية نظرىـ‪ ،‬ومف ثـ يتـ تحديد جودة‬
‫التقارير المالية بمستوى جودة المعمومات التى تحتوييا ومدى فائدتيا ألصحاب القرار‪ .‬ولإلستفادة مف الدور‬
‫الذى تمعبو تكنولوجيا المعمومات الحديثة فى رفع كفاءة وفعالية نظـ المعمومات المحاسبية تـ اإلستعانة‬
‫بأسموب التنقيب فى البيانات كأسموب حديث لو مزايا متعددة وقدرات تصنيفية وتنبؤية حيث يمكنو التوصؿ‬
‫لمخرجات صحيحة بدقة عالية وفى وقت مناسب‪ ،‬فقد أثبت ىذا األسموب جدارتو فى حؿ العديد مف‬
‫المشكالت المحاسبية‪ .‬ولمتنبؤ بالتدفقات النقدية المستقبمية تـ استخداـ نموذج ميجف مف الشبكات العصبية‬
‫ومنطؽ الغموض كأحد أدوات التنقيب فى البيانات بالمقارنة مع نموذج اإلنحدار المتدرج‪.‬‬

‫وقد توصمت الدراسة إلى تفوؽ النموذج الميجف عمى نموذج اإلنحدار المتدرج فى التنبؤ بالتدفقات النقدية‬
‫المستقبمية حيث أوضحت النتائج دقة مخرجات النموذج األوؿ مقارنة بالنموذج الثانى مما يعنى أف ألسموب‬
‫التنقيب فى البيانات أثر فى تحسيف جودة التقارير المالية مف خالؿ توفير معمومات أكثر دقة عف التدفقات‬
‫النقدية المستقبمية‪.‬‬

‫الكممات األساسية‪ :‬التنقيب فى البيانات‪ ،‬جودة التقارير المالية‪ ،‬التدفقات النقدية‪.‬‬

‫أ‬
 ‫فهرس المحتويات‬
‫رقم الصفحة‬ ‫الموضوع‬
‫اإلطار العام لمدراسة‬
‫‪1‬‬ ‫‪ .1‬المقدمة‬

‫‪3‬‬ ‫‪ .2‬طبيعة المشكمة‬

‫‪4‬‬ ‫‪ .3‬أىداؼ الدراسة‬

‫‪5‬‬ ‫‪ .4‬فروض الدراسة‬

‫‪5‬‬ ‫‪ .5‬األىمية العممية والعممية‬

‫‪6‬‬ ‫‪ .6‬حدود الدراسة‬

‫‪6‬‬ ‫‪ .7‬منيج الدراسة‬

‫‪7‬‬ ‫‪ .8‬خطة الدراسة‬

‫الفصل األول‪ :‬الدراسات السابقة وتحديد الفجوة البحثية‬

‫‪8‬‬ ‫‪ 1/1‬الدراسات السابقة المتعمقة بجودة التقارير المالية‪.‬‬

‫‪22‬‬ ‫‪ 2/1‬الدراسات السابقة المتعمقة بأسموب التنقيب فى البيانات‪.‬‬

‫‪35‬‬ ‫‪ 3/1‬تحديد الفجوة البحثية‪.‬‬

‫الفصل الثانى‪ :‬اإلطار النظرى لجودة التقارير المالية‬

‫‪38‬‬ ‫‪ 1/2‬مفيوـ جودة التقارير المالية‬

‫‪42‬‬ ‫‪ 2/2‬الخصائص النوعية لممعمومات المحاسبية‬

‫‪48‬‬ ‫‪ 3/2‬مداخؿ تعريؼ جودة التقارير المالية‬

‫ب‬
‫رقم الصفحة‬ ‫الموضوع‬
‫‪50‬‬ ‫‪ 4/2‬العوامؿ المؤثرة عمى جودة التقارير المالية‬

‫‪55‬‬ ‫‪ 5/2‬مقاييس جودة التقارير المالية‬

‫‪58‬‬ ‫‪ 6/2‬جيود المنظمات المينية فى سبيؿ تحسيف جودة التقارير المالية‬

‫‪60‬‬ ‫‪ 7/2‬اإلتجاىات المعاصرة لتطوير التقارير المالية‬

‫‪63‬‬ ‫‪ 8/2‬اإلفصاح عف التنبؤات المالية والمعمومات المستقبمية‬

‫الفصل الثالث‪ :‬دور أسموب التنقيب فى البيانات فى تحسين جودة التقارير المالية‬

‫‪69‬‬ ‫‪ 1/3‬نظرة شاممة عف أسموب التنقيب فى البيانات‬

‫‪100‬‬ ‫‪ 2/3‬التنقيب فى البيانات ونظـ دعـ القرار‬

‫‪101‬‬ ‫‪ 3/3‬العوامؿ األساسية لتحقيؽ نجاح التنقيب فى البيانات فى منشآت األعماؿ‬

‫‪102‬‬ ‫‪ 4/3‬دور التنقيب فى البيانات فى زيادة دقة التنبؤ بالتدفقات النقدية‬

‫الفصل الرابع‪ :‬الدراسة التطبيقية‬

‫‪107‬‬ ‫‪ 1/4‬أىداؼ الدراسة التطبيقية‬

‫‪108‬‬ ‫‪ 2/4‬فروض الدراسة‬

‫‪108‬‬ ‫‪ 3/4‬المفاىيـ المتعمقة بالدراسة التطبيقية‬

‫‪108‬‬ ‫‪ 1/3/4‬نموذج الشبكات العصبية ‪Neural Network‬‬

‫‪110‬‬ ‫‪ 2/3/4‬نموذج المنطؽ الضبابى ‪Fuzzy Logic‬‬

‫‪112‬‬ ‫‪ 3/3/4‬الحوسبة المرنة ‪Soft Computing‬‬

‫‪112‬‬ ‫‪ 4/3/4‬النظـ الميجنة ‪Hybrid Systems‬‬

‫‪113‬‬ ‫‪ 5/3/4‬نموذج ‪Neuro Fuzzy‬‬

‫ج‬
‫رقم الصفحة‬ ‫الموضوع‬
‫‪113‬‬ ‫‪ 6/3/4‬تقنية ‪ANFIS‬‬

‫‪116‬‬ ‫‪ 4/4‬عينة الدراسة‬

‫‪117‬‬ ‫‪ 5/4‬منيجية الدراسة‬

‫‪118‬‬ ‫‪ 6/4‬األساليب العممية المستخدمة فى تحميؿ البيانات‬

‫النتائج والتوصيات‬

‫‪130‬‬ ‫أوال ‪ :‬نتائج الدراسة‬

‫‪132‬‬ ‫ثانيا‪ :‬التوصيات‬

‫المراجع‬
‫‪134‬‬ ‫أوال‪ :‬المراجع العربية‬

‫‪141‬‬ ‫ثانيا‪ :‬المراجع األجنبية‬

‫المالحق‬
‫‪151‬‬ ‫الممحؽ األوؿ‪ :‬أسماء شركات عينة الدراسة‬

‫‪152‬‬ ‫الممحؽ الثانى‪ :‬البيانات الرقمية لمدراسة‬

‫د‬
 ‫أهم المصطلحات المستخدمة فى الدراسة‬
‫المقصود بالمصطمح‬ ‫المصطمح‬
‫تمؾ األساليب التى ينتج عنيا حموؿ معتمدة عمى الحاسب‬ ‫أساليب الذكاء اإلصطناعى‬
‫اآللى لممشاكؿ األكثر تعقيداً‪ ،‬مف خالؿ مجموعة مف العمميات‬ ‫”‪“Artificial Intelligence Methods‬‬
‫التطبيقية التى تحاكى اإلنساف فى الوصوؿ إلى اإلستدالالت‪،‬‬
‫بمعنى أنيا تحاكى الطريقة اإلنسانية فى التوصؿ مف المقدمات‬
‫إلى النتائج (صالح‪.)1999،‬‬

‫ىو فرع مف فروع عموـ الحاسب واإلحصاء والذى يتعامؿ مع‬ ‫التعمـ اآللى‬
‫بناء ودراسة النظـ التى تتعمـ مف البيانات وتحسيف األداء مف‬ ‫”‪“Machine Learning‬‬
‫خالؿ الحصوؿ عمى المعرفة مف الخبرة كما أف لو عالقة قوية‬
‫بالذكاء اإلصطناعى‪ ،‬ومف التقنيات التى تتبع التعمـ اآللى‬
‫الشبكات العصبية‪ ،‬شجرة القرار‪ ،‬الخوارزميات الجينية‬
‫)‪.(Witten & Frank,2005‬‬

‫تكوف المدخالت والمخرجات معروفة وميمة التعمـ اإلشرافى‬ ‫التعمـ اإلشرافى‬

‫ىو التنبؤ بقيمة المعادلة ألى ُمدخؿ صحيح بعد رؤية عدد مف‬ ‫”‪“Supervised Learning‬‬
‫ال تقوـ الشبكة العصبية اإلصطناعية‬
‫أمثمة التدريب‪ ،‬فمث ً‬
‫بتوظيؼ التعمـ اإلشرافى بشكؿ واسع لإلستفادة مف حؿ معادلة‬
‫التقريب ومشاكؿ التصنيؼ ‪(Singh & Chauhan, 2009,‬‬
‫)‪.p.32‬‬

‫يختمؼ عف التعمـ اإلشرافى فى أنو ال يوجد ُمخرج مسبؽ‬ ‫التعمـ غير اإلشرافى‬
‫‪ a prior output‬وتقوـ الشبكة العصبية اإلصطناعية عمى‬ ‫‪Unsupervised Learning‬‬
‫سبيؿ المثاؿ بتوظيؼ التعمـ غير اإلشرافى بنجاح فى مياـ‬
‫التصنيؼ فى التنقيب فى البيانات ‪(Chen & Du, 2009,‬‬
‫)‪.p.4076‬‬

‫ه‬
 ‫المقصود بالمصطمح‬ ‫المصطمح‬
‫ىو جيؿ فريد مف أدوات مجتمع المعموماتية يقوـ باداء العديد‬ ‫الوكيؿ الذكى‬
‫مف المياـ نيابة عف المستخدميف مف البشر أو وكالء‬ ‫‪Intelligent Agent‬‬
‫البرمجيات األخرى )‪. (Jennings,Wooldridge,1998‬‬

‫ىى شبكة عصبية اصطناعية تستخدـ التعمـ اإلشرافى وىيكؿ‬ ‫شبكة اإلنتشار الخمفى‬
‫التغذية األمامية‪ ،‬وىى واحدة مف أكثر تقنيات الشبكات‬ ‫‪Back-probagation network‬‬
‫العصبية استخداماً فى التصنيؼ والتنبؤ وتعتبر تحميؿ انحدار‬ ‫)‪(BBN‬‬
‫متعدد متقدـ يستطيع استيعاب عالقات البيانات غير الخطية‬
‫والمعقدة )‪. (Chen & Du,2009,p.4076‬‬

‫ُيطمؽ ىذا اإلسـ عمى العالقات والبيانات الممخصة التى يتـ‬ ‫النماذج‬
‫الحصوؿ عمييا مف التنقيب فى البيانات (الصوص‪،2012،‬‬ ‫‪Models‬‬
‫ص‪.)7‬‬

‫يشير إلى عرض البيانات بشكؿ يسيؿ مف فيميا أو منيجية‬ ‫مرئية المعمومات‬
‫تحويؿ خصائص البيانات المعقدة إلى أنماط واضحة مما يسمح‬ ‫‪Information Visualization‬‬

‫لممستخدميف برؤية األنماط المعقدة والعالقات المكتشفة مف قبؿ‬

‫عممية التنقيب فى البيانات ‪(Chintalapati & Jyotsna,‬‬
‫)‪.2013, p.720‬‬

‫ىى لجنة تـ تشكيميا مف قبؿ بورصة نيويورؾ والجمعية‬ ‫لجنة ‪Blue Ribbon‬‬

‫الوطنية لمتعامؿ باألوراؽ المالية‪ ،‬حيث قامت بإصدار تقريرىا‬

‫فى عاـ ‪ 1999‬الذى تضمف عشر توصيات وخمسة مبادئ‬
‫إرشادية تيدؼ إلى تحسيف فاعمية لجاف المراجعة (الصوص‪،‬‬
‫‪ ،2012‬ص‪.)7‬‬

‫و‬
 ‫المقصود بالمصطمح‬ ‫المصطمح‬
‫يقصد بالحوسبة المرنة محاكاة التفكير واتخاذ القرار عند‬ ‫الحوسبة المرنة‬
‫اإلنساف عند حؿ المشكالت المعقدة واليدؼ مف األساليب‬ ‫‪Soft Computing‬‬
‫المتعددة لمحوسبة المرنة ىو التعامؿ مع المعمومات غير‬
‫المؤكدة وغير الدقيقة وغير المكتممة أثناء عممية اتخاذ القرار‬
‫وتتمثؿ ىذه األساليب فى الشبكات العصبية والمنطؽ الضبابى‬
‫والتفكير اإلحتمالى وغيرىا )‪.(Tung,et al.,2004, p.568‬‬

‫تتكوف مف مجموعة مف الجداوؿ كؿ جدوؿ يحتوى عمى عدد‬ ‫قواعد البيانات العالئقية‬
‫مف األعمدة والصفوؼ حيث تمثؿ األعمدة الخصائص أو‬ ‫‪Relational Database‬‬
‫السمات وتمثؿ الصفوؼ السجالت وكؿ صؼ فى الجدوؿ‬
‫يمثؿ شىء أو عالقة بيف شيئيف وقد يمثؿ الشىء عنصر‬
‫العمالء أو الموظفيف ويتـ تعريفو بواسطة مجموعة مف‬
‫الخصائص )‪.(Han & Kamber, 2006, P.10‬‬

‫ىى مجموعة مف السجالت التى تمثؿ العمميات‪ ،‬وكؿ سجؿ‬ ‫قواعد بيانات العمميات‬
‫لو معرؼ ىوية ‪ ID‬ومجموعة مف العناصر‪ ،‬ومف الممكف أف‬ ‫‪Transactional Database‬‬
‫تحتوى قواعد بيانات العمميات عمى معمومات إضافية تصؼ‬
‫وتعرض تفاصيؿ العممية مثؿ تاريخ العممية أو الصفقة‪،‬‬
‫وتستخدـ أداة تحميؿ سمة السوؽ التى تستخدـ فى الغالب‬
‫قواعد اإلرتباط لدراسة العالقات بيف العناصر المختمفة فى‬
‫قاعدة بيانات العمميات )‪. (Abdelateif,2012,p.46‬‬

‫ىى قواعد بيانات نموذجية ومثالية ليا صفات خاصة مف‬ ‫مستودعات البيانات‬
‫حيث التكامؿ والبيانات النقية والتى تدعـ البعد الزمنى‬ ‫‪Data Warehouse‬‬
‫لمبيانات (سميماف‪ ،‬عبد الستار شاكر‪،2010،‬ص‪.)9‬‬

‫ز‬
 ‫المقصود بالمصطمح‬ ‫المصطمح‬
‫تخزف الصور‪ ،‬الصوت‪ ،‬الفيديو‪ ،‬ويعتبر العنصر فى الوسائط‬ ‫قواعد بيانات الوسائط المتعددة‬
‫المتعددة عالى األبعاد مما يجعؿ التنقيب فى البيانات عممية‬ ‫‪Database Multimedia‬‬
‫صعبة )‪.(Abdelateif,2012,p.46‬‬

‫عممية تحميؿ العادات الشرائية لممستيمؾ عف طريؽ إيجاد‬ ‫تحميؿ سمة السوؽ‬
‫العالقات بيف العناصر المختمفة التى يضعيا المستيمؾ فى‬ ‫‪Market Basket Analysis‬‬
‫"سالت التسوؽ"‪ ،‬ويساعد استكتشاؼ ىذه العالقات تجار‬
‫التجزئة عمى تطوير استراتيجيات التسويؽ مف خالؿ معرفة‬
‫العناصر التى يشترييا المستيمؾ مع بعضيا البعض أو ارتباط‬
‫شراء عنصر ما بعنصر آخر ‪(Han & Kamber, 2006,‬‬
‫)‪.p.228‬‬

‫ىو مفيوـ يجمع بيف األجزاء المادية الممموسة مثؿ األجيزة‬ ‫تكنولوجيا المعمومات‬
‫والمعدات‪ ،‬والبنية التحتية‪ ،‬والشبكات المحمية الواسعة‪،‬‬ ‫‪Information Technology‬‬
‫والممحقات المرتبطة بيذه األجزاء وبيف األجزاء غير الممموسة‬
‫مثؿ البرامج‪ ،‬والتطبيقات المختمفة التى تنظـ الشئوف اإلدارية‬
‫والمالية‪ ،‬وقواعد البيانات المختمفة التى تشكؿ الوعاء األساسى‬
‫لبيانات المنشأة )‪.(Marten et al.,2011, p.167‬‬

‫برامج تتسـ بالذكاء تعتمد عمى معارؼ مستمدة مف الخبرة‬ ‫نظـ الخبرة‬
‫البشرية وتستخدـ قواعد اإلستدالؿ المنطقى فى الوصوؿ إلى‬ ‫‪Expert System‬‬
‫النتائج (صالح‪،2009 ،‬ص‪.)242‬‬

‫ىى نموذج رياضى أو نموذج لمحاسب اآللى يحاكى الطريقة‬ ‫الشبكات العصبية‬
‫التى يعمؿ بيا العقؿ البشرى (النظاـ العصبى عند اإلنساف)‬ ‫‪Neural Network‬‬
‫)‪.(Singh & Chauhan, 2009, p.39‬‬

‫ح‬
 ‫المقصود بالمصطمح‬ ‫المصطمح‬
‫ىو نموذج لعممية التنقيب فى البيانػات يقػوـ بوصػؼ األسػاليب‬ ‫نموذج ‪Crisp-DM‬‬
‫التػػى يسػػتخدميا خب ػراء التنقيػػب فػػى البيانػػات لحػػؿ المشػػكالت‪،‬‬
‫حيث اتحدت مجموعة مف الشركات فى محاولػة لتوحيػد عمميػة‬
‫‪ ،DM‬وتػػـ وصػػؼ منيجيتيػػا مػػف خػػالؿ عمميػػة ىرميػػة تتضػػمف‬
‫‪ 4‬مستويات )‪. ( Sirikulvadhana,2002,p.26‬‬

‫ى ػػو واحػ ػػداً م ػػف نظػ ػػـ ال ػػذكاء الميجن ػ ػة الت ػػى ت ػػدمج المنط ػ ػؽ‬ ‫نموذج ‪Neuro Fuzzy‬‬
‫الضبابى مع الشبكات العصبية‪ ،‬ويتميػز بقدرتػو عمػى نمذجػة‬
‫خص ػ ػػائص مش ػ ػػكمة معين ػ ػػة بإس ػ ػػتخداـ نم ػ ػػوذج لغ ػ ػػوى ع ػ ػػالى‬
‫المستوى )‪.(Vlachos et al., 2003, p.168‬‬

‫ىو أسموب رياضى يقوـ بتصنيؼ التفكير الموضوعى‬ ‫المنطؽ الضبابى‬

‫وتخصيص البيانات لمجموعة معينة باإلعتماد عمى درجة‬ ‫‪Fuzzy Logic‬‬
‫مف احتمالية وجود البيانات فى ىذه المجموعة‪ ،‬ويساعد‬
‫المنطؽ الضبابى اإلنساف عمى الوصوؿ إلى تفكير تقريبى‬
‫مف الممكف أف يحسف األداء ‪(Lin et al., 2003,‬‬
‫)‪.p.659‬‬

‫تعتبر واحدة مف اإلنجازات الوظيفية لمنظـ الضبابية‬ ‫تقنية )‪(ANFIS‬‬

‫بإستخداـ تقنية الشبكات العصبية‪ ،‬ويحتوى ىيكؿ تقنية‬

‫)‪ )ANFIS‬عمى عدد مف األجزاء التى يمكف اختبارىا‬
‫إليجاد أفضؿ الحموؿ (الخياط و قاسـ‪ ،2010،‬ص‪.)185‬‬

‫ط‬
 ‫المقصود بالمصطمح‬ ‫المصطمح‬

‫مجموعة مف نظـ برامج األعماؿ التى تعمؿ كنظاـ‬ ‫نظـ تخطيط موارد المنشأة‬
‫موحد متكامؿ )‪ (Integrated System‬بقاعدة‬ ‫‪ERP‬‬
‫بيانات واحدة (مشتركة) وتتصؿ فيما بينيا كوحدة‬
‫متكاممة فى جميع أقساـ وادارات المنشأة لتتمكف مف‬
‫استخداـ وادارة مواردىا المعموماتية والمادية والبشرية‬
‫بفعالية وكفاءة )‪.(Dezdar, S., 2012, p.1070‬‬

‫تشير إلى قواعد البيانات الضخمة التى ال يمكف‬ ‫البيانات الضخمة‬

‫معالجتيا بإستخداـ قواعد البيانات ومستودعات‬ ‫‪Big Data‬‬
‫البيانات وأدوات التحميؿ التقميدية ألف البيانات ضخمة‬
‫جدا‪ ،‬سريعة جدا وغير مييكمة ‪(Qadir et al.,‬‬
‫)‪.2016‬‬

‫أساليب وأدوات استكتشاؼ المعرفة غير المعروفة‪،‬‬ ‫التنقيب فى البيانات‬

‫ويمكف النظر إليو كشكؿ ضرورى مف أشكاؿ المعرفة‬ ‫‪Data Mining‬‬
‫الضرورية لحؿ المشكالت المحددة فى مجاؿ معيف‪.‬‬
‫وباإلعتماد عمى تقنيات التنقيب فى البيانات‪ ،‬يمكف‬
‫بناء نموذج قرار لمتنبؤ وتصنيؼ مشكمة المجاؿ‬
‫المحتممة )‪.(Lu & Chen, 2009,p.3537‬‬

‫ي‬
 ‫قائمة الجداول‬

‫الصفحة‬ ‫عنوان الجدول‬ ‫رقم الجدول‬

‫‪119‬‬ ‫متغيرات ورموز الدراسة‪.‬‬ ‫‪1‬‬
‫‪120‬‬ ‫اإلحصاء الوصفى لمتغيرات الدراسة‪.‬‬ ‫‪2‬‬
‫‪121‬‬ ‫مصفوفة اإلرتباط لبيرسوف بيف متغيرات الدراسة‪.‬‬ ‫‪3‬‬
‫‪122‬‬ ‫تقديرات نموذج اإلنحدار المتدرج‪.‬‬ ‫‪4‬‬
‫‪125‬‬ ‫نتائج تطبيؽ اإلنحدار المتدرج ونموذج ‪.Neuro Fuzzy‬‬ ‫‪5‬‬
‫‪128‬‬ ‫معايير المفاضمة بيف النماذج المقدرة‪.‬‬ ‫‪6‬‬

‫ك‬
 ‫قائمة األشكال‬

‫رقم‬ ‫عنوان الشكل‬ ‫رقم‬

‫الصفحة‬ ‫الشكل‬
‫‪76‬‬ ‫أبعاد التنقيب فى البيانات فى التطبيقات المالية والمحاسبية‪.‬‬ ‫‪1‬‬
‫‪86‬‬ ‫نموذج عممية التنقيب فى البيانات المبنية عمى نوع النشاط‪ /‬الصناعة‪.‬‬ ‫‪2‬‬
‫‪92‬‬ ‫خطوات استكشاؼ المعرفة‪.‬‬ ‫‪3‬‬
‫‪95‬‬ ‫ىيكؿ الشبكة العصبية‪.‬‬ ‫‪4‬‬
‫‪123‬‬ ‫ىيكؿ نموذج ‪..ANFIS‬‬ ‫‪5‬‬
‫‪124‬‬ ‫شكؿ توضيحى لقواعد المنطؽ الضبابى المستخمصة مف تقنية )‪.(ANFIS‬‬ ‫‪6‬‬

‫ل‬
 ‫قائمة اإلختصارات التى استخدمت فى الدراسة‬

‫الترجمة‬ ‫المصطمح‬ ‫اإلختصار‬

‫معيد المحاسبيف القانونييف األمريكى‬ American Institute of Certified AICPA

Public Accountants
‫نظاـ اإلستدالؿ الضبابى العصبى التكيفى‬ Adaptive Neuro- Fuzzy ANFIS
Inference System
‫التدفقات النقدية‬ Cash Flows CF
‫عممية التنقيب فى البيانات المبنية عمى‬ The Cross- Industry Process of CRISP-DM
‫الصناعة‬/‫نوع النشاط‬ Data Mining
‫تطوير تقارير األعماؿ‬ Enhanced Business Reporting EBR
‫مجمس معايير المحاسبة المالية‬ Financial Accounting Standarad FASB
Board
‫المنطؽ الضبابى‬ Fuzzy Logic FL
‫المبادئ المحاسبية المقبولة قبوال عاما‬ Generaly Accepted Accounting GAAP
principles
‫مجمس معايير المحاسبة الدولية‬ International Accounting IASB
Standard Board
‫لجنة معايير المحاسبة الدولية‬ International Accounting IASC
Standards Committee
‫اإلتحاد الدولى لممحاسبيف‬ International Federation of IFAC
Accounting
‫معيد المراجعيف الداخمييف‬ Institute of Internal Auditors IIA
‫معيد حوكمة تكنولوجيا المعمومات‬ IT Governance Institute ITGI
‫استكشاؼ المعرفة مف قواعد البيانات‬ Knowledge Discovery from KDD
Data base

‫م‬
 ‫الترجمة‬ ‫المصطمح‬ ‫اإلختصار‬

‫منظمة التعاوف اإلقتصادى والتنمية‬ Organization for Economic Co- OECD

operation and Development
‫سوؽ األوراؽ المالية‬ Securities and Exchange SEC
Commission
‫قائمة مفاىيـ المحاسبة المالية‬ Statement of Financial SFAC
Accounting Concepts
‫قانوف ساربنز أوكسمى األمريكى‬ Sarbens- Oxley act SOX

‫ن‬
 ‫اإلطار انعاو نهذراسح‬
‫‪ .0‬المقدمة‪:‬‬

‫تـ التركيز فى اآلونة األخيرة عمى قضية جودة التقارير المالية نتيجة لألزمات المالية وانييارات‬
‫أسواؽ الماؿ التى أطاحت بمنشآت مالية عمالقة مثؿ ‪ Enron‬و‪ World com‬مما أثر بالسمب عمى ثقة‬
‫مستخدمى التقارير المالية وفى إطار ذلؾ صدرت القوانيف المنظمة لمتقارير المالية ومبادىء الحوكمة لتطوير‬
‫المعمومات المحاسبية ومحاولة تمبية الحاجات المختمفة لمستخدمى التقارير المالية فى ظؿ التطورات الكبيرة‬
‫فى بيئة األعماؿ ووجود فجوة كبيرة بيف ما يحتاجو مستخدمو التقارير وما ىو معروض بالفعؿ & ‪(Klai‬‬
‫)‪.Omri, 2011, p.158‬‬

‫وتمعب جودة التقارير المالية دو اًر ىاماً فى تحسيف كفاءة اإلستثمار )‪ (Biddle et al.,2009‬مف‬
‫خالؿ طريقتيتف أوليما تقميؿ حالة عدـ تماثؿ المعمومات بيف المنشأة والمستثمريف وبالتالى تقميؿ تكاليؼ‬
‫التمويؿ وثانييما تقميؿ حالة عدـ تماثؿ المعمومات بيف المستثمريف والمديريف وبالتالى تقميؿ تكاليؼ الرقابة‬
‫)‪ (Gilaninia,2013,p.70‬وتعتبر المعمومات التى تنتجيا التقارير المالية مف أىـ الركائز التى يمكف‬
‫اإلعتماد عمييا فى عممية التنبؤ وتحميؿ القرار اإلستثمارى فى سوؽ األوراؽ المالية وقياس المخاطر بأنواعيا‬
‫(يوسؼ‪،2013،‬ص ‪ ،)86‬ولقد أصبحت وجية نظر مستخدمى التقارير المالية ىى وجية النظر السائدة فى‬
‫تحقيؽ أىداؼ التقارير المالية فيما يعرؼ بإتجاه المنفعة ومؤدى ىذا اإلتجاه ىو أف طبيعة المعمومات التى‬
‫يجب أف تحتوييا التقارير المالية تعتمد عمى احتياجات مستخدمو ىذه التقارير مف ىذه المعمومات‪ ،‬وبالتالى‬
‫يمزـ تحديد احتياجات مستخدمى التقارير المالية وتغميب وجية نظرىـ فى عممية إنتاج وتوزيع المعمومات‬
‫المحاسبية‪ ،‬وتوجيو إمكانات ٍ‬
‫كؿ مف المنشأة والمينة فى سبيؿ تحقيؽ ىذه اإلحتياجات لمقضاء عمى التعارض‬
‫بيف ماىو مطموب مف معمومات وما يمكف تحقيقو (البارودى‪ ،2002،‬ص‪.)10‬‬

‫وبالتالى يتـ تحديد جودة التقارير المالية بمستوى جودة المعمومات التى تحتوييا ومدى فائدتيا‬
‫ألصحاب القرار حيث أف اليدؼ األساسى مف التقارير المالية ىو تحقيؽ منفعة مستخدمييا‪ .‬وتتمثؿ تمؾ‬
‫المنفعة فى مساعدة المستثمريف الحالييف والمرتقبيف عمى التنبؤ بالتدفقات النقدية المتوقعة لممنشأة وفقاً لقائمة‬

‫‪1‬‬
‫المفاىيـ األساسية رقـ ‪ 8‬الصادرة عف مجمس معايير المحاسبة المالية ‪ ،FASB‬وبالتالى ارتبط مفيوـ جودة‬
‫التقارير المالية وفقاً لمدخؿ المنفعة بتوفير معمومات مستقبمية عف التدفقات النقدية )‪.(FASB,1980‬‬

‫وتعد تكنولوجيا المعمومات مف أىـ التحديات التى تواجو إدارة المنشآت حيث تسعى إلى تحقيؽ‬
‫معدالت نمو متزايدة فى ظؿ النظاـ العالمى الجديد والمنافسة الشديدة بيف المنشأت القائمة عمى توظيؼ‬
‫العمؿ والتكنولوجيا وأصبح استخداميا فى الحصوؿ عمى المعمومة ونقميا مف أىـ الوظائؼ التى تمكف مف‬
‫التقدـ فى كافة المجاالت حيث ينتج عف معالجة البيانات المحاسبية بإستخداـ وسيمة تكنولوجيا معمومات‬
‫مناسبة إنخفاض تكمفة إنتاج المعمومات المحاسبية وزيادة الثقة فييا باإلضافة إلى توفير الوقت والجيد وقد‬
‫زادت أىمية تكنولوجيا المعمومات نتيجة لمتغيرات والتطورات التى حدثت فى بيئة األعماؿ التى اتسمت‬
‫باإلعتماد عمى ىذه التكنولوجيا (شاكر‪ ،2015،‬ص‪.(Sacer & Oluic., 2013, p.117) ، )7‬‬

‫وتستفيد تطبيقات األعماؿ مف أساليب الذكاء اإلصطناعى فى جعؿ األحجاـ الضخمة مف البيانات فى‬
‫قواعد بيانات المنشآت ذات معنى (عمى سبيؿ المثاؿ األنماط والعالقات غير المعروفة فى بيانات المبيعات‪،‬‬
‫والعادات الشرائية لممستيمكيف إلى آخره)‪ ،‬كما تستخدـ أساليب الذكاء اإلصطناعى فى حؿ المشكالت المعقدة‬
‫ودعـ القرار )‪ ،)Thakur,2012‬ويرى العديد مف الباحثيف أف استخداـ أساليب الذكاء اإلصطناعى يساعد‬
‫فى تمبية إحتياجات المستخدميف الداخمييف والخارجييف لمتقارير المالية خاصةً بعد زيادة اىتماـ الدوؿ‬
‫والمنشآت بتطوير أساليب الذكاء اإلصطناعى‪ ،‬وعرضت إحدى الدراسات تجربة شركة ‪Sage Works‬‬
‫إلستخداـ أساليب الذكاء اإلصطناعى لتسييؿ إعداد وعرض التقارير المالية‪ ،‬والوصوؿ منيا إلى استدالالت‬
‫باإلعتماد عمى مجموعة مف البرامج الجاىزة مما ساعد المستثمريف فى التوصؿ إلى تقارير عف التحميؿ‬
‫المالى وىيكؿ العمالء‪ ،‬كما ساعد ىذا األسموب المديريف عمى تخفيض التكمفة وحقؽ السرعة والدقة فى‬
‫اإلفصاح عف المعمومات‪ .‬وتقوـ تكنولوجيا المعمومات بتحسيف أداء المنشآت‪ ،‬خصوصاً عند تقديـ منتجات‬
‫جديدة أو عمؿ تحسينات مبتكرة فى الجودة أو تقديـ طرؽ جديدة لتخفيض الوقت أو التكمفة أو المخاطر أو‬
‫استخداـ أساليب لدعـ العالقات مع المورديف والعمالء (عثماف‪ ،2009،‬ص‪.)40‬‬

‫وبالتػ ػ ػػالى فإنػ ػ ػػو يجػ ػ ػػب عمػ ػ ػػى المحاسػ ػ ػػبيف اإلىتمػ ػ ػػاـ بشػ ػ ػػكؿ جيػ ػ ػػد بالتقنيػ ػ ػػات الحديثػ ػ ػػة فػ ػ ػػى مجػ ػ ػػاالت‬
‫المعمومػ ػ ػ ػػات والمعرفػ ػ ػ ػػة ومحاولػ ػ ػ ػػة فيميػ ػ ػ ػػا والتكيػ ػ ػ ػػؼ معيػ ػ ػ ػػا وادماجيػ ػ ػ ػػا فػ ػ ػ ػػى نظػ ػ ػ ػػاـ المعمومػ ػ ػ ػػات المحاسػ ػ ػ ػػبى‬

‫‪2‬‬
‫واعتبارىػ ػػا جػ ػػزءاً منػ ػػو ولػ ػػيس أداة مسػ ػػتقمة فػ ػػى أيػ ػػدى ميندسػ ػػى المعمومػ ػػات الػ ػػذيف قػ ػػد يسػ ػػتقموف بيػ ػػذه الػ ػػنظـ‬
‫وينافس ػ ػ ػػوف بي ػ ػ ػػا محاس ػ ػ ػػبى نظ ػ ػ ػػـ المعموم ػ ػ ػػات المحاس ػ ػ ػػبية‪ ،‬ألف ال ػ ػ ػػذكاء اإلص ػ ػ ػػطناعى ومجاالت ػ ػ ػػو المختمف ػ ػ ػػة‬
‫يمثؿ ىدفاً لممحاسب ينبغى التركيز عميو (متولى‪ ،2001،‬ص‪.)5‬‬

‫وتجبر المنافسة الشديدة فى السوؽ العالمى متخذى القرار فى المنشآت عمى البحث عف مزايا تنافسية‬
‫مف خالؿ القضاء عمى عدـ الكفاءة‪ ،‬اإلستفادة المثمى مف العمميات الداخمية‪ ،‬وتعظيـ العالقات مع كؿ‬
‫أصحاب المصالح (الموظفيف‪ ،‬العمالء‪ ،‬الشركاء‪ ،‬المساىميف)‪ ،‬ولتحقيؽ ذلؾ تسعى كؿ المنشآت بأحجاميا‬
‫المختمفة إلى التطوير وتقوـ بتطبيؽ تكنولوجيات التنقيب فى البيانات واإلستعانة بمصادر البيانات لدييا‪،‬‬
‫واستخداـ أدوات التنقيب فى البيانات لتعزيز قدرات اتخاذ القرار بتحويؿ البيانات إلى معرفة قيمة لمحصوؿ‬
‫عمى ميزة تنافسية‪ .‬وىناؾ عدد كبير مف الشركات يقوـ بتطبيؽ التنقيب فى البيانات كتكنولوجيا لتسويؽ‬
‫منتجاتيا وخدماتيا لمعمالء المستيدفيف‪ .‬ويتـ استخداـ التنقيب فى البيانات فى منشآت األعماؿ فى قسـ إدارة‬
‫المحاسبة والتمويؿ لمتنبؤ باألرباح الكمية لممنشأة باإلعتماد عمى البيانات التاريخية‪ ،‬التنبؤ بالتدفقات النقدية‪،‬‬
‫التنبؤ بالربح‪/‬الخسارة الكمية )‪.(Nemati & Barko, 2003, p.282‬‬

‫وألف استخداـ أسموب التنقيب فى البيانات الذى ىو عبارة عف تقنيات وبرامج محوسبة تيدؼ إلى‬
‫التوصؿ لمخرجات صحيحة وبدرجة دقة عالية وفى وقت مناسب وتستطيع التنبؤ بسموؾ معيف فضالً عف‬
‫قدرتيا عمى اجراء المقارنات وغيرىا‪ ،‬فإنيا قد تستطيع إقامة التوازف أو المواءمة بيف الخصائص النوعية‬
‫لممعمومات المحاسبية وبتكمفة معقولة‪ .‬ونتيجة لممزايا سالفة الذكر فستحاوؿ الباحثة استخداـ أسموب التنقيب‬
‫فى البيانات فى التنبؤ بالتدفقات النقدية مف األنشطة التشغيمية بإعتبار أف مساعدة المستثمريف الحالييف‬
‫والمرتقبيف عمى التنبؤ بالتدفقات النقدية لممنشأة يمثؿ اليدؼ األساسى مف التقارير المالية‪.‬‬

‫‪ .6‬طبيعة المشكمة‪:‬‬

‫لقد أصبحت قضية جودة التقارير المالية مف القضايا األكثر إلحاحاً عمى الييئات المينية والباحثيف‬
‫خاصة فى ظؿ توافر مؤشرات عمى وجود أزمات مالية‪ ،‬ومف ثـ اقتضت الحاجة العمؿ عمى حماية مصالح‬

‫‪3‬‬
‫مستخدمى التقارير المالية وترشيد ق ارراتيـ مف خالؿ تقديـ معمومات محاسبية عمى درجة عالية مف الجودة‬
‫(ريشو‪ ،2013،‬ص‪.)153‬‬

‫ويرتبط مفيوـ جودة التقارير المالية بمدى منفعة المعمومات التى تقدميا التقارير المالية والتى ترتبط‬
‫بدورىا بأىـ أىداؼ التقارير المالية وىو توفير معمومات مستقبمية عف التدفقات النقدية لمساعدة مستخدمى‬
‫تمؾ التقارير عمى اتخاذ ق اررات اقتصادية رشيدة )‪.(Lehtinen, 2013, p.9‬‬

‫وتعتمد معظـ الدراسات التى تتنبأ بالتدفقات النقدية عمى نماذج اإلنحدار‪ ،‬غير أف ىذه النماذج‬
‫تخضع لمجموعة مف اإلفتراضات التى يصعب الوفاء بيا‪ ،‬مثؿ التوزيع الطبيعى لمبيانات ووجود عالقة خطية‬
‫بيف المتغي ارت‪ ،‬لذلؾ تنخفض المنفعة الحقيقية إلستخداـ ىذه النماذج‪.‬‬

‫ومف ثـ تتمثؿ مشكمة الدراسة فى استخداـ البيانات المتاحة لمعامة وتقنيات التنقيب فى البيانات لمتنبؤ‬
‫بالتدفقات النقدية لمشركات المدرجة فى البورصة المصرية‪ ،‬وذلؾ مف خالؿ استخداـ نموذج عممى يمكف‬
‫تبريره مف الناحية النظرية وتطبيقو عممياً عمى بيانات فعمية‪ ،‬بما يؤدى إلى زيادة دقة التنبؤ بالتدفقات النقدية‪.‬‬
‫وىذا النموذج يمثؿ أحد نماذج أسموب التنقيب فى البيانات وىو نموذج ميجف مف الشبكات العصبية والمنطؽ‬
‫الضبابى ويسمى نموذج ‪ ،Neuro Fuzzy‬وبالتالى يمكف صياغة مشكمة الدراسة فى السؤاؿ التالى‪:‬‬

‫ما ىو دور أسموب التنقيب فى البيانات فى تحسين جودة التقارير المالية؟‬

‫‪ .3‬أىداف الدراسة‪:‬‬

‫يتمثؿ اليدؼ الرئيسى لمدراسة فى اختبار أثر استخداـ أسموب التنقيب فى البيانات عمى تحسيف جودة‬
‫التقارير المالية بإستخداـ أحد أدواتو المبنية عمى أساس نماذج الشبكات العصبية والمنطؽ الضبابى‪ ،‬ويتطمب‬
‫تحقيؽ ىذا اليدؼ مجموعة األىداؼ الفرعية التالية‪:‬‬

‫‪ -1‬د ارسة وتحميؿ ماىية وأىداؼ جودة التقارير المالية‪ ،‬وكذلؾ مقاييس جودة التقارير المالية‬
‫والعوامؿ المؤثرة عمييا وجيود المنظمات المينية فى تحسيف جودتيا‪.‬‬

‫‪4‬‬
‫‪ -2‬اقتراح نموذج لمتنبؤ بالتدفقات النقدية بدقة بإعتبار أف توفير معمومات عف التدفقات النقدية‬
‫المستقبمية تعد اليدؼ الرئيسى لمتقارير المالية‪ ،‬حيث يرتبط مفيوـ جودة التقارير المالية بأىدافيا‬
‫وبالتالى فإف تحقيؽ أىـ أىدافيا يساىـ فى تحسيف جودتيا‪.‬‬

‫‪ -3‬تحديد ما إذا كاف ىناؾ اختالؼ معنوى بيف األساليب التقميدية واألساليب الحديثة المعتمدة عمى‬
‫أسموب التنقيب فى البيانات عند التنبؤ بالتدفقات النقدية‪.‬‬

‫‪ .4‬فروض الدراسة‪:‬‬

‫فى ضوء مشكمة الدراسة وأىدافيا تقوـ الدراسة عمى اختبار الفروض التالية‪:‬‬

‫الفرض األول‪ :‬ال يوجد تأثير معنوى لممتغيرات المستقمة (محل اإلختبار) عمى التنبؤ بالتدفقات النقدية‬

‫من األنشطة التشغيمية بإستخدام نموذج اإلنحدار‪.‬‬

‫الفرض الثانى‪ :‬ال يوجد تأثير معنوى لتطبيق نموذج ‪ Neuro Fuzzy‬عمى تحسين جودة التنبؤ‬

‫بالتدفقات النقدية من األنشطة الشتغيمية لممنشأة‪.‬‬

‫الفرض الثالث‪ :‬ال يوجد اختالف معنوى بين تقديرات نموذج تحميل اإلنحدار ونموذج ‪Neuro fuzzy‬‬

‫لمتدفقات النقدية من األنشطة التشغيمية‪.‬‬

‫‪ .5‬األىمية العممية والعممية لمدراسة‪:‬‬

‫(أ) األىمية العممية‪:‬‬

‫مع ارتباط مفيوـ جودة التقارير المالية بأىـ أىداؼ التقارير المالية وفقاً لقائمة المفاىيـ األساسية رقـ‬
‫‪ 8‬التى أصدرىا ‪ FASB‬عاـ ‪ 1980‬وىو مساعدة المستثمريف الحالييف والمحتمميف عمى التنبؤ بالتدفقات‬
‫النقدية المتوقعة لممنشأة‪ ،‬تأتى أىمية ىذه الدراسة مف خالؿ زيادة دقة التنبؤ بيذه المعمومات اليامة بإستخداـ‬
‫أسموب التنقيب فى البيانات لما لو مف مزايا فى توفير محاكاة ينتج عنيا درجة أعمى مف المالءمة والدقة‪،‬‬
‫وىذه الدراسة خطوة فى ىذا اإلتجاه‪ ،‬وتعد ىذه الدراسة األولى مف نوعيا التى تقدـ نموذجاً مقترحاً يقوـ عمى‬
‫‪5‬‬
‫استخداـ أسموب التنقيب فى البيانات فى التنبؤ بالتدفقات النقدية مف األنشطة التشغيمية لممنشأة خاصةً وأف‬
‫التنقيب فى البيانات يعتبر مف المجاالت الحديثة والخصبة‪.‬‬

‫(ب) األىمية العممية‪:‬‬

‫نتيجة ألىمية جودة التقارير المالية واإلىتماـ الممحوظ مف قبؿ الييئات المينية والباحثيف بكيفية قياس‬
‫وتفعيؿ ىذه الجودة فإف ىذه الدراسة تساىـ فى تحسيف جودة التقارير المالية بإستخداـ نموذج يمكف تطبيقو‬
‫عمميا‪.‬‬

‫‪ .6‬حدود الدراسة‪:‬‬

‫سوؼ تقتصر الدراسة عمى المساىمة فى تحسيف جودة التقارير المالية مف خالؿ التركيز عمى التنبؤ‬
‫بالتدفقات النقدية المستقبمية مف األنشطة التشغيمية‪ ،‬وستعتمد عمى عينة مف الشركات المسجمة فى البورصة‬
‫المصرية والتى تعتبر األكثر نشاطا فيما عدا الشركات التى تتبع القطاع المالى والمصرفى‪.‬‬

‫‪ .7‬منيج الدراسة‪:‬‬

‫لتحقيؽ أىداؼ الدراسة وفي ضوء المشكمة البحثية اعتمدت الباحثة عمي المنيج اإلستنباطي في‬
‫تحميؿ الدراسات السابقة بغرض استنباط متغيرات النموذج المالئـ لمتنبؤ بالتدفقات النقدية مف األنشطة‬
‫التشغيمية‪ ،‬وكذلؾ التوصؿ إلى نموذج التنقيب فى البيانات المالئـ لمشكمة وطبيعة البيانات محؿ الدراسة مف‬
‫أجؿ التوصؿ إلى أفضؿ دقة ممكنة لمتدفقات النقدية مف األنشطة التشغيمية‪.‬‬

‫كما تقوـ الباحثة بالدراسة التطبيقية اعتماداً عمى بيانات فعمية لبعض الشركات المسجمة فى البورصة‬
‫المصرية عند التنبؤ بالتدفقات النقدية‪.‬‬

‫‪6‬‬
 ‫‪ .8‬خطة الدراسة‪:‬‬

‫فى ضوء أىداؼ ومشكمة الدراسة تـ تقسيـ خطة الدراسة عمى النحو التالى‪:‬‬

‫اإلطار العام لمدراسة‪:‬‬

‫ويتناوؿ طبيعة المشكمة وأىداؼ وفروض وحدود الدراسة واألىمية العممية والعممية ليا وكذلؾ منيج‬
‫الدراسة واستعراض خطتيا‪.‬‬

‫الفصل األول‪ :‬الدراسات السابقة وتحديد الفجوة البحثية‪.‬‬

‫وفيو يتـ عرض الدراسات السابقة لمحاور الدراسة والتعميؽ عمييا ‪ ،‬ثـ تحديد الفجوة البحثية‪.‬‬

‫الفصل الثانى‪ :‬اإلطار النظرى لجودة التقارير المالية‪.‬‬

‫ويتناوؿ مفيوـ جودة التقارير المالية ومقاييسيا والعوامؿ المؤثرة فييا ومداخؿ تعريؼ جودة التقارير المالية‬
‫وجيود المنظمات المينية فى تحسيف جودة التقارير المالية واإلفصاح عف التنبؤات المستقبمية‪.‬‬

‫الفصل الثالث‪ :‬دور أسموب التنقيب فى البيانات فى تحسين جودة التقارير المالية‪.‬‬

‫ويتناوؿ دور أساليب الذكاء اإلصطناعى وتكنولوجيا المعمومات فى منشآت األعماؿ ثـ اعطاء نظرة‬
‫شاممة عف مفيوـ أسموب التنقيب فى البيانات وأدواتو ومناىجو وخطواتو وعوامؿ نجاح استخدامو فى منشآت‬
‫األعماؿ وأىميتو وأخي ار دور التنقيب فى البيانات فى زيادة دقة التنبؤ بالتدفقات النقدية‪.‬‬

‫الفصل الرابع‪ :‬الدراسة التطبيقية‪.‬‬

‫وفيو يتـ تناوؿ الدراسة التطبيقية بالتطبيؽ عمى عينة مف الشركات المقيدة فى البورصة المصرية لمتنبؤ‬
‫بالتدفقات النقدية المستقبمية بإستخداـ نموذج اإلنحدار المتدرج ونموذج ‪ Neuro Fuzzy‬ومقارنة نتائج كؿ‬
‫منيما لمعرفة النموذج األكثر دقة فى التنبؤ وكذلؾ معرفة دور نموذج ‪ Neuro Fuzzy‬كأحد أدوات التنقيب‬
‫فى البيانات فى تحسيف جودة التقارير المالية‪.‬‬

‫‪7‬‬
 ‫الفصل األول‬
‫الدراسات السابقة وتحديد الفجوة‬
‫البحثية‬
 ‫انفصم األول‬
‫انذراساخ انساتمح وذحذيذ انفدىج انثحثيح‬
‫يمذيح‪:‬‬
‫يستيدؼ الفصؿ األوؿ عرض الدراسات السابقة التى تناولت أبعاد المشكمة البحثية‪ ،‬ومف ثـ تحديد‬
‫الفجوة البحثية مف خالؿ تحديد نتائج الدراسات السابقة ‪.‬‬

‫وتحقيقا لميدؼ مف الفصؿ تـ تقسيمو إلى المحاور التالية‪:‬‬

‫‪ 0/0‬الدراسات السابقة المتعمقة بجودة التقارير المالية‪.‬‬

‫‪ 6/0‬الدراسات السابقة المتعمقة بأسموب التنقيب فى البيانات‪.‬‬

‫‪ 3/0‬تحديد الفجوة البحثية‪.‬‬

‫وستتناوؿ الباحثة تمؾ المحاور بالتفصيؿ فيما يمى‪:‬‬

‫‪ 0/0‬الدراسات السابقة المتعمقة بجودة التقارير المالية‪:‬‬

‫سيتـ عرض الدراسات السابقة التي تناولت جودة التقارير المالية‪ ،‬لمعرفة األبعاد والعوامؿ‬
‫المختمفة التى تبنتيا تمؾ الدراسات فى تأثيرىا عمى جودة التقارير المالية فيما يمى‪:‬‬

‫‪ .0‬دراسة اإلبيارى (‪ )6119‬بعنوان‪ :‬نحو إطار مقترح لمشفافية فى القوائم المالية (دراسة‬
‫تحميمية وتطبيقية)‪:‬‬

‫اليدف من الدراسة‪ :‬استيدفت تمؾ الدراسة تحديد اجراءات الشفافية فى القوائـ المالية مف خالؿ محاولة‬
‫بناء إطار فكرى لمشفافية فى القوائـ المالية بدءا بالمستوى المفاىيمى ثـ تناولت مستويات وضع فروض‬
‫ومبادىء وأىداؼ الشفافية المالية وانتيت بتحديد خمس اجراءات لمشفافية‪ ،‬انطالقا مف التأكيد عمى أىمية‬

‫‪8‬‬
‫الشفافية فى القوائـ المالية لتحقيؽ شفافية التقارير المالية وإلستعادة ثقة المستخدميف فى منشآت األعماؿ‬
‫بعد األزمات المالية التى أطاحت بمنشآت أعماؿ عمالقة‪.‬‬

‫وتناولػ ػػت الد ارسػ ػػة اسػ ػػتقراء لواقػ ػػع الشػ ػػفافية فػ ػػى الق ػ ػوائـ الماليػ ػػة لشػ ػػركات المسػ ػػاىمة المص ػ ػرية مػ ػػف خػ ػػالؿ‬
‫الكشػ ػػؼ عػ ػػف السياسػ ػػات المحاسػ ػػبية المطبقػ ػػة فػ ػػى اعػ ػػدادىا بشػ ػػأف ثالثػ ػػة معػ ػػايير(تقييـ المخػ ػػزوف السػ ػػمعى‬
‫واألصوؿ الثابتة ومعالجة تكمفة االقتراض)‪.‬‬

‫نتاااااائج الدراساااااة‪ :‬ق ػ ػػد كش ػ ػػفت النت ػ ػػائج ع ػ ػػف ع ػ ػػدـ تحق ػ ػػؽ ش ػ ػػفافية السياس ػ ػػات المحاس ػ ػػبية المس ػ ػػتخدمة ف ػ ػػى‬
‫إعػ ػ ػػداد الق ػ ػ ػوائـ الماليػ ػ ػػة‪ ،‬وتػ ػ ػػـ اعتبػ ػ ػػار قصػ ػ ػػور إدراؾ مسػ ػ ػػتخدمى الق ػ ػ ػوائـ الماليػ ػ ػػة لمشػ ػ ػػفافية كمبػ ػ ػػرر لعػ ػ ػػدـ‬
‫تفضيؿ منشآت األعماؿ لبدائؿ السياسات المحاسبية التى تحقؽ الشفافية ‪.‬‬

‫التعميااااق عمااااى الدراسااااة‪ :‬تعتبػ ػػر ىػ ػػذه الد ارسػ ػػة مػ ػػف الد ارسػ ػػات اليامػ ػػة التػ ػػى تناولػ ػػت أحػ ػػد اج ػ ػراءات زيػ ػػادة‬
‫جػ ػػودة التقػ ػػارير الماليػ ػػة أال وىػ ػػى الشػ ػػفافية الماليػ ػػة مػ ػػف خػ ػػالؿ تقػ ػػديـ اطػ ػػار فكػ ػػرى لتحقيػ ػػؽ الشػ ػػفافية فػ ػػى‬
‫التق ػ ػػارير المالي ػ ػػة ولكني ػ ػػا رك ػ ػػزت عم ػ ػػى عام ػ ػػؿ واح ػ ػػد وى ػ ػػو الش ػ ػػفافية ول ػ ػػـ تتن ػ ػػاوؿ بش ػ ػػكؿ متكام ػ ػػؿ العوام ػ ػػؿ‬
‫المػ ػ ػػؤثرة عمػ ػ ػػى جػ ػ ػػودة التقػ ػ ػػارير الماليػ ػ ػػة واعتمػ ػ ػػدت ف ػ ػ ػػى نتائجيػ ػ ػػا عمػ ػ ػػى ثالثػ ػ ػػة مبػ ػ ػػادىء محاسػ ػ ػػبية فق ػ ػ ػػط‬
‫إلستقراء الشفافية ‪.‬‬

‫‪ .6‬دراسااااة الدايااااة (‪ )6119‬بعنااااوان‪ :‬أثاااار اسااااتخدام نظاااام المعمومااااات المحاساااابية عمااااى‬

‫جودة البيانات المالية فى قطاع الخدمات فى قطاع غزة‪:‬‬

‫الياااااادف ماااااان الدراسااااااة‪ :‬اسػ ػ ػػتيدفت ىػ ػ ػػذه الد ارسػ ػ ػػة توضػ ػ ػػيح ومعرفػ ػ ػػة واقػ ػ ػػع اسػ ػ ػػتخداـ نظػ ػ ػػـ المعمومػ ػ ػػات‬
‫المحاس ػ ػػبية وتقي ػ ػػيـ أثرى ػ ػػا عم ػ ػػى ج ػ ػػودة البيان ػ ػػات المالي ػ ػػة لمش ػ ػػركات ف ػ ػػى قط ػ ػػاع الخ ػ ػػدمات ف ػ ػػى قط ػ ػػاع غػ ػ ػزة‬
‫ومعرفة معوقات ومشاكؿ استخداميا فى ىذا القطاع‪.‬‬

‫نتاااااائج الدراساااااة‪ :‬توصػ ػػمت الد ارسػ ػػة إلػ ػػى أف شػ ػػركات الخػ ػػدمات التػ ػػى تسػ ػػتخدـ نظػ ػػـ معمومػ ػػات محاسػ ػػبية‬
‫تس ػ ػػتطيع الحص ػ ػػوؿ عم ػ ػػى بيان ػ ػػات مالي ػ ػػة ذات ج ػ ػػودة عالي ػ ػػة تس ػ ػػاعد متخ ػ ػػذى القػ ػ ػ اررات ف ػ ػػى الش ػ ػػركة عم ػ ػػى‬
‫اتخ ػ ػػاذ الق ػ ػ ػ اررات السػ ػ ػػميمة وأف اسػػ ػػتخداميا سػػ ػػوؼ يػػ ػػؤدى ف ػ ػػى النياي ػ ػػة إل ػ ػػى تحقي ػ ػػؽ الخص ػ ػػائص النوعيػػ ػػة‬

‫‪9‬‬
‫لمبيان ػ ػػات المالي ػ ػػة وزي ػ ػػادة ج ػ ػػودة تم ػ ػػؾ البيان ػ ػػات م ػ ػػف حي ػ ػػث دق ػ ػػة البيان ػ ػػات ومالءمتي ػ ػػا وامكاني ػ ػػة االعتم ػ ػػاد‬
‫عمييػ ػػا وتوفرىػ ػػا فػ ػػى الوقػ ػػت المناسػ ػػب وأف اسػ ػػتخداميا يػ ػػؤدى إلػ ػػى خفػ ػػض المصػ ػػروفات وزيػ ػػادة اإلي ػ ػرادات‬
‫بشكؿ واضح وزيادة جودة الخدمة المقدمة‪.‬‬

‫التعمياااااااق عماااااااى الدراساااااااة‪ :‬تعتب ػ ػ ػػر ى ػ ػ ػػذه الد ارس ػ ػ ػػة مؤش ػ ػ ػػر ى ػ ػ ػػاـ عم ػ ػ ػػى ض ػ ػ ػػرورة تفعي ػ ػ ػػؿ اس ػ ػ ػػتخداـ نظ ػ ػ ػػـ‬
‫المعمومػ ػػات المحاسػ ػػبية والتقنيػ ػػات الحديثػ ػػة مػ ػػف أجػ ػػؿ الحصػ ػػوؿ عمػ ػػى معمومػ ػػات ماليػ ػػة ذات جػ ػػودة عاليػ ػػة‬
‫وبالتػ ػ ػػالى رفػ ػ ػػع كفػ ػ ػػاءة التقريػ ػ ػػر المػ ػ ػػالى لمشػ ػ ػػركات‪ ،‬ولكنيػ ػ ػػا تناولػ ػ ػػت نظػ ػ ػػـ المعمومػ ػ ػػات المحاسػ ػ ػػبية بصػ ػ ػػفة‬
‫عام ػػة ولػػػـ تتط ػػرؽ إلػ ػػى أى م ػػف التقنيػ ػػات الحديثػ ػػة الت ػػى سػػػتتناوليا ى ػػذه الد ارسػػػة‪ ،‬واختمف ػػت بيئػػػة التطبيػ ػػؽ‬
‫حيث كاف قطاع الخدمات فى غزة‪.‬‬

‫‪ .3‬دراساااااة عثماااااان (‪ )6119‬بعناااااوان‪ :‬إطاااااار مقتااااارح لتطاااااوير المعموماااااات المحاسااااابية‬

‫لألغراض الخاصة بإستخدام منيج الجينات مع دراسة تطبيقية‪:‬‬

‫اليااااااادف مااااااان الدراساااااااة‪ :‬اس ػ ػ ػتيدفت الد ارسػ ػ ػػة وضػ ػ ػػع إطػ ػ ػػار محاسػ ػ ػػبى لتطػ ػ ػػوير المعمومػ ػ ػػات المحاسػ ػ ػػبية‬
‫بغ ػ ػ ػػرض زي ػ ػ ػػادة دق ػ ػ ػػة التنب ػ ػ ػػؤ بالس ػ ػ ػػعر الس ػ ػ ػػوقى لمس ػ ػ ػػيـ كغ ػ ػ ػػرض اس ػ ػ ػػتثمارى خ ػ ػ ػػاص بإس ػ ػ ػػتخداـ الجين ػ ػ ػػات‬
‫بالتطبيؽ عمى عينة مف الشركات المسجمة فى البورصة المصرية‪.‬‬

‫نتاااااائج الدراساااااة‪ :‬خمص ػ ػػت الد ارس ػ ػػة ب ػ ػػأف ىن ػ ػػاؾ العدي ػ ػػد م ػ ػػف الد ارس ػ ػػات الت ػ ػػى أك ػ ػػدت وج ػ ػػود قص ػ ػػور ف ػ ػػى‬
‫التقري ػ ػػر الم ػ ػػالى بوض ػ ػػعو الح ػ ػػالى مم ػ ػػا أدى ال ػ ػػى وج ػ ػػود فج ػ ػػوة معموم ػ ػػات تعمق ػ ػػت بفع ػ ػػؿ التغيػ ػ ػرات ف ػ ػػى‬
‫بيئػ ػػة األعمػ ػػاؿ االسػ ػػتثمارية‪ ،‬ووجػ ػػود ضػ ػػرورة إلنتػ ػػاج معمومػ ػػات مالئمػ ػػة لألغ ػ ػراض االسػ ػػتثمارية الخاصػ ػػة‬
‫وتع ػػديؿ مسػػػمى التقريػ ػػر المػ ػػالى إلػ ػػى تقريػػػر األعمػ ػػاؿ ألنػػػو يتضػ ػػمف بيانػ ػػات مالي ػػة وغيػ ػػر ماليػػػة واسػػػتخداـ‬
‫أس ػ ػػاليب ال ػ ػػذكاء اإلص ػ ػػطناعى المتط ػ ػػورة مث ػ ػػؿ الش ػ ػػبكات العص ػ ػػبية والجين ػ ػػات ف ػ ػػى توس ػ ػػيع اإلط ػ ػػار ال ػ ػػذى‬
‫تعمؿ فيو المحاسبة مما يزيد مف دقة ومالءمة المعمومات المحاسبية الناتجة‪.‬‬

‫التعمياااااق عماااااى الدراساااااة‪ :‬تعتب ػ ػػر ى ػ ػػذه الد ارس ػ ػػة م ػ ػػف الد ارس ػ ػػات الداعم ػ ػػة لفكػ ػ ػرة ومش ػ ػػكمة الد ارس ػ ػػة ألني ػ ػػا‬
‫تتن ػ ػػاوؿ اس ػ ػػتخداـ أح ػ ػػد أس ػ ػػاليب ال ػ ػػذكاء الص ػ ػػناعى المتقدم ػ ػػة ف ػ ػػى تط ػ ػػوير المعموم ػ ػػات المحاس ػ ػػبية ولكني ػ ػػا‬
‫ركزت عمى التنبؤ بالسعر السوقى لمسيـ كغرض استثمارى خاص‪.‬‬

‫‪11‬‬
 ‫‪ .4‬دراسة ‪ (2009) Beest et al.‬بعنوان‪:‬‬

‫‪Quality of Financial Reporting: Measuring Qualitative Characteristic‬‬

‫الياااادف ماااان الدراسااااة‪ :‬اس ػػتيدفت الد ارس ػػة تط ػػوير أداة قي ػػاس لمتقي ػػيـ الش ػػامؿ لج ػػودة التق ػػارير المالي ػػة م ػػف‬
‫خ ػػالؿ وض ػػع مقي ػػاس ش ػػامؿ يس ػػتند عم ػػى الخص ػػائص النوعي ػػة كم ػػا ت ػػـ تعريفي ػػا ف ػػى س ػػنة ‪ 2008‬بمعرف ػػة‬
‫مجمػ ػ ػ ػػس معػ ػ ػ ػػايير المحاسػ ػ ػ ػػبة الدوليػ ػ ػ ػػة )‪ (IASB‬وكػ ػ ػ ػػذلؾ مجمػ ػ ػ ػػس معػ ػ ػ ػػايير المحاسػ ػ ػ ػػبة الماليػ ػ ػ ػػة )‪(FASB‬‬
‫وذل ػ ػػؾ عم ػ ػػى اعتب ػ ػػار أف التقي ػ ػػيـ الش ػ ػػامؿ لج ػ ػػودة التق ػ ػػارير المالي ػ ػػة ى ػ ػػاـ ألن ػ ػػو س ػ ػػوؼ ي ػ ػػؤدى إل ػ ػػى تحس ػ ػػيف‬
‫الق اررات اإلقتصادية لمستخدمى تمؾ التقارير ويعزز مف كفاءة السوؽ‪.‬‬

‫وقػ ػ ػ ػػد ت ػ ػ ػ ػػـ تقسػ ػ ػ ػ ػيـ الخص ػ ػ ػ ػػائص النوعي ػ ػ ػ ػػة إل ػ ػ ػ ػػى مجم ػ ػ ػ ػػوعتيف‪ :‬تمثم ػ ػ ػ ػػت المجموع ػ ػ ػ ػػة األول ػ ػ ػ ػػى ف ػ ػ ػ ػػى‬
‫الخص ػ ػػائص الت ػ ػػى ت ػ ػػرى الد ارس ػ ػػة أني ػ ػػا عم ػ ػػى درج ػ ػػة كبيػ ػ ػرة م ػ ػػف األىمي ػ ػػة ف ػ ػػى تحدي ػ ػػد محت ػ ػػوى معموم ػ ػػات‬
‫التقػ ػ ػػارير الماليػ ػ ػػة وتتضػ ػ ػػمف ىػ ػ ػػذه المجموعػ ػ ػػة خاصػ ػ ػػيتى المالءمػ ػ ػػة والتمثيػ ػ ػػؿ الصػ ػ ػػادؽ‪ ،‬أمػ ػ ػػا المجموعػ ػ ػػة‬
‫الثانيػ ػػة فقػ ػػد تمثم ػ ػػت فػ ػػى الخصػ ػػائص الت ػ ػػى تػ ػػرى الد ارسػ ػػة أن ػ ػػو يمكػ ػػف مػ ػػف خاللي ػ ػػا تحسػ ػػيف منفعػ ػػة القػػ ػرار‬
‫وتتض ػ ػػمف خص ػ ػػائص القابمي ػ ػػة لمفي ػ ػػـ‪ ،‬والقابمي ػ ػػة لممقارنة‪،‬القابمي ػ ػػة لمتحق ػ ػػؽ‪ ،‬التوقي ػ ػػت المناس ػ ػػب) وذل ػ ػػؾ وفق ػ ػػا‬
‫لإلطار المشترؾ بيف مجمس معايير المحاسبة المالية ومجمس معايير المحاسبة الدولية ‪.2008‬‬

‫نتااااااائج الدراسااااااة‪ :‬خمص ػ ػػت الد ارس ػ ػػة أن ػ ػػو بإس ػ ػػتثناء خاص ػ ػػية التوقي ػ ػػت المناس ػ ػػب ف ػ ػػإف ك ػ ػػؿ خاص ػ ػػية م ػ ػػف‬
‫الخصػ ػ ػػائص األخػ ػ ػػرى يمكػ ػ ػػف قياسػ ػ ػػيا مػ ػ ػػف خػ ػ ػػالؿ مجموعػ ػ ػػة مػ ػ ػػف العناصػ ػ ػػر‪ ،‬وحتػ ػ ػػى يػ ػ ػػتـ تقيػ ػ ػػيـ جػ ػ ػػودة‬
‫التق ػ ػػارير المالي ػ ػػة فق ػ ػػد ت ػ ػػـ اعط ػ ػػاء درج ػ ػػة معياري ػ ػػة (تتػ ػ ػراوح م ػ ػػا ب ػ ػػيف ‪ 1‬و‪ 5‬درج ػ ػػات) لك ػ ػػؿ عنص ػ ػػر م ػ ػػف‬
‫العناص ػ ػػر الت ػ ػػى ي ػ ػػتـ م ػ ػػف خاللي ػ ػػا قي ػ ػػاس ك ػ ػػؿ خاص ػ ػػية‪ ،‬وم ػ ػػف خ ػ ػػالؿ ذلػ ػ ػؾ ي ػ ػػتـ الوص ػ ػػوؿ إل ػ ػػى الدرج ػ ػػة‬
‫النيائيػ ػ ػػة لكػ ػ ػػؿ خاصػ ػ ػػية وبالتػ ػ ػػالى لكػ ػ ػػؿ الخصػ ػ ػػائص ولمسػ ػ ػػتوى جػ ػ ػػودة التقػ ػ ػػارير الماليػ ػ ػػة ككػ ػ ػػؿ‪ ،‬وأعطػ ػ ػػت‬
‫الد ارسػ ػػة المجموعػ ػػة األولػ ػػى مػ ػػف الخصػ ػػائص وزف نسػ ػػبى أعمػ ػػى مػ ػػف خصػ ػػائص المجموعػ ػػة الثانيػ ػػة نظ ػ ػ ار‬
‫ألىميتي ػ ػ ػػا اس ػ ػ ػػتنادا لػ ػ ػ ػرأى ك ػ ػ ػػؿ م ػ ػ ػػف مجمس ػ ػ ػػى مع ػ ػ ػػايير المحاس ػ ػ ػػبة الدولي ػ ػ ػػة ومع ػ ػ ػػايير المحاس ػ ػ ػػبة المالي ػ ػ ػػة‬
‫األمريكى‪ ،‬وقد أوضحت الدراسة تقييما عاما لوسائؿ قياس جودة التقارير المالية ‪.‬‬

‫‪11‬‬
‫التعميااااق عمااااى الدراسااااة‪ :‬ل ػػـ تي ػػتـ ى ػػذه الد ارس ػػة فق ػػط بكيفي ػػة قي ػػاس ج ػػودة التق ػػارير المالي ػػة‪ ،‬وانم ػػا اىتم ػػت‬
‫أيضػ ػ ػاً بكيفي ػ ػػة تفعي ػ ػػؿ وتطبي ػ ػػؽ ى ػ ػػذا القي ػ ػػاس ولكني ػ ػػا رك ػ ػػزت عم ػ ػػى الخص ػ ػػائص النوعي ػ ػػة كمقي ػ ػػاس لج ػ ػػودة‬
‫التق ػ ػ ػػارير المالي ػ ػ ػػة واكتف ػ ػ ػػت باإلش ػ ػ ػػارة إل ػ ػ ػػى أف أىمي ػ ػ ػػة التطبي ػ ػ ػػؽ تنب ػ ػ ػػع م ػ ػ ػػف وج ػ ػ ػػود العدي ػ ػ ػػد م ػ ػ ػػف العوام ػ ػ ػػؿ‬
‫والمقومػ ػػات ومجػ ػػاالت التفضػ ػػيؿ المختمفػ ػػة التػ ػػى يمكػ ػػف مػ ػػف خالليػ ػػا الحكػ ػػـ عمػ ػػى جػ ػػودة التقػ ػػارير الماليػ ػػة‪،‬‬
‫كم ػ ػػا تؤك ػ ػػد الد ارسػػ ػػة أن ػ ػػو مػػ ػػف الص ػ ػػعب وض ػ ػػع مقيػػ ػػاس واح ػ ػػد يحظ ػ ػػى ب ػ ػػالقبوؿ الع ػ ػػاـ م ػ ػػف قب ػ ػػؿ الفئػػ ػػات‬
‫المختمفػ ػػة لمس ػ ػػتخدمى التق ػ ػػارير المالي ػ ػػة ألف ك ػ ػػؿ فئ ػ ػػة ليػ ػػا المعموم ػ ػػات الت ػ ػػى تناس ػ ػػبيا‪ ،‬وأف ج ػ ػػودة التق ػ ػػارير‬
‫الماليػ ػ ػػة ال تت ػ ػ ػأثر فقػ ػ ػػط بمػ ػ ػػدى تطبيػ ػ ػػؽ معػ ػ ػػايير المحاسػ ػ ػػبة أو خصػ ػ ػػائص المعمومػ ػ ػػات المحاسػ ػ ػػبية وانمػ ػ ػػا‬
‫تتػ ػ ػػأثر أيضػ ػ ػػا بمجموع ػ ػ ػة مػ ػ ػػف العوامػ ػ ػػؿ األخػ ػ ػػرى التػ ػ ػػى تحكػ ػ ػػـ عمميػ ػ ػػة التقيػ ػ ػػيـ النيػ ػ ػػائى ومنيػ ػ ػػا المعػ ػ ػػايير‬
‫المحاس ػ ػ ػػبية المطبق ػ ػ ػػة وحج ػ ػ ػػـ الش ػ ػ ػػركة وطبيع ػ ػ ػػة الص ػ ػ ػػناعة‪ ،‬وأوص ػ ػ ػػت الد ارس ػ ػ ػػة بض ػ ػ ػػرورة إجػ ػ ػ ػراء بح ػ ػ ػػوث‬
‫مستقبمية بإستخداـ قدر أكبر مف العينات حيث تـ إجراء الدراسة عمى عينة صغيرة نسبياً‪.‬‬

‫‪ .5‬دراسة ‪ (2009) Lu & Chen‬بعنوان‪:‬‬

‫‪"A Study of Applying Data Mining Approach to the Information‬‬

‫"‪Disclosure for Taiwan’s Stock Market Investors‬‬

‫اليدف من الدراسة‪ :‬استيدفت تمؾ الدراسة استكشاؼ المعمومات الخفية لحالة االفصاح عف المعمومات مف‬
‫بيف الشركات المدرجة فى بورصة تايواف حيث مف الصعب تقييميا أو الحكـ عمييا قبؿ اصدار التقرير‬
‫الرسمى السنوى فى العاـ المقبؿ‪ ،‬وتـ توظيؼ شجرة القرار كواحدة مف تقنيات التنقيب فى البيانات‬
‫إلستكشاؼ قواعد التصنيؼ لمستويات شفافية المعمومات لمشركات المدرجة ببورصة تايواف‪.‬‬

‫نتائج الدراسة‪ :‬خمصت الدراسة إلى استخالص ‪ 14‬قاعدة تصنيؼ لفئة اإلفصاح الجيد مف مجموعة‬
‫البيانات ‪ data set‬وباإلعتماد عمى ىذه القواعد فإف دقة التصنيؼ كانت مرتفعة خصوصا بعد استخداـ‬
‫منيج خطى متعدد ‪ Multi Linear Approach‬لرفع مستوى دقة نموذج شجرة القرار‪ ،‬وباإلعتماد عمى ىذا‬
‫النموذج المبنى عمى تمؾ القواعد يمكف لممستثمريف والعامة التقييـ بدقة لحالة اإلفصاح عف المعمومات‬
‫وبال تالى حالة حوكمة الشركات إذا كانت جيدة أـ ال فى الوقت المناسب لمحصوؿ عمى مزيد مف األرباح‬

‫‪12‬‬
‫مف استثماراتيـ وبالتالى فإف ىذا النموذج يعتبر ذا أىمية كبيرة لممستثمريف‪ ،‬ألف الحصوؿ عمى المعمومات‬
‫بشكؿ سريع يساعد المستثمريف فى اتخاذ ق اررات صحيحة ‪.‬‬

‫التعميااااق عمااااى الدراسااااة‪ :‬عرضػ ػػت الد ارسػ ػػة إلسػ ػػتخداـ التنقيػ ػػب فػ ػػى البيانػ ػػات مػ ػػف خػ ػػالؿ توظيػ ػػؼ شػ ػػجرة‬
‫القػ ػ ػرار إلس ػ ػػتقراء حال ػ ػػة اإلفص ػ ػػاح م ػ ػػف خ ػ ػػالؿ استكش ػ ػػاؼ المعموم ػ ػػات المخب ػ ػػأة‪ ،‬وبي ػ ػػذا فػ ػ ػإف ى ػ ػػذه الد ارس ػ ػػة‬
‫تقػ ػػدـ دعػ ػػـ لمق ػ ػرار بفعاليػ ػػة الحكػ ػػـ عمػ ػػى مشػ ػػاكؿ االفصػ ػػاح عػ ػػف المعمومػ ػػات فػ ػػى بورصػ ػػة تػ ػػايواف وبالتػ ػػالى‬
‫يسػ ػػتطيع المسػ ػػتثمروف والجميػ ػػور التقيػ ػػيـ بدقػ ػػة لحالػ ػػة حوكمػ ػػة الشػ ػػركة فػ ػػى الوقػ ػػت المناسػ ػػب لكسػ ػػب مزيػ ػػد‬
‫م ػ ػػف األرب ػ ػػاح مػػ ػػف خ ػ ػػالؿ اس ػ ػػتثماراتيـ ألف المعمومػػ ػػات الت ػ ػػى تتػ ػ ػوافر فيي ػ ػػا خاص ػ ػػية التوقي ػ ػػت المناسػػ ػػب‬
‫تعط ػ ػػى فائ ػ ػػدة كبيػ ػ ػرة لممس ػ ػػتثمريف م ػ ػػف خ ػ ػػالؿ اتخ ػ ػػاذ قػ ػ ػ اررات اس ػ ػػتثمار ص ػ ػػحيحة‪ ،‬وتمثم ػ ػػت بيئ ػ ػػة التطبي ػ ػػؽ‬
‫فى الشركات المسجمة فى بورصة تايواف‪.‬‬

‫‪ .6‬دراسة األرضى (‪ )6119‬بعنوان‪ :‬دور نموذج تحسين تقرير األعمال فى زيادة جودة التقارير‬
‫المالية‪:‬‬

‫اليدف من الدراسة‪ :‬استيدفت الدراسة إلقاء الضوء عمى وجود قدر كبير مف التعقيد بالتقارير المالية‬
‫بوضعيا الحالى وأف الحد مف ىذا التعقيد المتزايد بالتقارير المالية يتطمب إدخاؿ العديد مف التحسينات عمى‬
‫التقارير المالية وقد استخدـ الباحث قائمة استقصاء‪.‬‬

‫نتائج الدراسة‪ :‬خمصت تمؾ الدراسة إلى مجموعة مف النتائج أىميا مايمى‪:‬‬

‫‪ ‬ىناؾ قدر متزايد مف التعقيد بالتقارير المالية وأف الحد مف ىذا التعقيد يتطمب إدخاؿ‬
‫التحسينات عمييا لتمبية الحاجات األساسية لممستخدميف‪.‬‬
‫‪ ‬يعتبر مف أىـ مسببات التعقيد بالتقارير المالية قصورىا عف توفير معمومات عف مقاييس‬
‫األداء بخالؼ الربح والمعمومات غير المالية كالمعمومات عف رأس الماؿ الفكرى‬
‫والمعمومات عف المؤشرات اإلقتصادية العامة والمعمومات عف المخاطر‪.‬‬
‫‪ ‬تطوير التقارير المالية بتوفير معمومات عف المتغيرات السابؽ ذكرىا سيزيد مف جودة‬
‫التقارير المالية ويتحقؽ ذلؾ مف خالؿ تحديد نموذج رسمى موحد لمتقارير المالية يتضمف‬

‫‪13‬‬
‫كافة إحتياجات مستخدمى التقارير المالية مف المعمومات سواء بصمب التقارير أو بتقارير‬
‫تدعيمية إضافية‪.‬‬
‫‪ ‬تحسيف تقارير األعماؿ سيزيد مف جودة التقارير المالية بما يتيحو مف معمومات ال تتوافر‬
‫بالتقارير المالية وذلؾ فى ضوء مقترحات التطوير التى اقترحيا الباحث‪.‬‬

‫التعميق عمى الدراسة‪:‬‬

‫تعتبر ىذه الدراسة مف الدراسات اليامة فى موضوع تحسيف وزيادة جودة التقارير المالية حيث‬
‫أشارت إلى أوجة القصور فى التقارير المالية ومسبباتيا واإلقتراحات المينية واألكاديمية لزيادة جودتيا ومف‬
‫أبرز تمؾ اإلقتراحات نموذج تحسيف تقارير األعماؿ والذى يعتبر بمثابة تقرير تدعيمى يوفر المعمومات‬
‫اليامة غير المذكورة فى التقارير المالية لمساعدة مستخدمى التقارير المالية فى اتخاذ الق اررات ‪.‬‬

‫وترى الباحثة أف ىذه الدراسة تدعـ وجية نظرىا فى إمكانية عمؿ قائمة بيا معمومات التدفقات‬
‫النقدية المتوقعة واعتبارىا كجزء مف تقرير تدعيمى مقترح لمتقارير المالية بإعتبارىا مف المعمومات اليامة‬

‫التى يحتاجيا مستخدمو التقارير المالية وكذلؾ بإعتبارىا اليدؼ األساسى مف التقارير المالية وذلؾ وفقاً‬
‫لقائمة المفاىيـ الصادرة عف مجمس معايير المحاسبة المالية ‪.FASB‬‬

‫‪ .7‬دراسة ‪ (2010) Nagy‬بعنوان‪:‬‬

‫‪Section 404 Compliance and Financial Reporting Quality‬‬

‫اليدف من الدراسة‪ :‬استيدفت تمؾ الد ارسة إختبار مدى اإلرتباط بيف مضموف الفقرة ‪ 404‬مف قانوف‬
‫‪ SOX‬والتى تنص عمى "أنو يتوجب عمى الشركات المتداولة فى البورصة أف تيتـ بنظـ الرقابة الداخمية‬
‫تصميماً وتنفيذاً" وجودة التقارير المالية ‪.‬‬

‫نتائج الدراسة‪ :‬لقد أثبتت الدراسة أف ىناؾ عالقة طردية بيف اإللتزاـ بالفقرة (‪ )404‬وبيف ارتفاع مستوى‬
‫جودة التقارير المالية‪ ،‬وأف التحسف فى مستوى جودة التقارير المالية يرجع إلى أف الشركات التى خضعت‬
‫لمدراسة قد نجحت فى تشخيص نقاط الضعؼ فى أنظمة الرقابة بدقة وعالجيا بكفاءة‪ ،‬وتـ قياس التغير فى‬

‫‪14‬‬
‫مستوى جودة التقارير المالية مف خالؿ قياس التغير فى قيمة اإلستحقاقات‪ ،‬وتـ التوصؿ إلى أف تطبيؽ‬
‫الفقرة ‪ 404‬يؤدى إلى إنخفاض ىذه اإلستحقاقات بشكؿ كبير‪ ،‬كما أثبتت الدراسة وجود عالقة عكسية بيف‬
‫مستوى نمو األرباح ووجود دوافع لدى اإلدارة إلدارة األرباح‪.‬‬

‫التعميق عمى الدراسة‪ :‬لقد تناولت ىذه الدراسة جانب واحد وىو التركيز عمى الفقرة ‪ 404‬مف قانوف ‪Sox‬‬
‫وأثره عمى جودة التقارير المالية ولـ يتعرض إلى أى مف العوامؿ األخرى ذات التأثير‪ ،‬وأىـ ما يميز ىذه‬
‫الدراسة أنيا استخدمت نموذجا كمياً لقياس البيانات التى تـ اإلفصاح عنيا فى القوائـ المالية‪.‬‬

‫‪ .8‬دراسااااة سويسااااى وخمقااااانى (‪ )6100‬بعنااااوان‪ :‬نمااااوذج مقتاااارح لتقياااايم مسااااتوى جااااودة‬

‫المعمومات المالية المقدمة من تطبيق النظام المحاسبى المالى‪:‬‬

‫اليااااادف مااااان الدراساااااة‪ :‬اس ػ ػتيدفت الد ارس ػ ػػة إلػ ػػى بن ػ ػػاء نمػ ػػوذج لتقي ػ ػػيـ مسػ ػػتوى ج ػ ػػودة المعمومػ ػػات المالي ػ ػػة‬
‫المقدمػ ػػة م ػ ػػف النظػ ػػاـ المحاس ػ ػػبى المػ ػػالى ف ػ ػػى الج ازئػ ػػر‪ ،‬م ػ ػػف خػ ػػالؿ تحمي ػ ػػؿ الخصػ ػػائص النوعي ػ ػػة المح ػ ػػددة‬
‫لج ػ ػػودة المعموم ػ ػػات المالي ػ ػػة المتوص ػ ػػؿ اليي ػ ػػا ف ػ ػػى د ارس ػ ػػة ‪ (1980) FASB‬وذل ػ ػػؾ م ػ ػػف خ ػ ػػالؿ الوص ػ ػػوؿ‬
‫إلى أىـ اإلجراءات المحققة لكؿ خاصية مف ىذه الخصائص‪.‬‬

‫وتػ ػ ػػـ اسػ ػ ػػتخداـ نمػ ػ ػػوذج انحػ ػ ػػدار ي ػ ػ ػربط بػ ػ ػػيف مسػ ػ ػػتوى جػ ػ ػػودة المعمومػ ػ ػػات الماليػ ػ ػػة وأىػ ػ ػػـ االج ػ ػ ػراءات‬
‫الواج ػ ػػب توفرى ػ ػػا لتحقي ػ ػػؽ الخص ػ ػػائص النوعي ػ ػػة ف ػ ػػى ى ػ ػػذه المعموم ػ ػػات‪ ،‬وكان ػ ػػت أىاااااام النقاااااااط التااااااى تاااااام‬
‫التوصل الييا ما يمى‪:‬‬

‫‪ ‬تتمثؿ الخصائص النوعية المحددة لجودة المعمومات المالية في ‪:‬القابمية لمفيـ‪ ،‬المالءمة‪،‬‬
‫القابمية لممقارنة والموثوقية‪.‬‬
‫‪ ‬تكتسب كؿ خاصية مف ىذه الخصائص أىمية كبيرة في زيادة مستوى جودة المعمومات‬
‫المالية‪.‬‬
‫‪ ‬يتطمب تحقيؽ كؿ خاصية مف ىذه الخصائص توفر مجموعة مف اإلجراءات والضوابط‪.‬‬
‫‪ ‬يتأثر مستوى جودة المعمومات المالية بمدى توفر ىذه الخصائص‪.‬‬

‫‪15‬‬
‫التعميق عمى الدراسة‪ :‬تناولت ىذه الدراسة إجراءات وضوابط تحقيؽ الخصائص النوعية لممعمومات‬
‫المحاسبية (القابمية لمفيـ والمالءمة والموثوقية) لممساعدة فى تقييـ جودة المعمومات المحاسبية مف خالؿ‬
‫نموذج يربط بينيما وبالتالى مساعدة مستخدمى التقارير المالية فى تقييـ جودتيا وامكانية اإلعتماد عمييا فى‬
‫اتخاذ ق اررات اقتصادية رشيدة‪ ،‬ولـ تتطرؽ إلى أى مف العوامؿ األخرى التى تؤثر عمى جودة التقارير المالية‪.‬‬

‫‪ .9‬دراسة ‪ (2011) Latridis‬بعنوان‪:‬‬

‫‪Accounting Disclosures, Accounting Quality and Conditional and‬‬

‫‪Unconditional Conservatism‬‬

‫اليدف من الدراسة‪ :‬استيدفت تمؾ الدراسة معرفة دوافع الشركات المدرجة فى بورصة المممكة المتحدة عند‬
‫تقديـ تقارير مالية ذات إفصاحات محاسبية عالية أو منخفضة الجودة‪ ،‬وأيضاً فحص العالقة بيف جودة‬
‫القوائـ المالية المنشورة وممارسات إدارة األرباح‪ ،‬فعمى سبيؿ المثاؿ اإلفصاحات المحاسبية منخفضة الجودة‬
‫يمكف أف ترتبط بإدارة األرباح‪ ،‬وكذلؾ تختبر الدراسة العالقة بيف جودة التقارير المالية واإلفصاح عف‬
‫الخسائر فى الوقت المناسب والبنود المحاسبية التى يصعب التحقؽ منيا‪ ،‬بمعنى التحفظ المحاسبى‪.‬‬
‫والتركيز ىنا عمى التحفظ المشروط وغير المشروط‪ ،‬وارتباطيـ بالمتغيرات المؤثرة عمى اإلفصاح غير‬
‫المتماثؿ عف الخسائر‪.‬‬

‫نتائج الدراسة‪ :‬تـ التوصؿ إلى أف الشركات التى تعرض إفصاحات محاسبية ذات جودة عالية تظير‬
‫عموماً بحجـ وربحية وسيولة أكبر‪ ،‬والشركات التى تواجو تغيي اًر فى اإلدارة أو يتـ مراجعتيا بواسطة أكبر‬
‫أربع شركات مراجعة ‪ Big4‬تميؿ أيضاً إلى إفصاحات ذات جودة عالية‪ .‬وأف الشركات التى تقدـ إفصاحات‬
‫عالية الجودة ترغب فى الحصوؿ عمى تمويؿ أكبر ومساىمة أقؿ فى إدارة األرباح‪ ،‬حيث أوضحت الدراسة‬
‫أنيا تعرض تحفظ مشروط أكبر وتحفظ غير مشروط أقؿ‪ ،‬كما أوضحت أف الشكؿ التقميدى لمتحفظ يتناسب‬
‫عكسياً مع التحفظ غير المشروط‪ ،‬ففى حيف أف األوؿ يميؿ إلى تعزيز كفاءة التعاقد فإف األخير يسيؿ مف‬
‫اإلنتيازية اإلدارية‪ .‬وتقدـ ىذه الدراسة أدلة عمى اإلفصاح غير المتماثؿ عف الخسائر لمشركات التى تتميز‬
‫برافعة مالية عالية‪ .‬وينطبؽ نفس الشىء عمى الشركات ذات اإلفصاحات عالية الجودة التى تعرض‬

‫‪16‬‬
‫األخبار السيئة وتوصمت الدراسة أيضاً إلى أف الشركات فى مرحمة النمو أقؿ تحفظاً وأف المعمومات‬
‫المحاسبية التى يصعب التحقؽ مف صحتيا أقؿ مف أجؿ التأثير عمى فرص نموىا‪.‬‬

‫التعميق عمى الدراسة‪ :‬تناولت الدراسة عالقة جودة المحاسبة وجودة التقارير المالية بالتحفظ المشروط وغير‬
‫المشروط وذلؾ فيما يخص الشركات المدرجة فى بورصة المممكة المتحدة ولـ تتعرض إلى أى جانب مف‬
‫الجوانب األخرى المؤثرة عمى جودة المحاسبة وكانت بيئة التطبيؽ عينة مف الشركات المدرجة فى بورصة‬
‫المممكة المتحدة‪.‬‬

‫‪ .01‬دراسة ‪ (2012) Ogbonna & Ebimobowei‬بعنوان‪:‬‬

‫‪Effect of Ethical Accounting Standards on the Quality of Financial‬‬

‫‪Reports of Banks in Nigeria‬‬

‫اليدف من الدراسة‪ :‬استيدفت الدراسة تقييـ أثر معايير المحاسبة األخالقية عمى جودة التقارير المالية‬
‫لمبنوؾ فى نيجيريا‪ ،‬وتـ اختبار فرض الدراسة بإستخداـ البيانات مف اإلستبيانات‪ ،‬واإلنحدار المتعدد‪.‬‬

‫نتائج الدراسة‪ :‬خمصت الدراسة بعد تحميؿ البيانات إلى أف معايير المحاسبة األخالقية تؤثر عمى جودة‬
‫التقارير المالية لمبنوؾ فى نيجيريا‪ ،‬وأف معايير المحاسبة األخالقية المتمثمة فى النزاىة والموضوعية‬
‫والكفاءة التقنية ضرورية لتحقيؽ جودة التقارير المالية وكذلؾ لممحاسبيف إلنتاج تقارير مالية ذات جودة‬
‫عالية‪ ،‬كما توصمت الدراسة إلى عدد مف اإلقتراحات وىى أف عمميات التوظيؼ فى البنوؾ تحتاج إلى‬
‫تحسينيا بمستوى عاؿ مف المكانة األخالقية ‪ ،‬وأف البنوؾ فى نيجيريا تحتاج إلى إنشاء قسـ لألخالؽ‬
‫واإللتزاـ بالتوجيو والرقابة عمى تنفيذ األخالؽ فى األنشطة اليومية‪ ،‬وأف المحاسبيف كحماة لجودة التقارير‬
‫المالية يجب أف يتبعوا قواعد الممارسة المينية الصادرة عف معيد المحاسبيف القانونييف فى نيجيريا فى‬
‫المسئوليات اليومية‪ ،‬وقبؿ كؿ شىء يجب عمى ىيئات الممارسة المينية ذات الصمة فى نيجيريا أف تراقب‬
‫األنشطة الخاصة بأعضائيا لضماف اتباع قواعد األخالؽ فى إعداد تقارير مالية عالية الجودة فى الدولة‪.‬‬

‫‪17‬‬
‫التعميق عمى الدراسة‪ :‬ركزت ىذه الدراسة عمى جانب واحد وىو أثر معايير األخالؽ ومدى اإللتزاـ بيا فى‬
‫البنوؾ النيجيرية عمى جودة التقارير المالية ولـ تتناوؿ جوانب أخرى وعالقتيا بجودة التقارير المالية وكانت‬
‫بيئة التطبيؽ فى البنوؾ النيجيرية‪.‬‬

‫‪ .11‬دراسة ممو العين‪ ،‬مميجى (‪ )6103‬بعنوان‪ :‬قياس مستوى شفافية اإلفصاح فى التقارير‬
‫المالية المنشورة لتحسين جودة المعمومات المحاسبية بمنشآت األعمال‪:‬‬

‫اليدف من الدراسة‪ :‬استيدفت تمؾ الدراسة قياس مستوى اإلفصاح فى التقارير المالية المنشورة لدى منشآت‬
‫األعماؿ فى سوؽ األوراؽ المالية السعودى‪ ،‬وذلؾ مف خالؿ محاولة بناء مؤشر لقياس شفافية اإلفصاح‬
‫المحاسبى فى التقارير المالية المنشورة واختبار مدى تطبيؽ البيئة السعودية لممؤشر المقترح ودوره فى‬
‫تحسيف جودة المعمومات المحاسبية وذلؾ مف خالؿ تحميؿ العالقة بيف عدد مف المتغيرات (استقاللية‬
‫أعضاء مجمس اإلدارة‪ ،‬حجـ الشركة‪ ،‬نسبة الممكية العائمية‪ ،‬لجاف المراجعة‪ ،‬اإلمتداد الدولى) وبيف مستوى‬
‫اإلفصاح المحاسبى (اإللزامى واإلختيارى)‪ ،‬كما ىدفت ىذه الدراسة إلى التعرؼ عمى جيود المنظمات‬
‫والييئات المينية واإلشرافية تجاه تحسيف شفافية اإلفصاح فى التقارير المالية المنشورة بالتطبيؽ عمى عينة‬
‫مف (‪ ) 33‬شركة مسجمة فى بورصة األوراؽ المالية السعودية وذلؾ إلىتماميا بمستوى اإلفصاح وتعدد‬
‫الفئات الميتمة بيا‪.‬‬

‫نتائج الدراسة‪ :‬توصمت الدراسة إلى أف ىناؾ عالقة ارتباط ايجابية ذات داللة إحصائية بيف استقالؿ‬
‫أعضاء مجمس اإلدارة ‪،‬اإلمتداد الدولى‪ ،‬لجاف المراجعة‪ ،‬حجـ مكتب المراجعة‪ ،‬حجـ الشركة‪ ،‬أداء الشركة‬
‫وبيف مستوى شفافية اإلفصاح اإلختيارى‪ ،‬بينما ال توجد عالقة ذات داللة إحصائية بيف المتغيرات السابقة‬
‫واإلفصاح اإللزامى بالقوائـ المالية‪ ،‬كما توصمت الدراسة إلى أف ىناؾ عالقة ارتباط سمبية ذات داللة‬
‫احصائية بيف نسبة الممكية العائمية فى الشركات المساىمة السعودية ومستوى اإلفصاح اإلختيارى فى‬
‫التقارير المالية والى صالحية تطبيؽ المؤشر المقترح وامكانية اإلستفادة منو فى قياس مستوى شفافية‬
‫اإلفصاح فى التقارير المالية المنشورة بمنشآت األعماؿ السعودية‪.‬‬

‫‪18‬‬
‫التعميق عمى الدراسة‪ :‬اعتمدت الدراسة عمى جانب واحد وىو قياس مستوى شفافية اإلفصاح لتحسيف جودة‬
‫المعمومات المحاسبية مف خالؿ مؤشر مقترح ولـ تتعرض بالذكر إلى العوامؿ األخرى التى تؤثر عمى جودة‬
‫المعمومات المحاسبية‪ ،‬وكانت بيئة التطبيؽ عمى عينة مف الشركات المقيدة فى بورصة األوراؽ المالية‬
‫السعودية‪.‬‬

‫‪ .06‬دراسة ريشو (‪ )6103‬بعنوان‪ :‬جودة التقارير المالية (العوامل المؤثرة ووسائل القياس)‪:‬‬

‫اليدف من الدراسة‪ :‬استيدفت تمؾ الدراسة محاولة تحديد اإلطار العاـ لمعوامؿ المؤثرة فى جودة التقارير‬
‫المالية وكيفية قياسيا‪ ،‬وموقؼ مستخدمى التقارير المالية فى البيئة المصرية منيا‪ ،‬واختبار مدى اختالؼ‬
‫األىمية النسبية لتمؾ العوامؿ والمقاييس فى البيئة المصرية بإختالؼ مستخدمى القوائـ المالية وما يتخذونو‬
‫مف ق اررات‪.‬‬

‫وذىصهد انذراسح إنً عذج َرائح كًا يهً‪:‬‬

‫‪ ‬مازالت قضية جودة التقارير المالية فى حاجة إلى مزيد مف الدراسات حوؿ مختمؼ جوانبيا ألف‬
‫الدراسات السابقة لـ تتفؽ حتى اآلف عمى مفيوـ محدد لجودة التقارير المالية‪ ،‬أو المقياس األفضؿ‬
‫لقياسيا‪.‬‬
‫‪ ‬تناولت الدراسات السابقة العديد مف العوامؿ التى يمكف أف تؤثر فى جودة التقارير المالية‪ ،‬ورغـ‬
‫تعدد ىذه العوامؿ تـ تناوليا بشكؿ فردى وليس فى إطار متكامؿ وانتيى الباحث إلى وضع إطار‬
‫عاـ لمجموعة مف العوامؿ التى يمكف أف تؤثر فى جودة التقارير المالية‪.‬‬

‫التعميق عمى الدراسة‪ :‬تعتبر ىذه الدراسة ىامة جداً فى قضية جودة التقارير المالية حيث أنيا قد قدمت‬
‫اطا اًر متكامالً لمعوامؿ المؤثرة عمى جودة التقارير المالية بدالً مف تناوؿ كؿ عامؿ بصفة فردية فى‬
‫الدراسات السابقة‪ ،‬وتـ ذلؾ مف خالؿ إجراء دراسة ميدانية عمى مجموعتيف تتمثؿ فى العامميف فى‬
‫شركات السمسرة والعامميف فى إدارات منح اإلئتماف بالبنوؾ المصرية‪ ،‬لبياف األىمية النسبية ليذه‬
‫العوامؿ وفيما اتفقت واختمفت فيو مجموعتى الدراسة فيما يخص ىذا الشأف ولكنيا لـ تتطرؽ إلى أىمية‬
‫استخداـ أساليب تكنولوجيا المعمومات الحديثة وأثرىا عمى تحسيف جودة المعمومات المحاسبية ‪.‬‬

‫‪19‬‬
‫وتتفق الباحثة مع وجية نظر الباحث فيما يخص ربط مفيوـ جودة التقارير المالية بما تقدمو تمؾ‬
‫التقارير لألطراؼ المستفيدة مف خدمات وأنو ال يمكف الحديث عف جودة التقارير المالية إال إذا كانت‬
‫لدييا القدرة عمى مساعدة األطراؼ المستفيدة عمى التنبؤ بالتدفقات النقدية المتوقعة لمشركة‪ ،‬حيث أف أىـ‬
‫أىداؼ التقارير المالية وفقاً لقائمة المفاىيـ األساسية رقـ (‪ )8‬التى أصدرىا مجمس معايير المحاسبة‬
‫المالية )‪ (FASB‬عاـ ‪ 1980‬ىو مساعدة المستثمريف الحالييف والمحتمميف عمى التنبؤ بالتدفقات النقدية‬
‫المتوقعة لممنشأة‪ ،‬كما ترى بعض الدراسات أف مفيوـ جودة التقارير المالية يرتبط بمدى ما تقدمو مف‬
‫معمومات تفيد متخذى الق اررات خاصة فى مجاؿ التنبؤ بالتدفقات النقدية مف األنشطة التشغيمية ‪.‬‬

‫‪ .03‬دراسة الدالى (‪ )6104‬بعنوان‪ :‬مرونة المعايير المحاسبية وأثرىا عمى جودة التقارير‬
‫المالية‪:‬‬

‫اليدف من الدراسة‪ :‬استيدفت تمؾ الدراسة إلقاء الضوء عمى أثر تبنى المنشآت لمرونة المعايير‬
‫المحاسبية عمى جودة التقارير المالية‪ ،‬مف خالؿ تقديـ أحد النماذج الكمية التى يمكف استخداميا فى‬
‫قياس وتحميؿ اإلستحقاقات اإلختيارية الناتجة عف المرونة فى تطبيؽ المعايير المحاسبية وذلؾ بدراسة‬
‫العالقة بيف جودة التقارير المالية والجزء اإلختيارى مف أرباح اإلستحقاؽ األكثر عرضة لمتالعب والذى‬
‫يمثؿ نتاج مرونة المعايير المحاسبية وذلؾ بالتطبيؽ عمى ‪ 30‬شركة مقيدة فى بورصة األوراؽ المالية‬
‫فى جميورية مصر العربية والتى تعتبر األعمى مف حيث الربحية والسيولة والعائد حسب مؤشر ‪EGX‬‬
‫‪ 30‬وتـ تجميع البيانات مف القوائـ المالية المنشورة فى الربع الثالث مف عاـ ‪. 2013‬‬

‫نتائج الدراسة‪ :‬توصمت الدراسة إلى أف ىناؾ اختالفات واضحة فى أثر مرونة المعايير المحاسبية‬
‫عمى جودة التقارير المالية وبالتالى ال يمكف التأكيد عمى أف مرونة المعايير المحاسبية تؤدى مباشرة‬
‫إلى إنخفاض جودة التقارير المالية وعدـ مالءمة المعمومات المالية مف حيث المصداقية واإلعتمادية‬
‫ألغراض مستخدمى التقارير المالية‪ ،‬ففى بعض األحياف نجد أف مرونة المعايير المحاسبية قد ساىمت‬
‫فى رفع مستوى جودة التقارير المالية وأف تضارب المصالح بيف األطراؼ المختمفة ذات العالقة‬
‫بالمنشأة ىو األساس إلستغالؿ مرونة المعايير المحاسبية‪.‬‬

‫‪21‬‬
‫التعميق عمى الدراسة‪ :‬ركزت ىذه الدراسة عمى أثر مرونة المعايير المحاسبية عمى جودة التقارير‬
‫المالية عمى إعتبار أف المعمومات الواردة فى التقارير المالية يجب أف تكوف معدة وفقا لممعايير‬
‫المحاسبية‪ ،‬حيث تمتمؾ اإلدارة قد ار مف الحرية فى اختيار البدائؿ والسياسات المحاسبية وبالتالى قد‬
‫تسىء استخداـ الحرية التى تمنحيا المعايير لمعدى التقارير المالية مما يؤثر بالسمب عمى جودتيا‪،‬‬
‫وأغفمت الدراسة العوامؿ األخرى التى قد تساىـ فى التأثير عمى جودة التقارير المالية ومنيا الخصائص‬
‫النوعية التى تعتبر المقياس المباشر والمحور األساسى لمحكـ عمى جودة التقارير المالية‪.‬‬

‫التعليق على الدراسات السابقة‪:‬‬

‫بعد استعراض الباحثة لمدراسات السابقة التى تناولت جودة التقارير المالية‪ ،‬تبيف أف ىذه الدرسات‬
‫تناولت العديد مف العوامؿ التى يمكف أف تؤثر فى جودة التقارير المالية‪ ،‬فمنيا ما يرى ارتباط مفيوـ‬
‫جودة التقارير المالية بجودة اإلفصاح والشفافية ومنيا ما يرى أف توافر مجموعة مف الخصائص النوعية‬
‫يشير إلى مفيوـ الجودة‪ ،‬وأخرى ترى أف مفيوـ جودة التقارير المالية يرتبط بمدى اإللتزاـ بتطبيؽ‬
‫معايير المحاسبة والقوانيف التنظيمية وأخرى تربط جودة التقارير المالية بمدى اإللتزاـ بتطبيؽ المعايير‬
‫األخالقية فى ممارسة المينة باإلضافة إلى الدراسات التى ربطت مفيوـ جودة التقارير المالية بتبنى‬
‫أساليب حديثة فى معالجة وتحميؿ واإلفصاح عف المعمومات المفيدة فى ظؿ نظـ المعمومات المحاسبية‬
‫ومنيا ما يربط مفيوـ جودة التقارير المالية بمدى منفعة ما توفره مف معمومات لمستخدمى التقارير‬
‫المالية خاصة فى مجاؿ التنبؤ بالتدفقات النقدية مف األنشطة التشغيمية‪.‬‬

‫ومف ثـ تشير الدراسات إلى مساحة مف اإلختالؼ أحيانا ومف اإلتفاؽ أحيانا أخرى عمى مدى تأثير‬
‫بعض العوامؿ عمى جودة التقارير المالية مما يعكس غياب اإلتفاؽ حتى اآلف عمى تعريؼ محدد لجودة‬
‫التقارير المالية‪ ،‬وترى الباحثة أف ذلؾ يعكس أىمية ىذا الموضوع لمتخذى القرار ولممجتمع بصفة‬
‫عامة‪.‬‬

‫مف جانب آخر‪ ،‬تتفؽ الباحثة مع الدراسات التى تعرضت لنظـ المعمومات المحاسبية والتقنيات‬
‫الحديثة فى معالجة ىذا الموضوع وذلؾ اعتقاداً منيا أف استخداميا يؤدى إلى تحقؽ الخصائص‬
‫النوعية لممعمومات المحاسبية بشكؿ أو بآخر‪ ،‬وبالتالى زيادة جودة تمؾ المعمومات مف حيث دقتيا‬
‫‪21‬‬
‫وامكانية اإلعتماد عمييا ومالءمتيا والحصوؿ عمييا فى الوقت المناسب‪ ،‬وبالتالى تحسيف جودة التقارير‬
‫المالية مما يرفع مف قيمة المنشأة ومصداقيتيا لدى المتعامميف معيا بشكؿ عاـ‪.‬‬

‫وتتفؽ الباحثة بشكؿ كبير مع ربط مفيوـ جودة التقارير المالية بأىـ أىداؼ التقارير المالية وفقاً‬
‫لقائمة المفاىيـ األساسية رقـ ‪ 8‬التى أصدرىا ‪ FASB‬وىو مساعدة المستثمريف الحالييف والمحتمميف‬
‫عمى التنبؤ بالتدفقات النقدية المتوقعة لممنشأة‪ ،‬وبالتالى يتطمب ذلؾ توفير معمومات حوؿ الخسائر‬
‫المتوقعة والفشؿ المالى بيدؼ إتخاذ ق اررات استثمارية سميمة‪ ،‬ويؤيد ذلؾ تعريؼ ‪(2006,p.2) Verdi‬‬
‫بأف جودة التقارير المالية ىى " الدقة التى تنقؿ بيا التقارير المالية معمومات عف العمميات فى الشركة‬
‫وال سيما التدفقات النقدية المتوقعة‪ ،‬وذلؾ إلطالع المستثمريف فى األسيـ عمى ىذه المعمومات"‪.‬‬

‫‪ 6/0‬الدراسات السابقة المتعمقة بأسموب التنقيب فى البيانات‪:‬‬

‫‪ .0‬دراسة ‪ (2002) Sirikulvadhana‬بعنوان‪:‬‬

‫‪Data Mining as a Financial Auditing Tool‬‬

‫انهذف يٍ انذراسح‪ :‬استيدفت تمؾ الدراسة اكتشاؼ دور التنقيب فى البيانات فى مينة المراجعة عمى‬
‫اعتبار أنو أداة واعدة تـ توجيو اىتماـ كبير إلييا فى مجاؿ األعماؿ فقد تـ استخدامو إلكتشاؼ الغش‪ ،‬وفى‬
‫المحاسبة اإلحتيالية‪ ،‬وتقييـ األمف فى تطبيقات األعماؿ األخرى المتعمقة بالمراجعة‪.‬‬

‫وأجرت الدراسة مقارنة بيف برنامج ‪ Audit Command Language‬كأحد أىـ برامج المراجعة العامة‬
‫وبيف برنامج ‪ Intelligent Miner for Data‬كأحد برامج التنقيب فى البيانات‪.‬‬

‫نتائج الدراسة‪ :‬توصمت الدراسة إلى أفضمية نتائج برنامج التنقيب فى البيانات حتى إذا كانت البيانات‬
‫غير مكتممة‪ ،‬وقدرة تقنيات التنقيب فى البيانات عمى اختيار العينات بالمقارنة ببرامج المراجعة العامة‪ ،‬ولكف‬
‫بالنسبة لفرضية أف التنقيب فى البيانات ستعزز أدوات المراجعة بمساعدة الحاسب اآللى عف طريؽ‬
‫اكتشاؼ المعمومات اليامة مف البيانات فإنيا ليست واضحة ألف اثبات ذلؾ يحتاج إلى المزيد مف األبحاث‬
‫مف وجية نظر الباحث وما آلت إليو الدراسة‪.‬‬

‫‪22‬‬
‫التعميق عمى الدراسة‪ :‬تناولت ىذه الدراسة فقط خطوة مرحمة اختيار العينات لإلختبار ولـ تتناوؿ باقى‬
‫الخطوات باإلضافة إلى قيود الدراسة وبالتالى فإف نتائج الدراسة قاصرة عمى ما تناولو الباحث ومع ذلؾ‬
‫أثبت برنامج التنقيب فى البيانات كفاءتو فى العديد مف النواحى ومنيا تخفيض التكمفة وتوفير الوقت حتى‬
‫واف كانت البيانات المتاحة غير كاممة والتحميالت مبنية عمى افتراضات ولكف لـ تثبت الدراسة أف استخداـ‬
‫أسموب التنقيب فى البيانات مناسب بشكؿ جيد لكؿ عممية مراجعة‪.‬‬

‫‪ .6‬دراسة ‪ (2004) Kirkos & Monopoulos‬بعنوان‪:‬‬

‫‪Data mining in Finance and Accounting: A Review of Current‬‬

‫‪Research Trends‬‬

‫اليدف من الدراسة‪ :‬تعتبر ىذه الدراسة دراسة تحميمية استيدفت بياف أىمية أدوات التنقيب فى البيانات فى‬
‫مجالى المحاسبة والتمويؿ‪ ،‬وذلؾ مف خالؿ اإلطالع عمى األبحاث ذات العالقة وركزت عمى مجاالت‬
‫تطبيؽ معينة فى مجالى المحاسبة والتمويؿ مثؿ التنبؤ بالتعثر المالى‪ ،‬تالعب اإلدارة‪ ،‬التنبؤ بأداء الشركات‬
‫وتقدير خطر اإلئتماف وتناولت فى كؿ مجاؿ منيـ عرض ألىـ الدراسات التى تناولت ىذا المجاؿ واألدوات‬
‫التى اُستخدمت فى الوصوؿ لمنتائج‪ ،‬كما تناولت عرض لبعض أدوات التنقيب فى البيانات مثؿ شجرة‬
‫القرار‪ ،Decision Tree‬نظرية المجموعة المعقدة ‪ ،Rough Set Theory‬التفكير القائـ عمى الحالة ‪Case‬‬
‫‪ ،Based Reasoning‬والبرمجة الرياضية ‪ ،Mathematical Programming‬والشبكات العصبية ‪Neural‬‬
‫‪. Networks‬‬

‫نتائج الدراسة‪ :‬توصمت الدراسة إلى أىمية تقنيات التنقيب فى البيانات لما ليا مف قدرات تصنيفية وتنبؤية‬
‫تمكف مف استخداميا لألغراض السابؽ اإلشارة إلييا‪ ،‬كما أشارت إلى أنو ما زاؿ يوجد العديد مف المجاالت‬
‫الخصبة لمبحوث المستقبمية فيما يتعمؽ بتطبيؽ التنقيب فى البيانات فى التمويؿ والمحاسبة‪.‬‬

‫التعميق عمى الدراسة‪ :‬اكتفت ىذه الدراسة بعرض الجيود البحثية فى مجاالت تطبيؽ التنقيب فى البيانات‬
‫فى المحاسبة والتمويؿ والمراجعة كما عرضت ألىـ أدوات التنقيب فى البيانات واعطاء نبذة عف كؿ منيا‪،‬‬
‫وبالتالى تعتبر ىذه الدراسة ىامة لمتعريؼ بأسموب التنقيب فى البيانات وتطبيقاتو بشكؿ عاـ‪.‬‬

‫‪23‬‬
 ‫‪ .3‬د ارسة ‪ (2004( Zang & Zhou‬بعنوان‪:‬‬

‫‪Discovering Golden Nuggets: Data mining in Financial Application‬‬

‫اليدف من الدراسة‪ :‬تناولت ىذه الدراسة وصؼ التنقيب فى البيانات فى سياؽ التطبيقات المالية مف‬
‫منظور تقنى وتطبيقى‪ ،‬كما قاـ الباحثاف بعمؿ مقارنة لمتقنيات المختمفة لمتنقيب فى البيانات مف حيث‬
‫ثمانية معايير مثؿ سيولة الفيـ وسيولة تكويد المشكمة والمرونة وغيرىا‪ ،‬ومناقشة القضايا المتعمقة‬
‫بتطبيقات مالية محددة مثؿ التنبؤ بسموؾ سوؽ األسيـ‪ ،‬إدارة محفظة األوراؽ المالية‪ ،‬التنبؤ بالفشؿ المالى‪،‬‬
‫سوؽ صرؼ العمالت األجنبية واكتشاؼ الغش وكذلؾ القاء الضوء عمى عدد مف التحديات واتجاىات‬
‫البحث المستقبمية فى ىذا المجاؿ‪.‬‬

‫نتائج الدراسة‪ :‬توصمت الدراسة إلى أف تضميف تقنيات التنقيب فى البيانات فى التطبيقات المالية لو دور‬
‫كبير وأنيا ستزدىر فى ظؿ اإلقتصاد القائـ عمى المعرفة‪.‬‬

‫التعميق عمى الدراسة‪ :‬تتشابو ىذه الدراسة مع الدراسة السابقة فى تناوليا ألسموب التنقيب فى البيانات‬
‫بالشرح وعرضيا التقنيات المختمفة وكذلؾ عدد مف التطبيقات التى تستخدـ فييا تقنيات التنقيب فى البيانات‬
‫ولكنيا اختمفت معيا فى تركيزىا عمى التطبيقات المالية فقط ‪.‬‬

‫‪ .4‬دراسة ‪ (2007) Kirkos & Manolopoulos‬بعنوان‪:‬‬

‫‪Data Mining Techniques for the Detection of Fraudulent Financial‬‬

‫‪Statements‬‬

‫اليدف من الدراسة‪ :‬استيدفت تمؾ الدراسة تحديد العوامؿ المالية التى يستخدميا المراجعوف فى تحديد احتمالية‬
‫وجود غش فى القوائـ المالية وكاف اليدؼ الرئيسى ىو تقديـ وتطبيؽ وتقييـ استخداـ التنقيب فى البيانات فى‬
‫التمييز بيف مالحظات الغش ومالحظات عدـ الغش مف خالؿ تطبيؽ تقنيات التنقيب فى البيانات المستمدة مف‬
‫اإلحصاء والذكاء اإلصطناعى والتى يتـ تشغيميا عمى بيانات التقارير المالية المتاحة لمعامة‪.‬‬

‫‪24‬‬
‫وقد قامت الدراسة بتوظيؼ ‪ 3‬تقنيات وىى كالتالى‪ :‬شجرة القرار‪ ،‬الشبكات العصبية‪ ،‬وشبكات اإلعتقاد‬
‫بايزى ‪ noiseyaw soitoB serowteN‬بالتطبيؽ عمى ‪ 73‬شركة يونانية منيا ‪ 38‬شركة قوائميا المالية‬
‫بيا غش ‪.‬‬

‫نتائج الدراسة‪ :‬خمصت الدراسة إلى أف تقنيات التنقيب فى البيانات بيا قدرات تصنيفية وتنبؤية متقدمة‬
‫يمكف أف تُسيؿ مف ميمة المراجعيف فى اكتشاؼ غش اإلدارة‪ ،‬وتساىـ ىذه الدراسة فى أبحاث المحاسبة‬
‫والمراجعة مف خالؿ فحص المتغيرات المقترحة لمتعرؼ عمى الحاالت التى بيا غش فى القوائـ المالية وتقدـ‬
‫أيضا متغيرات معينة مف خالؿ المعمومات المتاحة لمعامة والتى يجب عمى المراجع تجميعيا فى فترة‬
‫مراجعة احتياطية‪.‬‬

‫وبمقارنة التقنيات الثالث لمتنقيب فى البيانات تبيف أف شبكات اإلعتقاد بايزى والشبكات العصبية وشجرة‬
‫القرار قد حققت أفضؿ أداء عمى التوالى فى التوصؿ لتصنيؼ صحيح بمعدالت دقة مرتفعة‪ ،‬وأشارت الى‬
‫أنو يمكف استخداـ ىذه الدراسة كحجر أساس لمعديد مف األبحاث‪.‬‬

‫التعميق عمى الدراسة‪ :‬تعتبر ىذه الدراسة مف الدراسات اليامة فى مجاؿ المراجعة حيث تناولت موضوع‬
‫إكتشاؼ الغش واستخدمت ثالث تقنيات مختمفة لموصوؿ إلى أفضؿ أداء ممكف لتصنيؼ الشركات مف‬
‫حيث وجود غش مف عدمو ومساعدة المراجعيف بالتركيز عمى بعض المتغيرات اليامة التى يجب أخذىا فى‬
‫اإلعتبار فى عممية المراجعة‪.‬‬

‫‪ .5‬دراسة ‪ (2007) kovalerchuk,et al.‬بعنوان‪:‬‬

‫‪Correlation of Complex Evidence in Forensic Accounting Using Data‬‬

‫‪Mining‬‬

‫اليدف من الدراسة‪ :‬استيدؼ الدراسة تقديـ أسموب استقرائى لمتنقيب فى البيانات مف الممكف استخدامو فى‬
‫البحث عف األنماط المشتبو فييا أو الحاالت الشاذة فى البيانات التى تمثؿ أعراض تؤدى إلى اكتشاؼ‬
‫الغش‪ ،‬حيث أف المياـ المحددة فى المحاسبة القضائية ‪ Forensic Accounting‬اآللية ىو اكتشاؼ‬
‫المعامالت اإللكترونية المشتبو فييا وغير العادية‪.‬‬

‫‪25‬‬
‫واستخدمت ىذه الدراسة تقنية ارتباط األدلة الميجف )‪Hybrid Evidence Correlation (HEC‬‬
‫كأ حد تقنيات التنقيب فى البيانات التى تمثؿ تطو ار لألساليب اإلحصائية لمتعامؿ مع أنواع البيانات المعقدة‬
‫سواء كانت نصية‪ ،‬رقمية أو غير رقمية وتوضح الدراسة تطبيؽ تقنية )‪ )HEC‬فى المحاسبة القضائية‬
‫بدمج األساليب اإلحصائية مع األساليب الرياضية لتصميـ ىذه التقنية وذلؾ ألف ميمة اكتشاؼ األنماط‬
‫المشتبو فييا تتسـ بالتعقد فى ظؿ عمميات غسيؿ األمواؿ وغيرىا مف العمميات المحاسبية التى بيا بيانات‬
‫شاذة أو مشتبو فييا فى ظؿ قواعد بيانات العمميات وأوضحت الدراسة أف تقنية أو خوارزمية إيجاد األنماط‬
‫المشتبو فييا المبنية عمى فرضيات أساسية تتكوف مف أربع خطوات وتـ تناوليا بالشرح ‪.‬‬

‫نتائج الدراسة‪ :‬توصمت الدراسة إلى أنو يمكف استخداـ تقنية )‪ (HEC‬فى تقييـ مخاطر الغش‪ ،‬تقييـ‬
‫مخاطر أمف المعمومات وغسيؿ األمواؿ وغيرىا حيث تـ اختبار ىذه التقنية بنجاح فى اكتشاؼ الغش فى‬
‫المعامالت بالتطبيؽ عمى بيانات غير حقيقية تحتوى عمى سمات المعامالت مثؿ البائع‪ ،‬المشترى‪ ،‬المواد‬
‫المباعة‪ ،‬الكمية‪ ،‬السعر‪ ،‬التاريخ‪.‬‬

‫التعميق عمى الدراسة‪ :‬تبنت ىذه الدراسة النظـ الميجنة بدمج األساليب اإلحصائية مع األساليب الرياضية‬
‫وصوالً لنتائج أفضؿ فيما يخص اكتشاؼ الغش فى المعامالت مف خالؿ تقنية )‪ (HEC‬كأحد تقنيات‬
‫التنقيب فى البيانات حيث أثبتت نجاحيا فى اكتشاؼ األنماط غير العادية والمشتبو فييا‪ ،‬وتعتبر ىذه‬
‫الدراسة مف الدراسات اليامة وغير المتكررة والتى تربط بيف أسموب التنقيب فى البيانات والمحاسبة‬
‫القضائية‪.‬‬

‫‪ .6‬دراسة ‪ (2008( Martens et al.‬بعنوان‪:‬‬

‫‪Predicting Going Concern Opinion with Data Mining‬‬

‫اليدف من الدراسة‪ :‬ركزت ىذه الدراسة عمى تقديـ إرشادات لممراجع فى تقييـ ما إذا كانت المنشأة تواجو‬
‫شكوؾ فيما يخص استم ارريتيا‪ ،‬فيتـ بناء نموذج تصنيؼ لتمييز الشركات المستمرة والشركات غير المستمرة‬
‫مف خالؿ قواعد ذات قدرات تنبؤية مثبتة‪.‬‬

‫‪26‬‬
‫وقدمت ىذه الدراسة تقنيات لمتنقيب فى البيانات أكثر تقدماً مثؿ آالت شعاع الدعـ ‪Support Vector‬‬
‫‪ ،Machine‬التصنيؼ المبنى عمى القواعد ‪ Rule-Base Classifiers‬حيث يتـ اإلستدالؿ عمى القواعد‬
‫مف خالؿ تقنية التصنيؼ الحديثة ‪ Ant Miner‬والتى يتـ تحويميا بعد ذلؾ إلى جدوؿ قرار يسمح بالتشاور‬
‫السيؿ‪ ،‬حيث يسيؿ استخدامو فى كؿ ممارسات المراجعة اليومية‪ ،‬وأوضحت الدراسة أف الدراسات السابقة‬
‫ليا استخدمت اإلنحدار الموجستى بشكؿ شائع فى ىذا الموضوع‪.‬‬

‫نتائج الدراسة‪ :‬أثبتت أدوات دعـ القرار‪ -‬التى تـ ذكرىا فيما سبؽ‪ -‬أىميتيا وسيولة استخداميا ودقتيا العالية‬
‫حيث غالبا ما يشؾ المراجع فى استخداـ النماذج اإلحصائية أكثر حتى مف استخداـ النماذج غير المفيومة‪.‬‬

‫التعميق عمى الدراسة‪ :‬تبنت ىذه الدراسة أدوات دعـ القرار بدالً مف األساليب اإلحصائية مثؿ اإلنحدار‬
‫الموجستى والذى استخدمتو الدراسات السابقة ليا فى التنبؤ بإستم اررية المنشآت‪ ،‬حيث عرضت بعض أدوات‬
‫التنقيب فى البيانات مف أدوات دعـ القرار والتى أثبتت نجاحيا أكثر مف األساليب اإلحصائية‪.‬‬

‫‪ .7‬دراسة ‪ (2009) Chen & Du‬بعنوان‪:‬‬

‫‪Using Neural Networks and Data Mining Techniques for the Financial‬‬
‫‪Distress Prediction Model‬‬

‫اليدف من الدراسة‪ :‬استيدفت تمؾ الدراسة التنبؤ بالفشؿ المالى لمشركات مف خالؿ بناء نموذج تنبؤ‬
‫بالفشؿ المالى وتـ استخداـ ‪ 37‬نسبة ما بيف نسب مالية وغير مالية بالتطبيؽ عمى ‪ 68‬شركة مدرجة فى‬
‫البورصة كعينات أولية (منيا ‪ 34‬شركة فاشمة و‪ 34‬شركة ناجحة)‪.‬‬

‫وقد تـ استخداـ التحميؿ العاممى ‪ Factor Analysis‬إلستخالص المتغيرات القابمة لمتكيؼ كما تـ‬
‫استخداـ الشبكات العصبية اإلصطناعية وتقنيات التنقيب فى البيانات لبناء نموذج التنبؤ بالفشؿ المالى‪ ،‬مع‬
‫مالحظة أنو فى ىذه الدراسة تـ الفصؿ بيف الشبكات العصبية وتقنيات التنقيب فى البيانات عمى اعتبار أف‬
‫الشبكات العصبية أحد أدوات الذكاء اإلصطناعى عمى عكس العديد مف الدراسات األخرى التى تعتبرىا أحد‬
‫تقنيات التنقيب فى البيانات وذلؾ عمى إعتبار أف مفيوـ التنقيب فى البيانات يجمع بيف كؿ مف أساليب‬
‫الذكاء اإلصطناعى ‪ Artificial Intelligence‬وطرؽ تعمـ اآللة ‪. Machine Learning Methods‬‬

‫‪27‬‬
‫نتائج الدراسة‪ :‬توصمت الدراسة إلى أف نموذج الشبكات العصبية أكثر دقة مف تقنية العنقدة ‪Clustering‬‬
‫‪ DM‬كأحد تقنيات التنقيب فى البيانات وأف كالً منيما أكثر دقة مف األساليب اإلحصائية التقميدية (تحميؿ‬
‫العوامؿ) وبالتالى فإف المنيجية المناسبة ىنا ىى استخداـ الشبكات العصبية فى بناء نموذج التنبؤ بالفشؿ‬
‫المالى‪.‬‬

‫التعميق عمى الدراسة‪ :‬جمعت ىذه الدراسة بيف األساليب اإلحصائية التقميدية وأسموب التنقيب فى البيانات‬
‫لمتنبؤ بالفشؿ المالى واستخدمت الشبكات العصبية بإعتبار أنيا أحد أساليب الذكاء اإلصطناعى وأنيا‬
‫بالتالى ليست مف أدوات التنقيب فى البيانات مع أف التنقيب فى البيانات ىو مزيج مف أساليب الذكاء‬
‫اإلصطناعى واألساليب اإلحصائية وغيرىا وقد أثبتت الدراسة تفوؽ األدوات سالفة الذكر عمى األسموب‬
‫اإلحصائى المستخدـ واتفقت فى ذلؾ مع الدراسة السابقة مف حيث تفوؽ أسموب التنقيب فى البيانات عمى‬
‫األساليب اإلحصائية‪.‬‬

‫‪ .8‬دراسة جمعو (‪ )6101‬بعنوان‪ :‬دور أساليب تنقيب البيانات فى تطوير تقييم المدقق لتقدير‬
‫اإلدارة لقدرة المنشأة عمى اإلستمرارية‪:‬‬

‫اليدف من الدراسة‪ :‬تستيدؼ الدراسة تطوير الحكـ المينى لممراجع المستقؿ عند تقييـ اإلدارة لقدرة المنشأة‬
‫عمى اإلستم اررية‪ ،‬وذلؾ مف خالؿ اقتراح استخداـ تقنيات التنقيب فى البيانات المتمثمة فى اإلنحدار الموجستى‬
‫‪ Logistic Regression‬واإلنحدار الموغاريتمى ‪ Logarithmic Regression‬وكذلؾ استخداـ الحكـ‬
‫المينى‪ ،‬وذلؾ بالتطبيؽ عمى ‪ 85‬شركة مساىمة عامة صناعية وىى إجمالى الشركات المنشور بياناتيا عمى‬
‫موقع البورصة األردنية عف الفترة مف ‪ ،2009-2005‬وتـ تجميع المؤشرات المالية منيا‪.‬‬

‫نتائج الدراسة‪ :‬بينت الدراسة وجود فروؽ جوىرية بيف نتائج تطبيؽ الحكـ المينى لممراجع المستقؿ وكؿ مف‬
‫أدوات التنقيب فى البيانات بالنسبة لمؤشر صافى الربح ونسبة الممكية ومعدؿ تغطية الفوائد ومعدؿ دوراف‬
‫األ صوؿ الثابتة ومعدؿ دوراف رأس الماؿ العامؿ ونسبة التداوؿ وذلؾ عند تقييـ المراجع لتقدير اإلدارة لقدرة‬
‫المنشاة عمى اإلستم اررية كما اتضح أف أسموب اإلنحدار الموجستى ُيعد أكثر دقة مف أسموب اإلنحدار‬

‫‪28‬‬
‫الموغاريتمى والحكـ المينى بشكؿ عاـ ولكنو أقرب الى الحكـ المينى عند استخداـ المراجع المستقؿ لمؤشر‬
‫نسبة المديونية فى التقييـ بشكؿ خاص‪.‬‬

‫كما توصمت الدراسة إلى أىمية أسموب التنقيب فى البيانات وأدواتو اليامة لممحاسبيف المينييف‬
‫حيث أنيا تحسف مف قدرتيـ عمى التصنيؼ والتنبؤ‪ ،‬كما أنيا أكثر استخداما فى مجاالت التنبؤ باإلفالس‬
‫‪ Bankruptcy‬واإلستم اررية ‪ Going Concern‬وتقدير خطر اإلئتماف ‪Credit Risk Estimation‬‬
‫واكتشاؼ غش اإلدارة ‪.Management Fraud‬‬

‫التعميق عمى الدراسة‪ :‬تعتبر ىذه الدراسات واحدة مف مجموعة دراسات ناقشت استخداـ تقنيات التنقيب فى‬
‫البيانات فى المراجعة وبخاصة فى التنبؤ باإلستم اررية بالتشابو مع دراسات أخرى سابقة ولكف تـ استخداـ‬
‫تقنيات مختمفة متمثمة فى األساليب اإلحصائية المتقدمة (اإلنحدار الموجستى واإلنحدار الموغاريتمى)‪.‬‬

‫‪ .9‬دراسة ىاشم (‪ )6100‬بعنوان‪ :‬تفعيل دور آليات المراجعة فى الكشف عن الغش واألخطاء فى‬
‫القوائم المالية بالمصارف بإستخدام أسموب التنقيب فى البيانات‪:‬‬

‫اليدف من الدراسة‪ :‬عمدت الدراسة إلى اختيار أسموب التنقيب فى البيانات – كأسموب يستخدـ الحاسب‬
‫اآللى فى األداء– فى اكتشاؼ الغش فى القوائـ المالية حيث يعتمد فى عممو عمى اكتشاؼ الحاالت الشاذة‬
‫وذلؾ ىو األسموب الذى تظير بو حاالت الغش بالقوائـ المالية‪ ،‬وذلؾ مع اظيار دور آليات المراجعة فى‬
‫ىذا السياؽ أوالً ثـ ايضاح الترابط بيف أسموب التنقيب فى البيانات والكشؼ عف الغش فى القوائـ المالية‬
‫كدور تقوـ بو آليات المراجعة كما حددتيا الدراسة فى العناصر التالية‪ :‬معايير المراجعة‪ ،‬المراجع الداخمى‪،‬‬
‫المراجع الخارجى‪ ،‬لجاف المراجعة وأوضحت الدراسة خطوات تطبيؽ أسموب التنقيب فى البيانات إلكتشاؼ‬
‫الغش ‪.‬‬

‫نتائج الدراسة‪ :‬تـ اجراء دراسة ميدانية عمى مجموعة مف العامميف بالمصارؼ المصرية المختمفة حيث‬
‫ُوزعت (‪ )100‬استبانة تـ استرداد (‪ )73‬منيا‪ ،‬وأفادت ردود عينة الدراسة بالموافقة عمى محاور دور آليات‬
‫المراجعة المتمثمة فى معايير المراجعة‪ ،‬المراجعة الداخمية‪ ،‬المراجعة الخارجية ولجاف المراجعة فى التنبؤ‬
‫بحاالت الغش واألخطاء فى القوائـ المالية بالمصارؼ بإستخداـ أسموب التنقيب فى البيانات‪.‬‬

‫‪29‬‬
‫التعميق عمى الدراسة‪ :‬استخدمت ىذه الدراسة أسموب اإلستبانة لمعرفة دور أسموب التنقيب فى البيانات فى‬
‫تفعيؿ دور آليات المراجعة فى اكتشاؼ الغش فى القوائـ المالية فى المصارؼ أى أنيا اعتمدت عمى تقييـ‬
‫أىمية استخداـ التنقيب فى البيانات مف عدميا مف خالؿ االستدالؿ عمى ردود أفعاؿ مجموعة مف العامميف‬
‫بالمصارؼ وىو أسموب ضعيؼ مف وجية نظر الباحثة‪ ،‬ولـ تتطرؽ إلى التطبيؽ العممى عمى عينة مف‬
‫المصارؼ بإستخداـ أى مف تقنيات التنقيب فى البيانات المستخدمة فى ىذا الصدد عمى عكس دراسات‬
‫أخرى كثيرة تناولت موضوع الغش فى القوائـ المالية ولعؿ السبب فى ذلؾ أف بيئة التطبيؽ ىى البيئة‬
‫المصرية حيث لـ يتـ تفعيؿ ىذا األسموب فى الدوؿ العربية كما فى الدوؿ المتقدمة التى تيتـ بالتكنولوجيا‬
‫بشكؿ أكبر وبخاصة أف أسموب التنقيب فى البيانات ىو مجاؿ بحث جديد نسبياً‪.‬‬

‫‪ .01‬دراسة ‪ (2012) Tsai,et al.‬بعنوان‪:‬‬

‫‪Determinates of Intangible Assets Value: The Data Mining Approach‬‬

‫اليدف من الدراسة‪ :‬استيدفت تمؾ الدراسة التوصؿ لتحديد أىـ المتغيرات المؤثرة عمى األصوؿ غير‬
‫الممموسة ألىميتيا فى خمؽ قيمة الشركة حيث ُوجد أف القيمة السوقية لمشركات القائمة عمى المعرفة أعمى‬
‫بكثير مف القيمة الدفترية‪.‬‬

‫وتـ توظيؼ تقنيات التنقيب فى البيانات فى ىذه الدراسة لتقييـ األصوؿ غير الممموسة بكفاءة وتحديد‬
‫العوامؿ اليامة المؤثرة عمييا‪ ،‬وتـ األخذ فى اإلعتبار خطوة تحديد السمات ‪ Feature selection‬إلختيار‬
‫واستخالص المعمومات المفيدة مف الكـ اليائؿ مف البيانات ذات العالقة‪ ،‬وتستخدـ الدراسة خمس طرؽ‬
‫لتحديد السمات وىى تحميؿ المحتوى األساسى‪ ،‬اإلنحدار المتدرج‪ ،‬شجرة القرار‪ ،‬قواعد اإلرتباط‪،‬‬
‫الخوارزميات الجينية‪ ،‬ثـ استخدمت الدراسة الشبكات العصبية متعددة الطبقات كنموذج تنبؤ لمعرفة أى مف‬
‫المختارة مف الطرؽ الخمسة يسمح لنموذج التنبؤ بأف يعطى أفضؿ أداء تنبؤى باإلعتماد عمى‬
‫المتغيرات ُ‬
‫مجموعة بيانات مكونة مف ‪ 61‬متغير‪.‬‬

‫نتائج الدراسة‪ :‬أثبتت الدراسة التجريبية أف شجرة القرار ىى التقنية األفضؿ ألنيا تعطى معدؿ عالى مف‬
‫دقة التنبؤ وأقؿ معدؿ مف أخطاء النوع األوؿ حيث اختارت ‪ 7‬متغيرات جعمت نموذج التنبؤ يعمؿ بأسموب‬

‫‪31‬‬
‫كؼء‪ ،‬كما تـ اختبار دمج النتائج مف أساليب تحديد السمات المختمفة مثؿ الخوارزميات الجينية مع‬
‫اإلنحدار المتدرج وشجرة القرار وتحميؿ المحتوى األساسى وأعطت أفضؿ دقة تنبؤ وتفوقت عمى شجرة‬
‫القرار‪ ،‬والمتغيرات المختارة يمكف اعتبارىا كعوامؿ ىامة مؤثرة عمى األصوؿ غير الممموسة‪ ،‬وىذه النتائج‬
‫تسمح لممستثمريف والدائنيف بإتخاذ ق اررات سميمة فيما يخص اإلستثمارات والقروض‪.‬‬

‫التعميق عمى الدراسة‪ :‬ركزت ىذه الدراسة عمى موضوع ىاـ وىو التنبؤ بأىـ المتغيرات المؤثرة عمى‬
‫األصوؿ غير الممموسة وذلؾ بإستخداـ أكثر مف أداة حتى يكوف ىناؾ تقييـ ألفضؿ المتغيرات المختارة‬
‫تأثي اًر عمى األصوؿ غير الممموسة بإستخداـ الشبكات العصبية مما يساعد فى اتخاذ ق اررات سميمة فيما‬
‫يخص اإلستثمارات وغيرىا وبالتالى تعتبر ىذه الدراسة غنية وميمة لمباحثيف والمستثمريف فى ىذا المجاؿ‪.‬‬

‫‪ .00‬دراسة ‪ (2012) Saif, et al.‬بعنوان‬

‫‪Finding Rules for Audit Opinions Prediction through Data Mining‬‬

‫‪Methods‬‬

‫اليدف من الدراسة‪ :‬استيدفت الدراسة التنبؤ بنوع رأى المراجعة مف خالؿ اإلستفادة بالنماذج الجديدة‬
‫ألسموب التنقيب فى البيانات‪ .‬واستخدمت ىذه الدراسة خوارزمية جديدة عبارة عف مزيج مف آلة شعاع الدعـ‬
‫‪ Support Vector Machine‬وشجرة القرار ‪ Decision Tree‬وتطبيقيا عمى التنبؤ بأحكاـ مينة‬
‫المراجعة‪ ،‬حيث تساعد ىذه الخوارزمية عمى اختيار العوامؿ القوية ‪ Strong Factors‬إلستخالص القواعد‪.‬‬

‫نتائج الدراسة‪ :‬أوضحت النتائج التجريبية لمتنبؤ بأحكاـ مينة المراجعة بإستخداـ الخوارزمية الجديدة أف‬
‫امكانية فيميا واستخداميا أفضؿ مف استخداـ آلة شعاع الدعـ بمفردىا كما أنيا ذات معنى ويمكف استخراج‬
‫قواعد ذات جودة عالية مف خالليا‪.‬‬

‫والشىء األكثر أىمية ىو أف تفسير القواعد مفيد جداً فى المحاسبة والمراجعة‪ ،‬ويستخدـ الم ارجع القواعد‬
‫المنطقية التى تـ الحصوؿ عمييا مف التنبؤ بأحكاـ المراجعة وحصمت الدراسة عمى ‪ 30‬قاعدة بإستخداـ‬
‫‪ 20‬متغير تساعد المراجع فى التنبؤ بأحكاـ المراجعة‪ ،‬وبالتالى فإف ىذه األدوات الحديثة لصنع القرار ىامة‬
‫لممراجعيف حيث تساىـ فى عمؿ تنبؤات ألحكاـ المراجعة‪ ،‬ويستطيع الم ارجع أف يعرض عمى الشاشة العديد‬

‫‪31‬‬
‫مف الشركات مف خالؿ استغالؿ ىذه النماذج وبالتالى توجيو اإلىتماـ لمشركات التى بيا احتمالية عالية ألف‬
‫تتمقى رأى مراجعة متحفظ ويؤدى ذلؾ إلى توفير الوقت والتكمفة ‪.‬‬

‫التعميق عمى الدراسة‪ :‬تساىـ ىذه الدراسة فى موضوع ىاـ مف موضوعات المراجعة أال وىو التنبؤ برأى‬
‫المراجعة فى الشركات وذلؾ باإلعتماد عمى أىـ المتغيرات المؤثرة فى التنبؤ مف خالؿ البحوث السابقة‬
‫واستخدمت الدراسة أداة آلة شعاع الدعـ لتدريب البيانات والحصوؿ عمى النتائج واستخدمت شجرة القرار‬
‫لتمثيؿ ىذه النتائج ‪.‬‬

‫‪ .06‬دراسة الشحادة والردايدة (‪ )6106‬بعنوان‪ :‬تقنيات التنقيب فى البيانات وأىميتيا فى‬

‫إدارة العمميات المصرفية والمحاسبية فى البنوك األردنية‪:‬‬

‫اليدف من الدراسة‪ :‬استيدفت الدراسة بياف مستوى اإلىتماـ بتطبيؽ وبالمجاالت المكونة لبيئة مفاىيـ‬
‫وأدوات التنقيب فى البيانات إلدارة العمميات المصرفية والمحاسبية فى البنوؾ التجارية األردنية‪ ،‬واستخدـ‬
‫الباحثاف المنيج الوصفى التحميمى القائـ عمى اإلستبياف عمى أفراد مجتمع الدراسة ‪.‬‬

‫نتائج الدراسة‪ :‬توصؿ الباحثاف إلى أف نسبة اإلىتماـ لدى أفراد مجتمع الدراسة لتطبيؽ مفاىيـ التنقيب فى‬
‫البيانات إلدارة العمميات المحاسبية والمصرفية كانت مرتفعة بشكؿ عاـ وأف ترتيب المجاالت التى قد ُينظر‬
‫إ لييا عند البحث فى تطبيؽ مفاىيـ التنقيب فى البيانات كانت بحسب أىميتيا ومستوى اإلىتماـ بيا لدى‬
‫أفراد المجتمع كالتالى‪ ،‬بيئة العمؿ المصرفى مع تكنولوجيا المعمومات يميو محور فرص تعزيز نظـ المعرفة‬
‫مع تطوير بيئة نظـ البحث واإلسترجاع لمبيانات ‪.‬‬

‫التعميق عمى الدراسة‪ :‬استخدمت ىذه الدراسة أسموب اإلستبانة لمعرفة نسبة اىتماـ أفراد مجتمع الدراسة‬
‫بتطبيؽ مفاىيـ التنقيب فى البيانات فى البنوؾ األردنية‪ ،‬أى أف التركيز كاف عمى معرفة مدى اإلىتماـ‬
‫ب تطبيؽ ىذه التكنولوجيا ولـ تتطرؽ بالتطبيؽ عمى موضوع معيف كما فى معظـ الدراسات التى عرضتيا‬
‫الباحثة ولعؿ سبب ذلؾ أف بيئة التطبيؽ فى األردف وأنو لـ يتـ استخداـ أسموب التنقيب فى البيانات كما‬
‫فى الدوؿ المتقدمة‪.‬‬

‫‪32‬‬
 ‫‪ .03‬دراسة ‪ )2013( Alpar & Winkelstrater‬بعنوان‪:‬‬

‫‪Assessment of Data Quality in Accounting Data with Association‬‬

‫‪Rules‬‬

‫اليدف من الدراسة‪ :‬استيدؼ الدراسة بياف أىمية استخداـ تقنية قواعد اإلرتباط ‪Association Rules‬‬
‫كأحد تقنيات التنقيب فى البيانات‪ ،‬حيث يقوـ رجاؿ األعماؿ أو خبراء األعماؿ بتعريؼ ووضع قواعد‪ ،‬وال‬
‫سيما فى ظؿ تواجد مجموعة برامج تسمح لمخبراء أو رجاؿ األعماؿ بتدويف معرفتيـ فى شكؿ قواعد‬
‫األعماؿ ‪ Business Rules‬بمغة طبيعية‪ ،‬ويمكف أف تكوف القاعدة عبارة عف جممة تصؼ بعض نواحى‬
‫العمؿ‪ ،‬حيث يكوف دورىا ىو التأكيد عمى ىيكؿ العمؿ‪ ،‬أو الرقابة والتأثير عمى سموؾ العمؿ‪ ،‬وقياـ رجاؿ‬
‫األعماؿ أو الخبراء فى مجاؿ التجارة بتخصيص مثؿ ىذه القواعد ُيجنب سوء الفيـ مع المبرمجيف‪.‬‬

‫وفى ىذه الدراسة تـ فحص عمميات إمساؾ الدفاتر الحقيقية لثالث شركات صغيرة تنتمى جميعيا‬
‫إلى شركة قابضة‪ ،‬وتـ عمؿ دمج لمحاسبة التكاليؼ مع المحاسبة المالية وتنفيذ ذلؾ مف خالؿ نظاـ إدخاؿ‬
‫مزدوج‪ ،‬وبالطبع يجب حفظ كؿ عممية أو صفقة بفاتورة لألغراض المحاسبية ويتـ إدخاؿ البيانات إلى‬
‫السجالت فى نظاـ ‪ PRE‬ويكوف لكؿ صفقة أو فاتورة سمات معينة ‪ ،attributes‬وفى بعض الحاالت ال‬
‫يمكف إدراؾ كؿ الحاالت بشكؿ مسبؽ‪ ،‬وفى الحاالت التى ال تكوف قواعد األعماؿ ُمعرفة بعد فإف أنماط‬
‫التعامؿ مع البيانات مف الممكف أف تنشأ فى الممارسة العممية‪ ،‬وفى ىذه الدراسة تـ توظيؼ التنقيب فى‬
‫المكتشفة‬
‫البيانات عمى الصفقات أو العمميات المحاسبية إلكتشاؼ مثؿ ىذه األنماط‪ ،‬ويتـ عرض األنماط ُ‬
‫فى شكؿ قواعد ارتباط وأى انحرافات عف األنماط المكتشفة يمكف تمييزىا بعد ذلؾ كمخالفات محتممة فى‬
‫جودة البيانات تحتاج إلى فحصيا مف قبؿ البشر‪.‬‬

‫التعميق عمى الدراسة‪ :‬ركزت الدراسة عمى استخداـ قواعد اإلرتباط باإلعتماد عمى بيانات ‪ 20‬شير سابؽ‬
‫لكؿ شركة مف عينة الدراسة لمعرفة األنماط المشتبو فييا ‪ ،‬وأشارت إلى إمكانية استخداـ ىذه التقنية فى كؿ‬
‫مف محاسبة التكاليؼ والمحاسبة المالية والمراجعة لتجنب حدوث أخطاء فى الجودة فى المستقبؿ وبالتالى‬
‫تعتبر ىذه الدراسة ىامة كحجر أساس لبحوث مستقبمية تيتـ بيذا الموضوع‪.‬‬

‫‪33‬‬
 ‫‪ .04‬دراسة ‪ (2015) Wang & Wang‬بعنوان‪:‬‬

‫‪The Impact of Data Mining on Management Accounting in Big‬‬

‫‪Data Era‬‬

‫اليدف من الدراسة‪ :‬استيدفت الدراسة بياف أثر التنقيب فى البيانات عمى وظائؼ المحاسبة اإلدارية فى‬
‫عصر البيانات الضخمة ‪ Big Data‬وتـ استخداـ تحميؿ ‪ SWOT‬لبياف ىذا األثر وذلؾ بعد استعراض‬
‫الدراسات التى تناولت أثر التنقيب فى البيانات عمى وظائؼ المحاسبة اإلدارية كؿ عمى حدة‪ ،‬كما تناقش‬
‫ىذه الدراسة إمكانية التكامؿ بيف نظـ المعمومات اإلدارية ونظـ المعمومات المحاسبية مع خالؿ التطورات‬
‫التكنولوجية مثؿ ‪ ،Big Data‬الحوسبة السحابية ‪.Data Mining ،Cloud Computing‬‬

‫نتائج الدراسة‪ :‬خمصت الدراسة إلى أف إستخداـ التنقيب فى البيانات يعزز وظائؼ المحاسبة اإلدارية‬
‫المتمثمة فى إدارة التكمفة‪ ،‬تقييـ األداء وادارة المخاطر‪ ،‬التخطيط والتنبؤ‪ ،‬وتوصمت إلى أف تعزيز الوظائؼ‬
‫اإلدارية لممنشأة يؤدى دو ار ىاما فى عممية اتخاذ القرار وبالتالى يحسف مف قدرات إدارة األعماؿ وأشارت‬
‫إلى أف استخداـ تكنولوجيا المعمومات فى المحاسبة سيعمؿ عمى توسيع نطاؽ مجاؿ البحث فى المحاسبة‬
‫ونظـ المعمومات المحاسبية ليس فقط فيما يخص التغييرات المحتمؿ حدوثيا فى مجاؿ المحاسبة ولكف‬
‫أيضا فى تأثير التكنولوجيات الحديثة عمى دور المحاسبة‪.‬‬

‫التعميق عمى الدراسة‪ :‬تعتبر ىذه الدراسة مف الدراسات اليامة التى تقوـ بإلقاء الضوء عمى أىمية التكامؿ‬
‫بيف تكنولوجيا المعمومات ونظـ المعمومات المحاسبية وتوفير رؤية عف إمكانية اإلستفادة مف التكنولوجيات‬
‫المختمفة وخاصة التنقيب فى البيانات مف أجؿ توفير المعمومات اليامة الداعمة لعممية إتخاذ القرار وتوسيع‬
‫نطاؽ المحاسبة بشكؿ عاـ واإلرتقاء بمستوى وظائؼ المحاسبة اإلدارية بشكؿ خاص‪.‬‬

‫‪34‬‬
 ‫انرعهيك عهً انذراساخ انساتمح‪:‬‬
‫من الدراسات السابقة يمكن استخالص ما يمى‪:‬‬

‫‪ -1‬تنوع المشكالت التى يستخدـ أسموب التنقيب فى البيانات فى حميا فى المجاؿ المحاسبى حيث‬
‫تـ استخداـ ىذا األسموب فى مينة المراجعة وتعددت الدراسات التى تناولتو فى اكتشاؼ الغش‬
‫بشكؿ كبير وكذلؾ التنبؤ برأى المراجع (متحفظ أو غير متحفظ)‪ ،‬تقييـ األمف فى األعماؿ‬
‫المتعمقة بموضوع المراجعة والتنبؤ بإستم اررية الشركات والتنبؤ بالفشؿ المالى ىذا باإلضافة إلى‬
‫التنبؤ بمستوى اإلفصاح عف المعمومات فى الشركات المقيدة فى البورصة وتقييـ األصوؿ غير‬
‫الممموسة وتقدير خطر اإلئتماف وتقييـ جودة البيانات المحاسبية وتعزيز وظائؼ المحاسبة‬
‫اإلدارية وغيرىا مف المشكالت المحاسبية‪.‬‬

‫‪ -2‬تعدد تقنيات التنقيب فى البيانات وتوظيؼ كؿ منيا حسب طبيعة المشكمة المحاسبية سواء كانت‬
‫مشكمة تصنيفية أو تنبؤية وبحسب حجـ البيانات المستخدمة وطبيعتيا سواء كانت رقمية أو‬
‫وصفية وىكذا‪.‬‬

‫‪ -3‬أىمية استخداـ التنقيب فى البيانات كمجاؿ واعد فى تطبيقات األعماؿ وبخاصة فى المجاؿ‬
‫المحاسبى لما لو مف دور يمثؿ تطو اًر فى تكنولوجيا المعمومات‪ ،‬ويختص بتحميؿ البيانات وتوليد‬
‫المعمومات اليامة والداعمة إلتخاذ ق اررات اإلستثمار وتطوير أداء منشآت األعماؿ‪.‬‬

‫‪ 3/0‬تحديد الفجوة البحثية‪:‬‬

‫يتضح مف خالؿ العرض السابؽ لمدراسات السابقة المتعمقة بجودة التقارير المالية أنو ال يوجد‬
‫اتفاؽ عمى مفيوـ محدد لجودة التقارير المالية حيث اختمفت ىذه الدراسات فى تبنييا لمداخؿ تعريؼ‬
‫جودة التقارير المالية ما بيف المدخؿ النفعى ومدخؿ الحوكمة بؿ واختمفت فى تأثير العوامؿ المختمفة‬
‫عمى جودة التقارير المالية وكذلؾ مقاييس الجودة‪.‬‬

‫‪35‬‬
‫وترى الباحثة أف تبنى سياسة اإلفصاح عف التنبؤات وخصوصا عف تمؾ المعمومات المالية اليامة‬
‫التى تفيد فى اتخاذ الق اررات اإلستثمارية وبخاصة معمومات التدفقات النقدية المستقبمية سيفيد فى‬
‫تحسيف جودة التقارير المالية‪ ،‬لذلؾ سوؼ تيتـ ىذه الدراسة بالتنبؤ بالتدفقات النقدية مف األنشطة‬

‫التشغيمية عمى إعتبار أف توفير ىذه المعمومات اليامة لمستخدمى التقارير المالية يعد بمثابة تحقيقاً‬
‫ألىـ أىدافيا وفقاً لمجمس معايير المحاسبة المالية‪ ،‬ومساعدةً ليـ فى اتخاذ الق اررات اإلقتصادية‪.‬‬

‫وفيما يخص الدراسات المتعمقة بأسموب التنقيب فى البيانات‪ ،‬كما يتضح مف العرض السابؽ ليا‬
‫وفى حدود الدراسات التى اطمعت عمييا الباحثة عدـ وجود دراسات تتعمؽ بإستخداـ أسموب التنقيب فى‬
‫البيانات لمتنبؤ بالتدفقات النقدية عمى الرغـ مف وجود بعض الدراسات التى استخدمت أسموب التنقيب فى‬
‫البيانات فى معالجة بعض القضايا المحاسبية مثؿ اكتشاؼ الغش والتنبؤ بالتعثر المالى وتصنيؼ حالة‬
‫اإلفصاح عف المعمومات لمشركات المقيدة فى البورصة وتقييـ األصوؿ غير الممموسة‪ ،‬ومف ىنا تعد ىذه‬
‫الدراسة األولى مف نوعيا‪ -‬وذلؾ فى ضوء عمـ الباحثة‪ -‬التى تقدـ نموذجاً مقترحاً يقوـ عمى استخداـ‬
‫أسموب التنقيب فى البيانات لمتنبؤ بالتدفقات النقدية مف األنشطة التشغيمية بإعتبارىا معمومات ىامة تفيد‬
‫متخذى الق اررات وخاصة المستثمريف‪ ،‬وتأمؿ الباحثة أف تكوف ىذه الدراسة إضافة لمدراسات اليامة فى‬
‫ىذا المجاؿ والذى يعتبر مف المجاالت الحديثة والخصبة‪ ،‬وأف تكوف بداية انطالقة لمخوض فى ىذا‬
‫المجاؿ الياـ وال سيما فى ظؿ استخداـ تكنولوجيا المعمومات واألساليب الحديثة فى منشآت األعماؿ‪،‬‬
‫وبخاصة فى تحميؿ البيانات لمحصوؿ عمى المعمومات المفيدة فى إتخاذ القرار والتى تعتبر مف أىـ‬
‫أىداؼ التقارير المالية‪.‬‬

‫خالصة الفصل‪:‬‬

‫تـ التعرض فى ىذا الفصؿ لمدراسات السابقة المتعمقة بكؿ مف جودة التقارير المالية وأسموب التنقيب‬
‫فى البيانات والتعميؽ عمييا ثـ تحديد الفجوة البحثية‪ ،‬ويتناوؿ الفصؿ القادـ اإلطار النظرى لجودة التقارير‬
‫المالية وتحديد ماىية جودة التقارير المالية ومداخؿ تعريفيا والعوامؿ المؤثرة فييا ومقاييسيا وكذلؾ جيود‬
‫المنظمات المينية لتحسيف جودة التقارير المالية واإلتجاىات المعاصرة لتطوير التقارير المالية وأىمية‬
‫اإلفصاح عف التنبؤات المالية والمعمومات المستقبمية‪.‬‬

‫‪36‬‬
 ‫الفصل الثانى‬
‫اإلطار النظرى لجودة التقارير‬
‫المالية‬
 ‫انفصم انثاًَ‬
‫اإلطار انُظري ندىدج انرمارير انًانيح‬
‫مقدمة‪:‬‬

‫تحتؿ قضية جودة التقارير المالية أىمية كبيرة فى الدراسات البحثية عمى مستوى دوؿ العالـ نتيجة‬
‫لألزمات المالية التى زادت مف قمؽ حممة األسيـ والمجتمع بصفة عامة وبالتالى أصبح ىناؾ حاجة ممحة‬
‫لتوفير معمومات محاسبية يمكف اإلعتماد عمييا فى اتخاذ الق اررات اإلقتصادية المختمفة‪ .‬ومع تعدد الدراسات‬
‫السابقة فى ىذا الموضوع‪ ،‬فإنو لـ يتـ اإلتفاؽ عمى مفيوـ محدد لجودة التقارير المالية فمازاؿ المفيوـ‬
‫غامضاً ونسبيا يختمؼ مف جية ألخرى بإختالؼ األىداؼ المطموب الوصوؿ إلييا (الدالى‪ ،2014،‬ص‪.)28‬‬
‫وترتبط جودة التقارير المالية بأصحاب المصالح وخاصةً حممة األسيـ المعنييف بيذه المعمومات ويجب‬
‫عمى حممة األسيـ أف يكونوا قادريف عمى استخداـ معمومات التقارير المالية إلتخاذ القرار‪ ،‬وكمما زادت فائدة‬
‫المعمومات المالية إلتخاذ القرار‪ ،‬كمما زادت جودة المعمومات المالية )‪.(Badloe, 2011, p.12‬‬

‫وفى مناقشة مشتركة بيف مجمس معايير المحاسبة الدولية ومجمس معايير المحاسبة المالية بشأف‬
‫اإلنييارات المالية وأزمة أسواؽ الماؿ تبيف أف التقارير المالية بشكميا الحالى تعانى مف قصور كبير وأف‬
‫الحد مف ىذا القصور يتطمب إدخاؿ العديد مف التحسينات عمى التقارير المالية (األرضى‪،2009،‬‬
‫ص‪.)240‬‬

‫ولتحقيق اليدف من ىذا الفصل تم تقسيمو إلى المحاور التالية‪:‬‬

‫‪ 0/6‬مفيوم جودة التقارير المالية‪.‬‬

‫‪ 6/6‬الخصائص النوعية لممعمومات المحاسبية‪.‬‬

‫‪ 3/6‬مداخل تعريف جودة التقارير المالية‪.‬‬

‫‪ 4/6‬العوامل المؤثرة عمى جودة التقارير المالية‪.‬‬

‫‪37‬‬
 ‫‪ 5/6‬مقاييس جودة التقارير المالية‪.‬‬

‫‪ 6/6‬جيود المنظمات المينية فى سبيل تحسين جودة التقارير المالية‪.‬‬

‫‪ 7/6‬اإلتجاىات المعاصرة لتطوير التقارير المالية‪.‬‬

‫‪ 8/6‬اإلفصاح عن التنبؤات المالية والمعمومات المستقبمية‪.‬‬

‫‪ 0/6‬مفيوم جودة التقارير المالية‪:‬‬

‫تعتبر التقارير المالية قناة اإلتصاؿ بيف اإلدارة ومستخدمى التقارير المالية‪ ،‬ومف خالؿ التقارير‬
‫المالية يستطيع مستخدموىا التعرؼ عمى العناصر الرئيسية المؤثرة عمى المركز المالى ونتائج أعماؿ‬
‫ا لمنشاة‪ ،‬وتعتبر التقارير المالية نتاج تطبيؽ مجموعة مف المعايير المحاسبية وآليات اإلشراؼ والرقابة عمى‬
‫معدييا (رزؽ‪ ،2011،‬ص‪ ،)65‬وتمثؿ جودة التقارير المالية محور اىتماـ كؿ مف الييئات المينية‬
‫مستمر منذ عقود ألىمية ىذا‬
‫اً‬ ‫والتنظيمية باإلضافة إلى مستخدمى التقارير المالية ومازاؿ البحث المحاسبى‬
‫الموضوع (عوض‪ ،2010،‬ص‪.)92‬‬

‫ويرى الديسطى (‪ ،2005‬ص‪ )57‬أف جودة التقرير المالية تتمثؿ فى" كافة إجراءات إعداد التقارير‬
‫المالية وعمميات التحقؽ التى يتـ القياـ بيا بالمراحؿ المتتابعة مف منظومة التقرير المالى بيدؼ تقديـ تأكيد‬
‫مناسب لممساىميف وغيرىـ مف مستخدمى المعمومات المحاسبية بشأف إعداد واصدار ومراجعة التقارير‬

‫المالية بما يتفؽ مع المعايير المينية المطموبة"‪ُ .‬‬

‫ويعرؼ ‪ (2014, p.52) Ferrero‬جودة التقارير المالية‬
‫عمى أنيا‪ " :‬التمثيؿ الصادؽ لممعمومات الواردة بالتقارير المالية "‪.‬‬

‫ويعرؼ اتحاد المحمميف المالييف ‪ Financial Analysts Federation‬أف جودة التقارير المالية ىى‬
‫"وضوح وشفافية التقارير المالية وتوافر المعمومات فى التوقيت المناسب"‪ ،‬وترى المجنة الخاصة بالتقارير‬
‫المالية التابعة لمعيد المحاسبيف القانونييف األمريكى ‪ AICPA‬أف الجودة ىى "مدى القدرة عمى استخداـ‬
‫المعمومات فى مجاؿ التنبؤ‪ ،‬ومدى مالءمة المعمومات لميدؼ مف الحصوؿ عمييا"‪.‬‬

‫‪38‬‬
‫كما ُيعرؼ ‪ (2006, p.2) Verdi‬جودة التقارير المالية بأنيا‪ ":‬الدقة التى تنقؿ بيا التقارير المالية‬
‫معمومات عف العمميات فى الشركة وال سيما التدفقات النقدية المتوقعة‪ ،‬وذلؾ إلطالع المستثمريف فى‬
‫األسيـ عمى ىذه المعمومات‪ ،‬وكما ىو موضح فى بياف مفاىيـ المحاسبة المالية الصادر عف مجمس‬
‫معايير المحاسبة المالية رقـ (‪ ،)1‬التقارير المالية يجب أف"‪ ...‬توفر معمومات مفيدة لممستثمريف الحالييف‬
‫والمرتقبيف تساعد فى اتخاذ الق اررات اإلستثمارية الصحيحة ‪("...‬فقرة ‪ )34‬و"‪...‬توفر معمومات لمساعدة‬
‫المستثمريف الحالييف والمرتقبيف فى تقدير مبالغ‪ ،‬وتوقيت‪ ،‬وعدـ التأكد مف المقبوضات النقدية المستقبمية‬
‫‪("...‬فقرة ‪".)37‬‬

‫وترى الباحثة أف جودة التقارير المالية تمثؿ المنفعة التى يحصؿ عمييا مستخدمو التقارير المالية‬
‫نتيجة توفير التقارير المالية لممعمومات الحالية والمرتقبة إذا أمكف والتى تتناسب مع احتياجات مستخدمييا‬
‫الحالييف والمرتقبيف‪ ،‬وبخاصة معمومات التدفقات النقدية المتوقعة وذلؾ إلتخاذ ق اررات اقتصادية رشيدة‪ ،‬وقد‬
‫تبنت الباحثة ىذا التعريؼ متفقة بذلؾ مع التعريؼ السابؽ مع التركيز عمى مدخؿ المنفعة ألف ىذا ىو‬
‫اليدؼ مف التقارير المالية‪ ،‬كما أنو يتماشى مع موضوع البحث‪.‬‬

‫وبرغـ اإلىتماـ الممحوظ مف جانب الباحثيف بقضية جودة التقارير المالية إال أف ىناؾ فجوة بحثية‬
‫كبيرة بيف ماىو متاح وماىو مطموب ويتضح ذلؾ مف خالؿ العديد مف الدراسات‪ ،‬وأىـ مايؤكد ذلؾ أنو‬
‫عمى الرغـ مف اىتماـ كؿ مف مجمس معايير المحاسبة المالية )‪ (FASB‬ومجمس معايير المحاسبة‬
‫الدولية )‪ (IASB‬بجودة التقارير المالية إال أف نتائج الدراسات السابقة تؤكد بشكؿ واضح أف كيفية قياس‬
‫تمؾ الجودة‪ ،‬وكيفية تفعيميا مازاؿ يمثؿ أىـ المشاكؿ التى تحتاج إلى مزيد مف البحث ‪(Beest et al.,‬‬
‫)‪.2009, p.3‬‬

‫والجدير بالذكر أف اختالؼ وعدـ تماثؿ اىتمامات الفئات المختمفة مف مستخدمى التقارير المالية ىو‬
‫السبب الرئيسى لصعوبة القياس المباشر لجودة التقارير المالية والتى تمثؿ مشكمة كبيرة وبالتالى ظيرت‬
‫أىمية القياس غير المباشر لجودة التقارير المالية مثؿ إعادة إعداد القوائـ المالية ‪Financial Restatement‬‬
‫(ريشو‪ ،2013،‬ص‪.)152‬‬

‫‪39‬‬
‫ورغـ تعدد الدراسات السابقة التى تناولت جودة التقارير المالية إال أنيا لـ تتوصؿ إلتفاؽ حوؿ تحديد مفيوـ جودة‬
‫التقارير المالية واكتفت بتناوؿ العوامؿ المؤثرة عمى جودة التقارير المالية )‪ ،(Gajevszky,2015,p.71‬وحتى عندما‬
‫تناولت بعض الدراسات أحد ىذه العوامؿ فى تأثيره عمى جودة التقارير المالية تبيف أنو لـ يوجد اتفاؽ فى‬
‫نتائج ىذه الدراسات وكذلؾ بالنسبة لوسائؿ قياس جودة التقارير المالية‪ ،‬والتفسير الوحيد لنتائج عدـ اإلتساؽ‬
‫ىذه ىو أف المقاييس غير المباشرة تركز عمى سمات معينة لمعمومات التقارير المالية والتى مف المتوقع أف‬
‫تؤثر عمى جودة التقارير المالية‪ ،‬مثؿ إدارة األرباح‪ ،‬إعادة إعداد التقارير المالية‪ ،‬والتوقيت المناسب‬
‫‪ timeliness‬ولكف ال توجد واحدة مف أساليب القياس ىذه تمكف مف تقييـ شامؿ لجودة التقارير المالية‬
‫متضمنة الخصائص النوعية كما ىو معرؼ فى "اإلطار المفاىيمى المشترؾ لمجمس معايير المحاسبة‬
‫الدولية ‪ IASB‬ومجمس معايير المحاسبة المالية ‪ ،“FASB‬وذلؾ ألف جودة التقارير المالية ىى مفيوـ أوسع‬
‫ال يشير فقط إلى المعمومات المالية‪ ،‬ولكف يشير أيضاً إلى اإلفصاحات‪ ،‬والمعمومات غير المالية المتضمنة‬
‫بالتقارير والتى تعد مفيدة إلتخاذ القرار )‪.(Beest et al.,2009, p.4‬‬

‫ويعتبر تحديد أىداؼ التقارير المالية حجر األساس ونقطة البداية فى تطبيؽ منيج منفعة المعمومات‬
‫إلتخاذ الق اررات اإلقتصادية الرشيدة أى أف المعمومات الجيدة ىى األكثر فائدة فى مجاؿ ترشيد الق اررات‬
‫وىناؾ مجموعة مف األطراؼ التى تؤثر وتتأثر بتحديد أىداؼ التقارير المالية وتتمثؿ فى إدارة الشركة وذلؾ‬
‫ألنيا المسئولة عف إعداد التقارير المالية وايصاليا لمستخدمييا‪ ،‬مستخدمى التقارير المالية‪ ،‬مينة المحاسبة‬
‫والمراجعة بإعتبارىا المختصة بتحديد وتطوير معايير المحاسبة والمراجعة (جعارة وآخروف‪ ،2013،‬ص‪.)363‬‬

‫ويحدد البيان ‪ SFAC1‬ثالثة أىداف لمتقارير المالية (حماد‪ ،2007،‬ص‪:)97-96‬‬

‫"انهذف األول‪ :‬ىو تقديـ المعمومات المفيدة فى اتخاذ الق اررات اإلقتصادية وىذا البياف موجو لمغرض‬
‫العاـ لمتقارير المالية الخارجية لممنشأة فى توصيؿ المعمومات الالزمة لتفيـ قدرة المنشأة عمى توليد تدفقات‬
‫نقدية مناسبة مع التركيز عمى احتياجات المستخدميف الخارجييف بإعتبار أنو ال تتوافر لدييـ سمطة‬
‫الحصوؿ عمى المعمومات المالية التى يحتاجونيا مف المنشأة وبالتالى ال يوجد أماميـ سوى اإلعتماد عمى‬
‫المعمومات التى تقدميا اإلدارة ‪.‬‬

‫‪41‬‬
‫انهذف انثاًَ‪ :‬توفير معمومات سيمة الفيـ تساعد المستثمريف والدائنيف عمى التنبؤ بالتدفقات النقدية‬
‫لممنشأة حيث يبحث المستثمروف والدائنوف عمى المعمومات المتعمقة بالتدفقات النقدية ألف التوقعات عف‬
‫التدفقات النقدية تؤثر فى قدرة المنشأة عمى سداد الفوائد والتوزيعات وتؤثر بدورىا عمى األسعار السوقية‬
‫ألسيـ المنشأة وسنداتيا‪.‬‬

‫انهذف انثانث‪ :‬ىو توفير المعمومات المتعمقة بالموارد اإلقتصادية لممنشأة والمطالبات عمى ىذه‬
‫الموارد (اإللتزامات) "‪.‬‬

‫ولقد شارؾ كؿ مف مجمس ‪ FASB‬و ‪ IASB‬لتقديـ إطار فكرى مشترؾ لتدعيـ التقارب بينيما‪ ،‬ومف‬
‫أجؿ الوصوؿ إلى معايير عالية الجودة تـ توقيع مذكرة رسمية عرفت بإسـ ‪ Norwalk Agreement‬فى‬
‫‪ 2002‬وصدر مشروع اإلطار المشترؾ فى ‪ 2006‬تنفيذا إلتفاقات ‪ Norwalk‬وتـ إصدار مسودة عرض‬
‫تتناوؿ األىداؼ والخصائص النوعية لممعمومات المحاسبية فى ‪ ،2008‬وقد تـ إصدار اإلطار المشترؾ‬
‫بشكؿ نيائى فى سبتمبر ‪ ،2010‬واليدؼ العاـ مف التقارير المالية وفقا لإلطار المشترؾ يتمثؿ فى تقديـ‬
‫معمومات مالية مفيدة لممستثمريف الحالييف والمرتقبيف والمقرضيف والدائنيف فى اتخاذ ق اررات تخصيص‬
‫الموارد وتعتبر ىذه المعمومات مفيدة أيضا لمستخدمى التقارير المالية اآلخريف الذيف ال يقوموف بتخصيص‬
‫الموارد ثـ بعد ذلؾ تناوؿ اإلطار المشترؾ المعمومات التى يجب توفيرىا فى التقارير المالية عمى المستوى‬
‫الخاص وتتمثؿ فى توفير المعمومات عف القيود والموارد‪ ،‬والمعمومات عف التغير بالموارد وتوفير المعمومات‬
‫عف األداء اعتمادا عمى أساس اإلستحقاؽ وتوفير معمومات عف التدفقات النقدية (األرضى‪،2008 ،‬‬
‫ص‪.)44-43‬‬

‫ويقصد بمستخدمى المعمومات المحاسبية كؿ الجيات التى يتوقع أف تستخدـ تمؾ المعمومات فى‬
‫عمميات الدراسة والتحميؿ واتخاذ الق اررات‪ ،‬وينقسـ مستخدمو المعمومات المحاسبية إلى مستخدميف داخمييف‬
‫وىـ مديرى األقساـ والعامميف وغيرىـ‪ ،‬ومستخدميف خارجييف وىـ المستثمريف والمحمميف المالييف والدائنيف‬
‫ومؤسسات اإلقراض والييئات الحكومية باإلضافة إلى المجتمع ككؿ (سعده‪ ،2004 ،‬ص‪.)4‬‬

‫‪41‬‬
‫وبالحديث عف جودة المعمومات المحاسبية يشير عطيو (‪ ،2014‬ص‪ )159‬إلى أف جودة المعمومات‬
‫المحاسبية تتمثؿ فى "الخصائص التى تتسـ بيا المعمومات المحاسبية المفيدة أو القواعد األساسية الواجب‬
‫استخداميا لتقييـ نوعية المعمومات المحاسبية بالشكؿ الذى يؤدى إلى مساعدة القائميف عمى إعداد واصدار‬
‫المعايير المحاسبية‪ ،‬كما تساعد القائميف عمى إعداد القوائـ المالية داخؿ الشركات عمى تقييـ المعمومات‬
‫المحاسبية الناتجة عف تطبيؽ طرؽ محاسبية بديمة‪ ،‬ويتـ تقييـ الفائدة مف المعمومات المحاسبية عمى أساس‬
‫أىداؼ القوائـ المالية وقدرتيا عمى مساعدة األطراؼ ذوى العالقة"‪.‬‬

‫‪ 6/6‬الخصائص النوعية لممعمومات المحاسبية‪:‬‬

‫يجب أف تتمتع المعمومات المحاسبية بعدة خصائص نوعية‪ -‬بغض النظر عف مصدر المعمومات‬
‫الذى قد يكوف نابعاً مف النظاـ اليدوى‪ ،‬أو مف النظاـ اآللى‪ -‬ويجب أف تكوف مفيدة لصاحب القرار‪ ،‬وتتحقؽ‬
‫تمؾ المنفعة والفائدة إذا ما توفرت خصائص أو سمات معينة فى تمؾ المعمومات )‪.)FASB,1980‬‬

‫ويعرؼ (عقؿ‪ ،2005،‬ص‪ )233‬خصائص جودة المعمومات المحاسبية بأنيا " الصفات التى يجب‬
‫أف تتمتع بيا المعمومات المحاسبية حتى تكوف مفيدة فى اتخاذ الق اررات اإلقتصادية الرشيدة"‪ .‬وتتحدد جودة‬
‫المعمومات المحاسبية فى اطار تأسيس وتعزيز الخصائص النوعية األساسية لمنفعة القرار كما ورد فى‬
‫قائمة المفاىيـ رقـ ‪ (IASB, 2008) 8‬والتى أعمف فييا أف الخصائص النوعية األساسية (المالءمة‬
‫والتمثيؿ الصادؽ) ىى األكثر أىمية فى تحديد مضاميف معمومات التقرير المالى‪ ،‬وأف تعزيز الخصائص‬
‫النوعية (القابمية لمفيـ والقابمية لممقارنة وقابمية التحقؽ والتوقيت المناسب) يمكف أف تحسف منفعة القرار‬
‫عندما تؤسس الخصائص النوعية األساسية‪ ،‬وفيما يمى عرض الخصائص النوعية األساسية والمعززة‬
‫(الثانوية) وفقا لإلطار المفاىيمى المشترؾ‪:‬‬

‫‪ 0/6/6‬الخصائص النوعية األساسية وفقا لإلطار المفاىيمى المشترك بين ‪ FASB‬و‪IASB‬‬

‫)‪:(IASB,2008‬‬

‫ال تختمؼ الخصائص النوعية لممعمومات المحاسبية لإلطار المفاىيمى المشترؾ كثي اًر عما‬
‫يتضمنو اإلطار الصادر عف ‪ FASB‬و ‪ IASB‬قبؿ ذلؾ نتيجة وجود نقاط اتفاؽ كثيرة بيف اإلطاريف‬

‫‪42‬‬
‫قبؿ اإلتفاؽ عمى اإلطار المشترؾ إال أف اإلطار المفاىيمى المشترؾ أقرب ما يكوف إلى اإلطار‬
‫الصادر عف ‪ 1980 FASB‬إال أنو اختصر الخصائص النوعية بما فييا القيود المفروضة عمى ىذه‬
‫الخصائص فيما يمى (عطيو‪ ،2014،‬ص‪:)19‬‬

‫أوال‪ :‬انخصائص انرئيسيح‪:‬‬

‫وقد جاءت ىذه الخصائص مف خالؿ خاصيتيف رئيسيتيف وىما‪:‬‬

‫‪ -1‬المالءمة )‪ :(Relevance‬حتى تكوف المعمومات المحاسبية مفيدة‪ ،‬فإنيا يجب أف تكوف مالئمة‬
‫إلحتياجات متخذى الق اررات‪ ،‬وتمتمؾ المعمومات حسب مجمس معايير المحاسبة الدولية خاصية‬
‫المالءمة‪ ،‬عندما تكوف قادرة عمى إحداث فرؽ فى القرار‪ ،‬وتؤثر عمى الق اررات اإلقتصادية‬
‫لممستخدميف بمساعدتيـ فى تقييـ األحداث الماضية والحاضرة والمستقبمية أو تصحيح تقييماتيـ‬
‫الماضية ألف ليا قيمة تنبؤية وقيمة استرجاعية أو توكيدية‪.‬‬

‫‪ -2‬انرًثيم انصادق )‪ :(Faithful Representation‬ويعنى التمثيؿ الصادؽ أف تعكس المعمومات‬

‫جوىر المعامالت وليس مجرد شكميا القانونى‪ ،‬وحتى يكوف التمثيؿ صادقاً يجب أف يتسـ بثالث‬
‫خصائص‪ ،‬أف يكوف كامالً وحيادياً وخالياً مف الخطأ ‪.‬‬

‫ثانيا‪ :‬تعزيز الخصائص النوعية‪:‬‬

‫وقد جاءت ىذه الخصائص الثانوية لتعزيز الخصائص األساسية فيما يمى‪:‬‬

‫‪ -1‬القابمية لممقارنة )‪ :(Comparability‬يجب أف تتسـ عممية قياس وعرض األثر المالى‬

‫لمعمميات المالية بالثبات عمى مرور الزمف ضمف المنشأة وبطريقة متماثمة فى كؿ المنشأت‪،‬‬
‫واإللتزاـ بالمعايير الدولية لمتقارير المالية بما فى ذلؾ اإلفصاح عف السياسات المحاسبية مما‬
‫يساعد فى تحقيؽ القابمية لممقارنة وبالتالى يتمكف مستخدمو التقارير المالية مف إجراء مقارنة‬
‫لمقوائـ المالية لممنشأة عمى مرور الزمف وكذلؾ مقارنة القوائـ المالية لممنشآت المختمفة ‪.‬‬

‫‪43‬‬
‫‪ -2‬القابمية لمتحقق )‪ :(Verifiability‬وتعنى أنو بإمكاف األطراؼ المستقمة التى لدييا الخبرة‬
‫والمعرفة اإلجماع عمى نتائج المعالجات المحاسبية المستخدمة مف قبؿ المنشأة‪ ،‬وترتبط ىذه‬
‫الخاصية بالتمثيؿ الصادؽ‪.‬‬

‫‪ -3‬التوقيت المناسب )‪ :(Timeliness‬توفير المعمومات لمتخذى القرار فى الوقت المناسب قبؿ‬

‫أف تفقد قدرتيا عمى التأثير فى القرار وترتبط ىذه الخاصية بالمالءمة‪.‬‬

‫‪ -4‬القابمية لمفيم )‪ :(Understandability‬أى تصنيؼ وتمييز وعرض المعمومات بشكؿ واضح‬

‫وموجز يجعميا مفيومة لمستخدمييا‪.‬‬

‫ويتضح مف خالؿ الرجوع إلى ٍ‬

‫كؿ مف مجمس معايير المحاسبة المالية األمريكى ومجمس معايير‬
‫المحاسبة الدولية اإلستقرار عمى مجموعة مف الخصائص النوعية مف خالؿ المشروع المشترؾ والموحد‬
‫لإلطار المفاىيمى لممحاسبة‪ ،‬حيث يتضمف المشروع الجديد توحيداً ألىداؼ المحاسبة والتقارير المالية‬
‫والخصائص النوعية لممعمومات وعناصر القوائـ المالية مف أجؿ تضييؽ فجوة اإلختالفات بيف األسس‬
‫والمفاىيـ المحاسبية مما يحقؽ اإلتساؽ الدولى لإلطار المفاىيمى لممحاسبة‪ ،‬ولـ يغير اإلختالؼ فى‬
‫التصنيؼ كثي اًر مف مدلوؿ الخصائص النوعية لممعمومات كما لـ يؤثر عمى ضرورتيا كقيمة يجب‬
‫استيفائيا لضماف منفعة المعمومات (عطيو‪ ،2014 ،‬ص‪.)18‬‬

‫ثالثا‪ :‬القيود عمى المعمومات المحاسبية وفقا لإلطار المشترك‪:‬‬

‫‪ .0‬األىمية النسبية )‪ :(Materiality‬وتكوف المعمومات ذات أىمية نسبية فى حالة ما إذا أدى‬
‫حذفيا أو تحريفيا إلى التأثير عمى الق اررات التى يتـ اتخاذىا بواسطة مستخدمى التقارير‬
‫المالية‪.‬‬

‫‪ .2‬التكمفة )‪ :)Cost‬وتعنى أف تبرر المنافع التكاليؼ‪.‬‬

‫‪44‬‬
‫وىناؾ بعض المشكالت التى قد تنشأ عند المفاضمة بيف الخصائص النوعية لممعمومات المحاسبية‬
‫والتى تتضح فيما يمى‪:‬‬

‫‪ 6/6/6‬مشاكل ومحددات إستخدام الخصائص النوعية لممعمومات انًحاسثيح (صانح‪،9004 ،‬‬

‫ص‪83‬؛ حماد‪ ،9002،‬ص ‪ ،45‬زشق‪ ،9022 ،‬ص‪:)32‬‬

‫أ‪ -‬احتماالت التعارض بين الخصائص الفرعية كالتعارض بيف التوقيت المالئـ ودرجة الثقة والدقة‬
‫فػى المعمومػات المحاسػبية‪ ،‬فقػد تصػؿ المعمومػة فػي الوقػت المناسػب ولكنيػا ال تممػؾ قػدرة تنبؤيػة‬
‫عالية‪ ،‬كما في حالػة أرقػاـ التكمفػة التاريخيػة‪ .‬كػذلؾ‪ ،‬فػإف السػرعة فػى اعػداد المعمومػات غالبػا مػا‬
‫يكوف عمى حساب درجة الدقة واإلكتماؿ وعدـ التأكد‪.‬‬

‫ب‪ -‬قد تكون تكمفة الحصول عمى المعمومات أكبر من العائد المتوقع منيا (اختبار التكمفة‪/‬‬
‫العائد)‪ ،‬فالمعمومات التي ال ترتبط ارتباطا وثيقا بأىداؼ مستخدمي التقارير المالية ال تعتبر‬
‫معمومات ميمة وليس ىناؾ ما يدعو لإلفصاح عنيا‪ .‬والقاعدة العامة فيما يخص إختبار محدد‬
‫التكمفة ىى أف المعمومات المحاسبية يجب عدـ انتاجيا وتوزيعيا إال إذا زادت منفعتيا عف‬
‫تكمفتيا واال فإف المنشأة تتكبد خسارة عند االفصاح عف تمؾ المعمومة‪ ،‬وذلؾ بسبب اإلفصاح‬
‫عف معمومات تكمفتيا تفوؽ منفعتيا‪.‬‬

‫ج‪ -‬قد تكون المعمومات المحاسبية مالئمة إال أن مستخدميا يواجو صعوبة فيميا‪ ،‬وتحمييا‬
‫واستخداميا فى نموذج القرار المطموب‪ ،‬فعمى الرغـ مف أف المعمومات ينبغي أف تكوف‬
‫مفيومة‪ ،‬بمعنى أف تتميز المعمومات المنشورة بالسيولة والوضوح إال أف ىناؾ عدد كبير مف‬
‫المستخدميف يمتمكوف مستويات استيعاب وتعميـ مختمفة وكذلؾ أىداؼ واحتياجات مختمفة‬
‫ومتعددة مما يجعؿ ىذه الميمة صعبة لمغاية بالنسبة لممحاسب‪ ،‬لذلؾ يقع عمى عاتؽ المحاسب‬
‫بإعتباره الجية التى تعد التقارير المالية ميمة التوفيؽ بيف الرغبات والصفات المتعددة والمتباينة‬
‫لمستخدمي المعمومات المحاسبية التى تحتوييا ىذه التقارير‪.‬‬

‫‪45‬‬
‫د‪ -‬بالرغم من أىمية المقارنة في عممية اتخاذ القرار فإف ما ييتـ بو مستخدمو المعمومات‬
‫المحاسبية مقارنة المعمومات الخاصة بمنشأة معينة مع منشآت مشابية أو منافسة أو مع‬
‫القطاع االذي تنتمي إليو ىذه المنشاة‪ ،‬إال أف عممية المقارنة قد تكوف غير مجدية عندما ال‬
‫تمتزـ المنشاة (أو المنشآت) بسياسة التماثؿ أو االتساؽ‪ ،‬ويجب عدـ تغيير الطرؽ المحاسبية‬
‫بمجرد الرغبة فى التغيير وعند تغيير تمؾ الطرؽ فإنو مف الضروري اإلفصاح عف ىذا‬
‫التغيير واآلثار المترتبة نتيجة ىذا التغيير عمى الوضع المالي ونتيجة النشاط لمشركات ذات‬
‫العالقة‪.‬‬

‫ه‪ -‬إن استخدام خصائص جودة المعمومات المحاسبية فى قياس جودة التقارير المالية يعتمد‬
‫عمى الحكـ الشخصى‪ ،‬حيث أنيا خصائص مجردة ويصعب قياسيا بشكؿ مباشر‪.‬‬

‫و‪ -‬البد من البحث عن خصائص معمومات جديدة تناسب اإلقتصاد الجديد مثؿ خاصية‬
‫التحديث التمقائى لممعمومات المالية التى يتـ نشرىا مف خالؿ اإلنترنت‪.‬‬

‫ز‪ -‬فى ظل العصر الرقمى البد من البحث عن خصائص ومعايير كمية لمحكم عمى جودة‬
‫المعمومات المحاسبية حتى تتالءـ مع العصر الرقمى‪.‬‬

‫ويرى السعيد وآخروف (‪ ،2013‬ص‪ )31‬أف خاصية المالئمة ىى المعيار الرئيسى الذى يجب‬
‫أف يتمحور حولو معيار اإلفصاح المناسب مما يجعؿ مف الضرورى إجراء نوع مف الموازنة بيف‬
‫خاصية المالءمة مف جية والخصائص األخرى لممعمومات والتى تمثؿ قيداً عمى مالءمتيا‬
‫كالموضوعية والقابمية لمتحقؽ واألىمية النسبية مف جية أخرى‪.‬‬

‫وفى إطار ذلؾ أكدت قائمة المفاىيـ رقـ (‪ )7‬الصادرة عف ‪ FASB‬عاـ ‪ 2011‬بعنواف‬
‫"استخداـ معمومات التدفؽ النقدى والقيمة الحالية فى القياس المحاسبى" عمى ضرورة الموازنة بيف‬
‫المالءمة والتمثيؿ الصادؽ‪ ،‬وبينت أف استخداـ أساليب التدفقات النقدية المتوقعة يؤدى إلى زيادة‬

‫مالءمة المعمومات المحاسبية )‪ .(FASB, SFAC, No7, 2001, p.18‬ومف الجدير بالذكر أيضاً‬

‫‪46‬‬
‫أف مف أىداؼ التقارير المالية وفقاً لمعيد المحاسبيف القانونييف األمريكى ‪ AICPA‬توفير المعمومات‬
‫الضرورية لممستثمريف والدائنيف لمتنبؤ واجراء المقارنات وحساب التدفقات النقدية المتوقعة ‪.‬‬

‫وألف استخداـ أسموب التنقيب فى البيانات ييدؼ إلى التوصؿ لمخرجات صحيحة وبدرجة دقة‬
‫عالية وفى وقت مناسب ويستطيع التنبؤ بسموؾ معيف فضالً عف قدرتو عمى اجراء المقارنات وغيرىا‬
‫فإنو قد يستطيع إقامة التوازف أو المواءمة بيف الخصائص النوعية لممعمومات المحاسبية وبتكمفة‬
‫معقولة‪.‬‬

‫لذلؾ ترى الباحثة أف استخدام أسموب التنقيب فى البيانات )‪ (Data Mining‬فى نظام‬
‫المعمومات المحاسبى يمكن من تحسين بعض الخصائص النوعية لجودة المعمومات المحاسبية‬
‫ومن ىذه الخصائص ما يمى‪:‬‬

‫‪ .1‬انماتهيح نهفهى )‪ :(Understandability‬بالنسبة لمشكمة المغة التى تعد بيا التقارير المالية‬
‫أوصى بعض الباحثيف بإستخداـ طريقة األشكاؿ البيانية واإلستفادة مف حاسة البصر والرسوـ‬
‫المعبرة فى توصيؿ المعمومات لجميع المستفيديف تالفياً لممشاكؿ الناتجة عف توصيؿ المعمومات‬
‫بمغة المحاسبة ورجاؿ األعماؿ والتى ال يفيميا إال عدد قميؿ ومتخصص مف متخذى الق اررات‬
‫اإلقتصادية )مندور‪ ،1998،‬ص‪.)123‬‬

‫ويمكف ىنا بإستخداـ تقنية مرئية الحاسب ‪ Computer Visualization‬وىى التقنية التى‬
‫تقوـ بعرض النتائج بطريقة سيمة لتوصيؿ المعمومة لممستخدـ النيائى فى شكؿ صور أو رسوـ‬
‫بيانية أو غيره حيث تقوـ بإختصار آالؼ األرقاـ فى صورة واحدة & ‪(Chintalapati‬‬
‫)‪ Jyotsna, 2013, p.720‬وبالتالى تكوف قد ساىمت فى تحسيف إحدى خصائص جودة‬
‫المعمومات المحاسبية المرتبطة بالمستخدـ نفسو وليس المعمومة المحاسبية فى حد ذاتيا‪.‬‬

‫‪ .2‬انًالءيح )‪ :(Relevance‬يركز أسموب التنقيب فى البيانات عمى بناء التنبؤات المستقبمية‬

‫واستكشاؼ السموؾ مما يسمح بتقدير الق اررات الصحيحة واتخاذىا فى الوقت المناسب مثال‬
‫الدخؿ السابؽ الذى يستخدـ لفيـ سموؾ الدخؿ الحالى والتنبؤ بسموؾ الدخؿ المستقبمى والتنبؤ‬

‫‪47‬‬
‫بالتدفقات النقدية وسعر السيـ وغيرىا مف التطبيقات المالية )‪(Zhang & Zhou, 2004, p.513‬‬
‫وبالتالى فيو يحسف مف خاصية المالءمة وكذلؾ القيمة التنبؤية والتغذية المرتدة لممعمومة ‪.Feedback‬‬

‫‪ .3‬انماتهيح نهًمارَح )‪ :(Comparability‬يمكف تحسيف ىذه الخاصية مف خالؿ أسموب‬

‫التنقيب فى البيانات حيث يعتمد بناء النموذج الخاص بتحميؿ البيانات عمى متغيرات معينة‬
‫ُيبنى عمى أساسيا ويستطيع عبر السنوات المختمفة أف يقوـ بمقارنة بيانات الشركة الواحدة‬
‫عبر السنوات المختمفة أومقارنة بياناتيا مع بيانات شركة أخرى حتى واف اختمفت المعايير‬
‫المحاسبية وبذلؾ فإنو يحقؽ اإلتساؽ )‪.(Nagano & Moraes, 2013, p.283‬‬

‫كما ترى الباحثة أنو يمكن ألسموب التنقيب فى البيانات أن يساىم فى حل المشكالت واإلنتقادات‬
‫الموجية لمخصائص النوعية لممعمومات المحاسبية عن طريق إيجاد خصائص جديدة تالئم بيئة‬
‫األعمال الحديثة فى ظل الحوسبة والتشغيل اإللكترونى وايجاد خصائص كمية يمكن قياسيا بشكل‬
‫مباشر بدال من الخصائص النوعية المجردة التى ال يمكن قياسيا بشكل مباشر ألن استخداميا فى‬
‫قياس جودة التقارير المالية يعتمد عمى الحكم الشخصى‪ ،‬ىذا باإلضافة إلى إمكانية تخفيف حدة‬
‫التعارض بين خصائص جودة المعمومات المحاسبية وايجاد نوع من التوازن بينيا‪.‬‬

‫‪ 3/6‬مداخل تعريف جودة التقارير المالية‪:‬‬

‫‪ 0/3/6‬مدخل المنفعة (احتياجات المستخدمين)‪:‬‬

‫ويركز ىذا المدخؿ عمى ربط جودة التقارير المالية بالمنفعة التى يحصؿ عمييا مستخدمو التقارير‬
‫المالية مف المعمومات الواردة بيا وترتبط المنفعة بإشباع حاجات معينة فى ظؿ ظروؼ معينة تتأثر‬
‫بالمكاف والزماف وغيرىا مف المتغيرات التى تحيط ببيئة األعماؿ وفى إطار ذلؾ نص مجمس معايير‬
‫المحاسبة المالية ‪ FASB‬عمى "أف القوائـ المالية ليست غاية فى حد ذاتيا ولكنيا وسيمة لتوفير‬
‫المعمومات المفيدة فى إتخاذ الق اررات اإلقتصادية" )‪ ،)Halon et al.,2012,p.46‬وأكد اإلطار‬
‫الفكرى الذى وضعو مجمس معايير المحاسبة المالية عمى أنو يجب تعريؼ الجودة مف حيث أىداؼ‬
‫التقارير المالية بمعنى توفير المعمومات المفيدة لممستخدميف بما يساعد فى اتخاذ ق اررات اإلستثمار‬

‫‪48‬‬
‫واإلئتماف‪ ،‬مع األخذ فى اإلعتبار الخصائص النوعية مثؿ خاصية المالءمة واإلتساؽ والقابمية لممقارنة‬
‫)‪ ،(Gilaninia et al.,2013, p.73‬وفى إطار ذلؾ أيضاً وجد ‪ (2003,p.1) Cohen‬أف ىناؾ‬
‫عالقة إيجابية بيف طمب المستثمريف الحصوؿ عمى معمومات معينة عف الشركة وجودة التقارير‬
‫المالية‪ .‬ويرى ‪ (2013,p.9) Lehtinen‬أنو حتى تتوافر الجودة فى معمومات التقارير المالية فإنيا‬
‫يجب أف تفى بمتطمبات مستخدمييا بؿ وتفوؽ توقعاتيـ مف خالؿ المنفعة التى تقدميا ليـ وأف تضيؼ‬
‫قيمة تساعد عمى اتخاذ الق اررات‪.‬‬

‫"وتعتبر المعمومات المحاسبية نافعة إذا تضمنت معمومات عف المتغيرات التى تستخدـ فى نموذج‬
‫التقييـ أو ساعدت فى التنبؤ بيذه المتغيرات‪ ،‬لذلؾ يمكف عمى سبيؿ المثاؿ قياس منفعة األرباح‬
‫بالنسبة لنموذج تقييـ التوزيعات المخصومة أو نموذج الدخؿ المتبقى مف خالؿ مقدرة األرباح عمى‬
‫التنبؤ بالقيـ المستقبمية لمتوزيعات والتدفقات النقدية‪ ،‬واألرباح والقيـ الدفترية" (الحوشى‪،2015 ،‬‬
‫ص‪.)30‬‬

‫‪ 2/3/2‬يذخم حًايح انًسرثًريٍ وحًهح األسهى (يذخم انحىكًح)‪:‬‬

‫فى ىذا المدخؿ يتـ تعريؼ جودة التقارير المالية بشكؿ أساسى مف حيث اإلفصاح الكامؿ والعادؿ‬
‫لحممة األسيـ‪ .‬وفى ىذا السياؽ أيضاً تعنى جودة التقارير المالية إكتماؿ المعمومات واتساميا بالشفافية‬
‫)‪ (Klai & Omri, 2011, p.159‬باإلضافة إلى دور حوكمة الشركات التى تمكف حممة األسيـ مف‬
‫القياـ بالدور اإلشرافى والرقابى عمى أداء اإلدارة‪ .‬مف جية أخرى تربط الييئات الرقابية والتنظيمية‬
‫مفيوـ جودة التقارير المالية بمدى إلتزاـ المنشأة بالقواعد التنظيمية فيما يسمى بمدخؿ الحوكمة‬
‫(الدالى‪ ،2014،‬ص‪ .)28‬ورغـ أنو مف المتوقع أف التطبيؽ الصارـ لحوكمة الشركات سيؤدى إلى‬
‫تحسيف جودة التقارير المالية إال أف ىناؾ اختالؼ فى اآلراء حوؿ ما يشكؿ جودة التقارير المالية‪،‬‬
‫وعمى الرغـ مف أف لجنة ‪ (1999) Blue Ribbon Commission‬وقانوف ‪Sarbens- Oxley‬‬
‫)‪ (2002‬يتطمباف أف يقوـ مراجعو الحسابات بمناقشة جودة التقارير المالية وليس مجرد القبوؿ بيا‪ ،‬إال‬
‫أف مفيوـ الجودة ال يزاؿ غامضاً ولذلؾ ركزت الدراسات السابقة عمى العوامؿ المؤثرة عمى جودة‬
‫التقارير المالية بدالً مف مناقشة مفيوـ الجودة )‪.(Cohen,2004,p.4‬‬

‫‪49‬‬
‫بناءاً عمى العرض السابق تخمص الباحثة إلى أف مستخدمى التقارير المالية ييتموف فى المقاـ‬
‫األوؿ بمدى منفعة معمومات التقارير المالية فى اتخاذ الق اررات المختمفة‪ ،‬مما يستوجب اىتماـ الباحثيف‬
‫فى المجاؿ المحاسبى بدراسة سبؿ تعزيز منفعة المعمومات المحاسبية بما يخدـ متطمبات مستخدمى‬
‫التقارير المالية‪ .‬مف جانب آخر‪ ،‬تمعب الحوكمة دو اًر فعاالً فى تعزيز الشفافية بما يخدـ مصالح‬
‫متخذى الق اررات الذيف يعتمدوف عمى المعمومات التى تقدميا المنشآت فى تقييـ البدائؿ المتاحة وفيما‬
‫يمى تتناوؿ الباحثة العوامؿ المؤثرة عمى جودة التقارير المالية بمزيد مف التفصيؿ‪.‬‬

‫‪ 4/6‬العوامل المؤثرة عمى جودة التقارير المالية‪:‬‬

‫تتأثر جودة التقارير المالية بالعديد مف العوامؿ‪ ،‬وقد اقترح البحث المحاسبى العديد مف العوامؿ التى‬
‫مف المحتمؿ أف تؤثر عمى جودة التقارير المالية وأىـ تمؾ العوامؿ يتمثؿ فى حوكمة الشركات‪ ،‬وجودة‬
‫المعايير المحاسبية كما يمى‪:‬‬
‫‪ 0/4/6‬حوكمة الشركات‪ :‬نتيجة لإلنييارات اإلقتصادية واألزمات المالية التى شيدتيا العديد مف‬
‫دوؿ العالـ باإلضافة إلى ماحدث مف انييارات مالية لعدد مف الشركات الضخمة مثؿ إنروف وورلد‬
‫كوـ فى أمريكا عاـ ‪ 2002‬أصبحت حوكمة الشركات موضع اىتماـ المينييف واألكاديميف فى مجاؿ‬
‫المحاسبة إلعادة ثقة المتعامميف فى أسواؽ األوراؽ المالية‪ ،‬وعرفت منظمة التعاوف اإلقتصادى‬
‫والتنمية )‪ (OECD‬حوكمة الشركات عمى أنيا " نظاـ الرقابة المباشر لتعظيـ قيمة المنشآت مف‬
‫خالؿ تفعيؿ آليات الشفافية والكفاءة" )‪.(Lu & Chen, 2009, p.3537‬‬
‫وعرؼ مجمع المراجعيف الداخمييف األمريكى حوكمة الشركات بأنيا " إجراءات يستخدميا‬
‫أصحاب المصالح بتوفير إشراؼ عمى المخاطر وادارتيا بواسطة اإلدارة ومراقبة مخاطر الشركة‬
‫والتأكيد عمى كفاية آليات الرقابة لتجنب ىذه المخاطر‪ ،‬مما يؤدى إلى المساىمة المباشرة فى إنجاز‬
‫أىداؼ وخطط الشركة بإعتبار أف أداء أنشطة الحوكمة تكوف مسئولية أصحاب المصالح فى الشركة‬
‫لتحقٌق فعالية الوكالة" )‪.(IIA,2003,p.5‬‬

‫‪51‬‬
 ‫(أ) مبادئ حوكمة الشركات‪:‬‬

‫يتـ تطبيؽ الحوكمة وفقا لمبادىء منظمة التعاوف اإلقتصادى والتنمية الصادرة فى عاـ ‪1999‬‬
‫والتى عدلت فى عاـ ‪ 2004‬فيما يمى )‪:(OECD, 2004, p17-24‬‬
‫‪ -1‬يجب أف يعزز إطار حوكمة الشركات شفافية وكفاءة األسواؽ وأف يتفؽ ىذا اإلطار مع‬
‫القانوف والتعبير بشكؿ واضح عف تحديد وتوزيع المسئوليات بيف مختمؼ السمطات التنفيذية‬
‫والتظيمية واإلشرافية‪.‬‬
‫‪ -2‬يجب أف يضمف إطار حوكمة الشركات حماية وتسييؿ ممارسة حقوؽ المساىميف‪.‬‬
‫‪ -3‬يجب أف يضمف إطار حوكمة الشركات معاممة متساوية لجميع المساىميف‪.‬‬
‫‪ -4‬ينبغى اإلعتراؼ بحقوؽ أصحاب المصالح التى نص عمييا القانوف والعمؿ عمى حمايتيا‪.‬‬
‫‪ -5‬ينبغى أف يضمف إطار حوكمة الشركات اإلفصاح الدقيؽ فى الوقت المناسب عف كافة‬
‫الموضوعات المتعمقة بالشركة متضمنة المركز المالى ونتائج األعماؿ‪ ،‬أداء الشركة‪ ،‬الممكية‪،‬‬
‫عوامؿ الخطر وأىداؼ الشركة وغيرىا‪.‬‬
‫‪ -6‬ينبغى أف يضمف إطار حوكمة الشركات دليال استراتيجيا لمشركة‪ ،‬الرقابة الفعالة مف قبؿ‬
‫مجمس اإلدارة عمى أداء الشركة مف جية ومحاسبة مجمس اإلدارة عف مسئوليتو أماـ الشركة‬
‫مف جية أخرى‪.‬‬
‫وبالتالى جاءت مبادىء الحوكمة لتؤكد عمى أىمية اإلفصاح والشفافية وحماية حقوؽ‬
‫المساىميف وتفعيؿ دور الرقابة‪ ،‬ومف ثـ فإف تطبيؽ مبادىء الحوكمة يؤدى إلى فاعمية نظاـ‬
‫حوكمة الشركات وبالتالى تحسيف جودة التقارير المالية ‪.‬‬

‫(ب) اإلفصاح المحاسبى كأحد مبادئ حوكمة الشركات‪:‬‬

‫تعد وظيفة اإلفصاح المحاسبى أحد الوظائؼ الرئيسية لممحاسبة التى يتـ مف خالليا توفير‬
‫المعمومات اليامة التى يحتاجيا مختمؼ المستفيديف مف القوائـ والتقارير المالية‪ ،‬ويحتاج مستخدمو‬
‫التقارير السنوية والفترية إلى مدى واسع مف المعمومات المالية وغير المالية‪ ،‬سواء إلزاميا أو‬
‫اختياريا (حماد‪ .)2007 ،‬ويعتبر عدـ تماثؿ المعمومات بيف المديريف وحممة األسيـ مف األسباب‬

‫‪51‬‬
‫الرئيسية لممطالبة باإلفصاحات المالية )‪ (Lehtinen, 2013, p.80‬حيث يمعب اإلفصاح دو ار‬
‫ىاما فى تخفيض عدـ تماثؿ المعمومات بيف األطراؼ الداخمية والخارجية لممنشأة‪ ،‬وبالتالى زيادة‬
‫كفاءة سوؽ الماؿ مف خالؿ الوصوؿ لألسعار الحقيقية لألسيـ وكذلؾ تحقيؽ السيولة وزيادة حجـ‬
‫العمميات لسوؽ أرس الماؿ وتحقيؽ المنفعة لإلقتصاد القومى ككؿ (لطفى‪ ،2007،‬ص‪ ،)192‬كما‬
‫أف تحسيف اإلفصاح والشفافية يؤثر بشكؿ إيجابى فى نظاـ الحوكمة (‪)Fathi, 2013, p.129‬‬
‫ويرى ‪ (2014, p.79) Fung‬أف شفافية التقارير المالية تمكف المستخدميف مف تقييـ الحالة‬
‫المالية لممنشأة باإلضافة إلى مساعدة المستثمريف عمى إتخاذ ق اررات أفضؿ وأف زيادة الشفافية فى‬
‫التقارير المالية ىو المفتاح األساسى لنجاح حوكمة الشركات‪ .‬كما أف الشفافية تعزز مف عممية‬
‫المساءلة المحاسبية مما يضفى مزيداً مف المصداقية والجودة عمى التقارير المالية (لطفى‪،2010،‬‬
‫ص‪.)230‬‬

‫(ج) حوكمة تكنولوجيا المعمومات وأثرىا عمى جودة التقارير المالية‪:‬‬

‫تـ تعريؼ حوكمة تكنولوجيا المعمومات عمى أنيا "الييكؿ الذى يربط تكنولوجيا المعمومات‬
‫بإستراتيجيات المنشأة وأىدافيا وتعمؿ عمى تكامؿ عمميات تكنولوجيا المعمومات بطريقة مثمى‪،‬‬
‫ويعتبر نجاح حوكمة تكنولوجيا المعمومات امتدادا لنجاح حوكمة الشركات بالمنشاة مف خالؿ‬
‫التأكيد عمى إدخاؿ تحسينات قابمة لمقياس عمى عمميات المنشأة ككؿ" )‪.(ITGI,2003‬‬
‫إف استخداـ تكنولوجيا المعمومات فى منشآت األعماؿ يجعميا أكثر عرضة لممخاطر‬
‫والتيديدات التى تحد مف الحصوؿ عمى معمومات ذات جودة عالية‪ ،‬ومف ىنا ظير دور آليات‬
‫حوكمة تكنولوجيا المعمومات فى تخفيض مخاطر أمف المعمومات والمساىمة فى الحد مف التالعب‬
‫المالى اإللكترونى مف خالؿ (أبو حجر وعابديف‪ ،2014،‬ص‪:)20‬‬
‫‪ ‬تخفيض مخاطر استخداـ تكنولوجيا المعمومات والحاسبات اآللية فى إنتاج المعمومات‪.‬‬
‫‪ ‬المساىمة فى إنتاج تقارير مالية ذات مصداقية وشفافية مما يحد مف التالعب المالى‬
‫والتنبؤ بالمعمومات المالية المستقبمية لممنشأة‪.‬‬

‫‪52‬‬
‫‪ ‬توفير أدوات لحماية البيانات والمعمومات المالية الناتجة عف نظـ المعمومات القائمة عمى‬
‫تكنولوجيا المعمومات مما يعزز مف جودتيا‪.‬‬
‫‪ ‬الحد مف تسريب المعمومات المالية حتى مع زيادة درجة اإلعتماد عمى تكنولوجيا‬
‫المعمومات فى إعداد التقارير المالية ‪.‬‬

‫‪ 6/4/6‬جودة المعايير المحاسبية‪:‬‬

‫فى ‪ 19‬يوليو ‪ 2002‬أصدر البرلماف األوروبى قانوف اإلتحاد األوروبى رقـ ‪ 1606‬الذى‬
‫يمزـ دوؿ اإلتحاد األوروبى بتطبيؽ المعايير الدولية إلعداد التقارير المالية ‪ ،IFRS‬وتـ إصدار‬
‫المعايير الدولية إلعداد التقارير المالية مف خالؿ مجمس معاير المحاسبة الدولية ‪ IASB‬والذى‬
‫كاف يعرؼ سابقا بإسـ لجنة معايير المحاسبة الدولية ‪ .IASC‬وييدؼ ‪ IASB‬بصفة أساسية إلى‬
‫تطوير معايير المحاسبة الدولية بما يؤدى إلى توفير معمومات تتوافر فييا الشفافية والقابمية لممقارنة‬
‫لمساعدة مستخدمى التقارير المالية فى اتخاذ الق اررات اإلقتصادية السميمة‪ ،‬ويساعد تطبيؽ ‪IFRS‬‬
‫فى تقميؿ عدـ تماثؿ المعمومات بيف اإلدارة وأصحاب المصالح‪ .‬عمى سبيؿ المثاؿ‪ ،‬يتطمب معيار‬
‫المحاسبة الدولى رقـ ‪" 1‬عرض القوائـ المالية" اإلفصاح المالئـ عف المعمومات مثؿ افتراضات‬
‫وتقديرات اإلدراة فيما يخص البنود المحاسبية وخاصة تمؾ التى تتسـ بدرجة عالية مف عدـ التأكد‬
‫وكذلؾ اإلفصاح عف التقديرات التى سيكوف ليا تأثير ىاـ عمى عرض المركز المالى ونتائج‬
‫المنشأة كما يجب تحديد بنود القوائـ المالية التى مف المحتمؿ أف تتأثر بالتقديرات المحاسبية‪ ،‬ومف‬
‫الضرورى أف تعكس المعمومات المحاسبية النواحى المالية المستقبمية واآلثار المحتممة لممخاطر‬
‫المعروفة والمرتقبة‪ ،‬كما يؤدى تبنى المعايير الدولية فى إعداد التقارير المالية إلى إنخفاض عمميات‬
‫إدارة األرباح )‪.(Latridis, 2010, p.149-195‬‬
‫وقد عرفت الييئة األمريكية لإلشراؼ والرقابة عمى البورصة ‪ SEC‬عاـ ‪ 2000‬جودة المعايير‬
‫بأنيا "المعايير المحاسبية التى ينتج عنيا معمومات مالئمة ويمكف اإلعتماد عمييا مف قبؿ‬
‫مستخدمييا"‪ ،‬وحددت الييئة مجموعة مف الخصائص التى يجب توافرىا فى المعايير حتى تتصؼ‬
‫بالجودة ومف ىذه الخصائص أف تسمح تمؾ المعايير بالتطبيؽ المتسؽ بما يساعد عمى إجراء‬

‫‪53‬‬
‫المقارنة مع الفترات الماضية ومع الشركات المماثمة‪ ،‬وأف يترتب عمى تطبيقيا شفافية كاممة مما‬
‫يمكف القارئ مف استقراء المعالجات والوقائع المحاسبية الضمنية وراء األرقاـ التى تفصح عنيا‬
‫القوائـ المالية‪ ،‬وأف تحقؽ اإلفصاح الكافى )‪ ،(SEC,2000‬كما اتفقت معظـ الدراسات عمى‬
‫ارتباط جودة المعيار المحاسبى بالمساحة التى يتيحيا ىذا المعيار لممارسات إدارة األرباح‪ ،‬ىذه‬
‫الممارسات ىى نواتج فعمية بعد إصدار المعيار تتوقؼ عمى سوء استخداـ المعيار مف قبؿ معدى‬
‫التقارير المالية وال سيما فى ظؿ المبادئ المحاسبية التى تحتاج إلى كثير مف الحكـ المينى‬
‫بخالؼ القواعد التى تعتبر أكثر تحديدا وال تطبؽ إال عمى العمميات التى تتفؽ مع متطمبات القاعدة‬
‫(أبو الخير ‪ ،2009،‬ص‪.)7‬‬
‫وفى إطار ذلؾ يرى ‪ (2010, p.33) Chen et al.‬أف إحالؿ المعايير الدولية محؿ‬
‫المعايير المحمية سيكوف لو آثار إضافية عمى جودة التقارير المالية‪ .‬وبالتالى فإف إلزاـ الشركات‬
‫بتطبيؽ معايير المحاسبة الدولية يؤدى بالضرورة إلى تعزيز القابمية لممقارنة والى مزيد مف الشفافية‬
‫ورفع جودة التقارير المالية )‪.(Bonetti, et al., 2013, p.1‬‬
‫ومف المتوقع أف الشركات التى تتميز بجودة محاسبية عالية فيما يخص إفصاحاتيا الواردة‬
‫بالتقارير المالية أف تقدـ معمومات قابمة لمتحقؽ عف الخسائر والفشؿ المالى واألحداث السيئة لحممة‬
‫األسيـ والتى تؤثر عمى أداء الشركة‪ ،‬وبالتالى فإف المعمومات األقؿ قابمية لمتحقؽ مف السيؿ‬
‫التالعب بيا وستكوف أيضاً أقؿ نفعا لممستخدميف‪ ،‬ومف ثـ فإف الشركات التى تتميز بجودة إفصاح‬
‫عالية ستطبؽ التحفظ المحاسبى المشروط وذلؾ عمى عكس الشركات ذات جودة اإلفصاح‬
‫المنخفضة التى ستطبؽ التحفظ المحاسبى غير المشروط )‪.(Latridis,2011,p.89‬‬
‫ومف العرض السابؽ يتضح أف التطبيؽ السميـ لحوكمة الشركات واإللتزاـ بتطبيؽ المعايير المحاسبية‬
‫والسعى لتبسيطيا وتطويرىا يساىـ بشكؿ كبير فى تحسيف جودة التقارير المالية ‪.‬‬

‫‪54‬‬
 ‫‪ 5/6‬مقاييس جودة التقارير المالية‪:‬‬

‫عمى الرغـ مف تعدد الدراسات التى تناولت قياس جودة التقارير المالية إال أنو ال يوجد اتفاؽ حتى‬
‫اآلف عمى مقياس وحيد لقياس جودة التقارير المالية‪ ،‬فيناؾ العديد مف المتغيرات المحاسبية التى تعتبر‬
‫مؤشرات عمى الجودة وسوؼ يتـ تناوؿ أىـ ىذه المؤشرات أو المقاييس فيما يمى‪:‬‬

‫‪ 0/5/6‬مقدار اإلستحقاق اإلختيارى فى التقارير المالية‪:‬‬

‫يرتبط أساس اإلستحقاؽ بالعديد مف المبادىء والمفاىيـ والقواعد المحاسبية التى تؤثر عمى‬
‫خصائص المعمومات المحاسبية المنشورة سواء فيما يتعمؽ بالقياس أو اإلفصاح حيث يتـ اإلعتماد‬
‫عميو فى إعداد القوائـ المالية‪ ،‬وقد تستغؿ اإلدارة مسئولية إعداد التقارير المالية فى ظؿ استخداـ‬
‫أساس اإلستحقاؽ وما ينطوى عميو مف تعدد الطرؽ والسياسات المحاسبية ومف ثـ تستخدـ‬
‫االستحقاقات اإلختيارية بشكؿ انتيازى لتحقيؽ مصالحيا الذاتية مف خالؿ اإلفصاح عف أرباح معينة‬
‫تكوف ناتجة عف الجزء اإلختيارى مف ىذا األساس أو مف أجؿ تحسيف المحتوى المعموماتى ليذه‬
‫التقارير‪ ،‬وبمعنى آخر تتالعب اإلدارة باألرباح مف خالؿ المرونة فى إعداد التقارير المالية لتغيير‬
‫النتائج المالية لمشركة مما قد يؤثر عمى مالءمة المعمومات أو إمكانية اإلعتماد عمييا أو كمييما ومف‬
‫ثـ التأثير عمى منفعة المعمومات المحاسبية‪ ،‬وتمثؿ اإلستحقاقات اإلجمالية أحكاما وتقديرات تعدىا‬
‫اإلدارة عف التدفقات النقدية لمشركة حتى تعكس األرباح المحاسبية حقيقة األداء اإلقتصادى لمشركة‬
‫بصورة أفضؿ (الحوشى‪ ،2015،‬ص‪51-49‬؛ عبد المتعاؿ‪ ،2013،‬ص‪176‬؛ عفيفى‪،2014،‬‬
‫ص‪ )274‬وتستخدـ اإلستحقاقات لإلعتراؼ باإليرادات والمصروفات عندما يتـ استحقاقيا وتتحمميا‬
‫المنشأة بغض النظر عف تمقى مبالغ نقدية أو صرفيا )‪.(Choi & Pae ,2011, p.409‬‬
‫" وتعرؼ اإلستحقاقات بأنيا الفرؽ بيف الدخؿ مف العمميات المستمرة والتدفقات النقدية مف‬
‫العمميات الناتجة عف القواعد المحاسبية وادخاالت دفتر اليومية لإلعتراؼ باإليرادات والنفقات ولقد‬
‫عرؼ ‪ (1985) Healy‬اإلستحقاقات اإلختيارية بأنيا تعديالت عمى التدفقات النقدية مختارة مف قبؿ‬
‫المديريف لكى تؤثر عمى صافى الدخؿ المعمف عنو‪ ،‬ويمكف قياس أرباح اإلستحقاؽ بالعالقة اآلتية‪:‬‬

‫‪55‬‬
‫صافى الربح من العمميات غير العادية ‪ +‬اإلىالك – التغير فى األصول المتداولة ‪ +‬التغير فى‬
‫الخصوم المتداولة‬
‫صافى العمميات غير العادية ىى البنود غير المتكررة والتى تختمؼ عف نشاط المنشأة العادى وتكوف‬
‫نادرة الحدوث وغير عادية‪ ،‬مثؿ الخسائر الناتجة عف الكوارث الطبيعية أو الناتجة عف قوانيف معينة‪،‬‬
‫وأرباح أو خسائر اإلستثمارات طويمة األجؿ إذا كانت غير متكررة" (الدالى‪،2014،‬ص‪.)40-39‬‬

‫ويمكن التمييز بين نوعين من اإلستحقاقات وفقاً لمدى حرية اإلدارة فى إجراء تعديالت عمى‬
‫التدفقات النقدية كما يمى )الحوشى ‪ ،2015،‬ص‪:)52‬‬

‫"أ‪ -‬اإلستحقاقات اإلختيارية ‪ ،Discretionary Accruals‬تمثؿ التعديالت التى تقوـ بيا‬

‫اإلدارة عمى التدفقات النقدية لمشركة بناءاً عمى حكميا الشخصى لتحقيؽ أىداؼ معينة والتى تتـ‬
‫فى حدود المرونة التى تتيحيا المعايير المحاسبية ونتيجة ليذه المرونة تمثؿ اإلستحقاقات‬
‫اإلختيارية المكوف الذى غالبا ما يعطى فرصة لممديريف لتغيير مقدار األرباح وتحويميا بيف‬
‫الفترات لذلؾ يفترض أف تنتج تمؾ اإلستحقاقات مف المعالجات المحاسبية أو المعامالت التى‬
‫يتـ إختيارىا بيدؼ إدارة األرباح‪.‬‬
‫ب‪ -‬اإلستحقاقات غير اإلختيارية ‪ ،Undiscretionary Accruals‬تشير إلى التعديالت‬
‫التى تقوـ بيا اإلدارة عمى التدفقات النقدية لمشركة والمفروضة بواسطة الجيات المعنية بوضع‬
‫معايير المحاسبة وبالتالى تنتج تمؾ اإلستحقاقات عف المعامالت العادية لمشركة فى الفترة‬
‫الحالية فى ظؿ كؿ مف مستوى أداء الشركة وظروؼ الصناعة واألحداث اإلقتصادية عمى‬
‫المستوى الكمى"‪.‬‬

‫‪ 6/5/6‬التحفظ المحاسبى )‪:(Conservatism‬‬

‫يرجع تطبيؽ التحفظ المحاسبى إلى القرف ‪ 14‬فيو أقدـ المبادىء المحاسبية‪ ،‬وتـ تطبيقو قديما‬
‫لمواجية ظروؼ عدـ التأكد لحماية الدائنيف‪ ،‬ولقد تزايد الطمب عمى التحفظ المحاسبى منذ بداية القرف‬
‫العشريف لدوره الياـ فى تخفيض الدخؿ الخاضع لمضريبة‪ ،‬كما زادت الحاجة إلى تطبيؽ التحفظ‬

‫‪56‬‬
‫المحاسبى مع ظيور نظرية الوكالة لحؿ المشكالت بيف المديريف وحممة األسيـ )‪.(Basu,2009,p.2‬‬
‫ولقد تزايدت البحوث التطبيقية فى الفترة األخيرة فى موضوع التحفظ المحاسبى بسبب األزمة المالية‬
‫العالمية التى حدثت فى ‪ 2008‬والتى نتج عنيا أف أصبحت البنوؾ أكثر حذ اًر فى اإلقتراض وأكثر‬
‫دقة فى تقييـ األرقاـ المحاسبية‪ ،‬كما اعتمدت الشركات عمى التمويؿ الذاتى‪ ،‬ويتـ إعداد التقارير‬
‫المالية فى ظؿ التحفظ المحاسبى وبالتالى يكوف لو تأثير كبير عمى القياس واإلفصاح المحاسبى‬
‫(عطيو‪ ،2014،‬ص‪.)4‬‬
‫ولقد أوضح ‪ IASB‬أف مفيوـ التحفظ ىو‪" :‬توخى الحذر فى األحكاـ الشخصية الالزمة إلعداد‬
‫التقديرات التى تتضمنيا القوائـ المالية فى ظؿ ظروؼ عدـ التأكد مع األخذ فى اإلعتبار عدـ المبالغة‬
‫فى تقييـ األصوؿ والمكاسب وأال يتـ تدنية قيـ اإللتزامات والخسائر )‪.(Wang et al., 2008, p.9‬‬
‫كما أوضح المجمع األمريكى لممحاسبيف القانونييف ‪ AICPA‬فى القائمة رقـ ‪ 4‬الصادرة عاـ‬
‫‪ 1970‬فقرة ‪ 171‬أف التحفظ المحاسبى ىو " الميؿ نحو اإلعت ارؼ المبكر باألخبار غير السارة‬
‫(الخسائر المتوقعة) وتدنية قيـ صافى الدخؿ وصافى األصوؿ نتيجة لظروؼ عدـ التأكد المحيطة‬
‫بعممية إعداد التقارير المالية وقياس األصوؿ واإللتزامات" )‪.(Ball,2005,P.912‬‬
‫ويقسـ ‪ )2006,p.5-8) Ryan‬التحفظ إلى نوعين ىما التحفظ المشروط ‪Conditional‬‬
‫‪ Conservatism‬والتحفظ غير المشروط ‪ Unconditional Conservatism‬كما يمى‪:‬‬
‫أ‪ -‬التحفظ المشروط‪ :‬يتمثؿ فى اإلسراع باإلعتراؼ بالخسائر المتوقعة فى قائمة الدخؿ وتأجيؿ‬
‫اإلعتراؼ باألرباح المتوقعة ويسمى أحياناً باإلعتراؼ الفورى بالخسائر‪ ،‬أو عدـ تماثؿ توقيت‬
‫األرباح‪ .‬ويعرفو ‪ (2005,p.313) Basu‬بأنو اإلعتراؼ باألخبار السيئة (الخسائر) بشكؿ أسرع‬
‫مف األ خبار الجيدة (األرباح) مما يعنى عدـ تماثؿ توقيت وشروط اإلعتراؼ بالخسائر المتوقعة‬
‫مع توقيت وشروط اإلعتراؼ باألرباح المتوقعة‪.‬‬
‫ب‪ -‬التحفظ غير المشروط‪ :‬ويسمى أحياناً بالتحفظ المستقؿ ألنو مستقؿ عف وقوع األحداث‬
‫فيو ينتج عف اإلجراءات المحاسبية المستخدمة لقياس وتسجيؿ األصوؿ بقيـ دفترية تقؿ عف‬
‫القيمة السوقية ليا خالؿ عمرىا اإلنتاجى ويمكف قياس التحفظ غير المشروط مف خالؿ النسبة‬
‫بيف القيـ السوقية والدفترية لممنشأة ويشير ‪ (2005, p.313) Basu‬إلى أنو يتـ تطبيؽ التحفظ‬

‫‪57‬‬
‫غير المشروط مف خالؿ المعالجة المحاسبية لألصوؿ غير الممموسة (والتى تعالج كنفقات بدال‬
‫مف رسممتيا) وكذلؾ إىالؾ األصوؿ الممموسة بطريقة اإلىالؾ المتناقص مقارنةً بإىالكيا‬
‫اإلقتصادى‪.‬‬

‫‪ 6/6‬جيود المنظمات المينية فى سبيل تحسين جودة التقارير المالية‪:‬‬

‫تعتبر المحاسبة كمصدر أساسى لجمع ومعالجة والتقرير عف المعمومات المالية ذات دور ىاـ فى‬
‫تقديـ المعمومات المفيدة لمختمؼ الفئات المستخدمة ليا‪ ،‬وبمعنى آخر أف اليدؼ األساسى لمينة المحاسبة‬
‫ىو اإلفصاح عف المعمومات الضرورية فى الوقت المناسب وبجودة عالية لمتخذى القرار بأسموب عادؿ‬
‫وغير متحيز‪ ،‬ولذلؾ فإف كؿ مف الييئات والمنظمات المختصة بعممية وضع المعايير المحاسبية تحاوؿ‬
‫تنظيـ وتحسيف ىذه العممية‪ .‬وفى ىذا الشأف قاـ مجمس معايير المحاسبة المالية ‪ FASB‬ومجمس معايير‬
‫المحاسبة الدولية ‪ IASB‬بتطوير إطار مفاىيمى لممحاسبة والتقارير المالية محاوال رفع درجة الشفافية فى‬
‫األسواؽ المالية‪ ،‬وتقميؿ حالة عدـ التأكد فى أسواؽ رأس الماؿ والتوصؿ إلى عرض عادؿ وحقيقى عف‬
‫عمميات إدارة الشركات مف خالؿ تقديـ معمومات محاسبية ذات جودة عالية لممستثمريف والدائنيف‬
‫والمستخدميف اآلخريف‪ ،‬لذلؾ ييتـ حممة األسيـ باإلفصاح المالى )‪.(Vakilifard,et al., 2011, p.231‬‬
‫وفيما يمى عرض لبعض اإلصدارات المينية فيما يخص تحسيف جودة التقارير المالية‪:‬‬

‫‪ 0/6/6‬دراسة اإلتحاد الدولى لممحاسبين )‪: (IFAC, 2005‬‬

‫أكدت دراسة اإلتحاد الدولى لممحاسبيف عمى أىمية تبسيط المعايير لما لذلؾ مف أثر عمى زيادة‬
‫جودة المعايير المحاسبية والحد مف التعقيد المتزايد بالتقارير المالية وقصورىا عف تمبية الحاجات‬
‫األساسية لممستخدميف‪ ،‬وأشارت الدراسة إلى أف المعايير معقدة أكثر مف الالزـ فى كثير مف أجزائيا‬
‫لدرجة أف ىناؾ عدد قميؿ مف المعديف الذيف يمكنيـ معرفة وتفسير جميع المعايير المحاسبية‪ ،‬وأكدت‬
‫الدراسة عمى أف التحديات السابقة أصبحت اآلف أكثر إلحاحاً خاصة مع عولمة أسواؽ الماؿ‪ ،‬وتناولت‬
‫الدراسة الجيود المبذولة بالخمس سنوات الماضية لزيادة جودة التقارير المالية وأكدت عمى وجود‬
‫متطمبات أساسية لتطوير التقارير المالية وزيادة جودتيا تشتمؿ عمى ما يمى‪:‬‬

‫‪58‬‬
 ‫‪ ‬تبسيط مضموف التقارير المالية ‪.‬‬
‫‪ ‬توفير المعمومات التى تفى بإحتياجات المستخدميف ‪.‬‬
‫‪ ‬تطوير أسس اإلعتراؼ والقياس المحاسبى‪.‬‬
‫‪ 6/6/6‬دراسة معيد المحاسبين القانونيين األمريكى (‪:(AICPA, 2007‬‬

‫تـ التأكيد فى ىذه الدراسة عمى ارتباط تنشيط أسواؽ الماؿ بتوفير تقارير مالية ذات جودة عالية‬
‫ولذلؾ يجب عمى منظمى المينة السعى لتمبية حاجات المستخدميف مف معمومات‪ .‬وأكدت الدراسة أف‬
‫العائؽ األساسى لتمبية حاجات المستخدميف مف المعمومات حالياً ىو التعقيد الموجود بالتقارير المالية‬
‫والذى يحد مف قدرتيا كأداة مفيدة لممستثمريف فى اتخاذ الق اررات وأشارت الدراسة إلى أف ىذا التعقيد جاء‬
‫نتيجة لمتعقيد والتطورات المتزايدة فى بيئة األعماؿ عما كاف األمر عميو مف عشريف إلى ثالثيف سنة‬
‫سابقة حيث تطورت ىياكؿ الممكية وتنوعت طبيعة الموارد والمخاطر التى تواجييا المنشآت ومع ذلؾ‬
‫يجب استغالؿ أى فرصة لمتطوير المستمر فى التقارير المالية والحد مف التعقيد المتواجد بيا‪.‬‬

‫‪ 3/6/6‬دراسة مجمس معايير المحاسبة المالية األمريكى ومجمس معايير المحاسبة الدولية‬

‫)‪:(FASB, IASB, 2008‬‬

‫فى مناقشة مشتركة بيف ‪ FASB‬و‪ IASB‬عف األزمة المالية وانييارات أسواؽ الماؿ بنياية عاـ‬
‫‪ 2008‬تـ التوصؿ إلى وجود قدر كبير مف التعقيد بالتقارير المالية بوضعيا الحالى وأف الحد مف ىذا‬
‫التعقيد يتطمب إدخاؿ العديد مف التحسينات عمى التقارير المالية بما يساىـ فى زيادة شفافية وجودة‬
‫التقارير المالية‪ ،‬وتـ اإلتفاؽ بيف المجمسيف عمى تفعيؿ ىذه التحسينات عف طريؽ عقد ثالثة اجتماعات‬
‫مائدة مستديرة فى آسيا وأوروبا وأمريكا الشمالية لممساىمة فى الحد مف اآلثار السمبية لتعقيد التقارير‬
‫المالية وأف متطمبات ىذا التحسيف تتمثؿ فيما يمى‪:‬‬

‫‪ ‬زيادة جودة التقارير المالية‪.‬‬

‫‪ ‬تبسيط قياسات القيمة العادلة‪.‬‬
‫‪ ‬تطوير أسس اإلعتراؼ والقياس المحاسبى‪.‬‬

‫‪59‬‬
 ‫‪ 4/6/6‬دراسة مجمس معايير المحاسبة الدولية )‪:(IFRS, 2008‬‬

‫عرضت ىذه الدراسة عدداً مف اإلقتراحات فى األجؿ المتوسط واألجؿ الطويؿ لتحسيف جودة‬
‫التقارير المالية والحد مف التعقيد الموجود بيا‪ ،‬وأشارت إلى أف تعدد أساليب قياس األدوات المالية‬
‫والقواعد المرتبطة بيا تعد واحدة مف األسباب الرئيسية لمتعقيد الموجود بالتقارير المالية‪ ،‬وعرضت حؿ‬
‫طويؿ األجؿ يتمثؿ فى توحيد أسموب القياس لكؿ أنواع األدوات المالية وأف القيمة العادلة تعتبر‬
‫المقياس المالئـ ليا‪.‬‬

‫‪ 7/6‬اإلتجاىات المعاصرة لتطوير التقارير المالية‪:‬‬

‫‪ 0/7/6‬مدخل التوجو باألىداف )‪:(Object –Oriented Approach‬‬

‫يعتبر تبنى ‪ FASB‬مدخؿ التوجو باألىداؼ عند وضع المعايير المحاسبية مف أىـ اإلتجاىات‬
‫المعاصرة لتطوير المعمومات المحاسبية وزيادة ثقة المستثمريف فى نظاـ التقارير المالية ‪(FASB‬‬
‫)‪.Response to SEC, 2004, P.1‬‬

‫وتعتم ػ ػ ػػد فكػ ػ ػ ػرة التوج ػ ػ ػػو بالي ػ ػ ػػدؼ عم ػ ػ ػػى إمكاني ػ ػ ػػة تقس ػ ػ ػػيـ نظ ػ ػ ػػاـ المعموم ػ ػ ػػات المحاس ػ ػ ػػبي إل ػ ػ ػػى‬
‫مجموعػ ػ ػػة م ػ ػ ػػف العناص ػ ػ ػػر(مثؿ األح ػ ػ ػػداث والحس ػ ػ ػػابات والمس ػ ػ ػػتندات والقي ػ ػ ػػود والعم ػ ػ ػػالء والم ػ ػ ػػورديف)‬
‫والعالقػ ػ ػػات تنظميػ ػ ػػا مجموعػ ػ ػػة مػ ػ ػػف الػ ػ ػػدواؿ والمعػ ػ ػػادالت وت ػ ػ ػرتبط مع ػ ػ ػاً بواسػ ػ ػػطة مجموعػ ػ ػػة رسػ ػ ػػائؿ‬
‫ت ػ ػ ػربط بػ ػ ػػيف األىػ ػ ػػداؼ والعناصػ ػ ػػر‪ ،‬وىػ ػ ػػذه العالقػ ػ ػػات قػ ػ ػػد تكػ ػ ػػوف ىيكميػ ػ ػػة مثػ ػ ػػؿ عالقػ ػ ػػات اإلرتبػ ػ ػػاط‬
‫واإلنحػ ػػدار أو عالقػ ػػات وظيفيػ ػػة مثػ ػػؿ العالقػ ػػات الداخميػ ػػة‪ ،‬عمػ ػػى سػ ػػبيؿ المثػ ػػاؿ عنػ ػػد ش ػ ػراء بضػ ػػاعة‬
‫نقػ ػػداً حيػ ػػث يػػػؤدى ذلػ ػػؾ إلػ ػػى زيػ ػػادة المخػ ػػزوف ونقػػػص النقديػ ػػة وبالنس ػػبة لكيفيػ ػػة ربػ ػػط ىػ ػػذه العناصػ ػػر‬
‫والعالقػ ػ ػػات فيػ ػ ػػتـ ذلػ ػ ػػؾ بعػ ػ ػػدة أسػ ػ ػػاليب مثػ ػ ػػؿ سمسػ ػ ػػمة القيمػ ػ ػػة أو سمسػ ػ ػػمة المػ ػ ػػورد‪ ،‬أو نمػ ػ ػػاذج إعػ ػ ػػداد‬
‫التقري ػ ػػر الم ػ ػػالى عم ػ ػػى أس ػ ػػاس ت ػ ػػاريخى أو متوق ػ ػػع‪ .‬ويس ػ ػػيؿ اس ػ ػػتخداـ التوج ػ ػػو باألى ػ ػػداؼ ف ػ ػػى ظ ػ ػػؿ‬
‫تطبيػ ػ ػػؽ قواعػ ػ ػػد البيانػ ػ ػػات‪ ،‬حيػ ػ ػػث تسػ ػ ػػتخدـ مفػ ػ ػػاىيـ التوجػ ػ ػػو باألىػ ػ ػػداؼ بشػ ػ ػػكؿ كبيػ ػ ػػر فػ ػ ػػى مجػ ػ ػػاؿ‬
‫تكنولوجي ػ ػػا المعموم ػ ػػات وتحق ػ ػػؽ نت ػ ػػائج ممت ػ ػػازة ف ػ ػػى تحمي ػ ػػؿ وتص ػ ػػميـ البػ ػ ػرامج في ػ ػػى تس ػ ػػمح برس ػ ػػـ‬
‫خ ػ ػرائط األنشػ ػػطة المحاسػ ػػبية اعتمػ ػػاداً عمػ ػػى األىػ ػػداؼ‪ ،‬باإلضػ ػػافة إلػ ػػى تقػ ػػديـ طػ ػػرؽ جديػ ػػدة إلنتػ ػػاج‬

‫‪61‬‬
‫المعمومػ ػ ػ ػػات المحاسػ ػ ػ ػػبية تس ػ ػ ػ ػاعد عمػ ػ ػ ػػى زيػ ػ ػ ػػادة ثقػ ػ ػ ػػة المسػ ػ ػ ػػتخدميف فييا(عثمػ ػ ػ ػػاف‪ ،2009،‬ص‪)25‬‬
‫حي ػ ػػث يح ػ ػػاوؿ التوج ػ ػػو بالي ػ ػػدؼ تحس ػ ػػيف الطريق ػ ػػة الت ػ ػػى يت ػ ػػيح بي ػ ػػا نظ ػ ػػاـ المعموم ػ ػػات المحاس ػ ػػبى‬
‫المعموم ػ ػ ػػات لممس ػ ػ ػػتخدميف ع ػ ػ ػػف طري ػ ػ ػػؽ تق ػ ػ ػػديـ المعموم ػ ػ ػػات بالتفص ػ ػ ػػيؿ وبأش ػ ػ ػػكاؿ مختمف ػ ػ ػػة حس ػ ػ ػػب‬
‫احتياجػ ػ ػ ػ ػ ػ ػ ػ ػ ػ ػ ػػات الفئػ ػ ػ ػ ػ ػ ػ ػ ػ ػ ػ ػػات المختمفػ ػ ػ ػ ػ ػ ػ ػ ػ ػ ػ ػػة مػ ػ ػ ػ ػ ػ ػ ػ ػ ػ ػ ػػف مسػ ػ ػ ػ ػ ػ ػ ػ ػ ػ ػ ػػتخدمى المعمومػ ػ ػ ػ ػ ػ ػ ػ ػ ػ ػ ػػات المحاسػ ػ ػ ػ ػ ػ ػ ػ ػ ػ ػ ػػبية‬
‫(‪.(Nagano&Moreas,2013,p.283‬‬

‫وتااااارى الباحثاااااة قياس ػ ػاً عم ػ ػػى ذل ػ ػػؾ أنػ ػػو يمك ػ ػػف اعتب ػ ػػار التنب ػ ػػؤ بالتػ ػػدفقات النقدي ػ ػػة أيضػ ػ ػاً ى ػ ػػدؼ‬
‫ومف ثـ يمكف عمؿ خريطة بالمعمومات المالئمة ليذا اليدؼ‪.‬‬

‫‪ 6/7/6‬استحداث مفيوم تقرير األعمال‪:‬‬

‫يرى عثماف (‪ )2009‬أف مف أىـ اإلتجاىات المعاصرة لتطوير المعمومات المحاسبية ألغراض‬
‫اإلستثمار استحداث مفيوـ تقرير األعماؿ نتيجة زيادة طمب المستثمريف عمى كثير مف المعمومات‬
‫غير المالية‪ ،‬والتى لـ ترد فى التقرير المالى مع أنيا ميمة فى اتخاذ قرار اإلستثمار‪ ،‬وحتى يمكف‬
‫تضميف التقرير معمومات مالية وغير مالية فيجب تغيير المسمى بحيث يصبح تقري ار لألعماؿ‪،‬‬
‫وبالتالى يتضمف كؿ المعمومات المالئمة لق اررات المستثمريف مف معمومات تاريخية ومعمومات عف‬
‫التنبؤات المستقبمية‪ ،‬ويقترح إعداد تقرير أعماؿ ألغراض اإلستثمار قصير األجؿ‪ ،‬وأخرى ألغراض‬
‫اإلستثمار طويؿ األجؿ نتيجة لوجود كـ ىائؿ مف المعمومات المحاسبية‪ -‬المالية وغير المالية‪.‬‬

‫‪ 3/7/6‬نموذج تطوير تقارير األعمال (‪(Enhancing Business Reporting Model‬‬

‫لقد تـ اإلتفاؽ بيف ٍ‬

‫كؿ مف ‪ FASB‬و ‪ AICPA‬عمى تطوير نموذج لمتقارير المالية يحد مف‬
‫العيوب الحالية لنموذج التقرير المالى وفى بداية ‪ 2005‬تـ تشكيؿ مجمس لتحسيف التقارير المالية‬
‫برئاسة ‪ Alan Anderson‬النائب السابؽ لرئيس ‪ AICPA‬وعضوية العديد مف كبار الممارسيف‬
‫مديريف ومينييف وأصحاب مصالح وبنوؾ حيث قاموا بدراسة أفضؿ الطرؽ لتدعيـ الشكؿ الحالى‬
‫لمتقارير المالية بما يفى باإلحتياجات المتزايدة لمستخدمى التقارير فى األسواؽ العالمية فى ظؿ‬

‫‪61‬‬
‫الرغبة لزيادة التمثيؿ الصادؽ لواقع المنشأة بالتقارير المالية واستعادة الثقة المفقودة بمينة المحاسبة‬
‫ومخرجاتيا مف المعمومات المحاسبية )‪.(AICPA, EBR360, 2005‬‬
‫وتـ اإلعالف عف النسخة األولى لتقرير تحسيف األعماؿ كتقرير تدعيمى لمتقارير المالية األصمية‬
‫فى أكتوبر ‪ 2005‬ومف المزايا المترتبة عمى ىذا النموذج ما يمى (األرضى‪ ،2009 ،‬ص‪:)212‬‬
‫‪ ‬إطار شامؿ لإلفصاح يتيح لمشركات التواصؿ مع المستثمريف بشكؿ أفضؿ مف النماذج‬
‫المقترحة خالؿ العشر سنوات الماضية مف العديد مف المنظمات المينية والباحثيف والتى لـ‬
‫تمؽ القبوؿ العاـ‪.‬‬
‫‪ ‬تـ صياغة ىذا النموذج بما يساعد عمى تمبية المعمومات التى يحتاجيا مستخدمو التقارير‬
‫المالية‪.‬‬
‫‪ ‬أف نموذج ‪ EBR‬دعوة لمحوار العالمى وصوال لألفضؿ‪.‬‬

‫كما أكدت شركة ‪ Microsoft‬أف ‪ EBR‬يساعد عمى دعـ اإلفصاح الحالى‪ ،‬وتحسيف نوعية‬
‫التقارير المالية‪ ،‬وزيادة شفافيتيا ومصداقيتيا‪.‬‬

‫ووفقا لمعرض السابق خمصت الباحثة إلى إمكانية عمؿ قائمة بيا معمومات التدفقات النقدية‬
‫المتوقعة واعتبارىا كجزء مف تقرير تدعيمى مقترح لمتقارير المالية بإعتبارىا مف المعمومات اليامة‬

‫التى يحتاجيا مستخدمو التقارير المالية وكذلؾ بإعتبارىا أحد أىـ اىداؼ التقارير المالية وذلؾ وفقاً‬
‫لما ذكره مجمس معايير المحاسبة المالية ‪ FASB‬فى قائمة المفاىيـ رقـ ‪ 8‬الصادرة فى عاـ ‪.1980‬‬

‫وترى الباحثة أنو فى ضوء المطالبات بتحسيف وتطوير جودة التقارير المالية عمى المستوى‬
‫المينى واألكاديمى‪ ،‬فإنو يجب عدـ التقيد بالشكؿ التقميدى لمتقارير المالية ومحاولة التوسع فى‬
‫اإلفصاح المحاسبى وتوفير المعمومات المستقبمية بما يمبى احتياجات الفئات المختمفة المستخدمة‬
‫لمتقارير المالية وذلؾ ألف اإلفصاح عف المعمومات فى حد ذاتو ال يحقؽ اليدؼ مف التوصيؿ‬
‫المحاسبى بؿ يجب أف يتـ ذلؾ فى إطار مراعاة اإلحتياجات والصفات المختمفة لمستخدمى التقارير‬
‫المالية وبالتالى يجب توفير المعمومات المحاسبية المالئمة إلتخاذ قرارات الفئات المختمفة‪ ،‬ألف‬
‫التقارير المالية ذات غرض عاـ قد ال تفى بإحتياجات بعض الفئات التى ييميا التركيز عمى بعض‬

‫‪62‬‬
‫المعمومات أو توفيرىا بمزيد مف التفصيؿ مف أجؿ اتخاذ القرار المناسب‪ ،‬كما أف محدودية المقدرة‬
‫اإلستيعابية لمتمقى المعمومات أدت إلى قصور التقارير المالية بشكميا التقميدى عف الوفاء بإحتياجات‬
‫مستخدمييا‪.‬‬

‫‪ 8/6‬اإلفصاح عن التنبؤات المالية والمعمومات المستقبمية‪:‬‬

‫يرى ‪ (2007) Pareja & Tham‬أف التنبؤات المالية ‪ Financial Forecasts‬تعبر عف‬
‫المعمومات المستقبمية التى تعرض المركز المالى المتوقع ونتائج األعماؿ المتوقعة والتدفقات النقدية‬
‫المتوقعة لمنشأة األعماؿ‪ ،‬وذلؾ وفقا إلفتراضات اإلدارة لمظروؼ المتوقع حدوثيا‪ ،‬ويمكف التعبير عف قيـ‬
‫التنبؤات فى صورة نقدية محددة أو مدى مف القيـ‪ ،‬ولكف يعتبر التنبؤ أىـ مشكمة تواجييا المنشأة عند‬
‫إعداد القوائـ المالية المستقبمية‪ ،‬ألف عدـ دقة ومصداقية التنبؤات المتعمقة بالقوائـ المالية المستقبمية قد يؤثر‬
‫بالسمب عمى مدى منفعة المعمومات المالية المستقبمية لمستخدمييا مما قد يمثؿ مشكمة عند إعداد القوائـ‬
‫المالية المستقبمية خاصة عندما يبدو تحيز اإلدارة واضحا عند إعداد التنبؤات المالية‪.‬‬
‫لذلؾ ترى الباحثة وجوب تقنيف قياس ىذه التنبؤات بأساليب متطورة تعتمد عمى برامج محوسبة‬
‫متقدمة مف أجؿ الوصوؿ إلى تنبؤ أكثر دقة‪ ،‬خاصةً أف إعداد التنبؤات المالية يتطمب قاعدة بيانات واسعة‬
‫عف أحداث الماضى والحاضر والتغيرات المتوقعة فى المستقبؿ لكؿ مف المنشأة والقطاع الذى تنتمى إليو‪،‬‬
‫كما يتطمب استخداـ أحد أساليب التنبؤ وتنفيذ اإلجراءات التى يتطمبيا ىذا األسموب واختبار بعض‬
‫األساليب المستخدمة فى التنبؤ )‪.(Abraham & Ledolter, 2012, p.168‬‬
‫ويتوقؼ إقرار منشأة ما باإلفصاح عف معمومات لممستثمريف عمى تأثيريف متعارضيف؛ أوليما‪ ،‬أف مثؿ‬
‫ذلؾ اإلفصاح يمحؽ ضر اًر بوضعيا التنافسى وثانييما أنو يمكف لإلفصاح عف المعمومات الخاصة أف يعزز‬
‫مف سمعة المنشأة كإفصاح ذى مصداقية (عفيفى‪ ،2014،‬ص‪.)289‬‬
‫ويرى ‪ (2013, p.264) Kieso & weyganat‬أنو مف األمور الشائعة بالنسبة لمنشآت األعماؿ‬
‫التى تتداوؿ أسيميا فى البورصة أف يتـ اإلفصاح عف بعض معموماتيا المالية المستقبمية (كتنبؤات األرباح‬
‫والمبيعات) إعتماداً عم ى جيود التنبؤ التى تتـ بواسطة المحمميف المالييف فى ىذا المجاؿ إال أف إفصاح‬
‫إدارات المنشآت عف المعمومات المالية لمنشآتيـ مازاؿ يخضع لمجدؿ‪.‬‬

‫‪63‬‬
‫فيناك اإلتجاه التقميدى الذى يقضى بعدم إلزام الشركات باإلفصاح عن تنبؤاتيا المالية وذلك من خالل‬
‫آراء الكتاب والباحثين وموقف مراقب الحسابات بشأن اإلفصاح عن التنبؤات المالية وأنو يجب ترك ميمة‬
‫التنبؤ باألرباح إلى المحمل المالى‪ ،‬حيث لديو القدرة عمى القيام بالتنبؤات الواجبة‪ ،‬ويستند ىذا الرأى عمى‬
‫اآلتى (يوسؼ‪ ،2013،‬ص‪:)94‬‬

‫‪ ‬أف إفصاح الشركات عف أية معمومات تتعمؽ بنشاطيا وخططيا المستقبمية قد يضر بمركزىا‬
‫التنافسى‪.‬‬
‫‪ ‬أف إدارة الشركات ليس لدييا القدرة عمى تحقيؽ الدقة الالزمة فى إعداد التنبؤات المالية‪.‬‬
‫‪ ‬أ ف إفصاح الشركات عف تنبؤاتيا وعدـ تمكنيا مف تحقيقيا قد يؤدى إلى اىتزاز صورة ىذه‬
‫الشركات وتعرض إدارتيا لممساءلة القانونية ‪.‬‬
‫‪ ‬تتسـ التنبؤات المالية بالحساسية الشديدة لممتغيرات اإلقتصادية واإلجتماعية‪ ،‬ويتطمب التحديد‬
‫الدقيؽ ليا تأجيؿ قرار اإلفصاح عنيا حتى يتـ تحديد أساليب إعداد التنبؤات‪.‬‬

‫وىناك اتجاه حديث يعبر عن الفكر المعاصر واحتياجات مستخدمى القوائم المالية ويرى أصحاب ىذا‬
‫اإلتجاه ضرورة قيام الشركات باإلفصاح عن التنبؤات المالية ويستندون فى ذلك إلى ما يمى (عبد‬
‫الحميـ‪ ،2014،‬ص‪: (Keiso & Weiygandt , 2013,p.264) ،)30‬‬

‫أف اإلفصاح عف التنبؤات يعتبر بمثابة محتوى إضافى مقدـ لممستثمريف وتعتبر إحدى الخصائص اليامة‬
‫لنظاـ المعمومات‪.‬‬

‫‪ ‬أف تنبؤات اإلدارة أكثر دقة مف تنبؤات المحمؿ المالى لمعرفتيا الكاممة باألنشطة الداخمية‬
‫لممنشأة‪ ،‬واإلفصاح عنيا يساعد المحمميف المالييف عمى إعداد تنبؤات أفضؿ وعدـ المجوء إلى‬
‫التخميف‪ ،‬كما أف إفصاح الشركات عف تنبؤات األرباح يجعميا متاحة إلى جميع األطراؼ‬
‫الخارجية وغير مقصورة عمى المحمميف المالييف‪.‬‬

‫‪64‬‬
‫‪ ‬إف اليدؼ مف التقارير المالية الدورية ىو إمداد مستخدمى التقارير المالية بالمعمومات التى‬
‫تمكنيـ مف تقدير قيمة وتوقيت واحتماالت الحصوؿ عمى عائد استثماراتيـ‪ ،‬وبالتالى فإف التنبؤات‬
‫المالية التى تعدىا الشركات عف الفترة القادمة يجب أف تكوف ضمف تقاريرىا المالية‪.‬‬
‫‪ ‬إف اإلفصاح عف التنبؤات المالية سوؼ يحد مف استخداـ المعمومات الداخمية بطريقة غير‬
‫مناسبة ‪ ،‬حيث أ ف نشر التنبؤات يكوف عاما وال يقتصر عمى أطراؼ خاصة يمكنيا مف تحقيؽ‬
‫مزايا غير عادية ‪.‬‬
‫‪ ‬إف اإلفصاح عف التنبؤات المالية يكوف مرشدا لمق اررات اإلستثمارية بدال مف اإلعتماد عمى‬
‫التخميف‪ ،‬خاصة وأف الظروؼ تتغير اآلف بصورة سريعة مما جعؿ المعمومات التاريخية غير‬
‫كافية لمتنبؤ‪.‬‬
‫‪ ‬أف التنبؤات المالية يتـ تداوليا بالفعؿ اآلف ولكف بصورة غير رسمية وغير خاضعة لمرقابة‬
‫ومضممة عادة وغير متاحة بصورة متساوية لكؿ المستثمريف‪ ،‬وبالتالى يجب إخضاعيا لمزيد مف‬
‫الرقابة ‪.‬‬

‫وتتفؽ الباحثة مع الفكر المعاصر واإلفصاح عف التنبؤات كمعمومات ىامة تساعد متخذى الق اررات وال‬
‫سيما المستثمريف عمى اتخاذ ق اررات اقتصادية رشيدة وذلؾ فى ضوء احتياجات مستخدمى التقارير المالية‬
‫خاصة عندما يتـ توفير ىذه التنبؤات بإستخداـ أساليب تنبؤ ذات دقة عالية‪.‬‬

‫وقد أصدر ‪ AICPA‬قائمة معايير بخصوص خدمات المحاسبة المتعمقة بالمعمومات المالية‬
‫المحتممة‪ ،‬حيث حددت ىذه القائمة اإلجراءات ومعايير التقرير المالى التى تتبع عند عرض التنبؤات ومرئية‬
‫الحاسبات المالية‪ ،‬ووضعت البورصة األمريكية ‪ SEC‬قاعدة أماف ”‪ “Sake Harbor‬توفر الحماية لممنشأة‬
‫التى تعرض تنبؤات مالية غير صحيحة طالما أنيا تعد ىذه التنبؤات عمى أساس معقوؿ وتفصح عنيا‬
‫بصورة صادقة‪ .‬كما سمحت بريطانيا بنشر التنبؤات المالية لعدة سنوات‪ ،‬وكانت النتائج ناجحة إلى حد‬
‫كبير )كيسووويجانت‪ ،1999،‬ص‪.)1370‬‬

‫ولقد أثبتت إحدى الدراسات وجود رد فعؿ إيجابى مف جانب السوؽ عمى أسعار األسيـ عند التوسع‬
‫اإلختيارى فى اإلفصاح عف توقعات اإلدارة‪ ،‬نتيجة تخفيض حالة عدـ التأكد لمتخذى الق اررات عند التنبؤ‬

‫‪65‬‬
‫بعوائد األسيـ‪ .‬كما يجب التوسع فى اإلفصاح عف المعمومات غير المالية – مثؿ العالقات مع المورديف‬
‫والعمالء‪ -‬التى تساعد المنشأة فى تحقيؽ مزايا تنافسية وتحسف مف مؤشرات األداء (عثماف‪،2009،‬‬
‫ص‪ .)32‬وفى مصر ىناؾ إلزاـ بإفصاح الشركات المساىمة عند تأسيسيا فى نشرة اإلكتتاب عف خطة‬
‫الشركة بإستخداـ األمواؿ المحصمة مف اإلكتتاب‪ ،‬وتوقعاتيا لنتائج استخداـ ىذه األمواؿ‪ ،‬كما تمتزـ الشركة‬
‫المساىمة التى تطرح أسيميا لإلكتتاب العاـ عند زيادة رأس ماليا باإلفصاح عف توقعات المعمومات‬
‫المستقبمية معتمدة مف مراقب الحسابات وذلؾ وفقاً لقانوف سوؽ رأس الماؿ والئحتو التنفيذية (القانوف رقـ‬
‫‪ 95‬لسنة ‪.)1992‬‬

‫وترى الباحثة أنو بالرغـ مف اختالؼ موقؼ الجيات التنظيمية فى كؿ دولة مف حيث صور ودرجات‬
‫اإلفصاح عف التنبؤات المستقبمية إال أف ىناؾ اىتماـ متزايد بالتنبؤات المستقبمية وذلؾ لموفاء باإلحتياجات‬
‫المختمفة لمستخدمى المعمومات إلتخاذ ق اررات استثمارية رشيدة‪.‬‬

‫خالصة الفصل‪:‬‬
‫تـ التعرض فى ىذا الفصؿ لمفيوـ جودة التقارير المالية ومداخؿ تعريفيا والتى تنقسـ إلى مدخؿ‬
‫الحوكمة ومدخؿ المنفعة حيث ركزت الباحثة عمى المدخؿ األخير فى عالقتو بتحسيف جودة التقارير المالية‬
‫مف خالؿ توفير معمومات التدفقات النقدية المستقبمية بإعتبارىا معمومات ىامة لمستخدمى التقارير المالية‬
‫والتى يعتبر توفيرىا تحقيقاً لميدؼ الرئيسى مف التقارير المالية‪ ،‬حيث يرتبط مفيوـ جودة التقارير المالية‬
‫بأىداؼ التقارير المالية فى إطار المدخؿ النفعى‪ ،‬وبالتالى ستتناوؿ الباحثة فى الفصؿ الثالث شرح أسموب‬
‫التنقيب فى البيانات وأىميتو فى جميع المجاالت بشكؿ عاـ ومجاؿ المحاسبة بشكؿ خاص ومدى إمكانية‬
‫اإلستفادة منو فى تحسيف جودة التقارير المالية مف خالؿ دوره فى التنبؤ بمعمومات التدفقات النقدية‬
‫المستقبمية‪.‬‬

‫‪66‬‬
 ‫الفصل الثالث‬
‫دور التنقيب فى البيانات فى تحسين‬
‫جودة التقارير المالية‬
 ‫انفصم انثانث‬
‫دور أسهىب انرُمية فً انثياَاخ فً ذحسيٍ خىدج انرمارير انًانيح‬
‫مقدمة‪:‬‬

‫تقوـ منشآت األعماؿ بجمع كميات ىائمة مف البيانات باإلضافة إلى ما يرد إلييا يومياً مف بيانات‬
‫مما يجعميا أماـ كـ ىائؿ مف البيانات فى ظؿ تزايد تخزيف البيانات المالية بمعدؿ سريع جداً ‪(Westphal,‬‬
‫)‪ 2009, p.4‬ومف جانب آخر‪ ،‬فقد شيدت مينة المحاسبة فى اآلونة األخيرة تطو اًر كبي اًر فى ظؿ التطورات‬
‫السريعة والمتالحقة فى مجاؿ تكنولوجيا المعمومات والتى ترتب عمييا ظيور ما يسمى بالتشغيؿ اإللكترونى‬
‫لمبيانات (عصيمى‪ ،)2010،‬مما أدى إلى إعادة النظر فى المعالجات المحاسبية‪ ،‬وظيور التجارة اإللكترونية‬
‫وبالتالى أصبحت المعمومات المالية أكثر تعقيدا ومف ثـ وجب قياـ المحاسبيف بالتكيؼ مع األمور الجديدة‬
‫واألخذ بعيف اإلعتبار تأثير بيئة تكنولوجيا المعمومات عمى مينة المحاسبة (الداية ‪ ،2009،‬ص‪ ،)2‬وفى‬
‫استطالع حديث لواحد وأربعيف مف المديريف التنفيذييف اكتشفوا أف تكنولوجيا المعمومات تمعب دوا اًر ىاماً فى‬
‫دعـ القرار اإلستراتيجى‪ ،‬وأف إدارة المعرفة الفقيرة ترجع إلى نظـ المعمومات غير الكؼء والتى تمثؿ عقبة‬
‫أماـ عممية اتخاذ القرار )‪.(Nemati & Barko, 2003, p.282‬‬

‫وبالتالى فإف التقدـ فى تكنولوجيا المعمومات وانتشار استخداـ اإلنترنت يتطمب مف المديريف والمحاسبيف‬
‫وا لمراجعيف واألكاديمييف أف يصبحوا أكثر ميارة وأكثر معرفة فى تصميـ نظـ المعمومات المحاسبية والرقابة‬
‫عمييا )‪.(Nagano & Moreas, 2013, p.274‬‬

‫وفى ىذا الصدد عرضت دراسة ‪ (2013, p.282) Nagano & Moraes‬أحد أساليب الذكاء‬
‫اإلصطناعى وىو نمذجة التوجو باليدؼ ‪ Object-Oriented Modeling‬بإستخداـ الوكيؿ الذكى‬
‫‪ Intelligent Agent‬وفقاً إلحتياجات مستخدمى المعمومات المحاسبية‪ ،‬وتـ مالحظة أف استخداـ ىذا األسموب‬
‫يمكف مف تطوير التقارير لممستخدميف المختمفيف‪ ،‬مع تحقيؽ التطوير فى جودة المعمومات وتـ اعتباره كأحد‬
‫األساليب الجديدة لتطوير نظـ المعمومات المحاسبية‪ .‬وتتمثؿ الميزة الكبيرة ليذا األسموب فى التطوير‬
‫والتحميؿ المستمر لممحاسبة‪ ،‬وبيذا يكوف نظاـ المعمومات المحاسبى قادر عمى تمبية احتياجات المستخدميف‬

‫‪67‬‬
‫دوف فقداف القابمية لمفيـ‪ ،‬المالءمة‪ ،‬اإلعتمادية‪ ،‬القابمية لممقارنة‪ ،‬حتى مع التغيرات فى نموذج العمؿ أو‬
‫معايير المحاسبة المستخدمة‪ .‬وعالوة عمى ذلؾ‪ ،‬فإف تطوير تكنولوجيا الوكيؿ الذكى تمكف مف تحميؿ العاـ‬
‫السابؽ فى وقت الحؽ‪ .‬وتوصمت ىذه الدراسة أنو حتى بعد تطوير التقارير المحاسبية التقميدية (الميزانية‬
‫المضى قدماً فى تحميؿ المؤشرات المالية التقميدية‬
‫وقائمة الدخؿ عمى سبيؿ المثاؿ)‪ ،‬يستطيع الوكيؿ الذكى ُ‬
‫بإستخداـ نظاـ خبرة ُمطور لذلؾ‪ ،‬وبيذا يمكف ليذه البرامج أف تراقب بشكؿ مستمر الموقؼ واألداء‬
‫المالى‪/‬التشغيمى لممنشأة وبالتالى مساعدة المستخدميف الداخمييف فى اتخاذ القرار‪ ،‬ويمكف استخداـ أساليب‬
‫أخرى لمذكاء اإلصطناعى عمى سبيؿ المثاؿ‪ ،‬استخداـ الشبكات العصبية لمتنبؤ بالنتائج وبالتالى تعتبر نظـ‬
‫المعمومات المحاسبية أساسية إلتخاذ القرار بشرط مراعاة احتياجات مستخدمييا وطريقة عمؿ المحاسبة‬
‫‪.The way Accounting works‬‬

‫ومف ثـ فإف استخداـ أساليب الذكاء اإلصطناعى وتكنولوجيا المعمومات فى منشآت األعماؿ وال سيما‬
‫فى ظؿ نظـ المعمومات المحاسبية قد جعؿ آلية تسجيؿ العمميات ومعالجتيا تتـ بشكؿ سريع وأكثر دقة‬
‫وبالتالى تساعد فى تقديـ معمومات أكثر مالءمة إلتخاذ ق اررات استثمارية رشيدة‪ ،‬كما ساعدت عمى توسيع‬
‫اإلطار الذى تعمؿ فيو المحاسبة بحيث تتكامؿ مع العموـ اإلدارية واليندسية وعموـ الحاسب وبحوث‬
‫العمميات مما يرفع مف كفاءة نظاـ المعمومات المحاسبى ومخرجاتو المتمثمة فى المعمومات المحاسبية‬
‫المفيدة فى اتخاذ القرار‪.‬‬

‫وتتمثؿ أىـ آثار استخداـ تكنولوجيا المعمومات فى إمكانية تجميع وتخزيف ومعالجة واسترجاع كمية‬
‫كبيرة مف البيانات وبالتالى فإف المنشأة فى موضع أفضؿ لإلستفادة مف البيانات التى تقوـ بتجميعيا ولكف‬
‫الكمية الضخمة مف ال بيانات المجمعة فى قواعد البيانات الخاصة باألعماؿ تتطمب استخداـ تقنيات متقدمة‬
‫مثؿ التنقيب فى البيانات إلستخالص معنى مف المادة الخاـ لمبيانات واستخداميا ألغراض مفيدة لممنشأة‬
‫(كالمساعدة فى اتخاذ القرار) )‪.(Ata & Seyrk, 2009, p.161;Wang & Wang,2015,p.2‬‬

‫وبالتالى فإف "التنقيب فى البيانات" يقدـ الحؿ ليذه المشكالت‪ ،‬فيى تكنولوجيا جديدة تيدؼ إلى‬
‫الحصوؿ عمى معمومات غير معروفة مف قواعد البيانات بغرض استخداميا فى إتخاذ القرار‪ ،‬حيث تُحسف‬
‫مف فيـ البيانات المتراكمة واستخالص األنماط اليامة الموجودة فييا مف أجؿ استثمارىا بالشكؿ الذى يؤدى‬

‫‪68‬‬
‫إلى إتخاذ قرار سميـ ُيجنب المنظمة أى خسائر محتممة ويرفع مستوى أدائيا كما أف المزايا التنافسية التى‬
‫يحققيا التنقيب فى البيانات تتضمف زيادة الربحية‪ ،‬وتقميؿ التكمفة‪ ،‬وتحسيف استجابة ووعى السوؽ ‪(Zhang‬‬
‫)‪. & Zhou, 2004, p.513; Witten & Frank, 2005, p.5‬‬

‫وتحقيقا لميدؼ مف ىذا الفصؿ تـ تقسيمو إلى مجموعة مف المحاور األساسية وذلؾ عمى النحو التالى‪:‬‬
‫‪ 0/3‬نظرة شاممة عن أسموب التنقيب فى البيانات‪.‬‬
‫‪ 6/3‬التنقيب فى البيانات ونظم دعم القرار‪.‬‬
‫‪ 3/3‬العوامل األساسية لتحقيق نجاح التنقيب فى البيانات فى منشآت األعمال‪.‬‬
‫‪ 4/4‬دور أسموب التنقيب فى البيانات فى زيادة دقة التنبؤ بالتدفقات النقدية‪.‬‬
‫وسيتـ تناوؿ ىذه المحاور بالتفصيؿ كما يمى‪:‬‬

‫‪ 0/3‬نظرة شاممة عن أسموب التنقيب فى البيانات‪:‬‬

‫تتناوؿ الباحثة مفيوـ التنقيب فى البيانات والفكرة العامة لو وأىميتو ومجاالت استخدامو وأدواتو ومناىجو‬
‫وخطواتو فيما يمى‪:‬‬

‫‪ 0/0/3‬مفيوم أسموب التنقيب فى البيانات‪:‬‬

‫يعرؼ ‪ (2002,p.24) Sirikulvadhana‬التنقيب فى البيانات عمى أنو "مجموعة مف تقنيات‬

‫الحاسب مصممة بطريقة آلية لمتنقيب فى أحجاـ كبيرة مف البيانات المتكاممة لموصوؿ إلى المعمومات أو‬
‫األنماط غير المتوقعة أو الخفية‪ ،‬ويُعرؼ أسموب التنقيب فى البيانات فى بعض األحياف بإكتشاؼ المعرفة‬
‫فى قواعد البيانات ‪."Knowledge Discovery in Databases‬‬

‫ويعتبر التنقيب فى البيانات مجاؿ ىاـ مف مجاالت عموـ الحاسب وبرزت أىميتو فى الثمانينات مف‬
‫خالؿ استخداـ مفاىيـ وأساليب مف مجاالت الذكاء االصطناعى‪ ،‬ونظـ قواعد البيانات واإلحصاء‪ ،‬وييدؼ‬
‫الى إكتشاؼ المعمومات المخبأة مف قدر كبير مف البيانات )‪.)Westphal & Blaxton, 1998, p.5‬‬

‫‪69‬‬
‫والتنقيب فى البيانات ىو" مصطمح اُستخدـ لوصؼ تحميؿ البيانات إلكتشاؼ العالقات غير‬
‫المعروفة سابقا والتى تقدـ معمومات مفيدة " )‪.(Ata & Seyrek, 2009, p.161‬‬

‫وُيعرؼ التنقيب فى البيانات أيضاً عمى أنو "عممية تحميؿ لمبيانات مف خالؿ ربطيا مع تقنيات‬
‫الذكاء االصطناعى )‪ (Artificial Intelligence‬والعمميات اإلحصائية فى تحميؿ ىذه البيانات‪ ،‬واستخداميا‬
‫فى تحديد المعمومات النافعة‪ ،‬والمعرفة الالحقة مف قواعد البيانات الكبيرة أو استخراج المعمومات التنبؤية‬
‫الخفية مف قواعد البيانات الكبيرة‪ ،‬وكذلؾ اكتشاؼ القيمة الخفية فى مستودع البيانات‪ ،‬ويرى البعض أنيا‬
‫تعتبر خطوة مف خطوات استكشاؼ المعرفة مف قواعد البيانات ‪”Knowledge Discovery In‬‬
‫”‪( Database‬جمعو‪ ،2010،‬ص‪ )131‬بينما يتعامؿ البعض اآلخر مع التنقيب فى البيانات كمصطمح‬
‫مرادؼ إلستكشاؼ المعرفة مف قواعد البيانات )‪. (Han & Kamber, 2006, p.5‬‬

‫ويعرؼ ‪ (2005) Laroze‬التنقيب فى البيانات أيضاً عمى أنو "عممية بحث محوسب ويدوى عف‬
‫معرفة مف البيانات دوف فرضيات مسبقة عما يمكف أف تكوف عميو ىذه المعرفة‪ ،‬كما تعرؼ عمى أنيا عممية‬
‫تحميؿ بيانات (عادةً ما تكوف كـ كبير مف البيانات) إليجاد عالقة منطقية تمخص البيانات بطريقة جديدة‬
‫تكوف مفيومة لمالؾ البيانات"‪.‬‬

‫وتـ تعريؼ التنقيب فى البيانات أيضاً عمى أنو" أساليب وأدوات استكتشاؼ المعرفة غير المعروفة‪ ،‬ويمكف‬
‫النظر إليو كشكؿ ضرورى مف أشكاؿ المعرفة الضرورية لحؿ المشكالت المحددة فى مجاؿ معيف‪.‬‬
‫وباإلعتماد عمى تقنيات التنقيب فى البيانات‪ ،‬يمكف بناء نموذج قرار لمتنبؤ وتصنيؼ مشكمة المجاؿ‬
‫المحتممة" )‪ .(Lu & Chen, 2009, p.3537‬كما يشير ‪(2014, p.379) Sousa & Figueiredo‬‬
‫إلى أف "التنقيب فى البيانات" منيجية متطورة لمبحث عف المعرفة "الخفية" فى قواعد بيانات المنظمات حيث‬
‫تعتبر مف أىـ األدوات التى تسيؿ مف الوصوؿ لمكفاءة فى السنوات األخيرة‪.‬‬

‫وترى الباحثة أف التنقيب فى البيانات عبارة عف أسموب متقدـ مف أساليب تحميؿ البيانات يقوـ‬
‫بالبحث واإلستكشاؼ مف أجؿ الحصوؿ عمى األنماط غير المعروفة والعالقات اليامة فى قواعد البيانات‬
‫عف طريؽ توظيؼ أساليب الذكاء اإلصطناعى واإلحصاء وتقنيات قواعد البيانات المتقدمة‪ ،‬أى أنو مظمة‬

‫‪71‬‬
‫كبيرة ومفيوـ واسع يندرج تحتو العديد مف المياـ واألدوات مف أجؿ الحصوؿ عمى المعمومات المفيدة‬
‫والداعمة إلتخاذ القرار السميـ‪.‬‬

‫وبالتالى يتـ استخداـ التنقيب فى البيانات لمجموعة محددة مف األنشطة التى تتضمف جميعيا‬
‫استخالص المعمومات الجديدة المفيدة مف البيانات‪ ،‬ويساعد ‪ Data Mining‬منشآت األعماؿ وخبراء‬
‫األعماؿ فى التركيز عمى المعمومات األكثر أىمية المتاحة فى قواعد البيانات‪ .‬وتـ استخداـ مصطمح‬
‫التنقيب فى البيا نات فى البداية بواسطة اإلحصائييف وباحثى قواعد البيانات ومنشآت األعماؿ‪ ،‬وقد اُستخدـ‬
‫مصطمح اكتشاؼ المعرفة فى قواعد البيانات ‪ KDD‬بشكؿ عاـ ليشير إلى العممية الشاممة إلكتشاؼ المعرفة‬
‫المفيدة مف البيانات‪ ،‬ويرى البعض أف التنقيب فى البيانات خطوة فى ىذه العممية‪ ،‬والخطوات اإلضافية فى‬
‫عممية اكتشاؼ المعرفة تتمثؿ فى إعداد البيانات‪ ،‬اختيار البيانات‪ ،‬تنظيؼ البيانات‪ ،‬التفسير المالئـ لنتائج‬
‫عممية التنقيب فى البيانات‪ ،‬التأكيد عمى المعرفة المفيدة المستخمصة مف البيانات ‪(Jackson, 2002,‬‬
‫)‪.p.266‬‬

‫ويعتبر التنقيب فى البيانات واحداً مف األساليب التى تستخدـ فى الحفاظ عمى جودة البيانات‪ ،‬فيمكف‬
‫استخداميا إلدارة جودة البيانات باإلضافة إلى استخداميا العاـ مثؿ تحميؿ سمة السوؽ ‪Market Basket‬‬
‫‪ .(Hanninen,2010,p.9) Analysis‬أى أف التنقيب فى البيانات ىو مجموعة مف األدوات التى تستخدـ‬
‫فى اكتشاؼ المعرفة غير المعروفة والعالقات السابقة مف أحجاـ كبيرة مف البيانات فى قواعد البيانات‬
‫الضخمة وبالتالى توفير معمومات مفيدة فى اتخاذ القرار‪.‬‬

‫‪ 6/0/3‬الفكرة العامة ألسموب التنقيب فى البيانات‪:‬‬

‫يتضمف ىذا الجزء مف الدراسة الفكرة العامة ألسموب التنقيب فى البيانات وفقا لرؤية & ‪Westphal‬‬
‫‪ (1998, p.5) Blaxton‬فى النقاط التالية‪:‬‬

‫‪ ‬ىناؾ العديد مف الشركات سواء التابعة لمقطاع الخاص أو الحكومة قد كرست البيروقراطية فييا‬
‫عدداً ىائالً مف المصادر لبناء وصيانة قواعد بيانات ضخمة لممعمومات خالؿ العقود القميمة‬
‫الماضية‪ ،‬متضمنة تطوير نطاؽ واسع مف مستودعات البيانات‪.‬‬

‫‪71‬‬
‫‪ ‬فى العديد مف الحاالت فإف المعمومات التى تحتوييا قواعد البيانات ال يمكف الدخوؿ عمييا أو‬
‫تحميميا‪.‬‬
‫‪ ‬ال يمكف تحميؿ البيانات بالطرؽ اإلحصائية التقميدية‪ ،‬إما لفقد عدد ىائؿ مف السجالت أو ألف‬
‫البيانات تكوف فى شكؿ وصفى بدالً مف المقاييس الكمية‪.‬‬
‫‪ ‬تـ تطوير بعض قواعد البيانات بشكؿ كبير ولكف غالباً ال يعرؼ مديرو النظـ ما المعمومات‬
‫التى قد تكوف معبرة أو مدى مالءمتيا لألسئمة المطروحة ‪.‬‬
‫‪ ‬مف المفيد لممنظمات أف تجد طريقيا "لمتنقيب" فى قواعد البيانات الضخمة لدييا مف أجؿ‬
‫التوصؿ لممعمومات أو النماذج اليامة التى يمكف أف تحتوييا‪.‬‬
‫‪ ‬يوجد العديد مف مناىج وتقنيات التنقيب فى البيانات التى يمكف استخداميا لتحميؿ مصادر‬
‫البيانات مف أجؿ اكتشاؼ أنماط واتجاىات جديدة‪.‬‬

‫ىذه ىى الفكرة العامة لمتنقيب فى البيانات‪ ،‬وعمى عكس الحاالت التى يمكف أف تُوظؼ فييا‬
‫التحميالت الرياضية واإلحصائية إلختبار فرضيات محددة مسبقاً‪ ،‬فإف التنقيب فى البيانات أكثر فائدة فى‬
‫اكتشاؼ سيناريوىات التحميؿ والتى ال توجد فييا مفاىيـ محددة مسبقاً حوؿ ما سوؼ يشكؿ نتائج مثيرة‬
‫لإلىتماـ‪ .‬وأياً كاف الشكؿ الدقيؽ الذى يأخذه التحميؿ‪ ،‬إال أف المفتاح يكمف فى اإلعتماد عمى نيج مرف‬
‫يمكنؾ مف عمؿ اكتشافات غير متوقعة خمؼ حدود التوقعات الموجودة خالؿ مجاؿ مشكمتؾ ‪(Kirkos et‬‬
‫)‪. al.,2007, p.996‬‬

‫‪ 3/0/3‬أىداف استخدام التنقيب فى البيانات فى منشآت األعمال‪:‬‬

‫تتمثؿ أىداؼ التنقيب فى البيانات فى إكتشاؼ المعرفة الخفية ‪ ،Hidden Knowledge‬األنماط غير‬
‫المعروفة ‪ Unknown Patterns‬والقواعد الجديدة ‪ New Rules‬واإلرتباطات والتغيرات والحاالت الشاذة‬
‫واليياكؿ اليامة ‪ Significant Structures‬مف قواعد البيانات الضخمة والتى مف المحتمؿ أف تكوف مفيدة‬
‫ومفيومة بشكؿ أساسى إلتخاذ الق اررات اليامة‪ ،‬فيى تكنولوجيا توفر منيجيات مختمفة إلتخاذ القرار‪ ،‬حؿ‬
‫المشكالت‪ ،‬التحميؿ‪ ،‬التخطيط‪ ،‬التشخيص‪ ،‬التحديد‪ ،‬اإلكتشاؼ‪ ،‬الوقاية‪ ،‬اإلبتكار)‪.(Tsai, H., 2013, p.3161‬‬
‫ويتـ تطبيؽ تقنيات تحميؿ البيانات واكتشاؼ المعرفة فى ظؿ حدود كفاءة الحاسب وتوفر عدد مف األنماط‬

‫‪72‬‬
 ‫مف خالؿ البيانات‪ ،‬واألفكار التى تـ الحصوؿ عمييا مف خالؿ مستوى ٍ‬
‫عاؿ مف الفيـ لمبيانات التى مف‬
‫الممكف أف تساعد فى تحسيف ممارسة العمؿ‪ ،‬ويقوـ بائعو برامج التنقيب فى البيانات فى اآلونة األخيرة‬
‫بدمج قدرات التنقيب فى البيانات فى محركات قواعد البيانات ‪ Data base engine‬حتى يمكف لممستخدميف‬
‫تنفيذ مياـ التنقيب فى البيانات بشكؿ متوازى داخؿ قواعد البيانات مما يوفر الوقت ‪(Zhang & Zhou, 2004,‬‬
‫)‪ p.513‬وفى إطار ذلؾ يرى ‪ (2004) Kirkos & Manolopoulos‬أف أدوات التنقيب فى البيانات تطبيقات‬
‫منعزلة أو أجزاء مف برامج التحميؿ اإلحصائى وتضمينيا فى قواعد البيانات التجارية أو نظـ تخطيط موارد‬
‫المنشأة ‪ُ (ERP) Enterprise Resource Planning‬يسيؿ مف نشر فائدة أدوات التنقيب فى البيانات‬
‫لممينييف ورجاؿ األعماؿ‪.‬‬

‫ويشير ‪ (2006، p3( Han & Kamber‬إلى أف مستخدمو التنقيب فى البيانات غالبا ىـ خبراء‬
‫المجاؿ الذيف ال يمتمكوف البيانات فقط ولكف يقوموف بتجميع البيانات بأنفسيـ وذلؾ بفرض أف مالكى‬
‫البيانات لدييـ بعض الفيـ لمبيانات وعمميات توليدىا‪ .‬وتعتبر األعماؿ التجارية أكبر مجاؿ لمستخدمى‬
‫التنقيب فى البيانات حيث يتـ تجميع كـ ىائؿ مف البيانات‪ ،‬وألف اليدؼ األساسى لرجاؿ األعماؿ ىو جعؿ‬
‫شركاتيـ أكثر ربحية وأكثر منافسة لذلؾ يرغب مالكو البيانات ليس فقط فى فيـ أفضؿ لبياناتيـ ولكف أيضا‬
‫إكتساب معرفة جديدة عف مجاليـ (موجودة فى بياناتيـ) لغرض حؿ المشكالت بطرؽ أفضؿ‪ ،‬ويمكف‬
‫التنقيب فى بيانات المنظمات مف اإلجابة عمى األسئمة المتعمقة بالماضى (ماذا حدث؟) والحاضر (ماذا‬
‫يحدث؟) والمستقبؿ (ماذا يمكف أف يحدث؟)‪ ،‬وذلؾ عف طريؽ إيجاد األنماط والعالقات بيف ممارسات‬
‫العمؿ والمنشآت‪ .‬وتعد مزايا التنقيب فى أف البيانات حقيقية وقابمة لمقياس الكمى‪ ،‬كما أف المعرفة الجديدة‬
‫المتطمب األكثر‬
‫المكتشفة يجب أف تتميز بسمات أساسية؛ فيجب أف تكوف مفيومة‪ ،‬جديدة‪ ،‬متاحة‪ ،‬مفيدة‪ ،‬و ُ‬
‫ُ‬
‫أىمية ىو أف المعرفة الجديدة المكتشفة يحتاج مالكو البيانات إلى فيميا إلستخداميا واإلستفادة منيا‪.‬‬

‫‪ 4/0/3‬مجاالت إستخدام التنقيب فى البيانات فى منشآت األعمال‪:‬‬

‫لقد اكتسب أسموب التنقيب فى البيانات فى السنوات األخيرة انتباىا واسع االنتشار فى عالـ‬
‫األعماؿ‪ ،‬كما أشارت اإلستطالعات األخيرة إلى أف التطبيقات الناجحة إلستخداـ أسموب التنقيب فى‬
‫البيانات زادت مف استخدامو ومف أىميتو فى حؿ المشكالت المختمفة‪ ،‬باإلضافة إلى ما سبؽ فإف أىمية‬

‫‪73‬‬
‫التنقيب فى البيانات فى المحاسبة أدت إلى اإلعتراؼ بيا بواسطة الكثير مف المنظمات‪ ،‬حيث عرفيا‬
‫المعيد األمريكى لممحاسبيف القانونييف )‪ (AICPA‬بأنيا واحدة مف قمة عشر تكنولوجيات مستخدمة لمغد‪،‬‬
‫بينما وضعيا معيد المراجعيف الداخمييف)‪ (IIA‬مف أربعة أولويات لمبحث‪ ،‬وعمى الرغـ مف األىمية المينية‬
‫ألساليب التنقيب فى البيانات إال أف البحث المحاسبى فى مجاؿ التنقيب فى البيانات مازاؿ فى مراحمو األولى‬
‫وذلؾ بالرغـ مف وجود مجيود كبير يتمثؿ فى الدراسات البحثية ألسموب التنقيب فى البيانات (جمعو‪،2010،‬‬
‫ص‪.(Kirkos & Manopoulos, 2004) ،)129‬‬

‫وعمى الرغـ مف كوف مجاؿ البحث فى "التنقيب فى البيانات" فى التمويؿ والمحاسبة وتطبيؽ نواتجو‬
‫مجاؿ بحث جديد نسبيا إال أف ىناؾ بعض الدراسات األجنبية التى تناولت استخداـ التنقيب فى البيانات فى‬
‫معالجة بعض المشكالت المالية والمحاسبية‪ ،‬حيث أصبحت تقنيات التنقيب فى البيانات أدوات ىامة‬
‫لممحاسبيف المينييف لما ليا مف قدرات تصنيفية وتنبؤية تمكف مف تسييؿ عممية إتخاذ القرار‪ ،‬كما أنيا أكثر‬
‫استخداماً فى مجاالت التنبؤ باإلفالس ‪ ،Bankruptcy‬تقدير خطر اإلئتماف ‪،Credit Risk Estimation‬‬
‫التعثر المالى ‪ ،Financial Distress‬والتنبؤ بأداء المنظمة واكتشاؼ غش اإلدارة ‪Management Fraud‬‬
‫(جمعو‪ ،2010،‬ص‪.(Kirkos et al., 2007, p.996( ،)144‬‬

‫ولقد بدأت المنشآت فى إدراؾ أىمية ‪ DM‬فى استراتيجية التخطيط لدييا وأف التطبيؽ الناجح لتقنيات‬
‫‪ DM‬سيؤتى ثماره بشكؿ ىائؿ لممنشآت التى تقوـ بتطبيقيا )‪ )Jackson, 2002, p.270‬كما بدأت فى‬
‫استخداميا ألنيا تعطى قيمة لمصناعة حيث تُزيد مف الربحية‪ ،‬تقمؿ التكمفة‪ ،‬تكشؼ عف أسواؽ جديدة‪ ،‬تقوـ‬
‫بتحديد سوء استغالؿ اإلئتماف والغش كما تقوـ بتحميؿ اإلتجاىات ‪ ،Trends Analysis‬المبيعات‪ ،‬وليا‬
‫دور فى إدارة المخزوف والرقابة )‪( ، )Sim, 2003, p.6‬صالح‪ ،2016 ،‬ص‪.)206‬‬

‫وقد أشار ىاشـ (‪ ،2011‬ص‪ )421‬إلى أنو قد تـ دراسة أسموب التنقيب فى البيانات حديثاً عمى‬
‫نطاؽ واسع خصوصاً فى إدارة عالقات دعـ العمالء وكأداة لمراجعة الحسابات وكخطة لكشؼ الغش‬
‫وكأداة لمتحقيؽ فى العمميات غير الصحيحة‪ ،‬كما أشار إلى أف إحدى الدراسات قامت بمقارنة برامج‬
‫مراجعة الحسابات العامة ببرنامج التنقيب فى البيانات ليدؼ عرض تفوؽ تكنولوجيا برنامج التنقيب فى‬
‫البيانات الحديثة‪ .‬ويتـ استخداـ التنقيب فى البيانات بشكؿ واسع فى تطبيقات التمويؿ والتسويؽ مثؿ التنبؤ‬

‫‪74‬‬
‫بأسعار األسيـ‪ ،‬تحميؿ سموؾ شراء المستيمكيف‪ ،‬تحميؿ ترويج المنتجات‪ ،‬دعـ المبيعات عمى اإلنترنت‪.‬‬
‫ويرى ‪ (2009,p.32) Nordlander‬أف التنقيب فى البيانات سيصبح أداة مفيدة جداً لمشركات المنافسة‬
‫فى سوؽ األسيـ‪ ،‬وىناؾ العديد مف التطبيقات التى يتـ استخداميا فى مجاؿ المحاسبة حيث يتعامؿ‬
‫المحاسبوف مع أحجاـ كبيرة مف قواعد البيانات التشغيمية والمالية )‪. (Kwak et al., 2010, p.1324‬‬

‫ولذلؾ ترى الباحثة أنو فى ظؿ التيديدات التى تواجييا الشركات سواء كانت داخمية متمثمة فى‬
‫الغش والتالعب عمى سبيؿ المثاؿ وخارجية متمثمة فى المنافسة مع الشركات األخرى فى نفس مجاؿ‬
‫الصناعة‪ ،‬فإنو أصبح لزاماً عمى الشركات أف تستفيد بشكؿ أفضؿ مف النظـ الحديثة فى مجاالت التحميؿ‬
‫اليامة مثؿ اكتشاؼ الغش‪ ،‬دراسة وتحميؿ أسواؽ رأس الماؿ مف خالؿ تحديد األنماط اليامة والمفيدة فى‬
‫اتخاذ القرار لتحقيؽ أرباح أكثر ومزايا تنافسية كبيرة وتكمفة أقؿ وكسب ثقة حممة األسيـ‪.‬‬

‫‪ 5/0/3‬أبعاد التنقيب فى البيانات ‪:‬‬

‫ترتبط المعرفة المنقب عنيا ارتباطا وثيقا بالتطبيؽ المستيدؼ والبيانات األصمية‪ .‬ولذلؾ ال يجب النظر‬
‫إلى التنقيب فى البيانات كميمة منفصمة بؿ يجب النظر إليو إلى جانب العديد مف القضايا األخرى‪ .‬فعمى‬
‫سبيؿ المثاؿ‪ ،‬قد يتطمب اكتشاؼ الغش فى بطاقات اإلئتماف والتنبؤ بسعر السيـ تقنيات مختمفة لمتنقيب فى‬
‫البيانات‪ .‬ويعتمد التنقيب فى البيانات عمى خصائص البيانات فعمى سبيؿ المثاؿ‪ ،‬إذا كانت البيانات عبارة‬
‫عف سمسمة زمنية فإنو يجب أف تعكس تقنيات التنقيب فى البيانات خصائص التتابع الزمنى‪ .‬ويجب أف‬
‫يستف يد التنقيب فى البيانات مف نماذج المجاؿ‪ .‬ويوجد العديد مف النماذج المطورة التى تقدـ رؤية عف‬
‫السمات الميمة لتطبيقات معينة فى مجاؿ التمويؿ‪ .‬وتدمج العديد مف التطبيقات تقنيات التنقيب فى البيانات‬
‫مع نماذج المحاسبة والتمويؿ المتعددة (مثؿ نموذج تسعير األصؿ الرأسمالى ونموذج التنبؤ بالتدفقات‬
‫النقدية) )‪ .(Zhang & Zhou, 2004, p.514‬ويؤدى استخداـ التنقيب فى البيانات فى التمويؿ والمحاسبة‬
‫مع التطبيقات‪ ،‬البيانات‪ ،‬نماذج المجاؿ إلى تكويف إطار مفاىيمى مف ثالثة أبعاد كما ىو موضح فى‬
‫الشكؿ رقـ (‪ )1‬عمى النحو التالى‪:‬‬

‫‪75‬‬
 ‫شكل رقم (‪ :)0‬أبعاد أسموب التنقيب فى البيانات فى التطبيقات المالية والمحاسبية‬

‫)‪(Zhang & Zhou, 2004, p.514‬‬

‫‪ 6/0/3‬الفرق بين التنقيب فى البيانات وأساليب اإلحصاء التقميدية‪:‬‬

‫فى الواقع العممى‪ ،‬تكوف المشكالت غير خطية ‪ Nonlinear‬فى طبيعتيا‪ ،‬ولذلؾ يصعب تطوير‬
‫نموذج شامؿ يأخذ فى اعتباره كؿ المتغيرات المستقمة مف خالؿ أساليب اإلحصاء التقميدية‪ .‬كما أف‬
‫المخزنة فى قواعد البيانات تزداد بمعدؿ كبير جداً ألنو يمكف الحصوؿ عمييا وتخزينيا بسيولة‬
‫البيانات ُ‬
‫المخبأة فى قواعد البيانات واإلستفادة منيا بشكؿ‬
‫وبتكمفة زىيدة وىذا يجعؿ مف الصعوبة استكشاؼ المعرفة ُ‬
‫عممى وذلؾ إما لفقد عدد ىائؿ مف السجالت أو ألف البيانات تكوف فى شكؿ وصفى بدالً مف المقاييس‬
‫الكمية مع مالحظة أنو ُيفضؿ استخداـ الطرؽ اإلحصائية العادية فى تحميؿ كمية البيانات الصغيرة فى‬
‫حيف أف التنقيب فى البيانات يستخدـ فى التعامؿ مع كـ كبير مف البيانات‪ ،‬وتستخدـ التحميالت الرياضية‬
‫واإلحصائية إلختبار فرضيات محددة مسبقاً بينما يعتبر التنقيب فى البيانات أكثر فائدة فى اكتشاؼ‬
‫سيناريوىات التحميؿ والتى ال توجد فييا مفاىيـ محددة مسبقاً حوؿ ما سوؼ يشكؿ نتائج ىامة‪ ،‬ومف المتفؽ‬
‫عميو أف خوارزميات التنقيب فى البيانات مستمدة مف اإلحصاء‪ .‬وعالوة عمى ذلؾ‪ ،‬فإف المستخدميف‬
‫المستيدفيف مف أدوات اإلحصاء ىـ اإلحصائيوف فى حيف أف التنقيب فى البيانات مصمـ لرجاؿ األعماؿ‪،‬‬
‫وىذا يعنى ببساطة أف أدوات التنقيب فى البيانات ىى تعزيز لألدوات اإلحصائية التى تمزج العديد مف‬

‫‪76‬‬
‫الخوارزميات اإلحصائية معاً وتمتمؾ القدرة عمى التعامؿ مع بيانات أكثر بأسموب مؤتمت باإلضافة إلى‬
‫واجية استخداـ سيمة )‪.(Sirikulvadhana, 2002, p.31‬‬

‫ويشير ‪ (2007,p.267) Jackson‬إلى أف التنقيب فى البيانات ىو امتداد لتحميؿ البيانات‬

‫التقميدى ‪ Traditional Data Analysis‬وأساليب اإلحصاء حيث أنو يشتمؿ عمى تقنيات تحميمية مستمدة‬
‫مف مجموعة مف التخصصات‪ ،‬مثؿ التحميؿ الرقمى‪ ،‬مطابقة األنماط ومجاالت الذكاء اإلصطناعى مثؿ‬
‫تعمـ اآللة‪ ،‬الشبكات العصبية والخوارزميات الجينية‪ .‬كما أشار ‪ (2007,p.6) Cios,et al‬إلى أف أكثر‬
‫الخصائص التى يتميز بيا التنقيب فى البيانات ىو أنو يعتمد عمى البيانات ‪ Data Driven‬عمى عكس‬
‫الطرؽ األخرى التى غالبا ما تعتمد عمى النماذج ‪ .Model Driven‬ففى اإلحصاء‪ ،‬يتعامؿ الباحثوف‬
‫غالبا مع مشكمة إيجاد أصغر حجـ مف البيانات يعطى تقديرات ذات درجة ثقة كبيرة بينما فى التنقيب فى‬
‫البيانات يتـ التعامؿ مع عكس المشكمة بمعنى التعامؿ مع حجـ بيانات كبير مع اإلىتماـ ببناء نموذج‬
‫بيانات صغير (أى ليس معقداً) ولكف ما زاؿ يصؼ البيانات ويعبر عنيا‪.‬‬

‫وبشكؿ عاـ التنقيب فى البيانات ىو عممية تحميؿ لمبيانات وتمخيصيا فى المعمومات المفيدة‪ ،‬وفنيا‬
‫ىو عممية ايجاد االرتباطات واألنماط مف بيف العشرات مف الحقوؿ فى قواعد البيانات الضخمة ذات‬
‫العالقة‪ .‬وعمى عكس اإلحصاء‪ ،‬يركز التنقيب فى البيانات عمى اإلستكشاؼ والوصؼ‪ ،‬واإلستكشاؼ ىو‬
‫البحث فى البيانات عف األنماط بدوف نموذج رسمى أساسى‪ ،‬ويعنى الوصؼ تمخيص النمط الذى يوفر‬
‫إجابات معقولة عف أسئمة معينة أو تسميط الضوء عمى المشكمة‪ ،‬وىناؾ اختالؼ آخر بيف التنقيب فى‬
‫البيانات واإلحصاء أال وىو أف التحميؿ اإلحصائى يتطمب مثاؿ واحد‪ ،‬بينما يتطمب التنقيب فى البيانات‬
‫عممية تك اررية‪ ،‬وعمى الرغـ مف اإلختالفات بينيما إال أنو ال يستبعد أحدىما اآلخر فكؿ منيما معنى بإيجاد‬
‫بنية ذات معنى لمبيانات وتوجد مجاالت متداخمة بينيما )‪.(Zhang & Ya, 2009, p.5‬‬

‫واذا كانت استراتيجيات التنقيب فى البيانات مفيدة فى إستنتاج العالقات والمعمومات المفيدة‪ ،‬فإنو‬
‫يمكف لمستثمرى البورصة اإلستفادة مف ىذه اإلستراتيجيات كمرشد جيد لإلستثمار‪ ،‬ومؤخ اًر تـ تقديـ أساليب‬
‫تعمـ اآللة ‪ Machine Learning‬غير الخطية المعقدة‪ ،‬عمى سبيؿ المثاؿ الشبكات العصبية‪ ،‬آالت شعاع‬

‫‪77‬‬
‫الدعـ‪ ،‬خميط مف الخوارزميات الجينية وآالت شعاع الدعـ أو الشبكات العصبية ‪(Lu & Chen, 2009,‬‬
‫)‪. p.3537‬‬

‫وأشار عثماف (‪ ،2009‬ص‪ )48-47‬إلى أف أساليب تحميؿ البيانات مرت بمرحمتيف أوليما‪ ،‬مرحمة‬
‫استخداـ األساليب اإلحصائية حيث ازدىر استخداـ ىذه األساليب فى السبعينات والثمانينات رغبةً فى‬
‫القياس الكمى لممعمومات وذلؾ لتحديد العالقات‪ ،‬إال أف ىذا القياس الكمى كاف معتمداً بشكؿ أساسى عمى‬
‫أساليب تحميؿ إحصائية تخضع لمجموعة مف اإلفتراضات مثؿ التوزيع الطبيعى لمبيانات‪ ،‬وجود عالقات‬
‫خطية بيف المتغيرات مثؿ اإلنحدار الخطى واستقالؿ المتغيرات إال أف أغمب ىذه اإلفتراضات يصعب‬
‫الوفاء بيا‪ ،‬مما جعؿ المنفعة الحقيقية إلستخداـ ىذه األساليب محدودة‪ ،‬ويعتبر أكثر األساليب استخداماً ىو‬
‫تحميؿ اإلنحدار وتزداد صعوبة استخداـ ىذه األساليب عندما تكوف البيانات المستخدمة غير متجانسة‪،‬‬
‫وتتصؼ عالقتيا بعدـ الثبات أو تكوف مشوشة‪ ،‬ومف ثـ وجب البحث عف أساليب أخرى لمتحميؿ تتعامؿ مع‬
‫كؿ المتغيرات وال تستبعد المتغيرات الشاذة إال بعد إختبار مالءمتيا فإذا تبيف أف ليا تأثير ضعيؼ يتـ‬
‫استبعادىا ولذلؾ ظيرت أساليب الذكاء اإلصطناعى التى تقوـ عمى مجموعة مف الحسابات المعقدة‬
‫والديناميكية‪ ،‬وتتمثؿ أىـ خصائص ىذه األساليب فى اإلعتماد عمى القواعد بشكؿ أساسى باإلضافة إلى‬
‫الخوارزميات ‪ ،Algorithms‬القدرة عمى التعمـ بإستخداـ خوارزمية التعمـ اإلشرافى ‪Supervised Learning‬‬
‫(يوجد ليذه النوعية مف المشكالت مخرجات محددة مطموب الوصوؿ إلييا مثؿ مشكالت التنبؤ باإلفالس أو‬
‫التنبؤ بوجود حاالت غش)‪ ،‬أو بإستخداـ خوارزمية التعمـ غير اإلشرافى (ال يوجد مخرجات محددة) مثؿ‬
‫درجات الح اررة‪ ،‬كما يمكف اإلستفادة مف أساليب الذكاء اإلصطناعى فى العموـ اإلجتماعية‪ ،‬ومنيا‬
‫المحاسبة وال سيما فى حؿ المشكالت غير الييكمية‪ ،‬مثؿ تحديد المؤشر العاـ لسوؽ األوراؽ المالية ‪.‬‬

‫ووفقا لمعرض السابق نجد أف التنقيب فى البيانات أسموب جديد لو أىميو كبيرة عمى مستوى‬
‫المنشآت حيث يساعد استخدامو عمى رفع كفاءتيا وزيادة الربحية والميزة التنافسية‪ ،‬أما عمى مستوى‬
‫مستخدمى التقارير المالية فالقدرات التصنيفية والتنبؤية ألدوات التنقيب فى البيانات تساىـ فى توفير‬
‫معمومات ىامة وداعمة إلتخاذ القرار‪.‬‬

‫‪78‬‬
 ‫‪ 7/0/3‬مجاالت تطور التنقيب فى البيانات‪:‬‬

‫لقد ساىـ فى تطوير أسموب التنقيب فى البيانات التطورات الحديثة فى كؿ مف الرياضيات (حيث‬
‫تـ تطوير خوارزميات جديدة كؼء وسريعة)‪ ،‬تكنولوجيا قواعد البيانات (تـ السماح لألبحاث الجديدة بتطوير‬
‫قواعد البيانات‪ ،‬وكذلؾ بالنسبة لمحاسبات) فقد سمحت ىياكؿ التصميـ القوية الجديدة بإستغالؿ أحجاـ‬
‫ضخمة مف البيانات‪ .‬وبطريقة أخرى يمكف القوؿ أف التنقيب فى البيانات تطور مف عدة مجاالت تتضمف‬
‫تكنولوجيا المعمومات ‪ ،Information Technology‬الذكاء اإلصطناعى ‪،Artificial Intelligence‬‬
‫اإلحصاء التقميدية ‪ ،Traditional Statistics‬الحوسبة عالية األداء ‪،High-Performance Computing‬‬
‫رسومات الحاسب ومرئية الحاسب ‪،Computer Graphics and Data Computer Visualization‬‬
‫وبالتالى يصبح لدينا وفرة فى تقنيات التنقيب فى البيانات المتاحة ويمكف تصنيفيا فى أربعة فئات‪ :‬قواعد‬
‫البيانات‪ ،‬اإلحصاء‪ ،‬الذكاء اإلصطناعى ومرئية الحاسب ‪(Tsai, 2013, p.3161; Sirikulvadhana, 2002,‬‬
‫)‪ p.29‬وفيما يمى عرض تحميمى لما سبؽ‪:‬‬

‫(أ) قواعد البيانات )‪:(Databases‬‬

‫عمى الرغـ مف أف أسموب التنقيب فى البيانات ال يتطمب حجـ كبير مف البيانات كمدخالت‪،‬‬
‫إال أنو مف الم مكف تطبيؽ تكنولوجيا التنقيب فى البيانات عمى مجموعات كبيرة مف البيانات‪ .‬ويعتبر‬
‫التنقيب فى البيانات أكثر فائدة فى الحصوؿ عمى المعمومات التى ال يستطيع العقؿ البشرى الحصوؿ‬
‫عمييا‪ ،‬لذلؾ يمكف القوؿ أف ىدؼ التنقيب فى البيانات ىو تنقيب قواعد البيانات لمحصوؿ عمى‬
‫الم عمومات المفيدة‪ .‬وبذلؾ يمكف توظيؼ العديد مف أنواع قواعد البيانات مف أجؿ المساعدة فى‬
‫عمميات التنقيب خصوصاً فى مرحمة فيـ واعداد البيانات‪ .‬وأمثمة عمى مثؿ ىذه الخوارزميات تتمثؿ فى‬
‫تعميـ البيانات‪ ،‬تسوية البيانات ‪ ،Data Normalization‬كشؼ البيانات المفقودة وتصحيح البيانات‪،‬‬
‫تجميع البيانات‪ ،‬تحويؿ البيانات ‪ ،Data Transformation‬والمعالجة التحميمية عمى اإلنترنت ‪Online‬‬
‫‪.(Sirikulvadhana,2002 ,p.31) (OLAP) Analytical Processing‬‬

‫‪79‬‬
‫ويمكف إستخداـ التنقيب فى البيانات فى أنواع مختمفة مف قواعد البيانات (مثؿ قواعد البيانات العالئقية‬
‫ُ‬
‫‪ ،Relational Database‬قواعد بيانات العمميات ‪ ،Transactional Database‬قواعد البيانات الموجية‬
‫باليدؼ ‪ ،Object - Oriented Database‬مستودع البيانات ‪ Data Warehouse‬أو األنواع األخرى مف‬
‫مستودعات البيانات (مثؿ قواعد البيانات النصية أو ذات الوسائط المتعددة ‪Text or Multimedia‬‬
‫‪ Database‬أو شبكة اإلنترنت‪ )WWW‬وبالتالى فإف البيانات التى ُيمكف التنقيب فييا مف الممكف أف تكوف‬
‫رقمية أو نصية أو حتى رسوـ أو صوت )‪.)Han & Kamber, 2006 ,p.10‬‬

‫(ب) اإلحصاء (‪:(Statistics‬‬

‫ىناؾ مف يعتبر التنقيب فى البيانات فرع مف فروع اإلحصاء ولكف يستخدـ التنقيب فى البيانات‬
‫أيضاً تقنيات مف مجاالت أخرى مثؿ تكنولوجيا قواعد البيانات والتعمـ اآللى‪ ،‬ومع ذلؾ تمعب اإلحصاء‬
‫دور رئيسى فى التنقيب فى البيانات خاصةً فى عمميات تطوير وتقييـ النماذج‪ .‬أى أنو يمكف استخداـ‬
‫اإلحصاء تقريباً فى معظـ عمميات التنقيب فى البيانات متضمنة اختيار البيانات ‪،Data Selection‬‬
‫حؿ المشكمة ‪ ،Problem Solving‬عرض النتيجة ‪ ،Result Representation‬تقييـ النتيجة‬
‫‪ .Result Evaluation‬وتتضمف تقنيات اإلحصاء التى يمكف تطبيقيا فى عمميات "التنقيب فى‬
‫البيانات" المتوسط‪ ،‬التبايف‪ ،‬اإلنحراؼ المعيارى‪ ،‬اإلحتماالت‪ ،‬فترة الثقة ‪،confident Interval‬‬
‫اإلنحدار غير الخطى‪ ،‬مربع كاى ‪ Qui-Square‬وغيرىا )‪.(Jackson,2007,p.274‬‬

‫(ج) الذكاء اإلصطناعى )‪:(Artificial Intelligence‬‬

‫ىو مجاؿ عممى يسعى إلى محاكاة السموؾ الذكى عند اإلنساف فى اآللة ليساعد اإلنساف فى أداء‬
‫عممو‪ .‬ويمثؿ الذكاء اإلصطناعى إضافة قيمة لمعديد مف تطبيقات األعماؿ كما أنو يرفع مف قدرة‬
‫المنشآت عمى المنافسة‪ ،‬ويمكف القوؿ أف تقنيات الذكاء اإلصطناعى ىى األكثر استخداماً فى عممية‬
‫التنقيب فى البيانات حتى أف بعض اإلحصائييف يروف أداة التنقيب فى البيانات كذكاء اصطناعى‬
‫احصائى‪ .‬ولعؿ السبب فى ذلؾ ىو القدرة عمى التعمـ والتى تمثؿ الميزة الكبرى لمذكاء اإلصطناعى‬
‫وبالتالى يتـ تقديرىا بشكؿ أكبر فى مجاؿ التنقيب فى البيانات‪ .‬وتتضمف تقنيات الذكاء اإلصطناعى‬

‫‪81‬‬
‫التى يتـ استخداميا فى عمميات التنقيب فى البيانات الشبكات العصبية ‪ ،Neural Networks‬التعرؼ‬
‫عمى األنماط ‪ ،Pattern Recognition‬التفكير القائـ عمى الحالة ‪،Case-Based Reasoning‬‬
‫الوكيؿ الذكى ‪ ،Intelligent Agent‬استدالؿ شجرة القرار ‪ ،Decision Tree Induction‬المنطؽ‬
‫الضبابى ‪ ، Fuzzy Logic‬الخوارزميات الجينية ‪ Genetic Algorithms‬ونظـ الخبرة ‪Expert‬‬
‫‪.(Sirikulvadhana, 2002, p.31; Thakur, 2012) Systems‬‬

‫(د) مرئية المعمومات (‪:(Information Visualization‬‬

‫مرئية المعمومات ىى عممية تحميؿ وتحويؿ البيانات إلى رسوـ حيث تشير إلى العرض السيؿ‬
‫المفيوـ لمبيانات ومنيجية تحويؿ خصائص البيانات المعقدة إلى أنماط واضحة حتى تسمح‬
‫لممستخدميف برؤية األنماط المعقدة والعالقات الخفية فى عممية التنقيب فى البيانات‪ ،‬وقد استغؿ‬
‫الباحثوف قدرات تحديد األنماط فى النظاـ البصرى لإلنساف عف طريؽ بناء مجموعة مف األدوات‬
‫والتطبيقات التى تقوـ بترميز البيانات بشكؿ مرف بإستخداـ األلواف‪ ،‬المكاف‪ ،‬الحجـ والخصائص‬
‫البصرية األخرى )‪ ،(Sharma & Panigrahi, 2012, p.39‬وتسمح ىذه التقنية لمتخذى القرار‬
‫والمحمميف بتكويف فكرة عف البيانات واستخالص وفيـ النتائج خصوصاً فى ظؿ ضخامة حجـ البيانات‬
‫وتعقدىا‪ ،‬فمف الضرورى إلنجاز التنقيب فى البيانات بشكؿ فعاؿ األخذ فى اإلعتبار المرونة والمعرفة‬
‫العامة لألشخاص مع قدرة التخزيف اليائمة والقدرة التمثيمية لمحاسبات مف خالؿ تقنية مرئية المعمومات‪،‬‬
‫وقد تـ اثبات أف ليا قيمة كبيرة فى تحميؿ البيانات كما أنيا تكوف مفيدة وال سيما عندما يكوف المعروؼ‬
‫عف البيانات قميالً وأىداؼ اإلستكشاؼ غير معروفة‪ ،‬ويمكف رؤيتيا أيضا كتقنيات عرض عالية‬
‫المستوى والتى تسمح لممستخدميف بإستكشاؼ البيانات متعددة األبعاد المعقدة بطريقة أسيؿ‪ .‬وبشكؿ‬
‫عاـ‪ ،‬تتطمب ىذه التقنيات التكامؿ مع جيد اإلنساف لتحميؿ وتحديد النتائج مف عروضيا التفاعمية‬
‫‪ .Interactive Displays‬وتتضمف ىذه التقنيات الصوت ‪ ،Audio‬الجداول ‪،Tabular‬‬
‫المصفوفات ‪ ،Matrices‬الرسوـ البيانية ‪ ،Charts‬اإلسقاط اليرمى ‪ ،Hierarchical Projection‬التقنيات‬
‫المعتمدة عمى الرسـ البيانى ‪ ،Graph-Based Techniques‬العرض الديناميكى ‪Dynamic‬‬
‫‪.(Zhang & Zhou, 2004, p.515) Presentation‬‬

‫‪81‬‬
‫ويعتبر الفرؽ بيف مستودع البيانات ‪ Data Warehouse‬والتنقيب فى البيانات واضح فبنية‬
‫مستودع البيانات والتى تتضمف تنظيؼ وتوحيد البيانات تمثؿ خطوة تجييزية قبؿ البدء فى التنقيب فى‬
‫البيانات أى أف مستودع البيانات ىو مكاف لتخزيف البيانات حيث يتـ تجميع البيانات مف مصادر‬
‫بيانات مختمفة فى مصدر واحد حيث يمكف تحميؿ البيانات واعادة معالجتيا ودمجيا مع بعضيا‬
‫البعض‪ ،‬والتنقيب فى البيانات ىو أداة إلستخالص المعرفة مف ىذه البيانات ‪(Jackson, 2007,‬‬
‫)‪.p.268‬‬

‫ويرى ‪ )2006,p.5( Han & Kamber‬أنو مف األفضؿ تسمية "التنقيب فى البيانات" بإسـ ُمالئـ‬
‫"كالتنقيب عف المعرفة فى البيانات" ولكنو مسمى طويؿ إلى ٍ‬
‫حد ما‪ ،‬أما المصطمح القصير" تنقيب‬
‫المعرفة" ربما ال يعكس التنقيب فى أحجاـ كبيرة مف البيانات‪ ،‬وبالتالى فإف "التنقيب" يعتبر مصطمح‬
‫مناسب يصؼ عممية إيجاد أشياء ثمينة مف أحجاـ كبيرة مف المواد الخاـ‪ ،‬ولذلؾ فإف مثؿ ىذه التسمية‬
‫التى تحمؿ كؿ مف "البيانات" و"التنقيب" أصبحت اختيار شائع‪ ،‬وتحمؿ العديد مف المصطمحات‬
‫األخرى نفس المعنى أو تختمؼ بشكؿ طفيؼ عف معنى التنقيب فى البيانات مثؿ "تنقيب المعرفة مف‬
‫البيانات"‪" ،‬استخالص المعرفة"‪" ،‬تحميؿ البيانات‪/‬األنماط"‪.‬‬

‫‪ 8/0/3‬نماذج التنقيب فى البيانات‪:‬‬

‫يعمؿ التنقيب فى البيانات بشكؿ أساسي عمى تحميؿ البيانات وتوليد نماذج وصفية وتنبؤية تساعد‬
‫عمى حؿ المشكالت‪ ،‬ويوجد العديد مف التطبيقات المستخدمة فى الممارسة العممية‪ ،‬وفيما يمى عرض‬
‫لمنماذج الوصفية والتنبؤية‪:‬‬

‫(أ) النماذج الوصفية (‪ (Descriptive Models‬تميز الخصائص العامة لمبيانات فى قواعد‬

‫البيانات‪ ،‬وتحاوؿ استخالص األنماط المفيدة التى يمكف أف تصؼ البيانات المنقب عنيا واستكشاؼ‬
‫الخصائص وتركز عمى إيجاد المعمومات أو األنماط الجديدة التى تصؼ البيانات التى يمكف لإلنساف‬
‫أف يقوـ بتفسيرىا‪ ،‬عمى سبيؿ المثاؿ فى قواعد بيانات محؿ بقالة ‪ grocery‬يمكف استكشاؼ عدد‬
‫كبير مف العمالء الذيف يقوموف بشراء المنتج ‪ A‬مع المنتج ‪ ،B‬ومف أىـ أدوات التنقيب فى البيانات‬

‫‪82‬‬
‫التى تستخدـ فى النماذج الوصفية شجرة الق اررات‪ ،‬قواعد اإلرتباط‪ ،‬آلة شعاع الدعـ & ‪(Zhang‬‬
‫)‪. Zhou, 2004, p.513‬‬

‫(ب) النماذج التنبؤية )‪ :(Predictive Models‬تستدؿ عمى البيانات الجارية لعمؿ التنبؤات‪،‬‬
‫وتحاوؿ التنبؤ بالقيـ غير المعروفة واإلتجاىات المستقبمية أو السموؾ باإلعتماد عمى المتغيرات‬
‫األخرى أو القيـ التاريخية المعروضة فى قواعد البيانات التى يتـ التنقيب فييا‪ ،‬ويتضمف ذلؾ‬
‫استخداـ بعض المتغيرات أو الحقوؿ فى مجموعة البيانات لمتنبؤ بالقيـ المستقبمية أو غير المعروفة‬
‫لممتغيرات األخرى ذات األىمية‪ ،‬عمى سبيؿ المثاؿ التنبؤ بإستجابة العميؿ لعرض ترويجى‪ ،‬أو التنبؤ‬
‫بالتدفؽ النقدى الربع سنوى‪ ،‬ومف الجدير بالذكر أف العالقات التنبؤية التى يتـ إيجادىا مف خالؿ‬
‫التنقيب فى البيانات ليس بالضرورة أف تكوف سبباً فى سموؾ أو أداء‪ ،‬ومف أىـ أدوات التنقيب فى‬
‫‪(Singh & Chuhan, 2005,‬‬ ‫البيانات التى تستخدـ لتوليد النماذج التنبؤية الشبكات العصبية‬
‫)‪. p.39‬‬

‫‪ 9/0/3‬ميام التنقيب فى البيانات‪:‬‬

‫يتـ تصنيؼ نماذج التنقيب فى البيانات وفقا لممياـ التى تؤدييا وتوجد العديد مف المحاوالت‬
‫البحثية لتصنيؼ وحصر مياـ التنقيب فى البيانات ولكف اختمؼ تصنيؼ وعدد ىذه المياـ مف دراسة إلى‬
‫أخرى‪ ،‬واختارت الباحثة التصنيؼ األكثر شيوعاً مف بيف التصنيفات المعروضة فى تمؾ الدراسات فيما‬
‫يمى‪:‬‬

‫(أ) التصنيف والتنبؤ (‪:(Classification and Prediction‬‬

‫تستخدـ تقنيات التصنيؼ إليجاد قيمة المتغير التابع باإلعتماد عمى بعض المتغيرات ولكف فى‬
‫ىذه الحالة يكوف المتغير التابع قيمة فئوية ‪ Categorical‬وليست رقمية ‪ ،Numerical‬والتصنيؼ‬
‫ىو إيجاد الخصائص المشتركة بيف مجموعة مف الكيانات فى قواعد البيانات وتصنيفيا إلى فئات‬
‫مختمفة وفقاً لنموذج تصنيؼ‪ ،‬واكتشاؼ الغش ىو مثاؿ شائع عمى مشكمة التصنيؼ ومف الممكف‬
‫لبنؾ أف يصنؼ طمب قرض كغش محتمؿ بإستخداـ النماذج التى تعتمد عمى خصائص ُمقدـ‬

‫‪83‬‬
‫الطمب‪ .‬وبالنسبة لمتنبؤ فإنو يتعمؽ بالقيـ التى يتـ العثور عمييا فى المستقبؿ مثؿ التنبؤ بسعر سيـ‬
‫فى الشيور القادمة أو التنبؤ بأى فريؽ سيفوز بالكأس‪ ،‬ولقد تـ تطوير العديد مف نماذج التصنيؼ‬
‫لمتنبؤ باألنماط المستقبمية لمؤشرات سوؽ السيـ وأسعار صرؼ العمالت األجنبية ‪(Zhang &Zhou,‬‬
‫) ‪. 2004, p.513; Ata, Seyrek, 2009, p.161‬‬

‫(ب) تحميل العنقدة )‪:(Clustering Analysis‬‬

‫يتـ جمع الكيانات المتشابية سوياً وتوضع الكيانات غير المتشابية فى مجموعات مختمفة‪،‬‬
‫وتختمؼ تقنيات العنقدة عف تقنيات التصنيؼ فى أنو ال يتـ معرفة ما الذى ستكوف عميو البيانات عند‬
‫البدء أو بأية صفة ستتجمع البيانات‪ ،‬وتقنيات العنقدة مف الممكف أف تُستخدـ لتحديد التبعيات‬
‫المستقمة إلدارة المخاطر وادارة اإلستثمار )‪.( Ayad, 2000, p.15‬‬

‫(ج) ذُمية لىاعذ اإلرذثاط (‪:(Association Rule Mining‬‬

‫يتمثؿ اليدؼ مف تطبيقات التنقيب فى البيانات المتعمقة بميمة اإلرتباط فى تحديد العالقات بيف‬
‫العديد مف كيانات معينة والكشؼ عف أنماط اإلرتباط اليامة مف بيف مجموعة كبيرة مف عناصر‬
‫البيانات عف طريؽ إظيار ظروؼ القيـ التى تحدث معاً بشكؿ متكرر‪ ،‬ومثاؿ عمى ذلؾ ىو تحميؿ‬
‫سمة السوؽ ‪ Market Basket Analysis‬الذي يقوـ بتحميؿ العادات الشرائية لممستيمكيف مف خالؿ‬
‫إيجاد العالقة أو اإلرتباط بيف العناصر المختمفة فى سمة تسوؽ المستيمؾ‪ .‬وتـ تطوير العديد مف‬
‫األدوات لممياـ المذكورة باألعمى لحؿ المشكالت )‪. (abd elateif, 2012, p.51‬‬

‫(د) ذحهيم انرراتع (انرسهسم انزيُـي) )‪:(Sequential Analysis‬‬

‫يبحث عف األنماط التى يرتبط فييا حدث (قيمة) بحدث آخر (أو قيمة)‪ ،‬ومثاؿ عمى ذلؾ‪ ،‬أنو‬
‫مع زيادة معدؿ التضخـ ينخفض سعر السيـ فى سوؽ األسيـ‪ ،‬ويعتبر التصنيؼ والتنبؤ نماذج‬
‫تنبؤية ‪ ،‬بينما تعتبر العنقدة وقواعد اإلرتباط نماذج وصفية)‪. (Zhang &Zhou, 2004, p.513‬‬

‫‪84‬‬
 ‫‪ 11/1/3‬مناىج التنقيب فى البيانات‪:‬‬

‫تختمؼ مناىج التنقيب فى البيانات فيما إذا كانت تسعى لبناء نماذج أو إيجاد أنماط كما يمى‬
‫)‪:(Jackson,2007,p.268‬‬

‫(أ) المنيج التشغيمى )‪ :(Operational Approach‬ييتـ ببناء نماذج بالتشابو مع أساليب‬

‫اإلحصاء التفسيرية التقميدية‪ ،‬واليدؼ ىو تقديـ تمخيص شامؿ لمجموعة مف البيانات لمتعرؼ عمى‬
‫ووصؼ السمات األساسية لشكؿ التوزيع‪ ،‬وتتضمف ىذه النماذج عمى سبيؿ المثاؿ نموذج‬
‫اإلنحدار لمتنبؤ وشجرة القرار لمتصنيؼ‪ ،‬ويسعى ىذا المنيج إلى نمذجة العالقات دوف استناد أى‬
‫منيا عمى نظرية أساسية‪.‬‬

‫(ب) المنيج الموضوعى )‪ :(Substantive Approach‬يعتمد عمى بعض النظريات أو‬

‫آليات عممية توليد البيانات األساسية ويسعى إلى تحديد اإلنحرافات الصغيرة (ومع ذلؾ تكوف‬
‫ىامة) لتحديد األنماط غير العادية والشاذة لمسموؾ‪ ،‬ومثاؿ عمى ذلؾ أنماط اإلنفاؽ غير المعتادة‬
‫فى استخداـ بطاقة اإلئتماف (لمكشؼ عف الغش) واألشياء ذات األنماط المختمفة فى خصائصيا‬
‫عف غيرىا‪ ،‬وييتـ التنقيب فى البيانات فى المقاـ األوؿ بالمنيج التشغيمى ‪.‬‬

‫‪ 00/0/3‬خطوات التنقيب فى البيانات‪:‬‬

‫يعتبر التنقيب فى البيانات عممية طويمة ومعقدة تتطمب خطوات تك اررية حتى يتـ الوصوؿ إلى‬
‫النتائج المستيدفة‪ ،‬والتى تتطمب مطموب تدخؿ وتفسير اإلنساف خالليا‪ ،‬وقد تـ تطوير العديد مف العمميات‬
‫لتوحيد الخطوات فى ىذا المجاؿ حيث توجد العديد مف اآلراء التى تناولت عممية التنقيب فى البيانات‬
‫تفصيالً أو اختصا اًر لكنيا عموماً تصب فى ذات السياؽ‪ .‬وتـ التوصؿ إلى أف العممية المعيارية األكثر‬
‫شيوعا واستخداما لمتنقيب فى البيانات ىى "عممية التنقيب فى البيانات المبنية عمى نوع النشاط‪ /‬الصناعة" ‪The‬‬
‫‪ Cross-Industry Process of Data mining‬أو‪ .(Abdellatif,2012,P.60( CRISP-DM‬ويشير‬
‫‪ (2002,p.26) Sirikulvadhana‬إلى ‪ CRISP-DM‬كنموذج لعممية التنقيب فى البيانات يقوـ بوصؼ‬
‫األساليب التى يستخدميا خبراء التنقيب فى البيانات لحؿ المشكالت‪ ،‬حيث اتحدت مجموعة مف الشركات‬

‫‪85‬‬
‫فى محاولة لتوحيد عممية ‪ ،DM‬وتـ وصؼ منيجيتيا مف خالؿ عممية ىرمية تتضمف ‪ 4‬مستويات‪ ،‬يتصمف‬
‫المستوى األوؿ مراحؿ التنقيب فى البيانات ثـ المياـ العامة ثـ المياـ الخاصة أو االجراءات التى يتـ‬
‫تنفيذىا فى حاالت معينة وأخي ار حاالت عممية تتمثؿ فى سجؿ مف اإلجراءات والق اررات ونتائج المشاركة‬
‫الفعمية لمتنقيب فى البيانات أو الناتج النيائى لكؿ مرحمة‪.‬‬

‫وكما ىو موضح بالشكؿ التالى رقـ (‪ )2‬أف نموذج ‪ CRISP-DM‬يتكوف مف ‪ 6‬خطوات تحتاج إلى‬
‫التطبيؽ بحرص لتوليد نتائج ذات معنى ومفيدة مف التحميؿ المؤدى وىى‪:‬‬

‫شكؿ رقـ (‪ :)2‬نموذج عممية التنقيب فى البيانات المبنية عمى نوع النشاط‪/‬الصناعة‬

‫)‪(Cios et al., 2007, p.13‬‬

‫(أ) فيم طبيعة العمل )‪:(Business Understanding‬‬

‫تتضمف ىذه الخطوة تحديد أىداؼ العمؿ‪ ،‬وتقييـ الموقؼ الحالى ووضع أىداؼ التنقيب فى‬
‫البيانات مف منظور العمؿ ومتطمباتو‪ ،‬وتحويميا أيضا الى مشكمة ُمعرفة لمتنقيب فى البيانات‪،‬‬

‫‪86‬‬
‫وتصميـ خطة مشروع أولية لتحقيؽ األىداؼ‪ ،‬ويجب أف تتوافر المصادر وتوضع اإلفتراضات وأف‬
‫يتـ تحديد القيود باإلضافة إلى المخاطر وتقييـ الحاالت الطارئة ويجب أف تكوف خطة المشروع‬
‫ديناميكية بمعنى أنو فى نياية كؿ مرحمة يجب إعادة النظر فى الخطة وتحديثيا لمواكبة وضع‬
‫المشروع‪( ،‬الدورى وأحمد‪ ،2007،‬ص‪ )47‬وبالتالى تنقسـ ىذه الخطوة الى عدة خطوات فرعية‬
‫وىى‪:‬‬

‫‪ ‬تحديد أىداؼ العمؿ‬

‫تقييـ الموقؼ‬ ‫‪‬‬
‫‪ ‬تحديد أىداؼ التنقيب فى البيانات‬
‫‪ ‬عمؿ خطة المشروع‬

‫(ب) فيم البيانات (‪:(Data Understanding‬‬

‫تبدأ ىذه الخطوة بتجميع البيانات األولية واإللماـ بالبيانات التى سيتـ التنقيب فييا‪ ،‬وتشمؿ‬
‫ىذه الخطوة تحديد طبيعة البيانات لتحديد التقنيات المناسبة التى سيتـ استخداميا واألنماط المتوقعة‬
‫وتحديد مشكالت جودة البيانات‪ ،‬وبالتالى تنقسـ ىذه الخطوة إلى ‪:‬‬

‫‪ ‬تجميع البيانات‬
‫‪ ‬وصؼ البيانات‬
‫‪ ‬استكشاؼ البيانات ( يتـ فييا تحديد الحقوؿ ‪ Fields‬األكثر أىمية فى التنبؤ والقيـ التى قد‬
‫تكوف مفيدة بإستخداـ تحميؿ اإلرتباط وغيرىا مف التقنيات)‪.‬‬
‫‪ ‬التحقؽ مف جودة البيانات )أى ال يوجد تكرار فى البيانات أو قيـ مفقودة ‪Missing‬‬
‫‪.)Values‬‬

‫وفى نياية المرحمة فإنو يمزـ التقرير عف نتائج كؿ المياـ المذكورة ‪(Sirikulvadhana, 2002,‬‬
‫)‪.p.26‬‬

‫‪87‬‬
 ‫(ج) إعداد البيانات )‪:(Ata & Seyrek, 2009, p.162) (Data Preparation‬‬

‫إف أىـ إىتمامات استخداـ أسموب التنقيب فى البيانات ىى جودة البيانات‪ ،‬فاليدؼ مف ىذه‬
‫المرحمة ىو التأكد مف أف مجموعة البيانات جاىزة لمتنقيب‪ ،‬وتتضمف ىذه الخطوة اختيار البيانات‬
‫(تحديد البيانات المالئمة)‪ ،‬تنظيؼ البيانات (بمعنى حذؼ كؿ أو معظـ البيانات غير المكتممة‬
‫وتمؾ التى تتسـ بالضوضاء وعدـ اإلتساؽ وكذلؾ التعامؿ مع البيانات المفقودة مف خالؿ استخداـ‬
‫طرؽ إعادة وتصحيح ىذه البيانات مثؿ الوسط الحسابى وأيضا اشتقاؽ البيانات ففى بعض األحياف‬
‫يتطمب األمر اشتقاؽ بعض األعمدة لتساعد عمى استكماؿ البيانات)‪ ،‬وتنقية وتوحيد البيانات‬
‫(تجميع البيانات مف مصادر متعددة فى شكؿ موحد)‪ ،‬تحويؿ البيانات (أى تحويؿ البيانات إلى‬
‫شكؿ موحد جاىز لمتنقيب) وتقميؿ حجـ البيانات (إزالة التكرار ودمج البيانات فى شكؿ موحد)‬
‫وتستيمؾ ىذه الخطوة وقت كبير بالنسبة لباقى الخطوات‪.‬‬

‫المعدة والتقارير التى‬

‫يتضمف الناتج النيائى ليذه المرحمة مجموعات البيانات ‪ُ Data Sets‬‬
‫تصؼ كؿ العمميات‪ ،‬أى أف ىذه الخطوة تغطى كؿ األنشطة التى تحتاج إلى مجموعة بيانات‬
‫نيائية ‪ Final Data Set‬والتى تمثؿ البيانات التى ستغذى أدوات التنقيب فى البيانات فى الخطوة‬
‫القادمة‪ ،‬وقد ال يفضؿ إستخداـ مستودع البيانات ‪ Data Warehouse‬ليذا الغرض بؿ يفضؿ‬
‫تكويف سوؽ البيانات ‪ Data Mart‬الذى يختص بجانب محدد‪ ،‬إذاً تنقسـ ىذه الخطوة الى ‪:‬‬

‫‪ ‬اختيار البيانات‪.‬‬
‫‪ ‬تنظيؼ البيانات‪.‬‬
‫‪ ‬بناء البيانات‪.‬‬
‫‪ ‬توحيد البيانات‪.‬‬
‫‪ ‬تنسيؽ المجموعات الفرعية لمبيانات‪.‬‬

‫‪88‬‬
‫ويتـ فى الخطوة األخيرة مف إعداد البيانات إختيار المتغيرات التى تكوف أفضؿ متنبئات واختيار‬
‫الصفوؼ وايجاد متغيرات جديدة مف البيانات الخاـ‪ ،‬وكيفية تمثيميا بإستخداـ عمميات رياضية أو‬
‫جبرية ومف ثـ اختيار األداة التى مف الممكف أف تكوف أكثر فائدة فى بناء النموذج‪.‬‬

‫(د) النمذجة )‪:(Abdellatif,2012,p.60) (Modeling‬‬

‫عمى الرغـ مف أف مصطمحى "نماذج" و"أنماط" يتـ استخداميما دوف تفرقة إال أنو يوجد بعض‬
‫اإلختالفات بينيما‪ .‬فالنموذج ىو ممخص لمجموعة مف البيانات فى شكؿ قواعد يمكف مف خاللو‬
‫وصؼ المجتمع الذى اُستخمصت منو البيانات بينما النمط يصؼ الييكؿ أو البنية المتعمقة بشكؿ‬
‫نسبى بجزء صغير مف البيانات‪ ،‬ولمتبسيط يمكف رؤية النموذج كمجموعة مف األنماط ‪.‬‬

‫وفى مرحمة النمذجة‪ ،‬يتـ تطبيؽ مجموعة مف التقنيات عمى مجموعة البيانات التى تـ‬
‫اعدادىا‪ .‬واليدؼ ىو بناء نموذج يصؼ بشكؿ ُمرضى مجموعة البيانات‪ ،‬ويتضمف بناء النموذج‬
‫اتخاذ القرار الخاص بنوع التنبؤ المراد صنعو (كالتصنيؼ واإلنحدار) ومف ثـ اختيار نوع النموذج‬
‫لصنع التنبؤ الذى يمكف أف يكوف شجرة القرار أو الشبكة العصبية أو غيرىا‪ ،‬ومف الميـ أف يتـ‬
‫بناء نماذج عديدة بديمة إليجاد النموذج األكثر منفعة فى حؿ مشكمة العمؿ وقد يتطمب ذلؾ إجراء‬
‫بعض التغييرات لمبيانات‪ .‬ىذا مع مالحظة وجوب مالءمة النماذج ألبعاد متعددة وقدرتيا عمى‬
‫التعامؿ مع بيانات رقمية وغير رقمية‪ .‬ومف أجؿ ضماف دقة التنبؤ البد مف تدريب النموذج عمى‬
‫مجموعة مف البيانات ومف ثـ اختباره واثبات صالحيتو عمى ما تبقى مف البيانات‪ ،‬فبعد أف يتـ‬
‫تكويف النموذج بإستخداـ قاعدة بيانات التدريب‪ ،‬يستخدـ لمتنبؤ بقاعدة بيانات اإلختبار ويكوف معدؿ‬
‫الدقة الناتج جيد لرفع كفاءة أداء النموذج‪ ،‬وبإختصار تنقسـ ىذه الخطوة إلى‪:‬‬

‫‪ ‬تحديد تقنيات التنقيب فى البيانات المناسبة‬

‫‪ ‬تصميـ النموذج‬
‫‪ ‬بناء النموذج واختباره‬
‫‪ ‬التحقؽ مف صحة النموذج وتقييمو‪.‬‬

‫‪89‬‬
‫ويمكف استخداـ عدة تقنيات بالتوازى مع نفس مشكمة التنقيب فى البيانات‪ .‬ويمكف لمنموذج أف‬
‫يركز إما عمى التقنية األكثر مناسبة أو استخداـ العديد مف التقنيات فى ٍ‬
‫آف واحد‪ ،‬ومع ذلؾ فإف‬
‫األسموب األخير يتطمب قدرات التحقؽ مف صحتيا ومعايير التقييـ‪.‬‬

‫(ه) التقييم )‪:(Ata & Seyrek,2009,p.162) (Evaluation‬‬

‫بعد أف تـ تقسيـ البيانات فى مرحمة التحقؽ مف النموذج إلى مجموعات تدريب ‪Training‬‬
‫‪ Sets‬إلستخالص القواعد والصيغ ومجموعات اختبار ‪ Test Sets‬لصحة النموذج حيث تُستخدـ‬
‫المستخمصة عمى مجموعة مختمفة مف‬ ‫مجموعات اإلختبار لمعرفة كيؼ تعمؿ القواعد والصيغ ُ‬
‫البيانات‪ .‬وباإلعتماد عمى نتائج تطبيؽ النموذج يتـ تقييـ أداء النموذج واما أف يتـ تعديمو أوتنفيذه‬
‫لحؿ مشكمة العمؿ‪ ،‬وىذا ال يعنى أف مشاركة التنقيب فى البيانات ستنتيى بمجرد الحصوؿ عمى‬
‫النتائج‪ .‬فمثؿ ىذه النتائج يمزـ تقييميا بالتزامف مع أىداؼ وسياؽ األعماؿ‪.‬‬

‫وميما كانت درجة دقة النموذج فميس ىناؾ ما يضمف أنو يعكس العالـ الواقعى فقد تكوف‬
‫البيانات المستخدمة لبناء النموذج قد ال تالئـ العالـ الواقعى مما يقود إلى نموذج غير صحيح‪.‬‬
‫لذلؾ مف الميـ اختبار النموذج فى العالـ الواقعى‪ ،‬أى تجربتو عمى مجموعة صغيرة مف الحاالت‬
‫لتقميؿ المخاطر التى يمكف أف تنتج عف عدـ صحة النموذج والتأكد مف نتائج النموذج‪ .‬واذا كانت‬
‫النتائج ُمرضية فإف د ور التنقيب فى البيانات سينتقؿ إلى المرحمة الثانية أو يتـ تكرار المرحمة أو‬
‫العودة لممرحمة السابقة‪ ،‬وخبرة المحمميف مطموبة فى ىذه المرحمة‪.‬‬

‫ويتـ أخذ بعض معايير التقييـ فى اإلعتبار إلى جانب نتيجة النموذج وتتضمف مثؿ ىذه‬
‫المعايير مزايا يمكف لألعماؿ التجارية الحصوؿ عمييا مف النموذج‪ ،‬مثؿ دقة وسرعة النموذج‪،‬‬
‫التكاليؼ الفعمية‪ ،‬درجة األتمتة وقابمية التوسع ‪ ،Scalability‬وتتضمف ىذه الخطوة مجموع‬
‫الخطوات الفرعية التالية‪:‬‬

‫‪ ‬تقييـ النتائج‪.‬‬
‫‪ ‬مراجعة العمميات‪.‬‬

‫‪91‬‬
 ‫‪ ‬تحديد الخطوة التالية‪.‬‬

‫المرضى ويتـ التعرؼ عمى قائمة اإلجراءات اإلضافية‪.‬‬

‫وفى نياية المرحمة يتـ قبوؿ النموذج ُ‬

‫(و) التنفيذ ) ‪:)Sirikulvadhana, 2002, p.27) (Deployment‬‬

‫المكتشفة وتقديميا بطريقة يمكف لمعميؿ استخداميا فيتـ‬‫فى ىذه المرحمة يمزـ تنظيـ المعرفة ُ‬
‫تنفيذ نتائج التنقيب فى البيانات فى ىذه المرحمة‪ .‬وتبدأ ىذه المرحمة بتنفيذ إعداد الخطة والى جانب‬
‫ذلؾ ال ُبد مف تطوير رقابة وصيانة الخطة‪ .‬فى النياية‪ ،‬ينبغى تقييـ نجاح دور التنقيب فى البيانات‬
‫بما فى ذلؾ مجاؿ التحسيف واإلستكشاؼ‪.‬‬

‫ويكوف تنفيذ النموذج والنتائج بأحد أسموبيف‪ ،‬إما المالحظة البسيطة لمنموذج ونتائجو أو تطبيؽ‬
‫النموذج لمجموعات بيانات مختمفة‪ ،‬ىذا مع استمرار رقابة األداء التى قد تتطمب إعادة بناء‬
‫النموذج مف مدة إلى أخرى‪ .‬ومف الضرورى أف يكوف ىناؾ قبوؿ إلحتمالية حدوث فشؿ‪ ،‬وال ييـ‬
‫أيضاً كيؼ سيتـ تصميـ واختبار النموذج‪ ،‬إنو مجرد نموذج تـ بناؤه مف عينة مف مجموعات‬
‫البيانات‪ .‬ولذلؾ فإف كؿ مف القدرة عمى التكيؼ مع التغير فى بيئة األعماؿ‪ ،‬وقرار اإلدارة بتصحيح‬
‫النموذج يعتبر شىء ىاـ ومطموب‪.‬‬

‫وعالوةً عمى ذلؾ‪ ،‬فإف أداء النموذج يحتاج إلى تقييمو بصورة منتظمة‪ ،‬وتسمسؿ ىذه المراحؿ‬
‫ليس جامدا وبالتالى مسموح بالتحرؾ ذىابا وايابا بيف المراحؿ أى أنيا عممية ديناميكية‪ ،‬والى جانب‬
‫ذلؾ فإف العالقة بيف المراحؿ يجب أف تكوف موجودة‪ ،‬ويمكف تقسيـ ىذه الخطوة إلى‪:‬‬

‫‪ ‬تنفيذ الخطة‬
‫‪ ‬الرقابة عمى وصيانة الخطة‬
‫‪ ‬عمؿ التقرير النيائى‬

‫ويجب توثيؽ الدروس المستفادة فى نياية كؿ مرحمة كمرشد لممرحمة التالية‪ ،‬باإلضافة إلى‬
‫توثيؽ جميع المراحؿ‪ ،‬ويجب توثيؽ نتيجة النموذج لممشاركة التالية‪ ،‬ويجب أف تتضمف التفاصيؿ‬

‫‪91‬‬
‫نتائج كؿ مرحمة‪ ،‬المواضيع اليامة‪ ،‬اختيارات حؿ المشكمة واألسموب الذى تـ اختياره وجدير بالذكر‬
‫أنو إلى جانب ‪ CRISP-DM‬كمرشد‪ ،‬توجد كتب دراسية قد كرست جيودىا لدمج وتضميف‬
‫"التنقيب فى البيانات" فى قواعد البيانات لمشكالت األعماؿ‪ .‬وقد أشار ‪(Singh & Chauhan,‬‬
‫)‪ 2012, p.39‬إلى التنقيب فى البيانات كأحد خطوات استكشاؼ المعرفة كما بالشكؿ رقـ (‪)3‬‬
‫التالى‪:‬‬

‫شكؿ رقـ (‪ : )3‬خطوات استكشاؼ المعرفة‬

‫)‪(Singh & Chauhan, 2009, p.39‬‬

‫وبإستعراض الباحثة لمدراسات المتعمقة بموضوع التنقيب فى البيانات تبيف أف بعض اآلراء تُعرؼ‬
‫التنقيب فى البيانات عمى أنو مرادؼ لمصطمح اكتشاؼ المعرفة فى قواعد البيانات‪ ،‬وىناؾ آراء أخرى‬

‫‪92‬‬
‫ترى أف التنقيب فى البيانات ىو خطوة مف خطوات اكتشاؼ المعرفة فى قواعد البيانات‪ ،‬وفى النياية‬
‫فإف كؿ ماييـ ىنا ىو معرفة أف عممية تحميؿ البيانات يجب أف تمر بعدة خطوات بدءاً مف فيـ طبيعة‬
‫العمؿ وصوالً إلى تقييـ ونشر المعرفة المكتشفة وتمثيميا فى شكؿ ُيمكف المستخدـ النيائى مف فيميا‬
‫واإلستفادة منيا مف خالؿ أساليب مرئية الحاسب ‪.Computer Visualization‬‬

‫‪ 12/1/3‬أدوات التنقيب فى البيانات ومعايير اختيار األداة المناسبة‪:‬‬

‫توجد العديد مف أدوات التنقيب فى البيانات ولكؿ واحدة منيا دور يخدـ غرض معيف ومف ىذه األدوات‬
‫مايمى‪:‬‬

‫(أ) الشبكات العصبية (‪:( Neural Networks‬‬

‫قد عرؼ ‪ (2009, p.37( Singh & Chauhan‬الشبكات العصبية عمى” أنيا نموذج رياضى‬
‫أو نموذج لمحاسب اآللى يحاكى الطريقة التى يعمؿ بيا العقؿ البشرى (النظاـ العصبى عند‬
‫اإلنساف)"‪ ،‬وتتكوف مف عدد كبير مف الخاليا العصبية اإلصطناعية أو عناصر التشغيؿ التى‬
‫تتصؿ ببعضيا البعض بدرجة مرتفعة‪ ،‬ويتـ تجميع الخاليا اإلصطناعية المكونة لمشبكة فى عدة‬
‫طبقات‪ ،‬وىى طبقة المدخالت "‪ "Input Layer‬وتتكوف مف الخاليا العصبية اإلصطناعية التى‬
‫تستقبؿ المدخالت‪ ،‬وطبقة المخرجات "‪ "Output Layer‬وتتكوف مف الخاليا العصبية اإلصطناعية‬
‫التى ترسؿ المخرجات‪ .‬وتعرؼ الطبقات التى تقع بيف طبقة المدخالت وطبقة المخرجات (سواء‬
‫كانت واحدة أو أكثر) بالطبقات الخفية أو الوسيطة "‪ "Hidden or Intermediate Layers‬وىى‬
‫التى تعطى القدرة عمى التعامؿ مع البيانات بصورة غير خطية ويتـ التعبير عف قوة اإلتصاؿ بيف‬
‫كؿ عنصريف مف عناصر التشغيؿ فى الشبكة بوزف معيف تتراوح قيمتو ما بيف ‪ 1‬و‪ 1-‬واذا كاف‬
‫عنصر التشغيؿ يتصؿ بأكثر مف عنصر آخر فإف أوزاف ىذه الوصالت يتـ تخزينيا فى شكؿ‬
‫متجو‪ ،‬ويسمى متجو األوزاف الخاص بعنصر التشغيؿ بمعامالت تكيؼ عنصر التشغيؿ ) ويتـ‬
‫تعميـ الشبكة بإستخداـ حاالت تدريبية عبارة عف أمثمة عمى حموؿ لمشاكؿ فى مجاؿ معيف‪ ،‬وتتكوف‬
‫كؿ حالة مف بيانات المدخالت والمخرجات المرتبطة بيا‪ ،‬ومف خالؿ تدريب الشبكة الكافى عمى‬

‫‪93‬‬
 ‫حاالت متعددة فإنيا تتعمـ العالقة بيف متغيرات المدخالت والمخرجات‪ ،‬وتتعمـ مف األمثمة السابقة‪،‬‬
‫وبالتالى يمكنيا أف تعطى مخرجات أو نتائج دقيقة (عباس‪ ،2004،‬ص‪277‬؛ مبارز‪،2003،‬‬
‫ص‪. (Zhang & Zhou, 2004, p.514) ،)122‬‬

‫وقد اتجيت البحوث المحاسبية فى الفترة األخيرة إلى استخداـ الشبكات العصبية فى التعامؿ‬
‫مع المشكالت المحاسبية المختمفة‪ ،‬فعمى سبيؿ المثاؿ تـ استخداميا لمتنبؤ بالتقديرات المحاسبية‬
‫واألرباح والخسائر المحتممة‪ ،‬ومعايرة تكاليؼ العمالة‪ ،‬وتفعيؿ دور المراجع الخارجى فى كشؼ‬
‫الممارسات اإلحتيالية‪ ،‬والتنبؤ بإستمرار الوحدة المحاسبية والتنبؤ بعمميات غسيؿ األمواؿ‪ ،‬وأسعار‬
‫صرؼ العمالت المحمية فى مقابؿ العمالت األجنبية والكشؼ والتنبؤ بحاالت اإلفالس والفشؿ‬
‫المالى المحتمؿ‪ ،‬والتقييـ النوعى لعناصر التكاليؼ (الصغير‪،2011،‬ص‪ )171‬وأشار & ‪Singh‬‬
‫‪ (2009, p.40) Chauhan‬إلى أىمية الشبكات العصبية كأداة مف أدوات التنقيب فى البيانات‬
‫واستخداماتيا فى المياـ المختمفة مف تصنيؼ وتنبؤ وتحميؿ عنقدة وتحميؿ ارتباط‪ ،‬وأشارت بعض‬
‫الدراسات إلى أف المناىج المعتمدة عمى الشبكات العصبية أفضؿ مف الطرؽ اإلحصائية التقميدية‬
‫مثؿ تحميؿ اإلنحدار وتحميؿ التمايز فى التنبؤ المالى مثؿ دراسة ‪(2004) Zhang et al.‬‬
‫ودراسة ‪ (2009) Chen & Dum‬ودراسة ‪ (2012) Pourheydari‬وغيرىا مف الدراسات‪ .‬حيث‬
‫تحتاج األساليب اإلحصائية التقميدية إلى بيانات تتوافر فييا افتراضات أو شروط معينة‪ ،‬مثؿ أف‬
‫تكوف البيانات موزعة توزيعاً طبيعياً‪ ،‬وأف مصفوفات التبايف لتمؾ البيانات متساوية‪ ،‬وناد اًر ما تتوافر‬
‫ىذه اإلفتراضات فى البيانات فى الواقع العممى‪ ،‬وبالتالى شكؾ بعض الباحثيف فى إمكانية اإلعتماد‬
‫والثقة فى ىذه األساليب‪ ،‬أما نماذج الشبكات العصبية فال تحتاج إلى توافر مثؿ ىذه اإلفتراضات‬
‫حيث يتـ بناؤىا بإستخداـ أمثمة عمى حموؿ لمشاكؿ فى مجاؿ تطبيقى معيف‪ ،‬وقد أدى ذلؾ إلى‬
‫انتشار ىذه النماذج وقبوليا مف قبؿ الباحثيف (عباس‪ ،2004،‬ص‪ )279‬كما أف تصميـ الشبكة‬
‫العصبية نفسو يمكف مف التعامؿ مع المشكالت ألنيا تتعمـ مف األمثمة السابقة فيى نظـ مرنة فى‬
‫حؿ المشكالت ولدييا القدرة عمى التعامؿ مع البيانات غير المكتممة‪ ،‬الغامضة والتى تتسـ‬
‫بالضوضاء )‪ ،)kirkos & Manolopoulos, 2004‬وقدرة التعرؼ عمى األنماط التى تتميز بيا‬

‫‪94‬‬
‫الشبكات العصبية يجعميا مفيدة لمتنبؤ فى مجاؿ األعماؿ وتستطيع التعامؿ مع أحجاـ بيانات كبيرة‬
‫بيا عدد كبير مف المتغيرات )‪.(Nordlander, 2001, p.26‬‬

‫وتناولت الباحثة الشبكات العصبية بإستفاضة أكثر عف غيرىا مف التقنيات ألنيا األداة األكثر‬
‫استخداما فى البحوث المحاسبية لألسباب التى تـ ذكرىا فيما سبؽ‪ ،‬باإلضافة الى أنو سيتـ‬
‫اإلستعانة بيا فى الجزء التطبيقى الخاص بالرسالة‪ .‬ويتضح مف الشكؿ التالى رقـ (‪ )4‬ىيكؿ الشبكة‬
‫العصبية‪:‬‬

‫شكؿ رقـ (‪ :)4‬ىيكؿ الشبكة العصبية‬

‫)‪(Singh & Chuahan, 2009, p.38‬‬

‫(ب) شجرة القرار )‪:)Decision Tree‬‬

‫شجرة القرار ىى نموذج تنبؤى يتـ استخداميا أكثر فى التصنيؼ والتنبؤ‪ ،‬شجرة القرار ىي‬
‫بنية لشجرة وكؿ عقدة تمثؿ اختبار عمى سمة معينة‪ ،‬وتبحث عف السمة التى تفصؿ العينات بشكؿ‬
‫أفضؿ إلى فئات فردية‪ ،‬وكؿ فرع يمثؿ نتائج اختبار وتمثؿ كؿ عقدة ورؽ تسمية الفئة (القرار اتخذ‬
‫بعد حساب جميع الصفات)‪ .‬وتحاوؿ الشجرة تقسيـ المالحظات إلى مجموعات فرعية والمسار مف‬
‫الجذر إلى الورقة يمثؿ قواعد التصنيؼ‪ ،‬ويتـ استنتاج قواعد )‪ )If-then‬عند بناء نموذج شجرة‬

‫‪95‬‬
‫القرار لمشكمة تصنيفية معينة حيث يتـ استخالصيا مف النموذج ‪(Kirkos & Manolopoulos,‬‬
‫)‪.2004‬‬

‫(ج) الخوارزميات الجينية )‪:(Genetic Algorithms‬‬

‫يرى ‪ (2001, p.27) Nordland‬أف أفضؿ تعريؼ لمخوارزميات الجينية ىو تعريؼ‬

‫‪ "(1998) Obitko‬الذى يرى أنيا مستوحاة مف نظرية التطور لدارويف حيث تبدأ ىذه التقنية‬
‫بمجموعة مف الحموؿ (متمثمة فى الكروموسومات) تسمى الجيؿ‪ ،‬والحموؿ التى يتـ اختيارىا مف‬
‫جيؿ واحد يتـ استخداميا لتكويف جيؿ آخر آمالً فى أف يكوف الجيؿ الجديد أفضؿ مف الجيؿ‬
‫السابؽ‪ ،‬أى أف الحموؿ المختارة لتكويف حموؿ جديدة تـ اختيارىا وفقا لمالءمتيا‪ -‬فكمما كانت‬
‫مالئمة كمما كاف ىناؾ فرصة أكبر فى إعادة تخميقيا‪ ،‬ويتـ تكرار ذلؾ وصوالً لمحؿ األفضؿ" ‪.‬‬

‫ويشير عثماف (‪ ،2009‬ص‪ )52‬إلى أف الخوارزميات الجينية ىى طريقة بحث تعتمد عمى‬
‫أساليب التقييـ المستوحاة مف الذكاء اإلصطناعى والتى تحاكى النظاـ البيولوجى عند اإلنساف فيما‬
‫يخص الجيف البشرى أى التطور الطبيعى عند اإلنساف‪ ،‬حيث يتـ اختيار األصمح مف بيف اليياكؿ‬
‫المناسبة‪ ،‬ففى كؿ جيؿ يتـ تخميؽ كروموسومات جديدة اعتماداً عمى الجزيئات (الجينات) المناسبة‬
‫فى الجيؿ األقدـ فيحدث تطور يؤدى إلى تحسف المقاييس‪ ،‬ويمثؿ الكروموسوـ فى مجاؿ نظـ‬
‫المعمومات توليفة مقترحة مف المؤشرات والمتغيرات التى تؤثر فى دالة ىدؼ معينة‪ ،‬وتستخدـ‬
‫الخوارزميات الجينية لتحديد أفضؿ مجموعة مف الخطوات واألعماؿ الواجب القياـ بيا وصوالً إلى‬
‫الحؿ األمثؿ مف بيف مجموعة كبيرة مف الحموؿ الممكنة‪.‬‬

‫(د) آلة شعاع الدعم ) ‪:(Support Vector Machine‬‬

‫يرى ‪ (1995( Vapnik‬أف آلة شعاع الدعـ عبارة عف منيج تدريب ثنائى لتصنيؼ بيانات‬
‫التدريب إلى صفيف (موجب‪ ،‬وسالب مثالً)‪ ،‬ويتـ تدريبيا حسابياً باإلعتماد عمى مبدأ تقميؿ الخطأ‬
‫بيف القيـ المتوقعة والقيـ الفعمية إلى الحد األدنى‪ ،‬ألف ذلؾ سيقمؿ احتماؿ الخطأ عند تطبيؽ‬
‫الخوارزمية عمى الحاالت الجديدة‪ .‬وتستطيع آلة شعاع الدعـ فى ميمة التصنيؼ إيجاد أفضؿ‬

‫‪96‬‬
‫سطح فاصؿ لفصؿ األمثمة الموجبة عف األمثمة السالبة‪ ،‬ويتـ إختيار ىذا السطح الفاصؿ بحيث‬
‫تكوف المسافة بيف أقرب مثاؿ موجب وسالب‪ ،‬وىذا السطح الفاصؿ أكبر ما يمكف‪ ،‬وىذا ما يجعؿ‬
‫التصنيؼ لبيانات اإلختبار صحيحاً )خموؼ وآخروف‪ ،2010 ،‬ص‪ .)91‬وقد أثبتت تقنية آلة شعاع‬
‫الدعـ نجاحيا فى التغمب عمى العديد مف المشاكؿ مثؿ معالجة الصور‪ ،‬تصنيؼ النصوص‪،‬‬
‫األسواؽ المالية )‪.(Saif,S., et al.,2012,p.32‬‬

‫(ه) قواعد اإلرتباط ) ‪:(Association Rules‬‬

‫إف اكتشاؼ قواعد اإلرتباط يعتبر واحداً مف أىـ تقنيات التنقيب فى البيانات‪ ،‬وربما الشكؿ‬
‫الشائع إلكتشاؼ األنماط فى نظـ التعمـ غير اإلشرافى إليجاد ببساطة "ماذا يتماشى مع ماذا" أو‬
‫"‪ "what goes with what‬وبمعنى آخر اكتشاؼ عالقة حدوث حدث بحدث آخر فى قواعد‬
‫البيانات أو إيجاد العالقات اليامة بيف المتغيرات فى قواعد البيانات كبيرة الحجـ‪ ،‬وتساعد قواعد‬
‫اإلرتباط فى تحميؿ سموؾ المستيمؾ ومساعدة المديريف فى اتخاذ قرار أفضؿ فيما يخص ترويج‬
‫المنتجات‪ ،‬وتحميؿ المخاطر فى الشركات )‪.(Zhang,Ya, 2009, p.30; Abdelateif, 2012, p.51‬‬

‫(و) تحميل اإلنحدار ) ‪:(Regression Analysis‬‬

‫تحميؿ اإلنحدار ىو تقنية تعمـ اشرافى احصائية ‪ Supervised Learning‬وواحدة مف أىـ‬

‫تقنيات التنقيب فى البيانات التى تستخدـ ألداء ميمة التنبؤ ويستخدـ لمكشؼ عف العالقة بيف واحد‬
‫أو أكثر مف المتغيرات المستقمة والمتغير التابع وتختمؼ عف تقنيات التنبؤ األخرى فى حقيقة أنو‬
‫يمكف استخداميا لمتنبؤ بالقيـ الرقمية‪ ،‬وتستخدـ تقنيات تحميؿ اإلنحدار غالباً لتقدير أو التنبؤ بالقيـ‬
‫المستقبمية لمقيـ اليامة مثؿ المبيعات‪ ،‬التدفقات النقدية واألسعار وىناؾ عدة أنواع لتحميؿ اإلنحدار‬
‫كاإلنحدار الخطى البسيط واإلنحدار الخطى المتعدد‪ .‬وفى النياية يمكف القوؿ أف التقنيات المختمفة‬
‫لمتنقيب فى البيانات يمكف استخداميا بشكؿ متو ٍاز إلكتشاؼ األنماط الخفية أو غير المتوقعة‪ ،‬ولكف‬

‫المكتشؼ ذا أىمية إذا تـ فيمو بسيولة وكاف مفيداً‬

‫المكتشفة ىامة‪ .‬ويكوف النمط ُ‬
‫ليست كؿ األنماط ُ‬

‫‪97‬‬
 ‫وجديداً‪ ،‬لذلؾ تظؿ ىناؾ الحاجة لممحمميف لتقييـ ما إذا كانت نتائج التنقيب فى البيانات ىامة أـ ال‬
‫)‪.(Sirikulvadhana, 2002, p.35; Sharma & Panigrahi, 2012, p.39‬‬

‫(ز) المنطق الضبابى ) ‪:(Fuzzy Logic‬‬

‫ىو أسموب رياضى يقوـ بتصنيؼ التفكير الموضوعى وتخصيص البيانات لمجموعة معينة‬
‫باإلعتماد عمى درجة مف احتمالية وجود البيانات فى ىذه المجموعة‪ ،‬ويساعد المنطؽ الضبابى‬
‫اإلنساف عمى الوصوؿ إلى تفكير تقريبى ‪ Approximate Reasoning‬مف الممكف أف يحسف‬
‫األداء مف خالؿ العرض الرقمى الفعاؿ لمعناصر الغامضة حيث تستطيع تكنولوجيا الغموض‬
‫‪ Fuzzy Technology‬أف تقوـ بتمثيؿ رقمى لعناصر البيانات فى فئة معينة وكذلؾ تقمؿ ىذه‬
‫التكنولوجيا مف الحساسية لمبيانات التى بيا ضوضاء ‪ Noisy‬أو البيانات الشاذة ‪Outliers‬‬
‫)‪ .(Sharma & Paingrahi,2012,p.41‬وتوفر نظـ المنطؽ الضبابى أسموب فعاؿ ودقيؽ‬
‫لوصؼ توقعات اإلنساف‪ ،‬وتحقؽ ذلؾ عف طريؽ السماح لمحاسب اآللى بمحاكاة التفكير اإلنسانى‬
‫بمنطقية أكثر مف أساليب الحاسب اآللى التقميدية‪ ،‬عمى سبيؿ المثاؿ قاعدة القرار المستخدمة غالبا‬
‫لتحديد الغش ىى لتعريؼ التغير الجوىرى فى نسبة ما كإنحراؼ زائد أو ناقص ‪ %10‬أو أكثر مف‬
‫القيمة المتوقعة )‪.(Lin et al., 2003, p.659‬‬

‫(ح) التفكير القائم عمى الحالة (‪:(Case Based Reasoning‬‬

‫ىو أسموب يحاوؿ حؿ مشكمة معينة بإستخداـ حموؿ سابقة لمشكمة مشابية عف طريؽ البحث‬
‫فى مجموعة مف الحاالت وايجاد الحالة المشابية وتحتوى الحالة عمى المشكمة وحميا وعند إيجاد‬
‫الحالة المشابية يتـ تطبيؽ حميا عمى المشكمة الجديدة ويتـ إضافة المشكمة لقاعدة بيانات الحالة‬
‫)‪ (Han & Kamber, 2006, p.350‬وىو نظاـ ديناميكى حيث يتـ إضافة المشكالت الجديدة‬
‫بإستمرار فى ذاكرة ىذا النظاـ والجمع بينيا وبيف المشكالت األخرى الموجودة بالفعؿ فى النظاـ‬
‫ويسجؿ ىذا النظاـ خبرات حؿ المشكمة السابقة ثـ يستعيد المشكالت المخزنة سابقاً وحموليا وربطيا‬
‫بحالة أو مشكلة معٌنة )‪.(Perner, 2004, p.4‬‬

‫‪98‬‬
‫ويعتمد خبراء المجال والمتخصصين فى التنقيب فى البيانات عمى اختيار األداة أو التقنية‬
‫المناسبة باإلعتماد بشكل أساسى عمى أمرين )‪:(Gibert et al.,2010‬‬

‫‪ ‬اليدؼ األساسى مف المشكمة المراد حميا‪.‬‬

‫‪ ‬طبيعة وىيكؿ البيانات المتاحة‪.‬‬

‫وبالتالى يعتمد اختيار التقنية أو األداة المناسبة عمى طبيعة وحجـ البيانات التى يتـ تحميميا‪،‬‬
‫ونوع الميمة المستخدمة فى التنقيب‪ .‬ويمكف تطبيؽ مجموعة مف التقنيات عمى المشاكؿ إما وحدىا‬
‫أو مجتمعة‪ .‬ومع ذلؾ‪ ،‬فعند تطبيؽ مزيج متطور مف تقنيات التنقيب فى البيانات‪ ،‬يوجد عمى األقؿ اثناف‬
‫مف المتطمبات التى يجب الوفاء بيا وىى القدرة عمى التحقؽ مف النتائج ومعيار القياس‬
‫)‪ (Sirikulvadhana, 2002, p.31‬ويسمى المزيج مف تقنيتيف بالنظـ الميجنة ‪Hybrid Systems‬‬
‫وأمثمة ىذه النظـ الميجنة تتمثؿ فى ‪ Neural-Fuzzy‬وىى مزيج بيف الشبكات العصبية والمنطؽ‬
‫الضبابى‪ ،‬و‪ Neural-Genetic‬وىى مزيج مف الشبكات العصبية والخوارزميات الجينية‪ ،‬و ‪Fuzzy‬‬
‫‪ Expert System‬وىو مزيج مف المنطؽ الضبابى ونظـ الخبرة‪ ،‬ويتـ تضميف المنطؽ الضبابى فى‬
‫نظـ الحاسبات حتى يمكف تمثيؿ المعرفة غير الواضحة ”‪(Nordlander, “Non-Crisp Knowledge‬‬
‫)‪.2009, p.32‬‬

‫وبإستعراض الباحثة لمدراسات المتعمقة بموضوع التنقيب فى البيانات‪ ،‬تبيف تعدد المسميات‬
‫التى تتناوؿ األدوات السابقة بيف مصطمح أدوات وتقنيات ونماذج وخوارزميات فى حيف أنيا تشير‬
‫جميعا إلى نفس الشئ وتتفؽ الباحثة مع الدراسات التى تناولت مصطمح أدوات ألنو التوصيؼ‬
‫األقرب مف وجية نظرىا‪ ،‬فعمى سبيؿ المثاؿ تعتبر الشبكات العصبية ىى أداة التنقيب فى البيانات‬
‫التى يتـ مف خالليا الوصوؿ لنتائج حؿ مشكمة ما‪.‬‬

‫‪99‬‬
 ‫‪ 6/3‬التنقيب فى البيانات ونظم دعم القرار‪:‬‬

‫" لقد أصبح موضوع التنقيب فى البيانات مف المفاىيـ الحديثة فى نجاح نظـ دعـ القرار فى‬
‫منظمات األعماؿ الحديثة‪ ،‬ولغايات توفير معمومات تساعد فى اتخاذ الق اررات السميمة‪ ،‬برزت الحاجة إلى‬
‫مرحمة اجرائية إلستخالص مواصفات وعالقات مف المعطيات أو البيانات‪ ،‬وتقديـ معمومات جديدة لـ تكف‬
‫معروفة مسبقا فى نظـ المعمومات التقميدية سميت بالتنقيب فى البيانات‪ ،‬فأصبح دور نظـ المعمومات فى‬
‫ىذه البيئة الجديدة ممارسة الدور المعرفى كنظـ متكاممة يضيؼ الى أدوارىا التقميدية أدوا ار جديدة تعمؿ‬
‫عمى توفير معمومات ومعارؼ واسعة‪ ،‬تساعد فى اتخاذ قرار سميـ "(الشحادة والردايدة‪ ،2012،‬ص‪)483‬‬
‫يجنب المنظمة أى خسائر محتممة ويرفع مف مستوى أدائيا وىناؾ فرؽ بيف التنقيب فى البيانات ونظـ دعـ‬
‫القرار حيث ُيعرؼ التنقيب فى البيانات عمى أنو عممية تحميمية لتحويؿ البيانات إلى معمومات عمؿ يمكف‬
‫إستخداميا لزيادة أداء المنشأة مف خالؿ بناء نماذج رياضية تساعد المنشآت عمى إتخاذ ق اررات أفضؿ‬
‫وبالتالى يعتبر ‪ DM‬أداة تييؤ ُمسبؽ )‪ )Proactive‬إذ تنقب ذاتياً عف العالقات المحتممة والشاذة واألنماط‬
‫الخفية المفيدة والمعمومات التنبؤية التى قد تغيب عف الخبراء ألنيا تقع خارج توقعاتيـ وبذلؾ تحدد‬
‫المشكالت التى لـ تُحدد بعد مف قبؿ المستخدـ‪ ،‬وبالتالى فإنيا ليست كنظـ دعـ القرار ‪Decision‬‬
‫‪ Support Systems‬التى تعمؿ عمى تحميؿ البيانات لتوليد المعمومات التى تساعد فى حؿ المشكالت‬
‫المكتشفة مف قبؿ المستخدـ أى أنيا رد فعؿ )‪ (Reactive‬لمتحديد الصحيح لممشكمة (الدورى وأحمد‪،2007،‬‬
‫ص‪ ،)44‬ويمكف القوؿ أف نظـ دعـ القرار تساعد متخذ القرار فى أف يأخذ فى اعتباره القضايا اليامة المرتبطة‬
‫بأدوات التنقيب فى البيانات‪.‬عمى سبيؿ المثاؿ‪ ،‬نظاـ يستخدـ الشبكات العصبية لتحميؿ بيانات بطاقة اإلئتماف‬
‫ويقدـ فرضيات لمتخذى القرار عف سرقة بطاقة اإلئتماف )‪.(Sim, 2003, p.6-7‬‬

‫ونتيج ة لما سبؽ ترى الباحثة أف مزايا استخداـ أسموب التنقيب فى البيانات متمثمة فى توفير‬
‫معمومات دقيقة وصحيحة وبشكؿ سريع تُبيف أىمية ىذا األسموب فى إتخاذ القرار حيث أنيا تكنولوجيا‬
‫حديثة فرضت نفسيا بقوة فى ظؿ التطور التكنولوجى الكبير وانتشار استخداـ قواعد البيانات‪ ،‬فإستخداميا‬
‫يوفر لممنشآت فى جميع المجاالت القدرة عمى اإلستكشاؼ والتركيز عمى أىـ المعمومات فى قواعد البيانات‬
‫والتركيز عمى بناء التنبؤات المستقبمية واستكشاؼ السموؾ واإلتجاىات‪ ،‬مما يسمح بتقدير الق اررات الصحيحة‬

‫‪111‬‬
‫واتخاذىا فى الوقت المناسب‪ .‬وعمى الرغـ مف وجود عدد كبير مف األبحاث والممارسات العممية التى تركز‬
‫عمى استخداـ تقنيات التنقيب فى البيانات لحؿ المشكالت المالية إال أنو مجاؿ بحث خصب وجديد نسبياً‪.‬‬

‫‪ 3/3‬العوامل األساسية لتحقيق نجاح التنقيب فى البيانات فى منشآت األعمال‪:‬‬

‫البد مف اتباع عدد مف اإلستراتيجيات لضماف نجاح عممية التنقيب فى البيانات‪ ،‬تتمثؿ فى جودة‬
‫البيانات‪ ،‬فكمما كانت البيانات أفضؿ كانت النتائج أفضؿ باإلضافة إلى أفضمية بناء عدة نماذج بإستخداـ‬
‫عينات مف البيانات بدالً مف بناء نموذج واحد بإستخداـ كؿ البيانات‪ ،‬اإلعداد الصحيح لمبيانات‪ ،‬التواصؿ‬
‫المستمر بيف مديرى العمؿ والخبراء وايجاد النتائج األولية وتكرار ذلؾ مع إزدياد فيـ البيانات مع عدـ‬
‫إغفاؿ التكامؿ بيف األدوات القديمة والحديثة فيما يسمى بالتكامؿ التقنى‪ ،‬والتخطيط لمتعمـ مف عممية التنقيب‬
‫فى البيانات وتعميميا إلى مف لو صمة مباشرة بإستخداميا فى اتخاذ القرار ألف مستوى خبرة المستخدـ‬
‫النيائى يعتبر مف عوامؿ نجاح التنقيب فى البيانات (الدورى وأحمد‪،2007،‬ص‪ ،)49‬عناصر مثمث إدارة‬
‫الخطة (الوقت ‪ ،Time‬التكمفة ‪ ،Cost‬نطاؽ المشروع ‪ .)Scope‬وخطط التنقيب فى البيانات الناجحة مف‬
‫المحتمؿ أف ترتبط بوقت أقؿ‪ ،‬تكمفة أقؿ وتخفيض نطاؽ المشروع (ما يمكف بذلو مف وظائؼ أوموارد‬
‫وصوالً لنتائج الخطة)‪ .‬وفى إطار ذلؾ أشار ‪ (2012, p.4) Abu Shehab‬أف ىناؾ عامميف ىاميف‬
‫لنجاح عممية التنقيب فى البيانات وىما التحديد الواضح لممشكمة المراد حميا‪ ،‬وأف تكوف البيانات مالئمة‪.‬‬
‫وىناؾ بحث تجريبى عمى أكثر مف ‪ 70‬شركة كبيرة متعددة الجنسيات يوضح العالقة بيف نجاح الخطة‬
‫ونجاح الشركة‪ ،‬فإذا كاف العمؿ قائـ عمى خطط اليندسة والتكامؿ بيف نظـ المعمومات وتكنولوجيا‬
‫المعمومات‪ ،‬بالتالى فإف أداء الخطة الناجح ُيترجـ بشكؿ مباشر إلى تحسيف فى الربحية‪ ،‬وىذا يوضح أىميو‬
‫الدور الذى يمعبو تبنى الشركات لمتكامؿ بيف تكنولوجيا ونظـ المعمومات فى تحقيؽ ربحية أفضؿ ألصحاب‬
‫المصالح ولممنشأة ككؿ )‪. (Nemati & Barko,2003,p.287-290‬‬

‫‪111‬‬
 ‫‪ 4/3‬دور التنقيب فى البيانات فى زيادة دقة التنبؤ بالتدفقات النقدية‪:‬‬

‫يعتبر التنبؤ بالتدفقات النقدية المستقبمية ضرورياً لتحميؿ اإلستثمار وتقييـ المنشأة كما تؤثر قدرة‬
‫المنشأة عمى توليد التدفقات النقدية عمى القيمة السوقية لألسيـ‪ .‬ووفقاً لمجمس معايير المحاسبة المالية‬
‫‪ (1978) FASB‬ومجمس معايير المحاسبة الدولية ‪ (IFRS Foundation, 2010) IASB‬يعتبر توفير‬
‫معمومات لمساعدة مستخدمى القوائـ المالية لمتنبؤ بالتدفقات النقدية المستقبمية واحداً مف األىداؼ الرئيسية‬
‫لمتقارير المالية )‪ (Farshadfar & Monem, 2013, p.111‬حيث أشارت قائمة مفاىيـ المحاسبة المالية‬
‫رقـ ‪ 1‬عاـ ‪( 1978‬فقرة ‪ )37‬أف اليدؼ الرئيسى مف التقارير المالية ىو توفير معمومات تساعد‬
‫ال مستثمريف والدائنيف وغيرىـ فى تقييـ حجـ وتوقيت وظروؼ عدـ التأكد المحيطة بالتدفقات النقدية وعالوة‬
‫عمى ذلؾ تـ التأكيد فى فقرة (‪ )44‬عمى أف معمومات األرباح ليا قدرة تنبؤية أفضؿ مف التدفقات النقدية‬
‫الحالية فى التنبؤ بالتدفقات النقدية المستقبمية )‪.(Barth et al., 2001, p.28; Cohen, 2003, p.2‬‬

‫وقد أصدر مجمس معايير المحاسبة المالية فى عاـ ‪ 1987‬نشرة معايير المحاسبة المالية رقـ ‪95‬‬
‫التى تتطمب مف المنشآت إعداد قائمة التدفقات النقدية‪ ،‬وتـ تصنيؼ قائمة التدفقات النقدية إلى ثالثة‬
‫أنشطة‪ :‬تشغيمية‪ ،‬استثمارية‪ ،‬تمويمية‪ .‬وأشار ‪ FASB‬إلى أف قائمة التدفقات النقدية يجب أف تساعد‬
‫المستثمريف والدائنيف وغيرىـ مف المستخدميف عمى‪:‬‬

‫‪ ‬تحديد قدرة المنشأة عمى توليد صافى تدفؽ نقدى موجب‪.‬‬

‫‪ ‬تحديد قدرة المنشأة عمى مقابمة اإللتزامات ودفع توزيعات األرباح وحاجتيا لمتمويؿ الخارجى‪.‬‬

‫وأشار ‪ (2013) Yoo & Pae‬إلى أف معمومات التدفقات النقدية تمكف مف فيـ أفضؿ لألداء‬
‫التشغيمى الحقيقى واإلستقرار المالى لممنشأة خاصة عندما تكوف جودة األرباح منخفضة‪ .‬ويمكف التحديد‬
‫الدقيؽ لمتدفقات النقدية لممنشأة مف اتخاذ ق اررات مالية ىامة مترتبة عمى التوقعات المستقبمية بشأف‬
‫إستم اررية المنشأة أو إفالسيا كما أنيا تشير إلى قدرة المنشاة عمى دفع توزيعات األرباح‪ ،‬باإلضافة إلى أنيا‬
‫تمثؿ مقياساً لمربحية والوضع المالى لممنشأة‪ ،‬وبالتالى فإف لمتنبؤ بالتدفقات النقدية فائدة وقيمة كبيرة ألطراؼ‬
‫عدة يأتى عمى رأسيا كؿ مف مف مديرى الشركات والمستثمريف والمحمميف المالييف‪.‬‬

‫‪112‬‬
‫وييتـ المستثمروف بالتدفقات النقدية كمدخالت لنماذج اإلستثمار لتمكينيـ مف معرفة قدرة المنشاة‬
‫عمى دفع توزيعات األرباح كما تقيس التدفقات النقدية القدرة التشغيمية لممنشأة عمى مقابمة التعاقدات المالية‬
‫اليومية‪ ،‬ويركز المحمموف الماليوف عمى توجو اىتماـ المستثمريف إلى تحميؿ معمومات التدفقات النقدية عند‬
‫اتخاذىـ لق اررات اإلستثمار فى األسيـ فى حيف ييتـ الدائنوف بق اررات المالءة المالية المتعمقة بالمنشآت كما‬
‫ييتـ الموظفوف باألماف الوظيفى واستم اررية المنشأة التى يعمموف بيا‪ ،‬وكذلؾ تيتـ وكاالت التصنيؼ‬
‫بإستم اررية المنشأة وقدرة المنشأة عمى دفع الديوف عند استحقاقيا‪ ،‬ويجب األخذ فى اإلعتبار عند التنبؤ‬
‫بالتدفقات النقدية كالً مف تحديد المتغيرات المفيدة فى التنبؤ التى يجب تضمينيا فى نموذج التنبؤ وكذلؾ‬
‫يجب إختيار نوع وبنية النماذج التى يتـ توظيفيا فى التنبؤ بعناية لتوفير تنبؤ أكثر دقة ‪(Li et al.,‬‬
‫)‪.2015, p.24‬‬

‫مف جانب أخر‪ ،‬يستخدـ المحمموف الماليوف التنبؤ بالتدفقات النقدية إلى جانب التنبؤ باألرباح عمى‬
‫إعتبار أف التدفقات النقدية أداة ىامة مكممة تفيد فى تجنب اإلستدالالت الخاطئة بسبب سوء فيـ األرباح‬
‫المحاسبية المعدة عمى أساس اإلستحقاؽ المحاسبى حيث أف تحميؿ كؿ مف التدفقات النقدية واألرباح مف‬
‫الممكف أف ينتج عنو نتائج أفضؿ مف تحميؿ األرباح بمفردىا خاصة عندما تكوف جودة األرباح منخفضة‪،‬‬
‫ويشار إلى األرباح أحيانا بصافى الدخؿ وىى مجموع كؿ مف صافى الدخؿ النقدي وصافى الدخؿ‬
‫اإلئتمانى (اإلستحقاقات) ‪ ،Net Credit Income‬ويعتمد األخير عمى التعامالت اإلئتمانية مع عمالء‬
‫المنشأة والمتوقع تسويتيا نقداً فى فترة الحقة‪ ،‬ومف الممكف أف يتـ تجاىؿ حجـ اإلئتماف المعطى لمعمالء‬
‫فى معمومات التدفقات النقدية مما قد يؤدى إلى تضميؿ المستثمريف عف مخاطر نقص النقدية فى المنشأة‬
‫)‪.(Li et al., 2015, p.25; Bilinski, 2014, p.401‬‬

‫وتشير دراسة ‪ (1998) Dechow et al.‬إلى أفضمية األرباح فى التنبؤ بالتدفقات النقدية المستقبمية‬
‫عف التدفقات النقدية الحالية‪ ،‬وىذا ما يفسر استخداـ معمومات األرباح بدال مف التدفقات النقدية مف‬
‫األنشطة التشغيمية فى نماذج التقييـ ومقاييس األداء‪ .‬وفى ىذا الصدد‪ ،‬تناولت دراسة ‪(2007) Brochet‬‬
‫دور التدفقات النقدية مف األنشطة التشغيمية واإلستحقاقات بشكميا التفصيمى فى التنبؤ بالتدفقات النقدية‬
‫المستقبمية‪ ،‬وتوصمت الدراسة إلى أف اإلستحقاقات تتفوؽ عمى التدفقات النقدية فى التنبؤ بالتدفقات النقدية‬

‫‪113‬‬
‫المستقبمية متفقة بذلؾ مع تأكيد ‪ )1978) FASB‬بأف األرباح المحاسبية ومكوناتيا أفضؿ مف التدفقات‬
‫النقدية الحالية فى التنبؤ بالتدفقات النقدية المستقبمية فى حيف أف دراسة ‪(2004) Al-Attar & Hussain‬‬
‫توصمت إلى أفضمية التدفقات النقدية الحالية فى التنبؤ بالتدفقات النقدية المستقبمية عف األرباح ‪ ،‬وتوصمت‬
‫دراسة ‪ (2001) Barth et al.‬إلى أف تفصيؿ اإلستحقاقات إلى مكوناتيا الرئيسية يعزز مف القدرة التنبؤية‬
‫لمنموذج بينما أشار ‪ (2008) Cheng & Hollie‬إلى أف تصنيؼ التدفقات النقدية ‪disaggregation of‬‬
‫‪ cash flows‬لو قيمة إضافية تتجاوز التدفقات النقدية بشكميا اإلجمالى فبعض محتويات التدفقات النقدية‬
‫فى شكميا التصنيفى لديو محتوى معموماتى أكبر مف التدفقات النقدية فى مجمميا‪ ،‬فى حيف أف دراسة ‪Li‬‬
‫‪ (2015) et al.‬قد توصمت إلى أف تفصيؿ التدفقات النقدية إلى مكوناتيا الرئيسية ال يعزز مف القدرة‬
‫التنبؤية لمتدفقات النقدية بالتطبيؽ عمى الشركات فى جنوب أفريقيا عمى عكس ماتوصمت إليو دراسة‬
‫‪ (2001) Barth et al.‬بالتطبيؽ فى الواليات المتحدة األمريكية ودراسة ‪Farshadfar & Monem‬‬
‫)‪ (2013‬فى استراليا‪.‬‬

‫وترى الباحثة أنو مع اختالؼ الدراسات السابقة التى تناولت التنبؤ بالتدفقات النقدية المستقبمية فيما‬
‫إذا كانت التدفقات النقدية الحالية أـ األرباح أفضؿ فى التنبؤ إال أف معظميا أجمع عمى أف استخداـ‬
‫معمومات كؿ مف التدفقات النقدية الحالية واألرباح الحالية (عمى أساس اإلستحقاؽ) لو قدرة تنبؤية أكبر مف‬
‫استخداـ كؿ منيما عمى حدة‪.‬‬

‫وشيدت فترة منتصؼ ثمانينات القرف العشريف اىتماما كبي ار ومتزايدا بالقياس المحاسبى لمتدفقات‬
‫النقدية واإلفصاح عنيا فى التقارير الخارجية واىتمت المنظمات المينية بإصدار معايير محاسبة خاصة‬
‫بإعداد قائمة التدفقات النقدية واعتبارىا إحدى القوائـ األساسية المنشورة‪ ،‬وتعتبر التدفقات النقدية مف‬
‫األنشطة التشغيمية أحد عناصر القوائـ المالية المستقبمية األربعة التى تعتبر أكثر صعوبة فى التنبؤ بخالؼ‬
‫األرباح‪ ،‬واألصوؿ واإللتزامات المتداولة )‪.(Kothari et al., 2010, p.70‬‬

‫وتعميقاً عمى ماسبق ترى الباحثة أف اتباع األساليب الحديثة فى التنبؤ بعناصر القوائـ المالية مف‬
‫الممكف أف يتغمب عمى صعوبات التنبؤ سالفة الذكر لما تتميز بو ىذه األساليب مف مزايا كثيرة قائمة عمى‬
‫منيج عممى وقواعد كما أنيا تتسـ بالمرونة والسرعة والدقة فى الحصوؿ عمى النتائج‪.‬‬

‫‪114‬‬
‫ويتـ استخداـ إجمالى األرباح ومكوناتيا المتمثمة فى التدفقات النقدية مف األنشطة التشغيمية‬
‫واإلستحقاقات مف قبؿ أطراؼ مختمفة مثؿ العمالء والمورديف والمستثمريف الحالييف والمحتمميف لمتنبؤ‬
‫بالتدفقات النقدية المستقبمية‪ ،‬واتخذت النماذج التجريبية دقة المعمومات المفصح عنيا كمقياس لجودتيا وتـ‬
‫تفس ير الدقة كتحقيؽ لمستوى معيف مف التنبؤ بالتدفقات النقدية المستقبمية فى ظؿ المرونة وحرية التصرؼ‬
‫المسموح بيا مف خالؿ المبادئ المحاسبية المقبولة قبوال عاما ‪ ،GAAP‬وبالتالى كمما زادت الدقة كمما زادت‬
‫جودة األرباح المعمف عنيا وكمما زادت دقة التنبؤ بالتدفقات النقدية )‪ ،(Cohen,2003,p.10‬ولقياس الدقة‬
‫تجريبيا قامت الباحثة بتقسيـ األرباح إلى مكوناتيا مف التدفقات النقدية مف األنشطة التشغيمية واإلستحقاقات‬
‫وذلؾ عمى غرار كؿ مف ‪ )2001( Barth et al.‬و‪ (2003) Cohen‬حيث تـ اإلعتماد عمى‬
‫اإلستحقاقات بشكميا التفصيمى والمكونة مف ستة متغيرات ىى التغير فى أوراؽ القبض‪ ،‬التغير فى‬
‫المخزوف‪ ،‬التغير فى أوراؽ الدفع‪ ،‬اإلىالؾ‪ ،‬اإلستيالؾ‪ ،‬وأخرى‪.‬‬

‫وبالرغـ مف أف الدراسات المشار إلييا أعاله قد ركزت عمى نتائج انحدار التدفقات النقدية‬
‫المستقبمية عمى مكونات األرباح فى الفترات السابقة واتخذت النتائج التى تـ الحصوؿ عمييا مف نموذج‬
‫اإلنحدار المقدر كأساس لقياس جودة التقارير المالية إال أنو ستستخدـ الدراسة الحالية كؿ مف نموذج‬
‫اإلنحدار ونموذج ‪ Neuro Fuzzy‬كأحد أدوات التنقيب فى البيانات وسيتـ مقارنة كؿ منيما لمعرفة‬
‫النموذج الذى لديو مقدرة تنبؤية أفضؿ وبالتالى يكوف أكثر دقة فى التنبؤ بالتدفقات النقدية المستقبمية ومف‬
‫ثـ يساىـ فى تحسيف جودة التقارير المالية‪.‬‬

‫وقد ذكر ‪ )2003,p.10( Cohen‬أف المقياس التجريبى لجودة التقارير المالية ىو القيمة المطمقة‬
‫لنتائج تقدير المعادلة التى تعكس حجـ التدفقات النقدية المستقبمية‪ ،‬وكمما قمت القيمة المطمقة أو خطأ التنبؤ‬
‫كمما دؿ ذلؾ عمى مستوى أعمى مف الدقة التنبؤية لمتدفقات النقدية وبالتالى تحسيف جودة التقارير المالية‪.‬‬

‫‪115‬‬
 ‫خالصة الفصل‪:‬‬

‫لقد أثبت أسموب التنقيب فى البيانات جدارتو فى المجاؿ المحاسبى واتضح ذلؾ مف نتائج الدراسات‬
‫التى تناولتو فى معال جة المشكالت المحاسبية المختمفة حيث تـ التوصؿ إلى نتائج أفضؿ وأكثر دقة مف‬
‫تمؾ التى توفرىا أساليب اإلحصاء التقميدية نتيجة طبيعة تمؾ األساليب التى ال توفر المرونة والواقعية فى‬
‫التعامؿ مع البيانات ذات األحجاـ واألنواع المختمفة (وصفية ورقمية) فى ظؿ اإلفتراضات التعسفية التى‬
‫تفرضيا‪ ،‬حيث جاء أسموب التنقيب فى البيانات معز از وداعما ألساليب اإلحصاء التقميدية وامتدادا ليا فى‬
‫تحميؿ البيانات وحؿ المشكالت المختمفة‪ ،‬وستتناوؿ الباحثة فى الفصؿ الرابع الدراسة التطبيقية بإستخداـ‬
‫نموذج ‪ Neuro Fuzzy‬كأحد أدوات التنقيب فى البيانات لمتنبؤ بالتدفقات النقدية مف األنشطة التشغيمية‬
‫وأيضاً استخداـ أسموب اإلنحدار مع عمؿ مقارنة لنتائج كؿ منيما لمعرفة األفضؿ فى التنبؤ‪.‬‬

‫‪116‬‬
 ‫الفصل الرابع‬
‫الدراسة التطبيقية‬
 ‫انفصم انراتع‬
‫انذراسح انرطثيميح‬

‫مقدمة‪:‬‬
‫تتناوؿ الباحثة تحسيف جودة التقارير المالية مف خالؿ التنبؤ بالتدفقات النقدية بشكؿ أكثر دقة‬
‫بإستخداـ نموذج ‪ Neuro Fuzzy‬كأحد أدوات التنقيب فى البيانات مقارنة بنموذج اإلنحدار كأسموب‬
‫احصائى تقميدى‪ ،‬وذلؾ ألىمية توفير معمومات التدفقات النقدية المستقبمية لمستخدمى التقارير المالية كأحد‬
‫أىـ األىداؼ الرئيسية لمتقارير المالية‪ ،‬حيث أف توفير مثؿ ىذه المعمومات اليامة لمستخدمى التقارير‬
‫المالية يحسف مف جودتيا‪.‬‬
‫ولتحقيؽ اليدؼ مف ىذا الفصؿ تـ تقسيمو إلى المحاور التالية‪:‬‬
‫‪ 0/4‬أىداف الدراسة التطبيقية‪.‬‬
‫‪ 6/4‬فروض الدراسة‪.‬‬
‫‪ 3/4‬المفاىيم المتعمقة بالدراسة التطبيقية‪.‬‬
‫‪ 4/4‬عينة الدراسة‪.‬‬
‫‪ 5/4‬منيجية الدراسة‪.‬‬
‫‪ 6/4‬األساليب العممية المستخدمة فى تحميل البيانات‪.‬‬
‫وستتناوؿ الباحثة ىذه المحاور بالتفصيؿ فيما يمى‪:‬‬

‫‪ 0/4‬أىداف الدراسة التطبيقية‪:‬‬

‫تستيدؼ الدراسة التطبيقية اختبار مدى تفوؽ نموذج ‪( Neuro Fuzzy‬الميجف مف الشبكات‬
‫العصبية والمنطؽ الضبابى) كأحد أدوات التنقيب فى البيانات فى التنبؤ بالتدفقات النقدية عف نموذج‬
‫اإلنحدار كأحد أساليب اإلحصاء التقميدية‪.‬‬

‫‪117‬‬
 ‫‪ 6/4‬فروض الدراسة‪:‬‬
‫حتى يمكف تحقيؽ ىدؼ الدراسة التطبيقية يمكف صياغة الفروض التالية‪:‬‬
‫‪ 0/6/4‬الفرض األول‪ :‬ال يوجد تأثير معنوى لممتغيرات المستقمة )محؿ اإلختبار) عمى التنبؤ بالتدفقات‬
‫النقدية مف األنشطة التشغيمية بإستخداـ نموذج اإلنحدار‪.‬‬
‫‪ 6/6/4‬الفرض الثانى‪ :‬ال ُٔجد تأثٕس معىُِ نتطبٕك ومُذج ‪ Neuro Fuzzy‬عهّ تحسٕه جُدة انتىبؤ‬
‫بانتدفماث انىمدٔت مه األوشطت انتشغٕهٕت نهمىشأة‪.‬‬
‫‪ 3/2/4‬انفرض انثانث‪ :‬ال يوجد اختالؼ معنوى بيف تقديرات نموذج تحميؿ اإلنحدار ونموذج ‪Neuro‬‬
‫‪ Fuzzy‬لمتدفقات النقدية مف األنشطة التشغيمية‪.‬‬

‫‪ 3/4‬المفاىيم المتعمقة بالدراسة التطبيقية‪:‬‬

‫قبؿ البدء فى الدراسة التطبيقية ستعرض الباحثة نبذة عف المفاىيـ التى سيتـ استخداميا فى الدراسة‬
‫التطبيقية مثؿ نموذج الشبكات العصبية ونموذج المنطؽ الضبابى والنموذج الميجف منيما والذى يسمى‬
‫بنموذج ‪ Neuro Fuzzy‬كما يمى‪:‬‬
‫‪ 0/3/4‬نموذج الشبكات العصبية )‪:(Neural Network Model‬‬
‫إف استخداـ الشبكات العصبية فى التنقيب فى البيانات ىو مجاؿ واعد لمبحث والسيما فى حالة‬
‫توافر حجـ كبير مف مجموعات البيانات خاصة وأف الشبكات العصبية ليا قدرة عمى كشؼ واستيعاب‬
‫العالقات بيف عدد كبير مف المتغيرات‪ .‬وفى معظـ الحاالت تعمؿ الشبكات العصبية بشكؿ أفضؿ‬
‫بالمقارنة بأساليب اإلحصاء التقميدية‪ ،‬وقد تناقصت مقاومة استخداـ الشبكات العصبية "الصناديؽ‬
‫السوداء" أو "‪ "black boxes‬بشكؿ تدريجى‪ ،‬حيث يستخدميا العديد مف الباحثيف‪ ،‬خصوصاً ىؤالء ذوى‬
‫الخمفيات اإلحصائية وسميت بالصناديؽ السوداء ألف قواعد التصنيؼ ‪ Classification Rules‬مف‬
‫الصعب إدراكيا وبمعنى آخر‪ ،‬أف نتائج تدريب الشبكات العصبية عبارة عف أوزاف موزعة داخؿ الشبكة‬
‫ولكف ىذه األوزاف ال تقدـ رؤية عف كيفية الوصوؿ إلى الحؿ‪ .‬وترجع أفضمية الشبكات العصبية فى‬
‫معظـ الحاالت التى تُطبؽ فييا إلى أنو يتـ تدريب الشبكة العصبية وتقميؿ الخطأ وصوالً ألعمى دقة‬
‫ممكنة حيث تتكيؼ الخاليا مع أوزاف متغيرات المدخالت لنمذجة سموؾ أنماط متغيرات المخرجات مف‬

‫‪118‬‬
‫خالؿ عممية المحاولة والخطأ ‪ a trial-and error‬بينما تخضع أساليب اإلحصاء إلفتراضات يصعب‬
‫الوفاء بيا حيث تخضع لمتوزيع الطبيعى وبالتالى ال توجد احتمالية لتقميؿ الخطأ إلى أقؿ ما يمكف‪.‬‬

‫وتتميز الشبكات العصبية بمرونة أكثر مف أساليب اإلحصاء التقميدية‪ ،‬كما أنيا أثبتت جدارتيا‬
‫فى التنبؤ بدقة عالية وفقاً لمعديد مف األبحاث التى تمت فى ىذا المجاؿ‪ ،‬ولقد أصبحت الشبكات العصبية‬
‫معروفة جداً لممارسى التنقيب فى البيانات خاصةً فى مجاالت البحث الطبى‪ ،‬التمويؿ والتسويؽ‪ .‬نظ اًر‬
‫ألنيا اثبتت قوتيا التنبؤية مف خالؿ المقارنة مع التقنيات اإلحصائية األخرى بإستخداـ مجموعات بيانات‬
‫حقيقية )‪ ،(Lin et al., 2003, p.659; Singh & Chuhan, 2005, p.41‬فعمى سبيؿ المثاؿ عرضت‬
‫دراسة ‪ (2004) Zhang et al.‬التحميؿ المقارف لمدقة التنبؤية لمنماذج الخطية التى تتضمف المتغيرات‬
‫المحاسبية األساسية (مثؿ المخزوف وأوراؽ القبض وغيرىا) مع الدقة التنبؤية لنماذج الشبكات العصبية‬
‫وتوصمت الدراسة إلى أف تطبيؽ نموذج الشبكات العصبية متضمنا المتغيرات األساسية السابقة يؤدى إلى‬
‫تنبؤات أكثر دقة مف نماذج التنبؤ الخطية وذلؾ لمتنبؤ باألرباح الربع السنوية كما أكدت دراسة‬
‫‪ (2013) Chintalapati et al.‬عمى ىذا التفوؽ‪.‬‬

‫وتأخذ طريقة عمؿ الشبكات العصبية الخطوات التالية (متولى‪،2001،‬ص‪(Singh & Chauhan, ،)9‬‬
‫)‪:2009, p.40‬‬

‫أوالا‪ :‬إدخاؿ مدخالت الطبقات إلى البرنامج المستخدـ‪.‬‬

‫ثاَياا‪ :‬اختيار عشوائى لبعض القيـ األولية لألوزاف النسبية بيف عقد اإلتصاؿ بالشبكة‪ ،‬أو مف خالؿ‬
‫تطبيؽ بعض األساليب الخاصة فى اختيار القيـ األولية‪.‬‬

‫ثانثاا‪ :‬إجراء عدة عمميات عمى العينة المدخمة وذلؾ مف خالؿ خطوتيف متتاليتيف أوليما أمامية‬
‫‪ Forward‬واألخرى خمفية ‪ ،Backward‬حيث تستخدـ خوارزمية اإلنتشار الخمفى التعمـ اإلشرافى‪،‬‬
‫بمعنى أف تقدـ الخوارزمية أمثمة لممدخالت والمخرجات التى نريد أف تقوـ الشبكة بحسابيا وحساب‬
‫الخطأ (الفرؽ بيف النتائج الفعمية والنتائج المتوقعة) واليدؼ مف خوارزمية اإلنتشار الخمفى ىو تقميؿ‬
‫الخطأ حتى تقوـ الشبكة العصبية بتعميـ بيانات التدريب‪ .‬وفى الخطوة األمامية يقوـ النظاـ بحساب‬

‫‪119‬‬
‫مخرجات الشبكة لمبيانات المدخمة ثـ يتـ مقارنة المخرجات مع المخرجات المستيدفة مف الشبكة‪ ،‬وفى‬
‫النياية يحسب الخطأ الناتج عف المقارنة‪ .‬أما فى الخطوة التراجعية فتقوـ الشبكة بتعديؿ األوزاف النسبية‬
‫لعقد اإلتصاؿ بيف عناصر التشغيؿ المكونة لمشبكة العصبية بيدؼ تصغير الخطأ الكمى الناشئ وتقوـ‬
‫الشبكة بتكرار الخطوات السابقة عدة مرات لجميع عينات البيانات المدخمة ليذه الشبكة‪ ،‬وتسمى مرحمة‬
‫التقديـ الواحدة التى تضـ جميع الخطوات األمامية والخطوات الخمفية لجميع العينات بالدورة ‪.Epoch‬‬
‫وتمر الشبكة بعدة دورات إلى أف تصؿ إلى أقؿ مجموع مربعات لمخطأ الناشئ ما بيف المخرجات النيائية‬
‫لمشبكة والمخرجات المستيدفة‪.‬‬

‫‪ 6/3/4‬نموذج المنطق الضبابى )‪:(Fuzzy Logic Model‬‬

‫المنطؽ الضبابى ىو تقنية مف تقنيات الذكاء اإلصطناعى المعروفة التى اخترعيا ‪ Zadeh‬فى‬
‫عاـ ‪ ،1965‬ويشتؽ المنطؽ الضبابى مف نظرية المجموعات الضبابية ‪ Fuzzy Set Logic‬التى تتعامؿ‬
‫مع التفكير بشكؿ تقريبى ‪ Approximate Reasoning‬وليس بشكؿ دقيؽ ‪ Precisely‬كما فى المنطؽ‬
‫التقميدى ويطبؽ ىذا المنطؽ عند نقص اإلحتماالت والمعمومات بشكؿ كبير أو اتساـ المعمومات بعدـ‬
‫الوضوح‪ ،‬وقد تـ استخدامو فى التنبؤ وصنع القرار والرقابة عمى التصرفات فى البيئات التى تتسـ بعدـ‬
‫التأكد والغموض‪ ،‬وتخضع لإلفتراضات‪ .‬ويحاكى المنطؽ الضبابى عممية اتخاذ القرار عند اإلنساف عف‬
‫طريؽ توظيؼ منطؽ التفكير التقريبى‪ ،‬ويقدـ منيج أكثر واقعية مف النماذج الرياضية التقميدية لمعالجة‬
‫الظواىر فى الطبيعة والتى تتسـ بالضبابية وعدـ التأكد‪ .‬فعمى سبيؿ المثاؿ‪ ،‬قاعدة القرار التى يستخدميا‬
‫المراجع عند فحص القوائـ المالية مف الممكف أف تكوف عمى النحو التالى‪ -‬إذا حدث تغير فى نسبة‬
‫حسابات المدينيف إلجمالى األصوؿ‪ ،‬إذا يتـ استنتاج أنو توجد حالة غش‪ .‬ويمكف استشعار الضبابية فى‬
‫القاعدة كالتالى‪ ،‬متى يصبح التغير فى النسبة السابقة جوىرياً والى أى مدى يوجد غش بالحالة؟‬

‫ويتكوف ‪ FL‬مف مجموعة مف القواعد التى ترتبط بمجموعة مف المدخالت والتى بدورىا ترتبط‬
‫بمجموعة مف المخرجات أى أف اليدؼ مف المنطؽ الضبابى ىو ربط المدخالت بالمخرجات مف خالؿ‬
‫قواعد ‪ If-Then‬بشكؿ دقيؽ‪ .‬ويتـ تحديد العالقات الكمية مف خالؿ دواؿ العضوية ‪Membership‬‬
‫‪ Functions‬بيف قيـ المتغيرات الفعمية والمتغيرات النوعية والمغوية المستخدمة فى قواعد ”‪ “if-then‬ولذلؾ‬

‫‪111‬‬
‫فإف المتغيرات المغوية التى يتـ وصفيا بواسطة دواؿ العضوية وقواعد ”‪ ”if-then‬لممنطؽ الضبابى أو‬
‫دور ضروريا فى تطبيقات ‪ .FL‬وبمعنى آخر تستخدـ دواؿ العضوية لتحويؿ قيمة‬
‫منطؽ الغموض تمعب ا‬
‫متغيرات المدخالت إلى متغيرات لغوية‪ ،‬ويستخدـ محرؾ اإلستدالؿ ‪ Inference Ingine‬ليحاكى عممية‬
‫إتخاذ القرار التى تعتمد عمى تطبيقات المنطؽ الضبابى والقواعد المتاحة ‪ Rule Base‬وفى النياية نصؿ‬
‫إلى مخرجات عممية اإلستدالؿ ‪ Crisp‬وتسمى الخطوة األخيرة بإزالة الغموض ‪ .Defuzzifications‬أى‬
‫أف المنطؽ الضبابى يتكوف مف أربعة مكونات وىى ‪Inference System ،Rule Base، Fuzzification‬‬
‫و ‪.(Martin et al., 2011, p.13; Lin et al., 2003, p.658; Cheng & Roy, 2011,p.57) Defuzzification‬‬

‫وقد تـ تطبيؽ بعض التطورات فى الرياضيات المالية‪-‬الضبابية ‪،Fuzzy-Financial Mathematics‬‬

‫وقاـ بعض الباحثيف بتعميـ األسموب الضبابى فى البيئة التى تتسـ بالتعقيد وعدـ التأكد ومثاؿ عمى ذلؾ‪،‬‬
‫تقدير معدؿ الخصـ والتدفقات النقدية المستقبمية إال أف مثؿ ىذه التقديرات تخضع لمتحيز‪ .‬ومف ثـ يمكف‬
‫القوؿ بانو عمى الرغـ مف وجود بعض الدراسات السابقة التى تعاممت مع عدـ التاكد فى المجاالت المتعمقة‬
‫باإلستثمار باإلعتماد عمى حدس صانع القرار أو األسموب اإلحتمالى حيث يتـ تقدير المعمومات التى تتسـ‬
‫بعدـ التأكد بإستخداـ التخمينات واألساليب اإلحصائية‪ ،‬إال أف اعتماد ىذه األساليب عمى حدس متخذ‬
‫القرار وتطمبيا تحقيؽ بعض اإلفتراضات مف التوزيعات اإلحتمالية يقمؿ مف دقة النتائج‪ .‬كذلؾ يحاوؿ‬
‫المستثمروف دائماً اإلعتماد عمى بعض الطرؽ لمتنبؤ بدقة بأسعار أصؿ مالى معيف مثؿ أسعار األسيـ‪،‬‬
‫ولكف غالباً ما تكوف النتائج غير دقيقة‪ .‬وليذا السبب سعى العديد مف الباحثيف إلى إقتراح سمسمة مف‬
‫الدراسات المتميزة القائمة عمى أساليب الغموض لتقييـ سوؽ األسيـ والتنبؤ بأسعار السيـ بدقة‪ .‬فعمى سبيؿ‬
‫المثاؿ‪ ،‬قاـ أحد الباحثيف بتطبيؽ تكنولوجيا الغموض عمى اإلستثمارات مف خالؿ التحميؿ الفنى وفحص‬
‫العديد مف الشركات مف أجؿ تحقيؽ عائد استثمار كبير واستخدـ باحثوف آخروف الخوارزميات الجينية‬
‫المعتمدة عمى الشبكات العصبية الضبابية ‪Genetic Algorithm Based on Fuzzy Neural‬‬
‫‪ Network‬لقياس اآلثار الكمية والنوعية عمى سوؽ األسيـ محققة أعمى درجة مف الدقة ومع ذلؾ فإف‬
‫النماذج التى تـ توظيفيا فى ىذه الد ارسات معقدة وتثير مخاوؼ المستثمريف ‪(Yao & Lin, 2005,‬‬
‫)‪. P.p208-209‬‬

‫‪111‬‬
 ‫‪ 3/3/4‬انحىسثح انًرَح ) ‪:(Soft Computing‬‬

‫يقصد بالحوسبة المرنة محاكاة التفكير واتخاذ القرار عند اإلنساف عند حؿ المشكالت المعقدة‪،‬‬
‫وبالتالى تستطيع التغمب عمى عيوب النماذج اإلحصائية التقميدية‪ ،‬واليدؼ مف األساليب المتعددة لمحوسبة‬
‫المرنة ىو التعامؿ مع المعمومات غير المؤكدة وغير الدقيقة وغير المكتممة أثناء عممية اتخاذ القرار وتتمثؿ‬
‫ىذه األساليب فى الشبكات العصبية والمنطؽ الضبابى والتفكير اإلحتمالى وغيرىا‪ ،‬ويعتبر التكامؿ األكثر‬
‫انتشا اًر بيف أساليب الحوسبة المرنة ىو الشبكات العصبية والمنطؽ الضبابى لتحقيؽ ىيكؿ ميجف يعرؼ‬
‫بإسـ ‪ Fuzzy Neural Network‬أو ‪.(Tung,et al., 2004, p.568) Neuro Fuzzy‬‬

‫وتكوف الشبكات العصبية والمنطؽ الضبابى والتفكير اإلحتمالى حجر األساس لمحوسبة المرنة‪ ،‬فعمى‬
‫عكس الحوسبة الصمبة أو التقميدية ‪ Hard or Conventional Computing‬تسعى الحوسبة المرنة جاىدةً‬
‫لنمذجة عدـ الدقة المتفشية فى العالـ الواقعى ‪ ،‬وتعتبر الحموؿ المشتقة مف الحوسبة المرنة أكثر قوة ومرونة‬
‫واقتصادية مف تمؾ المقدمة مف خالؿ الحوسبة التقميدية‪ ،‬واقترح العديد مف الباحثيف العديد مف أشكاؿ‬
‫التكامؿ بيف الشبكات العصبية والمنطؽ الضبابى ولكف القميؿ منيـ مف طبقيا فى الممارسة العممية ‪(Lin‬‬
‫)‪.et al., 2003, p.659‬‬

‫‪ 4/3/4‬النظم الميجنة )‪:(Hybrid Systems‬‬

‫يعتبر استخداـ النظـ الميجنة التى تجمع بيف المنطؽ الضبابى واألدوات األخرى مثؿ الشبكات‬
‫العصبية والخوارزميات الجينية مف أكثر اإلتجاىات الحديثة‪ ،‬وتستخدـ الكثير مف البحوث الحالية المنطؽ‬
‫الضبابى والشبكات العصبية كتقنيات تكميمية‪ ،‬فاليدؼ األساسى مف النظـ الميجنة ىو أف تكمؿ كؿ تقنية‬
‫أو أداة نقاط الضعؼ فى التقنية األخرى وبالتالى خمؽ مناىج جديدة لحؿ المشكالت‪ ،‬فعمى سبيؿ المثاؿ‬
‫ليس ىناؾ قدرات لمتعمـ اآللى فى نظـ الغموض حيث ال يمكف لنظـ الغموض التعرؼ عمى األنماط‬
‫بالطريقة التى تقوـ بيا الشبكات العصبية )‪.(Munakata,2008,p.156‬‬

‫‪112‬‬
 ‫‪ 5/3/4‬نموذج )‪:(Neuro Fuzzy‬‬

‫يعتبر نموذج ‪ Neuro Fuzzy‬واحداً مف نظـ الذكاء الميجنة التى تدمج المنطؽ الضبابى ‪Fuzzy‬‬
‫‪ Logic‬مع الشبكات العصبية ‪ ،Neural Network‬والميزة األساسية إلستخداـ نموذج ‪ Neuro Fuzzy‬ىو‬
‫قدرتو عمى نمذجة خصائص مشكمة معينة بإستخداـ نموذج لغوى عالى المستوى بدالً مف التعبيرات الرياضية‬
‫المعقدة‪ ،‬ويتكوف النموذج المغوى مف مجموعة مف قواعد الغموض ‪ If-Then‬وتعتبر قواعد الغموض بدييية‬
‫ويسيؿ فيميا مف خالؿ المستخدميف‪ ،‬وعالوة عمى ذلؾ يعتبر النموذج الميجف ‪ Neuro Fuzzy‬عمى‬
‫درجة عالية مف الشفافية‪ ،‬حيث يمكف استخداـ قواعد الغموض لتفسير األوزاف وروابط الشبكات العصبية‬
‫باإلضافة إلى إمكانية قياـ النموذج بالتكيؼ الذاتى لقواعد الغموض بإستخداـ خوارزميات التعمـ‬
‫‪ Learning Algorithms‬المشتقة مف نموذج الشبكات العصبية )‪.(Vlachos et al., 2003, p.168‬‬

‫وتأخذ عممية تيجيف الشبكات العصبية مع المنطؽ الضبابى أشكاالً متعددة‪ ،‬إال أنو سيتـ التركيز‬
‫عمى تقنية ‪ (Adaptive Neuro -Fuzzy Inference System) ANFIS‬والتى يتـ فييا تعديؿ معممات‬
‫العضوية بشكؿ يناسب بيانات المدخالت وذلؾ مف خالؿ استخداـ خوارزمية اإلنحدار المتدرج ‪Gradient‬‬
‫‪ Descent‬التى يتـ تطبيقيا خالؿ عمؿ شبكة اإلنتقاؿ الخمفى لمخطأ ‪ Back Probagation‬أى أنو يتـ‬
‫تطبيؽ التعمـ عف طريؽ توظيؼ خوارزمية تعمـ ميجنة تتكوف مف الخوارزميتيف السابقتيف لتمثيؿ معممات‬
‫أنظمة اإلستدالؿ الضبابى وذلؾ خالؿ مرحمتيف مف المعالجة‪ .‬يتـ فى األولى تطبيؽ طريقة المربعات‬
‫الصغرى وتكوف باإلتجاه األمامى‪ .‬ويتـ فى الثانية تطبيؽ خوارزمية شبكة اإلنتقاؿ الخمفى‪ ،‬وىذا النموذج‬
‫بأكممو يسمى معمارية ‪( ANFIS‬الخياط وقاسـ‪.(Vlachos & Tolias,2003,p.169) ، (2010 ،‬‬

‫‪ 6/3/4‬تقنية )‪:(ANFIS‬‬

‫تعتبر تقنية )‪ (ANFIS‬واحدة مف اإلنجازات الوظيفية لنظـ الغموض بإستخداـ تقنية الشبكات‬
‫العصبية‪ ،‬ويحتوى ىيكؿ تقنية )‪ )ANFIS‬الميجنة مف الشبكات العصبية اإلصطناعية والمنطؽ الضبابى‬
‫عمى عدد مف األجزاء التى يمكف اختبارىا إليجاد أفضؿ الحموؿ‪ ،‬ومف ىذه األجزاء اإلختبارية تحديد عدد‬
‫ونوع دواؿ العضوية المستخدمة فى تمثيؿ بيانات المدخالت ويوجد نفس ىذا اإلختبار أثناء بناء نموذج‬

‫‪113‬‬
‫الغموض‪ ،‬كما تحتوى تقنية )‪ (ANFIS‬عمى عممية المحاكاة التى يتـ مف خالليا إدخاؿ بيانات جديدة‬
‫(الخياط وقاسـ‪ ،2010،‬ص‪.)185‬‬

‫وتعد تقنية )‪ (ANFIS‬قابمة لمتكيؼ حيث يمكف لمعممات دواؿ العضوية أف تتكيؼ وتتغير أثناء‬
‫التدريب‪ ،‬ومف ثـ تعتبر مثؿ ىذه التقنيات تكميمية أكثر منيا تنافسية‪ ،‬ويعتبر نموذج ‪ Neuro Fuzzy‬أداة‬
‫عالمية ألسموب التنقيب فى البيانات ويمتمؾ قدرة كبيرة عمى اشتقاؽ العالقات الجوىرية بيف المدخالت‬
‫والمخرجات‪ ،‬باإلضافة إلى أف سمة التعميـ تمكنو مف استكماؿ عممية اتخاذ القرار ‪(Tung et al.,2004,‬‬
‫)‪. p.568‬‬

‫ولقد أصبحت تقنية )‪ (ANFIS‬تمثؿ منيجية قوية وناجحة جداً بإستخداـ كؿ مف الشبكة التكييفية‬
‫‪ Adaptive Network‬ونظاـ اإلستدالؿ الضبابى ‪ Fuzzy Inference System‬وبالتالى أصبحت‬
‫نماذج التنبؤ ليذه التقنية تعمؿ بشكؿ ناجح فى النظـ الديناميكية التى تتسـ بدرجة عالية مف ظروؼ عدـ‬
‫التأكد والمعممات التى ال يمكف السيطرة عمييا (بمعنى السموؾ اإلنسانى) مثؿ سمسمة القيمة عمى سبيؿ‬
‫المثاؿ )‪ .(Tozan & Vayvaym, 2008, p.34‬وأشار‪ (2011, p.15) Zanganeh et al.‬إلى أف‬
‫استخداـ نموذج الغموض مع التقنيات األخرى وبخاصة الشبكات العصبية يمثؿ أداة قوية مف الممكف أف‬
‫تقوـ بتسييؿ التحسيف الفعاؿ لنماذج التنبؤ‪ .‬وأصبحت ىذه التقنية متفوقة عمى النماذج اإلحصائية التقميدية‬
‫ونماذج الشبكات العصبية )‪.(Chintalapati & Jyotsna, 2013, p.721‬‬

‫وقد تـ استخداـ نموذج ‪ Neuro Fuzzy‬فى بعض التطبيقات المالية والمحاسبية مثؿ التنبؤ بخطر‬
‫اإلئتماف والتنبؤ باإلفالس وتقييـ خطر وجود غش بالقوائـ المالية‪ ،‬ولكف لـ يستخدـ مف قبؿ لمتنبؤ بالتدفقات‬
‫النقدية‪.‬‬

‫‪ ‬ىيكل تقنية ) ‪:(ANFIS‬‬

‫يتكوف ىيكؿ تقنية ‪ ANFIS‬مف خمس طبقات‪ ،‬تتكوف كؿ مف الطبقة األولى والرابعة مف خاليا‬
‫عصبية تكيفية ‪ Adaptive Neurons‬بينما تتكوف الطبقة الثانية والثالثة والخامسة مف خاليا عصبية ثابتة‬

‫‪114‬‬
‫‪ ،‬وترتبط الخاليا العصبية التكييفية بالمعممات ويتـ تحديثيا فى كؿ عممية تكرار بينما تخمو الخاليا‬
‫العصبية الثابتة مف أية معممات )‪.(Rashid & Ahmed, 2012, p.60; Zanganeh et al., 2011, p.17‬‬

‫‪ ‬مزايا تقنية )‪:(Zaganeh et al., 2011, p.15; Rashid & Ahmed, 2012, P.60) (ANFIS‬‬

‫تقوـ تقنية ‪ ANFIS‬بتطبيؽ قواعد التعمـ لمشبكات العصبية لتحديد وضبط ىيكؿ نظاـ اإلستدالؿ‬
‫الضبابى ‪ Fuzzy Inference System‬والمعممات‪ ،‬وتساعد مجموعة مف السمات اليامة لتقنية ‪ANFIS‬‬
‫النظاـ فى إنجاز الميمة بنجاح‪ ،‬وتتمثؿ ىذه السمات فيما يمى‪:‬‬

‫‪ .1‬سيولة التطبيؽ‪.‬‬

‫‪ .2‬السرعة والتعمـ الدقيؽ‪.‬‬

‫‪ .3‬قدرات التعميـ القوية‪.‬‬

‫‪ .4‬سيولة الشرح مف خالؿ قواعد الغموض‪.‬‬

‫‪ .5‬سيولة تضميف كؿ مف المعرفة المغوية والرقمية لحؿ المشكمة‪.‬‬

‫‪ .6‬القابمية لمتكيؼ‪ ،‬حيث يمكف لمعممات دواؿ العضوية أف تتكيؼ وتتغير أثناء عممية التدريب‪.‬‬

‫‪ .7‬تتفوؽ تقنية ‪ ANFIS‬عمى كؿ مف النظـ اإلحصائية والشبكات العصبية والمنطؽ الضبابى‪.‬‬

‫ونستنتج مف العرض السابؽ أف كؿ أسموب مف أساليب الذكاء اإلصطناعى لو قدرة فريدة مف‬
‫نوعيا‪ ،‬فتقوـ الشبكات العصبية بالتعمـ اآللى مف خالؿ محاكاة النظاـ العصبى عند اإلنساف كما يحاكى‬
‫المنطؽ الضبابى التفكير عند اإلنساف‪ ،‬ولكف توجد بعض العيوب ليذه األساليب مثؿ عدـ القدرة عمى‬
‫معرفة كيفية الوصوؿ إلى حؿ مشكمة ما بإستخداـ الشبكات العصبية أى أف بقاء المعمومات فى صندوؽ‬
‫أسود يعتبر أىـ عيب مف عيوب الشبكات العصبية‪ ،‬بينما يتمثؿ أىـ عيب لممنطؽ الضبابى فى عدـ القدرة‬
‫عمى التعمـ‪ .‬وفى سبيؿ تطوير أساليب الذكاء اإلصطناعى تـ التركيز عمى دمج ىذه األساليب مف أجؿ‬
‫التخمص مف العيوب ونقاط الضعؼ فى كؿ أسموب عف طريؽ دمجيا فى نموذج واحد‪ ،‬ولإلستفادة مف ميزة‬

‫‪115‬‬
‫القدرة عمى التعمـ لمشبكات العصبية وتفوؽ نمذجة المنطؽ الضبابى تـ دمجيـ فى نموذج واحد يسمى‬
‫بنموذج ‪ ،Neuro Fuzzy‬ولقد اكتسبت نظـ ‪ Neuro Fuzzy‬اىتماما واسعا ألنيا تمتمؾ مزايا كؿ مف‬
‫الشبكات العصبية والمنطؽ الضبابى‪ ،‬كما أف نظـ ‪ Neuro Fuzzy‬لدييا القدرة عمى تطبيؽ خبرة اإلنساف‬
‫عمى المشكالت بإستخداـ قواعد الغموض ‪ Fuzzy Rules‬وتتمثؿ الميزة األىـ لنماذج ‪Neuro Fuzzy‬‬
‫والتى تتفوؽ عمى األساليب األخرى لمذكاء اإلصطناعى فى القدرة عمى التعمـ بإستخداـ المتغيرات المفظية‪،‬‬
‫وكذلؾ القدرة عمى التعميؽ عمى كيفية الوصوؿ إلى قيمة المخرجات مف النموذج‪ ،‬وبمعنى آخر أنو بدمج‬
‫الشبكات العصبية مع المنطؽ الضبابى فى نموذج ‪ Neuro Fuzzy‬لـ تعد صندوقا أسودا‪ ،‬كذلؾ تـ تطبيؽ‬
‫نموذج ‪ Neuro Fuzzy‬عمى القميؿ مف األبحاث المتعمقة بالتنبؤ المالى )‪.(Accok,2012‬‬

‫وترى الباحثة أف التكامؿ بيف التقنيات السابقة يعالج عيوب استخداـ كؿ تقنية عمى حدة فمزايا كؿ‬
‫منيا تكمؿ مزايا األخرى مما يجعؿ ىذه النماذج أكثر كفاءة فى الوصوؿ إلى نتائج أكثر دقة‪ ،‬ويؤكد عمى‬
‫ذلؾ النتائج التى توصمت إلييا الدراسات التى تناولت نموذج ‪ Neuro Fuzzy‬مف حيث تفوؽ ىذا النموذج‬
‫عمى كؿ مف األساليب التقميدية والحديثة مثؿ دراسة ‪ ،(2003) Vlachos & Tolias‬دراسة ‪Zanganeh‬‬
‫‪ ، (2011) et al.‬دراسة ‪ (2011) Martin et al.‬ودراسة ‪.(2015( Lin et al.‬‬

‫‪ 4/4‬عينة الدراسة‪:‬‬

‫تتمثؿ عينة الدراسة فى عدد ‪ 44‬شركة مف الشركات المسجمة فى مؤشر ‪ .EGX100‬وتعتبر الشركات‬
‫عينة الدراسة مف الشركات األكثر نشاطاً فى البورصة المصرية لمدة أربع سنوات متتالية مف ‪-2008‬‬
‫‪ 2011‬والتى توافرت عنيا كافة المعمومات المتعمقة بمتغيرات الدراسة خالؿ الفترة محؿ البحث (يتضمف‬
‫ممحؽ البحث رقـ "‪ "1‬أسماء ىذه الشركات) وذلؾ بعد استبعاد الشركات التى تتبع القطاع المالى والمصرفى‬
‫نظ اًر لطبيعتيا الخاصة‪ .‬وقد تـ جمع بيانات الدراسة مف القوائـ المالية المنشورة لمشركات عينة الدراسة مف‬
‫كتاب اإلفصاح ومف موقع معمومات مباشر مصر )‪.(http://www.mubasher.info/EGX/‬‬

‫‪116‬‬
 ‫‪ 5/4‬منيجية الدراسة‪:‬‬

‫‪ 0/5/4‬التعريف بالمشكمة‪ :‬استخداـ البيانات المتاحة لمعامة وتقنيات التنقيب فى البيانات لمتنبؤ بالتدفقات‬
‫النقدية لمشركات المدرجة فى البورصة المصرية‪ ،‬مف أجؿ توفير تمؾ المعمومات اليامة والمفيدة لممستثمريف‬
‫ومستخدمى التقارير المالية المستفيديف مف ىذه المعمومات بإعتبارىا ىدؼ رئيسى مف أىداؼ التقارير‬
‫المالية وبالتالى المساىمة فى تحسيف جودة التقارير المالية ‪.‬‬

‫‪ 6/5/4‬تجميع وتييئة البيانات‪ :‬تـ تجميع بيانات عينة الدراسة مف كتاب اإلفصاح وكذلؾ مف موقع‬
‫معمومات مباشر مصر‪ ،‬وتـ اإلستعانة بمجموعة مف المتغيرات والتى مف المحتمؿ أف يكوف ليا تأثير قوى‬
‫فى التنبؤ بالتدفقات النقدية مف األنشطة التشغيمية باإلعتماد عمى البحوث السابقة لكؿ مف & ‪Lorek‬‬
‫‪ )2010) Willinger‬و ‪ (2001) Barth et al‬و ‪ )2003( Cohen‬وتـ ترتيب المتغيرات فى مجموعة بيانات‬
‫‪ Data Set‬وبالتالى لـ تكف ىناؾ قيـ مفقودة أو مكررة أى تـ تجميع البيانات بشكؿ يراعى جودتيا وبشكؿ‬
‫يالئـ استخداميا فى األداة التى تناسب طبيعتيا واليدؼ منيا ‪.‬‬

‫ويتكوف سجؿ بيانات كؿ شركة مف تسعة متغيرات تتمثؿ فى األرباح ‪ ،EARN‬التدفقات النقدية مف‬
‫األنشطة التشغيمية ‪ ،CF‬اإلستحقاقات ‪ ،ACCR‬المدينوف ‪ ،AR‬المخزوف ‪ ،INV‬الدائنوف ‪ ،AP‬اإلىالؾ‬
‫‪ ،DEPR‬اإلستيالؾ ‪ ،AMORT‬أخرى ‪.OTHER‬‬
‫‪ 3/5/4‬تحديد أداة أو تقنية التنقيب فى البيانات‪ :‬تـ استخداـ خوارزمية ‪ Neuro Fuzzy‬وىى مزيج مف‬
‫الشبكات العصبية ‪ Neural Networks‬والمنطؽ الضبابى ‪.Fuzzy Logic‬‬

‫وقد تـ اإلعتماد عمى ىذه األداة ألنيا ال تحتاج إلى وضع قواعد معينة يتـ اإلعتماد عمييا عند بناء‬
‫النموذج ولكف تقوـ بوضع قواعد بنفسيا مف خالؿ نظاـ اإلستدالؿ الضبابى ‪Fuzzy Inference‬‬
‫‪ .System‬كما أف ىذه األداة تجمع بيف مزايا كؿ مف الشبكات العصبية والمنطؽ الضبابى‪.‬‬

‫‪117‬‬
 ‫‪ 6/4‬األساليب العممية المستخدمة فى تحميل البيانات‪:‬‬

‫تعددت األساليب العممية والبرامج المستخدمة فى تحميؿ البيانات وقد تـ استخداـ ما يمي‪:‬‬

‫‪ 0/6/4‬برنامج (‪ )SPSS‬اإلصدار الثالث والعشرون‪:‬‬

‫استخدـ البرنامج لحساب المقاييس الوصفية مثؿ الوسط الحسابى واإلنحراؼ المعيارى لمتغيرات‬
‫الدراسة‪ ،‬كما استخدـ معامؿ ارتباط بيرسوف لمعرفة قوة اإلرتباط بيف المتغيرات وتـ استخداـ أسموب‬
‫اإلنحدار المتدرج بيدؼ تحديد وترتيب أىـ المتغيرات المستقمة التى تؤثر فى المتغير التابع وىو التدفقات‬
‫النقدية مف األنشطة التشغيمية‪.‬‬

‫‪ 6/6/4‬برنامج (‪:(Matlab7.1‬‬

‫كممة ‪ Matlab‬ىى اختصار لمصطمح "‪ "Matrix Laboratory‬أو"معمؿ المصفوفات" وتـ‬

‫استخداـ ىذا البرنامج فى التحميؿ فيو برنامج رائد فى التطبيقات اليندسية والرياضية مف إنتاج شركة‬
‫‪ Mathworks‬وفيو أدوات مخصصة لمتعامؿ مع التطبيقات المالية والتجارية حيث يحتوى عمى صناديؽ‬
‫)‪ (Toolbox‬تختمؼ عف بعضيا إذ لكؿ صندوؽ تخصص عممى يعالجو فيى تحتوى بداخميا عمى‬
‫تعميمات برمجية تؤدى إلى حؿ المسائؿ العممية فى التخصص الذى أنشئت مف أجمو‪ .‬ولقد تـ اختيار تقنية‬
‫)‪ (ANFIS‬لتحميؿ البيانات مع مراعاة الصورة التى يتـ قبوؿ البيانات بيا فى البرنامج‪ ،‬حيث يتعامؿ مع‬
‫البيانات المعدة فى صورة ‪ Notepad‬وتـ تجييز البيانات فى ممؼ ‪ Excel‬ثـ تـ نسخ ممؼ ‪ Excel‬إلى‬
‫ممؼ ‪ Notepad‬حتى يمكف التعامؿ مع البرنامج‪.‬‬

‫وتـ تناوؿ الدراسة التطبيقية فى الخطوات التالية‪:‬‬

‫أوالً‪ :‬الرموز والمتغيرات‪.‬‬
‫ثانياً‪ :‬اإلحصاء الوصفى لمتغيرات الدراسة‪.‬‬
‫ثالثاً‪ :‬مصفوفة اإلرتباط لبيرسون بين المتغيرات‪.‬‬
‫رابعاً‪ :‬تقديرات نموذج اإل نحدار المتدرج‪.‬‬

‫‪118‬‬
 ‫خامساً‪ :‬تقديرات نموذج ‪ Neuro Fuzzy‬بإستخدام تقنية ‪.ANFIS‬‬
‫سادساً‪:‬المفاضمة بين النماذج المقدرة‪.‬‬

‫وتتناوؿ الباحثة كؿ عنصر مف العناصر السابقة بشىء مف التفصيؿ كما يمى‪:‬‬

‫أوالً‪ :‬الرموز والمتغيرات‪:‬‬
‫تـ ترميز المتغيرات محؿ الدارسة كما يمى‪:‬‬
‫جدول رقم (‪)0‬‬
‫الرموز والمتغيرات‬

‫الرمز‬ ‫المتغير‬
‫‪EARN‬‬ ‫صافى الربح بعد الضرائب‬
‫‪ACCR‬‬ ‫اإلستحقاقات‬
‫‪CF‬‬ ‫التدفقات النقدية مف األنشطة التشغيمية‬
‫‪AR‬‬ ‫المدينوف‬
‫‪AP‬‬ ‫الدائنوف‬
‫‪INV‬‬ ‫المخزوف‬
‫‪DEPR‬‬ ‫اإلىالؾ‬
‫‪AMORT‬‬ ‫اإلستيالؾ‬
‫‪OTHER‬‬ ‫أخرى‬

‫وتـ الحصوؿ عمى قيـ المتغيرات مثؿ صافى الربح بعد الضرائب واإلستحقاقات وأخرى مف المعادالت التالية‪:‬‬
‫صافى الربح بعد الضرائب )‪ =(EARN‬الدخل قبل العناصر غير العادية والعمميات غير المتكررة‪.‬‬
‫اإلستحقاقات )‪ =(ACCR‬صافى الربح بعد الضرائب‪ -‬صافى التدفقات النقدية من األنشطة التشغيمية‬
‫أخرى )‪ =(OTHER‬صافى الربح بعد الضرائب‪( -‬صافى التدفقات النقدية من األنشطة التشغيمية ‪+‬التغير فى‬
‫المدينون‪ +‬التغير فى المخزون‪ -‬التغير فى الدائنون‪ -‬اإلىالك‪ -‬اإلستيالك)‪.‬‬

‫‪119‬‬
 ‫ثانياً‪ :‬اإلحصاء الوصفى لمتغيرات الدراسة‪:‬‬
‫يعرض جدوؿ رقـ (‪ )2‬اإلحصاء الوصفى لمتغيرات الدراسة‪ ،‬ويتضح مف الجدوؿ أف متوسط‬
‫التدفقات النقدية فى الشركات محؿ الدراسة خالؿ الفترة الزمنية لمدراسة بمغ ‪ 238847.92‬بإنحراؼ معيارى‬
‫‪ ، 578514.142‬وبمغ متوسط أوراؽ القبض ‪ 706575.71‬بإنحراؼ معيارى ‪ ، 1994059.553‬بينما‬
‫بمغ متوسط اإلىالؾ ‪ 1327208.16‬بإنحراؼ معيارى ‪.4792816.986‬‬

‫جدول رقم (‪)6‬‬

‫اإلحصاء الوصفى لمتغيرات الدراسة‬

‫انحراف معٌارى‬ ‫وسط حسابى‬ ‫متغٌرات الدراسة‬

‫‪473524.377‬‬ ‫‪155482.12‬‬ ‫صافى الربح بعد الضرائب‬

‫‪578514.142‬‬ ‫‪238847.92‬‬ ‫التدفقات النقدٌة‬

‫‪361605.470‬‬ ‫‪-83365.80‬‬ ‫اإلستحقاقات‬

‫‪1994059.553‬‬ ‫‪706575.71‬‬ ‫المدٌنون‬

‫‪2641286.697‬‬ ‫‪863938.84‬‬ ‫المخزون‬

‫‪590190.004‬‬ ‫‪235464.39‬‬ ‫الدائنون‬

‫‪4792816.986‬‬ ‫‪1327208.16‬‬ ‫اإلهالك‬

‫‪481262.878‬‬ ‫‪68977.33‬‬ ‫اإلستيالؾ‬

‫‪6012544.251‬‬ ‫‪-20393.84‬‬ ‫أخرى‬

‫ثانثاا‪ :‬يصفىفح االرذثاط نثيرسىٌ تيٍ انًرغيراخ‪:‬‬

‫يعرض جدوؿ رقـ (‪ )3‬مصفوفة اإلرتباط لبيرسوف بيف متغيرات الدراسة‪ ،‬ويتضح مف الجدوؿ‬
‫ارتفاع قيمة معامؿ االرتباط بيف التدفقات النقدية واإلىالؾ حيث بمغت قيمة معامؿ االرتباط )‪ (0.835‬مما‬
‫يدؿ عمى وجود عالقة طردية قوية بيف المتغيريف ومعنوية عند مستوى معنوية ‪ ،1%‬ويتضح مف الجدوؿ‬

‫‪121‬‬
‫وجود ارتباط طردى متوسط بيف التدفقات النقدية وبيف االستيالؾ حيث بمغت قيمة معامؿ االرتباط‬
‫)‪.(0.439‬‬

‫جدول رقم (‪)3‬‬

‫مصفوفة اإل رتباط لبيرسون بين متغيرات الدراسة‬

‫أخرى‬ ‫اإلستهالك‬ ‫اإلهالك‬ ‫المخزون‬ ‫التدفقات‬

‫الدائنون‬ ‫المدٌنون‬
‫النقدٌة‬

‫**‪.604‬‬ ‫**‪.439‬‬ ‫**‪.835‬‬ ‫**‪.386‬‬ ‫‪.043‬‬ ‫‪.246‬‬ ‫‪1‬‬ ‫التدفقات النقدٌة‬

‫**‪-.443-‬‬ ‫‪.023‬‬ ‫‪.278‬‬ ‫**‪.634‬‬ ‫**‪.908‬‬ ‫‪1‬‬ ‫‪.246‬‬ ‫المدٌنون‬
‫**‪-.652-‬‬ ‫‪-.041-‬‬ ‫‪.024‬‬ ‫**‪.697‬‬ ‫‪1‬‬ ‫**‪.908‬‬ ‫‪.043‬‬ ‫المخزون‬
‫‪-.155-‬‬ ‫**‪.631‬‬ ‫*‪.314‬‬ ‫‪1‬‬ ‫**‪.697‬‬ ‫**‪.634‬‬ ‫**‪.386‬‬ ‫الدائنون‬
‫**‪.727‬‬ ‫*‪.343‬‬ ‫‪1‬‬ ‫*‪.314‬‬ ‫‪.024‬‬ ‫‪.278‬‬ ‫**‪.835‬‬ ‫اإلهالك‬
‫**‪.374‬‬ ‫‪1‬‬ ‫*‪.343‬‬ ‫**‪.631‬‬ ‫‪-.041-‬‬ ‫‪.023‬‬ ‫**‪.439‬‬ ‫اإلستهالك‬
‫‪1‬‬ ‫**‪.374‬‬ ‫**‪.727‬‬ ‫**‪-.155- -.652-** -.443-‬‬ ‫**‪.604‬‬ ‫أخرى‬

‫* معامالت معنوية عند مستوى معنوية ‪1%‬‬

‫** معامالت معنوية عند مستوى معنوية ‪5%‬‬

‫رابعاً‪ :‬تقديرات نموذج اإلنحدار المتدرج‪:‬‬

‫يمكن اختبار الفرض القائل‪:‬‬
‫" ال يوجد تأثير معنوى لممتغيرات المستقمة (محل اإلختبار) عمى التنبؤ بالتدفقات النقدية من األنشطة‬
‫التشغيمية بإستخدام نموذج اإلنحدار"‪.‬‬
‫وإلختبار ىذا الفرض تـ تقدير نموذج اإلنحدار المتدرج بيػدؼ تحديػد أىػـ المتغيػرات المسػتقمة التػى‬
‫تػػؤثر فػػى المتغيػػر التػػابع ( التػػدفقات النقديػػة ‪ ،)CF‬يعػػرض جػػدوؿ رقػػـ (‪ )4‬تقػديرات النمػػوذج المقػػدر‪ ،‬يتضػػح‬
‫مػػف الجػػدوؿ معنويػػة نمػػوذج اإلنحػػدار المقػػدر مػػف خػػالؿ قيمػػة ‪ (F=186.718) F‬وقيمػػة )‪،(Sig=0.000‬‬

‫‪121‬‬
‫كمػػا يتضػػح معنويػػة معػػامالت اإلنحػػدار عنػػد مسػػتوى معنويػػة ‪ ،5%‬ويتضػػح مػػف الجػػدوؿ أف أىػػـ المتغي ػرات‬
‫المستقمة التى تؤثر فى المتغير التابع حسب ترتيب دخوليا فى النموذج ىى‪:‬‬

‫‪ ‬اإلهالن‬
‫‪ ‬أوراق انذفع‬
‫‪ ‬انًخزوٌ‬
‫و تفسر ‪ 69.9%‬مف التغيرات التى تحدث فى المتغير التابع (التدفقات النقدية)‪.‬‬

‫جدول رقم (‪)4‬‬

‫تقديرات نموذج اإل نحدار المتدرج‬

‫التقديرات‬ ‫معامل‬ ‫المتغيرات‬

‫‪F‬‬
‫‪Sig.‬‬ ‫‪T‬‬ ‫‪‬‬ ‫التحديد‬ ‫المستقمة‬
‫)‪(sig.‬‬
‫‪R2‬‬ ‫فى النموذج‬

‫‪.005‬‬ ‫‪2.851‬‬ ‫‪82897.893‬‬ ‫‪Constant‬‬

‫‪.000‬‬ ‫‪17.086‬‬ ‫‪.118‬‬ ‫‪DEPR‬‬ ‫‪DEPR‬‬

‫‪186.718‬‬
‫‪0.699‬‬ ‫‪AP‬‬
‫‪.000‬‬ ‫‪8.844‬‬ ‫‪.664‬‬ ‫‪AP‬‬ ‫)‪(0.000‬‬
‫‪INV‬‬

‫‪.000‬‬ ‫‪-7.105‬‬ ‫‪-.104‬‬ ‫‪INV‬‬

‫مما سبق يتضح عدم صحة الفرض العدمى وصحة الفرض البديل‪:‬‬

‫" يوجد تأثير معنوى لممتغيرات المستقمة (محل اإلختبار) عمى التنبؤ بالتدفقات النقدية من األنشطة‬
‫التشغيمية بإستخدام نموذج اإلنحدار"‪.‬‬

‫ويمكن كتابة النموذج عمى الصورة ‪:‬‬

‫‪CF = 82897.893 + .118 DEPR + .664 AP - .104 INV‬‬

‫‪122‬‬
 ‫خامساً‪ :‬تقديرات نموذج ‪ Neuro Fuzzy‬بإستخدام تقنية ‪:ANFIS‬‬
‫يمكن اختبار الفرض القائل‪:‬‬
‫" ال يوجد تأثير معنوى لتطبيق نموذج ‪ Neuro Fuzzy‬عمى تحسين جودة التنبؤ بالتدفقات النقدية‬
‫من األنشطة التشغيمية لممنشأة"‪.‬‬
‫وإلختبار ىذا الفرض تـ تحديد متغيرات المدخالت لمنموذج (تـ ذكر القيـ الرقمية لمتغيرات المدخالت‬
‫لكؿ شركة فى ممحؽ رقـ "‪ .)"2‬حيث تيدؼ ىذه الدراسة إلى معرفة قيمة تطبيؽ نموذج ‪Neuro‬‬
‫‪ Fuzzy‬كأحد أدوات التنقيب فى البيانات‪.‬‬
‫وتـ تطبيؽ النموذج بإستخداـ برنامج ‪ Matlab‬حيث تـ استخداـ مجموعة بيانات المتغيرات لمسنوات‬
‫مف ‪ 2008‬إلى ‪ 2011‬لتدريب )‪ )ANFIS‬كأحد اإلنجازات الوظيفية ليذا النموذج والحصوؿ عمى نظاـ‬
‫اإلستدالؿ الضبابى ‪ FIS‬بإستخداـ تسعة متغيرات كمدخالت لمتنبؤ بالتدفقات النقدية مف األنشطة التشغيمية‬
‫لسنة ‪ ،2012‬ويوضح شكؿ رقـ (‪ )5‬ىيكؿ نموذج )‪ )ANFIS‬فيما يمى‪:‬‬

‫شكؿ رقـ (‪ :)5‬ىيكؿ نموذج ‪ANFIS‬‬

‫‪123‬‬
‫وتـ الحصوؿ عمى ‪ 19‬قاعدة غموض ‪ Fuzzy Rule‬مف النموذج‪ ،‬حيث تـ استخالص قواعد‬
‫الغموض مف بيانات التدريب لبناء نموذج الغموض الذى يصؼ سموؾ البيانات‪ ،‬وتتضح قواعد الغموض‬
‫المستخمصة فى الشكؿ رقـ (‪ )6‬فيما يمى ‪:‬‬

‫شكل رقم (‪ :)6‬قواعد منطق الغموض المستخمصة من تقنية ‪ANFIS‬‬

‫‪Fuzzy Rule Viewer‬‬
‫وإلختبار وجود فرؽ معنوى بيف القيـ الفعمية والمقدرة لمتدفقات النقدية بإستخداـ نموذج ‪،Neuro Fuzzy‬‬
‫تـ استخداـ اختبار ‪ ، Paired t test‬وبمغت قيمة )‪ (Sig. = .393) ، )t =.862‬أى عدـ معنوية الفرؽ‬
‫بيف القيمة الفعمية والمقدرة عند مستوى معنوية ‪ 5%‬حيث أف قيمة )‪ (Sig.‬أكبر مف مستوى المعنوية‪ ،‬مما‬
‫يؤكد عدـ وجود فرؽ معنوى بيف القيـ الفعمية والمقدرة لمتدفقات النقدية بإستخداـ نموذج ‪.Neuro Fuzzy‬‬

‫‪124‬‬
 ‫مما سبق نستنتج عدم صحة الفرض العدمى وصحة الفرض القائل‪:‬‬

‫"يوجد تأثير معنوى لتطبيق نموذج ‪ Neuro Fuzzy‬عمى تحسين جودة التنبؤ بالتدفقات النقدية من‬
‫األنشطة التشغيمية لممنشأة"‪.‬‬

‫وقامت الباحثة بتطبيق نموذج اإلنحدار المتدرج ونموذج ‪ Neuro Fuzzy‬عمى البيانات الفعمية‬
‫لفترة التنبؤ عام ‪ 6106‬التالية لمفترة محل البحث وكانت النتائج فى جدول (‪ )5‬كما يمى‪:‬‬

‫صافً انرذفماخ انُمذيح‬ ‫صافً انرذفماخ انُمذيح‬

‫صافً انرذفماخ انُمذيح‬
‫انًرىلعح فً ظم‬ ‫انفعهيح يىو‬ ‫انشركح‬
‫انًرىلعح فً ظم اإلَحذار‬
‫‪Neuro Fuzzy‬‬ ‫‪2112/12/31‬‬

‫‪85004.1‬‬ ‫‪-3800‬‬ ‫‪-3777‬‬ ‫‪1‬‬

‫‪3408648‬‬ ‫‪1998200‬‬ ‫‪1979188‬‬ ‫‪2‬‬
‫‪83197.29‬‬ ‫‪4500‬‬ ‫‪4523‬‬ ‫‪3‬‬
‫‪1672200‬‬ ‫‪857300‬‬ ‫‪848028‬‬ ‫‪4‬‬
‫‪259098.9‬‬ ‫‪1092600‬‬ ‫‪1091938‬‬ ‫‪5‬‬
‫‪275235.8‬‬ ‫‪1585200‬‬ ‫‪1584453‬‬ ‫‪6‬‬
‫‪123885‬‬ ‫‪157900‬‬ ‫‪158432‬‬ ‫‪7‬‬
‫‪68038.09‬‬ ‫‪15200‬‬ ‫‪15415‬‬ ‫‪8‬‬
‫‪87565.23‬‬ ‫‪38500‬‬ ‫‪38706‬‬ ‫‪9‬‬
‫‪168561.5‬‬ ‫‪188700‬‬ ‫‪188481‬‬ ‫‪10‬‬
‫‪126518.4‬‬ ‫‪176000‬‬ ‫‪176084‬‬ ‫‪11‬‬
‫‪197069.5‬‬ ‫‪154900‬‬ ‫‪155416‬‬ ‫‪12‬‬
‫‪65991.14‬‬ ‫‪-24100‬‬ ‫‪-23934‬‬ ‫‪13‬‬
‫‪107402.7‬‬ ‫‪193100‬‬ ‫‪193422‬‬ ‫‪14‬‬
‫‪164829.5‬‬ ‫‪87100‬‬ ‫‪87153‬‬ ‫‪15‬‬
‫‪122862.5‬‬ ‫‪-15200‬‬ ‫‪-141566‬‬ ‫‪16‬‬
‫‪109046‬‬ ‫‪3400‬‬ ‫‪3612‬‬ ‫‪17‬‬
‫‪145282.2‬‬ ‫‪81100‬‬ ‫‪81204‬‬ ‫‪18‬‬
‫‪102720.9‬‬ ‫‪5200‬‬ ‫‪5181‬‬ ‫‪19‬‬
‫‪536341.1‬‬ ‫‪849000‬‬ ‫‪896420‬‬ ‫‪20‬‬

‫‪125‬‬
 ‫صافً انرذفماخ انُمذيح‬ ‫صافً انرذفماخ انُمذيح‬
‫صافً انرذفماخ انُمذيح‬
‫انًرىلعح فً ظم‬ ‫انفعهيح يىو‬ ‫انشركح‬
‫انًرىلعح فً ظم اإلَحذار‬
‫‪Neuro Fuzzy‬‬ ‫‪2112/12/31‬‬

‫‪132065.7‬‬ ‫‪52900‬‬ ‫‪52946‬‬ ‫‪21‬‬

‫‪82833.91‬‬ ‫‪-19400‬‬ ‫‪-19287‬‬ ‫‪22‬‬
‫‪91111.06‬‬ ‫‪2600‬‬ ‫‪2603‬‬ ‫‪23‬‬
‫‪71919.83‬‬ ‫‪21500‬‬ ‫‪29008‬‬ ‫‪24‬‬
‫‪87135.59‬‬ ‫‪62300‬‬ ‫‪62333‬‬ ‫‪25‬‬
‫‪87879.02‬‬ ‫‪-44500‬‬ ‫‪-44418‬‬ ‫‪26‬‬
‫‪96450.38‬‬ ‫‪154100‬‬ ‫‪154279‬‬ ‫‪27‬‬
‫‪129755.3‬‬ ‫‪969100‬‬ ‫‪969057‬‬ ‫‪28‬‬
‫‪611941.8‬‬ ‫‪530200‬‬ ‫‪533074‬‬ ‫‪29‬‬
‫‪95470.39‬‬ ‫‪20400‬‬ ‫‪20559‬‬ ‫‪30‬‬
‫‪94820.53‬‬ ‫‪16800‬‬ ‫‪16851‬‬ ‫‪31‬‬
‫‪383830.8‬‬ ‫‪-73700‬‬ ‫‪-27358‬‬ ‫‪32‬‬
‫‪71641.72‬‬ ‫‪-33600‬‬ ‫‪-30702‬‬ ‫‪33‬‬
‫‪32307.43‬‬ ‫‪-181200‬‬ ‫‪-173851‬‬ ‫‪34‬‬
‫‪67488.38‬‬ ‫‪-71500‬‬ ‫‪-71153‬‬ ‫‪35‬‬
‫‪73561086‬‬ ‫‪-5600‬‬ ‫‪-5470‬‬ ‫‪36‬‬
‫‪71223.77‬‬ ‫‪4500‬‬ ‫‪4634‬‬ ‫‪37‬‬
‫‪105137.2‬‬ ‫‪39700‬‬ ‫‪41410‬‬ ‫‪38‬‬
‫‪88687580‬‬ ‫‪7200000‬‬ ‫‪7212000‬‬ ‫‪39‬‬
‫‪3771325‬‬ ‫‪2846700‬‬ ‫‪2815265‬‬ ‫‪40‬‬
‫‪84570.09‬‬ ‫‪68600‬‬ ‫‪69803‬‬ ‫‪41‬‬
‫‪89147.09‬‬ ‫‪-44000‬‬ ‫‪-43707‬‬ ‫‪42‬‬
‫‪80468.06‬‬ ‫‪165600‬‬ ‫‪168157‬‬ ‫‪43‬‬
‫‪85453.01‬‬ ‫‪7000‬‬ ‫‪7050‬‬ ‫‪44‬‬

‫‪126‬‬
 ‫سادسا‪ :‬المفاضمة بين النماذج المقدرة‪:‬‬
‫يمكن اختبار الفرض القائل‪:‬‬
‫" ال يوجد اختالف معنوى بين تقديرات نموذج تحميل اإلنحدار ونموذج ‪ Neuro Fuzzy‬لمتدفقات‬
‫النقدية من األنشطة التشغيمية" فيما يمى‪:‬‬
‫لمحكـ عمى المقدرة التنبؤية لنموذج اإلنحدار ونموذج ‪ Neuro Fuzzy‬تـ استخداـ المعياريف التالييف‬
‫فى المفاضمة بيف النماذج المقدرة‪:‬‬

‫(أ) الجذر التربيعي لخطأ التنبؤ (‪( RMSPE‬‬

‫‪1‬‬
‫‪1 m‬‬
‫‪RMSPE = ( [ ( yn  h  yn  h ) ]) 2‬‬
‫^‬ ‫‪2‬‬

‫‪m h 1‬‬

‫(ب) المتوسط المطمق النسبى لخطأ التنبؤ )‪(MAPE‬‬

‫‪m‬‬
‫‪1‬‬
‫= ‪MAPE‬‬ ‫] ‪[ ( yn^h  ynh ) / ynh‬‬ ‫‪%‬‬
‫‪m h1‬‬
‫وكمما صغرت قيمة ‪ MAPE،RMSPE‬دؿ ذلؾ عمى الكفاءة العالية لنموذج التنبؤ‪.‬‬

‫ويعرض جدوؿ رقـ (‪ )6‬معايير المفاضمة بيف النماذج المقدرة‪ ،‬ويتضح مف الجدوؿ انخفاض قيـ‬

‫معيارى المفاضمة (الجذر التربيعي لخطأ التنبؤ (‪ ،( (RMSPE‬المتوسط المطمؽ النسبى لخطأ التنبؤ‬

‫)‪ (MAPE‬بشكؿ ممحوظ لنموذج ‪ Neuro Fuzzy‬مقارنة بنموذج اإلنحدار مما يعنى تحسف المقدرة‬
‫التنبؤية لنموذج ‪ Neuro Fuzzy‬عف نموذج اإلنحدار حيث تضاعفت قيمة ‪ RMSPE‬فى ظؿ نموذج‬
‫اإلنحدار مقارنة بنموذج ‪ 4,6 Neuro Fuzzy‬مرة‪ ،‬كما تضاعفت قيمة ‪ 3 MAPE‬مرات‪.‬‬

‫‪127‬‬
 ‫جدوؿ رقـ (‪)6‬‬

‫معايير المفاضمة بيف النماذج المقدرة‬

‫‪MAPE‬‬ ‫‪RMSPE‬‬ ‫النموذج‬

‫‪14.8‬‬ ‫‪398.14‬‬ ‫نموذج االنحدار‬

‫‪5.1‬‬ ‫‪86.44‬‬ ‫نموذج ‪Neuro Fuzzy‬‬

‫مما سبق يتضح عدم صحة الفرض العدمى وصحة الفرض البديل‪:‬‬
‫" يىخذ اخرالف يعُىي تيٍ ذمذيراخ ًَىرج اإلَحذار وًَىرج ‪ Neuro Fuzzy‬نهرذفماخ انُمذيح‬
‫يٍ األَشطح انرشغيهيح"‪.‬‬

‫َرائح انذراسح انرطثيميح‪:‬‬

‫مف نتائج الدراسة التطبيقية يتضح أف ىناؾ تأثير ذو داللة احصائية لممتغيرات المستقمة التى تؤثر‬
‫فى المتغير التابع ( التدفقات النقدية) بإستخداـ نموذج اإلنحدار وكاف أبرز ىذه المتغيرات تأثي ار عمى‬
‫المتغير التابع ىى المخزوف وأوراؽ الدفع واإلىالؾ حيث تفسر ‪ %69.9‬مف التغيرات التى تحدث فى‬
‫المتغير التابع‪ ،‬كما تـ التعرض فى ىذا الفصؿ لتنفيذ نموذج ‪ Neuro Fuzzy‬مف خالؿ تقنية ‪ANFIS‬‬
‫لمتنبؤ بالتدفقات النقدية‪ ،‬وتمت مقارنة نتائج نموذج ‪ Neuro Fuzzy‬مع نتائج نموذج تحميؿ اإلنحدار‪ ،‬وقد‬
‫أسفرت النتائج عف مدى دقة نموذج ‪ Neuro Fuzzy‬بالمقارنة بنموذج اإلنحدار‪ ،‬ويرجع السبب فى ذلؾ‬
‫كما تـ ذكره فى السابؽ إلى صعوبة استخداـ أساليب اإلحصاء التقميدية ومنيا اإلنحدار عندما تكوف‬
‫البيانات المستخدمة غير متجانسة وتتصؼ عالقتيا بعدـ الثبات أو تكوف مشوشة كما أف تطمبيا تحقيؽ‬
‫بعض اإلفتراضات مف التوزيعات اإلحتمالية يقمؿ مف دقة النتائج مما جعؿ المنفعة الحقيقية إلستخداـ ىذه‬
‫األساليب محدودة ومف ثـ وجب البحث عف أساليب أخرى لمتحميؿ تتعامؿ مع كؿ المتغيرات وال تستبعد‬
‫المتغيرات الشاذة إال بعد اختبار مالءمتيا ولذلؾ ظيرت أساليب الذكاء اإلصطناعى التى تقوـ عمى‬

‫‪128‬‬
‫مجموعة مف الحسابات الديناميكية والمعقدة وتتمثؿ أىـ خصائصيا فى اإلعتماد عمى القواعد بشكؿ أساسى‬
‫والقدرة عمى التعمـ والقدرة عمى التعامؿ مع المشكالت غير الخطية مف خالؿ تطوير نموذج شامؿ يأخذ فى‬
‫اعتباره كؿ المتغيرات المستقمة فى حيف ال يمكف بناء ىذا النموذج مف خالؿ أساليب اإلحصاء التقميدية‪،‬‬
‫وقد جمع نموذج ‪ Neuro Fuzzy‬بيف مزايا كؿ مف الشبكات العصبية التى تتميز بالمرونة والقدرة عمى‬
‫التعمـ الذاتى مف خالؿ تدريب البيانات لموصؿ إلى أقؿ خطأ ممكف ومزايا المنطؽ الضبابى الذى يتميز‬
‫بقدرتو عمى نمذجة خصائص مشكمة معينة بأسموب لغوى عالى المستوى وبالتالى يقوـ بالتحسيف الفعاؿ‬
‫لنماذج التنبؤ‪.‬‬

‫خالصة الفصل‪:‬‬

‫تطرؽ ىذا الفصؿ لممفاىيـ المتعمقة بالدراسة التطبيقية‪ ،‬وتـ عرض عينة ومنيجية الدراسة وأساليب‬
‫تحميؿ البيانات واإلحصاء الوصفى ونتائج تطبيؽ كؿ مف نموذج اإلنحدار ونموذج ‪ Neuro Fuzzy‬حيث‬
‫أسفرت الدراسة عف تفوؽ النموذج األخير عمى النموذج األوؿ فى التنبؤ بالتدفقات النقدية مف األنشطة‬
‫التشغيمية‪.‬‬

‫‪129‬‬
‫النتائج والتوصيات‬
 ‫النتائج والتوصيات‬

‫أوال‪ :‬النتائج‬
‫تتمخص أىـ نتائج الدراسة فيما يمى‪:‬‬

‫‪ .1‬وجود قصور فى التقارير المالية بشكميا الحالى مما أدى إلى وجود فجوة بيف العرض والطمب عمى‬
‫المعمومات المختمفة خاصةً فى ظؿ التغيرات الكبيرة فى بيئة األعماؿ‪.‬‬

‫‪ .2‬رغـ تعدد الدراسات السابقة التى تناولت قضية جودة التقارير المالية إال أنو ال يوجد اتفاؽ حوؿ تحديد‬
‫مفيوـ جودة التقارير المالية كما اكتفت تمؾ الدراسات بتناوؿ العوامؿ المؤثرة عمى جودة التقارير المالية‪،‬‬
‫وحتى عندما تناولت بعض الدراسات أحد ىذه العوامؿ فى تأثيره عمى جودة التقارير المالية تبيف أنو ال‬
‫يوجد اتفاؽ فى نتائج ىذه الدراسات وكذلؾ بالنسبة لوسائؿ قياس جودة التقارير المالية‪.‬‬

‫‪.3‬إف التقدـ فى تكنولوجيا المعمومات وانتشار استخداـ اإلنترنت يتطمب مف المديريف والمحاسبيف‬
‫والمراجعيف واألكاديمييف أف يصبحوا أكثر ميارة وأكثر معرفة فى تصميـ نظـ المعمومات المحاسبية والرقابة‬
‫عمييا‪.‬‬

‫‪ . 4‬يساعد أسموب التنقيب فى البيانات وأدواتو المختمفة فى توسيع اإلطار الذى تعمؿ فيو المحاسبة‪ ،‬مما‬
‫يزيد مف دقة ومالءمة المعمومات المحاسبية الناتجة‪ ،‬وتؤدى زيادة الدقة إلى اختالؼ المعمومات الناتجة‬
‫مقارنةً بالنماذج التقميدية‪ ،‬ومف ثـ تصبح ىذه المعمومات مالئمة إلتخاذ الق اررات اإلستثمارية وىذا ىو‬
‫اليدؼ الرئيسى لمتقارير المالية أى أف أسموب التنقيب فى البيانات يساعد فى تحسيف جودة التقارير المالية‪.‬‬

‫‪ .5‬يمكف تحسيف بعض الخصائص النوعية لجودة المعمومات المحاسبية مف خالؿ استخداـ أسموب التنقيب‬
‫فى البيانات ‪ Data Mining‬فى نظاـ المعمومات المحاسبى ومف ىذه الخصائص المالءمة والقابمية لمفيـ‬
‫والقابمية لممقارنة‪.‬‬

‫‪131‬‬
‫‪ . 6‬تتسـ البيانات المحاسبية بالتعقد مما يستمزـ استخداـ منيج عممى متطور لتحميؿ ىذه البيانات تتوافر فيو‬
‫مجموعة خصائص أىميا القدرة التنبؤية العالية ومراعاة طبيعة البيانات والتعامؿ مع متغيرات مالية وغير‬
‫مالية وتتوافر ىذه الخصائص فى أدوات التنقيب فى البيانات وبخاصة النماذج الميجنة مثؿ نموذج‬
‫‪ Neuro Fuzzy‬الذى يجمع بيف مزايا كؿ مف الشبكات العصبية والمنطؽ الضبابى‪.‬‬

‫‪ .7‬تـ استخداـ نموذج ‪ Neuro Fuzzy‬فى بعض التطبيقات المالية والمحاسبية مثؿ التنبؤ بخطر اإلئتماف‬
‫والتنبؤ باإلفالس ولكف لـ يستخدـ مف قبؿ لمتنبؤ بالتدفقات النقدية‪ ،‬وتـ استخداـ التنقيب فى البيانات فى‬
‫الفروع المختمفة لممحاسبة مثل المحاسبة المالٌة والتكالٌف والمراجعة‪.‬‬

‫‪ .8‬ارتفاع قيمة معامؿ االرتباط بيف التدفقات النقدية مف اإلنشطة التشغيمية واإلىالؾ حيث بمغت قيمة‬
‫معامؿ االرتباط )‪ (0.835‬مما يدؿ عمى وجود عالقة طردية قوية بيف المتغيريف ومعنوية عند مستوى‬
‫معنوية ‪ ،1%‬ويوجد ارتباط طردى متوسط بيف التدفقات النقدية مف األنشطة التشغيمية وبيف االستيالؾ‬
‫حيث بمغت قيمة معامؿ االرتباط )‪.(0.439‬‬

‫‪ .9‬إف أىـ المتغيرات المستقمة التى تؤثر فى المتغير التابع حسب ترتيب دخوليا فى النموذج ىى اإلىالؾ‪،‬‬
‫أوراؽ الدفع‪ ،‬المخزوف و تفسر ‪ 69.9%‬مف التغيرات التى تحدث فى المتغير التابع (التدفقات النقدية مف‬
‫األنشطة التشغيمية) وذلؾ عند تقدير نموذج اإلنحدار المتدرج‪ ،‬حيث اتضح معنوية نموذج اإلنحدار المقدر‬
‫مف خالؿ قيمة ‪ (F =186.718) F‬وقيمة (‪.(sig=0.000‬‬

‫‪ .10‬انخفاض قٌم معٌارى المفاضلة (الجذر التربٌعً لخطأ التنبؤ (‪ ،( RMSPE‬المتوسط المطلق النسبى‬
‫لخطأ التنبؤ )‪ ) (MAPE‬بشكم مهحُظ نىمُذج ‪ Neuro Fuzzy‬ممازوت بىمُذج اإلوحداز مما ٔعىّ‬
‫تحسه انممدزة انتىبؤٔت نىمُذج ‪ Neuro Fuzzy‬عه ومُذج اإلوحداز‪.‬‬

‫‪131‬‬
 ‫ثانيا‪ :‬التوصيات‬
‫توصى الباحثة فى نياية ىذه الدراسة بما يمى‪:‬‬

‫‪ .1‬أف تسعى الجيات المينية واألكاديمية لتطبيؽ أسموب التنقيب فى البيانات وأدواتو المختمفة لحؿ‬
‫المشكالت المحاسبية المعقدة‪ ،‬مثؿ استخداـ المنطؽ الضبابى لحؿ مشكالت تقييـ األنواع المختمفة مف‬
‫األصوؿ غير الممموسة والتنبؤ باإلفالس‪ ،‬واستخداـ الشبكات العصبية فى التنبؤ والتى أثبتت جدارتيا فى‬
‫العديد مف الدراسات وتفوقيا عمى األساليب اإلحصائية التقميدية‪ ،‬واستخداـ النماذج الميجنة كحموؿ متطورة‬
‫لممشكالت المختمفة‪.‬‬

‫‪ .2‬تشجيع إنشاء قواعد بيانات متخصصة لتجميع وتمخيص البيانات الخاصة بالشركات مصنفة حسب‬
‫األغراض المختمفة الخاصة بكؿ فئة مف الفئات الرئيسية فى ظؿ بيئة األعماؿ الحالية إلنشاء نظاـ‬
‫معمومات قائـ عمى أساس قاعدة بيانات متكاممة تتميز بوضع نماذج التنبؤ فى إطار استخداـ أدوات‬
‫التنقيب فى البيانات المالئمة لطبيعة المشكمة‪ ،‬حتى يسيؿ الوصوؿ إلى المعمومات المختمفة بإختالؼ‬
‫إحتياجات الفئات المتعددة والمستخدمة لمعمومات التقارير المالية فى إطار تفعيؿ قواعد البيانات الموجية‬
‫باليدؼ ‪.‬‬

‫‪ .3‬ضرورة اإلىتماـ باإلفصاح اإلختيارى لممعمومات بما ال يضر المركز التنافسى لممنشأة ألف اإلفصاح‬
‫عف المعمومات اليامة لممستخدميف يزيد مف ثقة مستخدمى المعمومات فى المنشأة ويرفع مف قيمتيا ويؤثر‬
‫باإليجاب عمى سعر السيـ‪ ،‬وضرورة اىتماـ معايير المحاسبة بتطوير المعمومات مف خالؿ مفاىيـ التوجو‬
‫باألىداؼ‪ ،‬تقرير األعماؿ‪.‬‬

‫‪ . 4‬ضرورة نشر ثقافة اإلعتماد عمى التكنولوجيا ومعرفة المينييف بأساليب التكنولوجيا الحديثة وكذلؾ‬
‫محاولة معرفة المستثمريف بالحد األدنى مف ىذه التكنولوجيا مما يسيؿ مف التفاعؿ معيا وفيـ النتائج التى‬
‫تقدميا أدوات التكنولوجيا المختمفة‪.‬‬

‫‪ .5‬يجب توجيو اىتماـ مراكز الحاسب اآللى فى الجامعات والمعاىد والشركات لتوفير برامج التنقيب فى‬
‫البيانات وتدريب الباحثيف والعامميف عمى استخداميا كأحد األدوات الحديثة فى البحث العممى‪.‬‬

‫‪132‬‬
‫‪ .6‬أف يكوف ىناؾ تعاوف بيف كميات التجارة وكميات الحاسبات والمعمومات وأقساـ ىندسة الحاسبات حتى‬
‫يستطيع الباحثوف فيـ تقنيات عموـ الحاسب المتعددة وامكانية توظيفيا فى تطبيقات األعماؿ المختمفة مف‬
‫أجؿ النيوض بالبحث العممى ‪.‬‬

‫مقترحات البحوث المستقبلية‪:‬‬

‫تقترح الباحثة اإلىتماـ بإجراء المزيد مف الدراسات والبحوث المستقبمية فى المحاسبة المالية فى إطار‬
‫توفير المعمومات اليامة لمستخدمى التقارير المالية بإستخداـ األدوات المختمفة ألسموب التنقيب فى البيانات‬
‫مع مراعاة جودة البيانات مف حيث اكتماليا وتييئتيا بالشكؿ المالئـ إلستخداـ التنقيب فى البيانات ألف‬
‫جودة البيانات مف أىـ العوامؿ المؤثرة عمى نجاحو وكذلؾ دراسة أثر استخداـ ‪ DM‬فى مجاؿ المراجعة وفى‬
‫إدارة التكاليؼ وتوظيؼ األدوات المختمفة مع األخذ فى اإلعتبار مالءمتيا لطبيعة البيانات المستخدمة‪.‬‬

‫‪133‬‬
‫قائمة المراجع‬
 ‫المراجع‬
‫أوال‪ :‬المراجع العربية‬

‫أ‪ -‬انكرة‪:‬‬

‫‪ .1‬حماد‪ ،‬طارؽ عبد العاؿ‪" ،)2007( ،‬الدليل العممى لتطبيق معايير المحاسبة المصرية وآثارىا‬
‫الضريبية‪ ،‬دار الجامعة‪ ،‬القاىرة‪.2007 ،‬‬
‫‪ ،)2007( ،_____________ .2‬حوكمة الشركات (شركات قطاع عام وخاص ومصارف‪ ،‬المفاىيم‪،‬‬
‫المبادىء‪ ،‬التجارب‪ ،‬تطبيقات الحوكمة فى المصارف)‪ ،‬دار الجامعة‪ ،‬القاىرة‪.‬‬
‫‪ .3‬دونالد‪ ،‬كيسو؛ ويجانت‪ ،‬جيرى‪ ،)1999( ،‬المحاسبة المتوسطة‪ :‬الجزء الثانى‪ ،‬ترجمة د‪.‬أحمد حامد‬
‫حجاج‪ ،‬د‪.‬سمطاف المحمد السمطاف)‪ ،‬دار المريخ‪ ،‬الرياض‪.‬‬
‫‪ .4‬صالح‪ ،‬سمير أبو الفتوح‪ ،)1999( ،‬تكنولوجيا تشغيل وادارة نظم المعمومات والتطورات المعاصرة‬
‫لدعم الق اررات فى البيئة التنافسية‪ ،‬بدوف ناشر‪.‬‬
‫‪ ،)2009( ،____________ .5‬نظم دعم الق اررات‪ :‬التقنيات الحديثة لدعم اإلدارة فى عصر المعرفة‪،‬‬
‫المكتبة العصرية‪.‬‬
‫‪ ،)2016( ،____________ .6‬المحاسبة اإلدارية ونظم معمومات األعمال لدعم اإلدارة فى عصر‬
‫المعرفة‪ ،‬كمية التجارة‪ -‬جامعة المنصورة‪ ،‬المنصورة‪ ،‬الطبعة السابعة‪.‬‬
‫‪ .7‬عصيمى‪ ،‬أحمد زكريا زكى‪ ،)2010( ،‬تطبيقات نظم المعمومات المحاسبية فى إعداد التقارير‬
‫المالية‪.‬‬
‫‪ .8‬عطيو‪ ،‬محمد عبد الحميد‪ ،)2014( ،‬موسوعة معايير المحاسبة الدولية‪ ،‬دار التعميـ الجامعى‪.‬‬
‫‪ .9‬لطفى‪ ،‬أميف السيد‪ )2010(،‬المراجعة وحوكمة الشركات‪ ،‬الدار الجامعية‪.2010،‬‬
‫‪ ،)2007( ، ____________ .10‬التحميل المالى ألغراض تقييم ومراجعة األداء واإلستثمار فى‬
‫البورصة‪ ،‬الدار الجامعية‪.‬‬
‫‪ .11‬نورباف‪ ،‬إيفراـ‪ ،)2000( ،‬نظم دعم اإلدارة‪ :‬نظم دعم الق اررات ونظم الخبرة‪ ،‬ترجمة د‪ .‬سرور عمى‬
‫إبراىيـ‪ ،‬دار المريخ‪ ،‬الرياض‪.‬‬

‫‪134‬‬
 ‫ب‪ -‬انذورياخ‪:‬‬

‫‪ .1‬أبو الخير‪ ،‬مدثر طو‪" ،)2009( ،‬جودة معايير المحاسبة المالية بيف المبادئ والقواعد وتفضيالت‬
‫الميتميف‪:‬دراسة تحميمية وتجربة ميدانية"‪ ،‬المجمة العممية لمتجارة والتمويل‪ ،‬كمية التجارة‪ ،‬جامعة‬
‫طنطا‪.‬‬
‫‪ .2‬اإلبيارى‪ ،‬ىشاـ فاروؽ‪" ،)2009( ،‬نحو اطار مقترح لمشفافية فى القوائـ المالية"‪ ،‬المجمة العممية‬
‫لمتجارة والتمويل‪ ،‬كمية التجارة‪ ،‬جامعة طنطا‪ ،‬المجمد األوؿ‪ ،‬العدد الثانى‪.‬‬
‫‪ .3‬األرضى‪ ،‬محمد داود‪ " ،)2008( ،‬تقييـ وتطوير اإلطار الفكرى المشترؾ لممحاسبة المالية الصادر‬
‫عف مجمس معايير المحاسبة الدولية ‪ IASB‬ومجمس معايير المحاسبة الدولية ‪ ،FASB‬مجمة‬
‫الدراسات المالية والتجارية‪،‬كمية التجارة‪ ،‬جامعة بنى سويؼ‪ ،‬العدد الثالث‪.‬‬
‫‪" ،)2009( ،‬دور نموذج تحسيف تقارير األعماؿ فى زيادة جودة التقارير‬ ‫‪.4‬‬
‫المالية "‪،‬العدد السابع واألربعوف‪،‬كمية التجارة‪ ،‬جامعة أسيوط‪.‬‬
‫‪ .5‬البارودى‪ ،‬شريؼ محمد‪" ،)2002( ،‬تحميؿ ألساليب التأثير عمى النتائج والمراكز المالية وأثرىا‬
‫عمى جودة المعمومات المالية بالقوائـ المالية‪ ،‬مجمة الفكر المحاسبى ‪،‬كمية التجارة‪ ،‬جامعة عيف‬
‫شمس‪،‬العدد األوؿ‪.‬‬
‫‪ .6‬الحوشى‪ ،‬محمد أحمد‪" ،)2015( ،‬العالقة بيف مستوى اإلستحقاقات اإلختيارية ومنفعة المعمومات‬
‫المحاسبية فى تحديد أسعار األسيـ ومدى تأثير اإلفصاح اإلختيارى عمى ىذه العالقة"‪ ،‬مجمة كمية‬
‫التجارة لمبحوث العممية‪ ،‬جامعة اإلسكندرية‪ ،‬المجمد الثانى والخمسوف‪ ،‬العدد األوؿ‪.‬‬
‫‪ .7‬الخياط‪ ،‬باسؿ يونس؛ قاسـ‪ ،‬عمر صابر‪" ،)2010( ،‬تمييز األنماط الوراثية بإستخداـ التقنيات‬
‫الذكائية"‪ ،‬وقائع المؤتمر العممى الثالث فى تقنية المعمومات‪ ،‬مجمة الرافدين لعموم الحاسوب‬
‫والرياضيات‪ ،‬كمية عموـ الحاسوب والرياضيات‪ -‬جامعة الموصؿ‪.‬‬
‫الدسوقى‪ ،‬محمد أحمد‪" ،)2002( ،‬استخداـ أسموب تحميؿ الشبكات العصبية فى معايرة عناصر‬ ‫‪.8‬‬
‫تكاليؼ العمالة فى الشركات الصناعية"‪ ،‬مجمة الدراسات المالية والتجارية‪ ،‬العدد الثالث‪.‬‬

‫‪135‬‬
‫الدورى‪ ،‬زكريا مطمؾ؛ أحمد‪ ،‬داليا عبد الحسف‪" ،)2007( ،‬دور تنقيب البيانات ‪Data mining‬‬ ‫‪.9‬‬
‫فى زيادة أداء المنظمة‪ :‬دراسة تحميمية فى المصرؼ الصناعى"‪ ،‬مجمة العموم اإلقتصادية‬
‫واإلدارية‪ ،‬المجمد الثالث عشر‪ ،‬العدد الثامف واألربعوف‪.‬‬
‫‪ .10‬الدوغجى‪ ،‬عمى حسيف‪" ،)2009( ،‬حوكمة الشركات وأىميتيا فى تفعيؿ جودة ونزاىة التقارير‬
‫المالية"‪ ،‬المجمة األكاديمية العراقية"‪ ،‬مجمد‪ ،2‬عدد‪ ،2‬ص‪.22-1‬‬
‫‪ .11‬الديسطى‪ ،‬محمد عبد القادر‪" ،)2005( ،‬اطار مقترح لمحددات مساىمة لجاف المراجعة فى‬
‫تحقيؽ جودة التقرير المالى‪ :‬دراسة تطبيقية"‪،‬المجمة المصرية لمدراسات التجارية‪،‬كمية التجارة‪،‬‬
‫جامعة المنصورة‪ ،‬المجمد التاسع والعشروف‪ ،‬العدد األوؿ‪ ،‬ص‪.58-57‬‬
‫‪ .12‬السعيد‪ ،‬معتز وآخروف‪" ،)2013( ،‬أثر تطبيؽ معايير اإلبالغ المالى الدولية عمى جودة‬
‫المعمومات المحاسبية الواردة فى القوائـ المالية لمشركات المدرجة فى سوؽ عماف المالى‪ ،‬مجمة‬
‫كمية التجارة لمبحوث العممية‪ ،‬جامعة اإلسكندرية‪ ،‬المجمد الخمسوف‪ ،‬العدد األوؿ‪.‬‬
‫‪ .13‬الصغير‪ ،‬محمد السيد محمد‪" ،)2011( ،‬استخداـ الشبكات العصبية اإلصطناعية فى تطوير‬
‫نموذج مراجعة لتفعيؿ دور المراجع الخارجى فى كشؼ الممارسات اإلحتيالية فى التقارير المالية"‪،‬‬
‫مجمة البحوث التجارية المعاصرة‪ ،‬كمية التجارة‪ ،‬جامعة سوىاج‪ ،‬المجمد الخامس والعشروف‪ ،‬العدد‬
‫الثانى‪.‬‬
‫‪ .14‬جعارة‪ ،‬أسامة عمر وآخروف‪" ،)2013( ،‬أثر كفاءة المدقؽ الخارجى فى إكتشاؼ ممارسات‬
‫المحاسبة اإلبداعية وفقا لمعايير العمؿ الميدانى الدولية وأثره عمى مصداقية المعمومات‬
‫المحاسبية"‪ ،‬مجمة المحاسبة المصرية‪ ،‬كمية التجارة‪ ،‬جامعة القاىرة‪ ،‬العدد الثالث‪ ،‬السنة الثالثة‪.‬‬
‫‪ .15‬جمعو‪ ،‬أحمد حممى‪" ،)2010( ،‬دور أساليب تنقيب البيانات فى تطوير تقييـ المدقؽ لتقدير‬
‫االدارة لقدرة المنشأة عمى االستم اررية"‪ ،‬مجمة المحاسبة واالدارة والتأمين‪ ،‬العدد السابع والسبعوف‪،‬‬
‫السنة التاسعة واألربعوف‪.‬‬
‫خموؼ‪ ،‬فادى؛ رزوؽ‪ ،‬راكاف‪" ،)2010( ،‬تطوير آليات جديدة لمتنقيب فى المعطيات إلدارة‬ ‫‪.16‬‬
‫عالقات الزبائف فى بيئة مصرفية"‪ ،‬مجمة جامعة دمشق لمعموم اليندسية‪ ،‬المجمد السادس‬
‫والعشروف‪ ،‬العدد األوؿ‪.‬‬

‫‪136‬‬
‫‪ .17‬خميؿ‪ ،‬محمد أحمد إبراىيـ‪" ،‬دور حوكمة الشركات فى تحقيؽ جودة المعمومات المحاسبية‬
‫وانعكاساتيا عمى سوؽ األوراؽ المالية – دراسة نظرية تطبيقية"‪ ،‬مجمة الدراسات والبحوث‬
‫التجارية‪ ،‬كمية التجارة ببنيا‪ ،‬العدد األوؿ‪ ،‬السنة الخامسة والعشروف ‪.2005،‬‬
‫‪ .18‬ريشو‪ ،‬بديع الديف‪" ،‬جودة التقارير المالية (العوامؿ المؤثرة ووسائؿ القياس)‪ ،)2013( ،‬المجمة‬
‫العممية لمتجارة والتمويل‪ ،‬كمية التجارة‪ ،‬جامعة طنطا‪ ،‬المجمد األوؿ‪ ،‬العدد األوؿ‪.‬‬
‫‪ .19‬صالح‪ ،‬رضا إبراىيـ‪" ،)2009( ،‬أثر توجو معايير المحاسبة نحو القيمة العادلة عمى الخصائص‬
‫النوعية لممعمومات المحاسبية فى ظؿ األزمة المالية العالمية" مجمة كمية التجارة لمبحوث العممية‪،‬‬
‫جامعة اإلسكندرية‪ ،‬المجمد السادس واألربعوف‪ ،‬العدد الثانى‪.‬‬
‫‪ .20‬عباس‪ ،‬طمعت‪" ،)2004( ،‬استخداـ الشبكات العصبية اإلصطناعية فى مجاؿ المحاسبة‬
‫والمراجعة "‪،‬المجمة العممية لإلقتصاد والتجارة‪ ،‬كمية التجارة‪ ،‬جامعة عيف شمس‪ ،‬العدد الثانى‪.‬‬
‫‪ .21‬عبد المتعاؿ‪ ،‬ىبو عبد المتعاؿ أحمد‪" ،)2013( ،‬دراسة تحميمية إلتجاىات اإلستحقاقات‬
‫اإلختيارية كأداة إلدارة الربحية خالؿ فترات التغيرات السياسية الناتجة مف الثورات‪ :‬حالة جميورية‬
‫مصر العربية‪ ،‬مجمة المحاسبة المصرية‪ ،‬كمية التجارة‪ ،‬جامعة القاىرة‪ ،‬العدد السادس‪ ،‬السنة‬
‫الثالثة‪.‬‬
‫‪ .22‬عصيمى‪ ،‬أحمد زكريا‪" ،)2010( ،‬أثر التشغيؿ االلكترونى لمبيانات عمى المراجعة الخارجية‬
‫وتأىيؿ المراجع الخارجى‪:‬مع دراسة تجريبية عمى المممكة العربية السعودية" ‪،‬المجمة العممية‬
‫لمبحوث والدراسات التجارية‪ ،‬كمية التجارة‪ ،‬جامعة حمواف‪ ،‬العدد األوؿ‪.2010،‬‬
‫‪ .23‬عفيفى‪ ،‬ىالؿ عبد الفتاح‪" ،)2014( ،‬العالقة بيف إدارة األرباح وعدـ تماثؿ المعمومات‪ :‬ىؿ ىناؾ‬
‫تأثير لإلفصاح اإلختيارى؟‪ :‬دراسة تحميمية اختبارية عمى الشركات المساىمة المصرية‪ ،‬مجمة‬
‫البحوث التجارية‪ ،‬جامعة الزقازيؽ‪ ،‬المجمد السادس والثالثيف‪ ،‬العدد األوؿ‪.‬‬
‫‪ .24‬عقؿ‪ ،‬يونس حسف‪" ،)2005( ،‬تقييـ دور الييئة العامة لسوؽ الماؿ فى تحسيف فعالية التقرير‬
‫المالى فى ضوء المبادئ الدولية لحوكمة الشركات – دراسة تحميمية"‪ ،‬المجمة العممية لمبحوث‬
‫والدراسات التجارية‪ ،‬كمية التجارة‪ ،‬جامعة حمواف‪ ،‬العدد األوؿ‪.‬‬

‫‪137‬‬
‫‪ .25‬عوض‪ ،‬آماؿ محمد محمد‪" ،)2010( ،‬دراسة واختبار مدى تأثير التحفظ المحاسبى فى معايير‬
‫المحاسبة المصرية عمى جودة التقارير المالية لمشركات المسجمة بالبورصة المصرية"‪ ،‬المجمة‬
‫العممية لإلقتصاد والتجارة‪ ،‬كمية التجارة‪ ،‬جامعة عيف شمس‪ ،‬العدد الثانى‪.‬‬
‫‪ .26‬مبارز‪ ،‬شعباف يوسؼ‪" ،)2003( ،‬التنبؤ بالتقديرات المحاسبية واألرباح والخسائر المحتممة‬
‫وا إلرتباطات المالية المستقبمية بإستخداـ الشبكات العصبية اإلصطناعية وأثر ذلؾ عمى عدالة‬
‫القوائـ المالية"‪ ،‬مجمة الدراسات المالية والتجارية‪ ،‬كمية التجارة‪ ،‬جامعة القاىرة‪ ،‬فرع بنى سويؼ‪،‬‬
‫العدد األوؿ‪.‬‬
‫‪ .27‬متولى‪ ،‬طمعت عبد العظيـ‪" ،)2001( ،‬استخداـ نموذج تقنيات الشبكات العصبية فى التنبؤ‬
‫بإستمرار الوحدة المحاسبية "‪ ،‬المجمة العممية لمتجارة والتمويل‪ ،‬كمية التجارة‪ ،‬جامعة طنطا‪ ،‬العدد‬
‫الثانى‪.‬‬
‫‪ .28‬ممو العيف‪ ،‬عالء محمد؛ مميجى‪ ،‬مجدى مميجى عبد الحكيـ‪" ،)2013( ،‬قياس مستوى شفافية‬
‫اإلفصاح فى التقارير المالية المنشورة لتحسيف جودة المعمومات المحاسبية بمنشآت األعماؿ‬
‫السعودية‪ ،‬المجمة العممية لإلقتصاد والتجارة‪ ،‬كمية التجارة‪ ،‬جامعة عيف شمس‪ ،‬العدد الثالث‪.‬‬
‫‪ .29‬مندور‪ ،‬ألفت عمى‪" ،)1998( ،‬زيادة فاعمية التقارير المالية لوحدات القطاع العاـ فى ظؿ القانوف‬
‫‪ 203‬لسنة ‪ ،"1991‬المجمة المصرية لمدراسات التجارية‪ ،‬كمية التجارة‪ ،‬جامعة المنصورة‪ ،‬المجمد‬
‫الثانى والعشروف‪ ،‬العدد األوؿ‪.‬‬
‫‪ .30‬ىاشـ‪ ،‬أمانى ىاشـ السيد حسف‪" ،)2011( ،‬تفعيؿ دور آليات المراجعة فى الكشؼ عف الغش‬
‫واألخطاء فى القوائـ المالية بالمصارؼ بإستخداـ أسموب التنقيب فى البيانات"‪ ،‬المجمة العممية‬
‫لمبحوث والدراسات التجارية‪ ،‬كمية التجارة‪ ،‬جامعة حمواف‪ ،‬العدد الرابع‪ ،‬الجزء الثانى‪.‬‬

‫ج‪ .‬انرسائم انعهًيح‪:‬‬

‫‪ .1‬الدالى‪ ،‬انتصار عاصـ‪" ،)2014( ،‬مرونة المعايير المحاسبية وأثرىا عمى جودة التقارير المالية مع‬
‫دراسة تطبيقية‪ ،‬رسالة ماجستير غير منشورة‪ ،‬كمية التجارة‪ ،‬جامعة المنصورة‪.‬‬

‫‪138‬‬
‫‪ .2‬الداية‪ ،‬منذر يحيى‪" )2009( ،‬أثر استخداـ نظـ المعمومات المحاسبية عمى جودة البيانات المالية‬
‫فى قطاع الخدمات فى قطاع غزة‪ ،‬رسالة ماجستير منشورة‪ ،‬كمية التجارة‪ ،‬الجامعة اإلسالمية‬
‫بغزة‪.‬‬
‫‪ .3‬الشمتونى‪ ،‬فايز زىدى‪" ،)2005( ،‬مدى داللة القوائـ المالية كأداة لإلفصاح عف المعمومات‬
‫الضرورية الالزمة لمستخدمى القوائـ المالية‪ :‬دراسة تطبيقية لمقوائـ المالية المنشورة لممصارؼ‬
‫الفمسطينية"‪ ،‬رسالة ماجستير منشورة‪ ،‬كمية التجارة‪ ،‬الجامعة اإلسالمية بغزة‪.‬‬
‫‪ .4‬الصوص‪ ،‬إياد محمد محمود‪" ،)2012( ،‬مدى فاعمية لجاف المراجعة فى دعـ آليات التدقيؽ‬
‫الداخمى والخارجى"‪ ،‬رسالة ماجستير منشورة‪ ،‬كمية التجارة‪ ،‬الجامعة اإلسالمية بغزة‪.‬‬
‫‪ .5‬الفقى‪ ،‬مصطفى إبراىيـ‪" ،)2014( ،‬أثر المحتوى اإلعالمى لمقوائـ المالية المستقبمية عمى قيمة‬
‫المنشأة مع دراسة تطبيقية"‪ ،‬رسالة ماجستير غير منشورة‪ ،‬كمية التجارة‪ ،‬جامعة المنصورة‪.‬‬
‫‪ .6‬رزؽ‪ ،‬ىبو عبد العاطى محمد‪"،)2011( ،‬أثر اإلفصاح عف المعمومات القطاعية عهّ جُدة‬
‫انتمازٔس انمانٕت"‪ ،‬رسانح ياخسرير يُشىرج‪ ،‬كهٕت انتجازة‪ ،‬جامعت حهُان‪.‬‬
‫‪ .7‬سعده‪ ،‬إكراـ أحمد محمد إبراىيـ‪" ،)2004( ،‬العوامؿ المؤثرة فى فترة المراجعة فى الشركات المقيدة‬
‫فى سوؽ األوراؽ المالية"‪ ،‬رسالة ماجستير غير منشورة‪ ،‬كمية التجارة ‪ ،‬جامعة المنصورة‪.‬‬
‫‪ .8‬عبد الدايـ‪ ،‬سموى عبد الرحمف‪" ،)2011( ،‬إطار مقترح لتطوير الموازنة التشغيمية بإستخداـ نماذج‬
‫الشبكات العصبية واإلطار الجينى"‪ ،‬رسالة دكتوراة غير منشورة ‪ ،‬كمية التجارة‪ ،‬جامعة طنطا‪.‬‬
‫‪ .9‬عثماف‪،‬خالد محمد‪" ،)2009( ،‬اطار مقترح لتطوير المعمومات المحاسبية لألغرض الخاصة‬
‫باستخداـ منيج الجينات مع دراسة تطبيقية‪ ،‬رسالة دكتوراة غير منشورة‪ ،‬جامعة المنصورة‪.‬‬
‫‪ .10‬عطيو‪ ،‬حسناء‪ ،)2014( ،‬التحفظ المحاسبى فى ضوء اإلعتبارات الضريبية وأثره عمى داللة‬
‫القوائـ المالية‪ :‬دراسة تطبيقية فى بيئة األعماؿ المصرية"‪ ،‬رسالة دكتوراة غير منشورة‪ ،‬كمية‬
‫التجارة‪ ،‬جامعة المنصورة‪.‬‬
‫‪ .11‬يوسؼ‪ ،‬زكى محمود عطوة‪" ،)2013( ،‬دوافع وآثار اإلفصاح اإلختيارى عف المعمومات‬
‫المحاسبية مع دراسة تطبيقية‪ ،‬رسالة ماجستير غير منشورة‪ ،‬كمية التجارة‪ ،‬جامعة المنصورة‪.‬‬

‫‪139‬‬
 ‫د‪ .‬انًؤذًراخ‪:‬‬

‫‪ .1‬أبو حجر‪ ،‬سامح رفعت؛ عابديف‪ ،‬أمينة محمد عبد العزيز‪" ،)2014( ،‬دور حوكمة تكنولوجيا‬
‫المعمومات فى تخفيض مخاطر أمف المعمومات لمحد مف التالعب المالى اإللكترونى فى الوحدات‬
‫الحكومية فى ظؿ نظاـ الحكومة اإللكترونية‪ ،‬المؤتمر السنوى الخامس لقسم المحاسبة‬
‫"المحاسبة عالم يتغير"‪ ،‬كمية التجارة‪ ،‬جامعة القاىرة‪ 27 ،‬سبتمبر‪.‬‬
‫‪ .9‬الشحادة‪ ،‬عبد الرازؽ؛ الردايدة مراد خالد‪" ،)2012( ،‬تقنيات التنقيب عف البيانات وأىميتيا فى إدارة‬
‫العمميات المصرفية والمحاسبية فى البنوؾ األردنية"‪ ،‬المؤتمر العممى السنوى الحادى عشر ذكاء‬
‫االعمال واقتصاد المعرفة‪ ،‬أبريل‪.‬‬
‫‪ .3‬بركات‪ ،‬عبد اهلل‪ " ،)2011( ،‬قياس أثر تطبيؽ نظاـ تخطيط موارد المنشأة عمى العائد عمى‬
‫اإلستثمار فى الشركات الصناعية السعودية"‪ ،‬الممتقى الدولى حول رأس المال الفكرى فى منظمات‬
‫األعمال العربية فى اإلقتصاديات الحديثة ‪ ،‬جامعة الشقراء‪13 ،‬و‪ 14‬ديسمبر‪.‬‬
‫‪ .4‬سميماف‪ ،‬عبد الستار شاكر‪" ،)2010( ،‬بيئة المعمومات اآلمنة‪ :‬المفاىيـ والتشريعات والتطبيقات‪-‬‬
‫التنقيب واعادة ىندسة قواعد البيانات"‪ ،‬المؤتمر السادس لجمعية المكتبات والمعمومات السعودية‬
‫‪ ،‬الرياض‪ ،‬السعودية‪ 7-6 ،‬أبريؿ‪.‬‬
‫‪ .5‬سويسى‪ ،‬ىوارى؛ خمقانى‪ ،‬بدر الزماف‪ " ،)2011( ،‬نموذج مقترح لتقييـ مستوى جودة المعمومات‬
‫المالية المقدمة مف تطبيؽ النظاـ المحاسبى المالى"‪ ،‬الممتقى العممى الدولى حول‪:‬االصالح‬
‫المحاسبى فى الجزائر‪ 29 ،‬و‪ 30‬نوفمبر‪.‬‬

‫‪141‬‬
 ‫ انًراخع األخُثيح‬:‫ثاَيا‬
A .Books:
1. Abraham, B., Ledolter, J., (2012), Statical Methods for Forecasting, 3rd
Edition, John Wiley &Sons Inc.
2. Bonetti, p., Barponetti, A., (2013), The Influence of Country-and Firm-
Level of Governance of Financial Reporting Quality: Revisting the
Evidence, Montreal.
3. Cany, J., Malik, J., Douglas, D., (1995), “Artificial Intelligence: A modern
Approach, Prentice Hall, New jersy.
4. Cios, K.J., Pedrycz, W., et al., (2007),”Data Mining: Aknowledge
Discovery Approach, 1st ed, Springer, Newyork.
5. Han, J. & Kamber, M., (2006), Data Mining: Concepts and Techniques,
2nd ed, Elsevier, Sanfrancisc.
6. Jennings, N., & Wooldridge, M., (1998), Agent Technology:
Foundations, Applications, and Markets, Springer, London.
7. Kieso. D., J. weygandt, (2013), Intermediate Accounting, 13th edition,
New York, John wiley &sons, Inc.
8. Kwak,W.,Shi,Y.,et al., (2010), The fuzzy sets and Data mining
Applications in Accounting and Finance, Hand book of Quantative
Finance and Risk Management.
9. Laroze, D.T., (2005), Data Mining Methods and Models, John Wiley &
Sons, Inc., Hoboken, New Jersey.
10.Monakata, Toshinori, (2008), Fundamentals of the New Artificial
Intelligence: Neural, Evolutionary, Fuzzy and More, 2nd ed., Springer,
Verlage London.
11.Perner, petra, (2004), “Advances in Data Mining”, Springer, Berlin
HedilBerg.
12.Wepstphal, C., (2009),”Data Mining for Intelligence, Fraud, and
Criminal Detection: Advanced Analytics & Information Sharing
Technologies, Taylor &Francis Group, U.S.
13.Westphal, C. & Blaxton, T., (1998), Data Mining Solutions, John wiley &
sons, Canada.

141
14.Witten, I., Frank, E., (2005), Data Mining: Practical Machine Learning
Tools and Techniques, Elsevier Inc, San Francisco.

B .Periodicals:
1. Accok,S., (2012), “An Ampirical Comparison of Conventional Techniques,
Neural Networks,and the three stage hybrid Adaptive neuro Fuzzy Inference
System (ANFIS) Model for Credit Scoring Analysis: The Case of Turkish
Credit Card Data”, European Journal of Operational Research,Vol.222,Iss.1.
2. Al-attar, A., & Simon, H., (2004),”Corporate Data Future Cash Flows”,
Journal of Business Finance and Accounting, vol.31, pp.861-905.
3. Alpar, p. & Winkelstrater, S., (2013),”Assesement of Data Quality in
Accounting Data with Associations, Expert Systems with Applications,
pp.1-10.
4. Ata, H., Seyrek, I., (2009), "The Use of Data Mining Techniques in
Detecting Fraudulent Financial Statements", The Journal of Faculty of
Economics, Vol.14, No.2.
5. Ball, R. &L. Shivakumar, (2005),”Earning Quality in UK Private Firms:
Comparative Loss Recognition Timeliness, “Journal of Accounting and
Economics, Vol.39.
6. Barth, M., cram, D. & Nelson, K., (2001),”Accruals and the Prediction of
Future Cash Flows”, The Accounting Review, Vol.76, No.1, pp.27-58.
7. Basu, S., (2009),”Conservatism Research: Historical Development and
Future Prospects”, China Journal of Accounting Research, Vol.2.
8. Beest, F., Braam, G., et al., (2009),”Quality of Financial Reporting:
measuring qualitative characteristic”, Working paper, Avaliable at
www.ru.nl/nice/workingpapers.
9. Biddle, G., et al., (2009),”How does Financial Reporting Quality relate to
Investment Efficiency?”, Journal of Accounting and Economics, Vol.48.
10.Bilinski,P., (2014), “Do Analysts Disclose Cash Flow Forecasts with
Earnings Estimates when Earnings Quality is Low?”, Journal of Business
Finance and Accounting ,Vol.41, No.3.
11. Chen, H., tang, Q., (2010), ”The Role of International Financial Reporting
Standards in Accounting Quality: Evidence from European Union”, Journal
of Expert Systems with Applications international Financial
Management & Accounting, Vol.21, No.3, pp.1-57.

142
12. Chen, W., Du, Y., (2009),”Using Neural Networks and Data Mining
Techniques for the Financial Distress Prediction Model”, Expert Systems
with Applications, Vol. 36, pp.4075-4086.
13.Cheng ,C.,& Hollie, D., (2008), “Do Core and non-core cash flows from
Operations persists Deferentially in Predicting Future Cash Flows”,
Review of Quantitative Finance and Accounting, Vol. 31.
14.Cheng, M. & Roy, A., (2011),”Evolutionary Fuzzy Decision Model for
Cash Flow Prediction using Time-Dependent Support Vector Machines”,
International Journal of project Management, vol. 29, pp. 56-65.
15.Chintalapati, S. & Jyotsna, C., (2013),”Application of Data Mining
Techniques for Financial Accounting Fraud Detection Scheme”,
International Journal of Advanced Research in Computer Science and
Software Engineering (IJRCS), vol.3, Iss.11, pp.717-724.
16.Choi & Pae, (2011),”Business Ethics and Financial Reporting Quality:
Evidence from Korea”, Journal of Business Ethics.
17. Cohen, J., & Krishnammoorthy, G., (2004), “The Corporate Governance
Mosaic and Financial Reporting Quality”, Journal of Accounting
Literature, Pp.87-152.
18.Dechow, P., Kothari, S., & Watts, R., (1998),”The Relation between
Earnings and Cash Flows”, Journal of Accounting and Economics,
Vol.32.
19.Dezdar, S., (2012), “Strategic & Tactical Factors for Successful ERP
Projects: Insight from An Asian Country”, Management Research
Review, Vol.35, No.11, p.p.1010-1087.
20.Dickins, D., (2006), "An Analysis of the Impact of Non-Audit Services on
Financial Reporting Quality: A Test of Two Competing Theories of
Auditor Independence ", Working Paper.
21.Farshadfar, S., & Monem, R., (2013), ”Further Evidence of the Usefulness
of Direct Method Cash Flow Components for Forecasting Future Cash
Flows”, The International Journal of Accounting, Vol.48.
22.Fathi, J., (2013), ”Corporate Governance System and Quality of Financial
Information”, Mediterranaen Journal of Social Sciences,Vol.4, No.2.
23. Fung, B., (2014), ”The Demand and Need for Transparency and
Disclosure in Corporate Governance”, Universal Journal of
Management, Vol.2, No.2, , p.72-80.

143
24.Gajevszky, A., (2015), “Assessing Financial Reporting Quality: Evidence
from Romania”, Audit Financiar, vol.13, No.1.

25. Gilaninia, S., Chengini, M., et al., (2013), “The Importance of Financial
Reporting and Affecting Factors on It”, Arabian Journal of Business and
Management Review, Vol.1, No.10.
26. Hadi, M., (2008), “Association between cash flows and market prices:
Evidence from Jordan”, Arab Journal of Administrative sciences, vol.15,
no.2, pp.345-364.
27.Halon, M., Myers, J., & Shevlin, T., (2012), “Are Dividens Informative
about Future Earning?, Working Paper ,University of Michagen.
28.Jackson, J., (2002), “Data Mining: A conceptual overview”,
Communications of the Association for the Association Systems,
Vol.8, pp. 267-296.
29.Klai, N., Omri, A., (2011),”Corporate Governance and Financial
Reporting Quality: The Case of Tunisian Firms”, International Business
Research, Vol.4, No.1.
30.Kirkos, E., Manolopoulos, Y., (2004),”Data Mining in Finance and
Accounting: A Review of Current Research Trends: Enterprise systems
and Accounting, pp.1-14.
31.Kirkos, E., Spathise, C., et al., (2007), "Data Mining Techniques for the
Detection of Fraudulent Financial Statement, Experts Systems with
Applications, vol.32, pp.995-1003.
32. Koralerchuk, B., et al., (2007), “Correlation of Complex Evidence in
Forensic Accounting Using Data Mining”, Journal of Forensic Accounting,
pp.1-36.
33.Kothari, S.p., Li, X. & Short, J.E., (2010),”The Effect of Disclosure by
Management, Analysts, and Business Press on Cost of Capital, Return
Volatility, and Analyst Forecasts: a Study using Content Analysis”, The
Accounting Review, Vol.84, No.5.
34. Latridis, G., (2011),”Accounting Disclosures, Accounting Quality and
Conditional and Unconditional Conservatism”, International Review of
Financial Analysis, Vol.20, pp.88-102.
35.__________, (2010), “International Financial Reporting Standards and
The Quality of Financial Statement Information”, International Review
of Financial Analysis, Vol. 19, p.193-204.

144
36.Li, Y., Moutinho, L.,et al., (2015),”Cash Flow Forecast for South African
Firms”, Review of Develop Finance,vol.5.
37.Lin, J., Hwang, M. & Becker, J., (2015), “A Fuzzy Neural Network for
Assessing the Risk of Fraudulent Financial Reporting “, Managerial
Auditing Journal, 2015.
38.Lorek,K.,& Willinger, g., (2010), ”Time Series Versus Cross- Sectionally
Derived Predictions of Future Cash Flow”, Advances in Accounting,
Incorporating Advances in International Accounting”, vol.26, pp. 29-
36.
39.Lu, Chi-Lin & Chen, Ta Cheng, (2009),"A Study of Applying Data
Mining Approach to the Information Disclosure for Taiwan’s Stock
Market Investors", Expert systems with applications Journal, vol. 36,
pp. 3536-3542.
40.Martens, D., et al., (2008),”Predicting Going Concern Opinion with Data
Mining “, Decission Support Systems, Vol.45, pp.765-777.

41.Martin, A., Gayathri, V., et al., (2011),”A Hybrid Model for Bankruptcy
Prediction Using Genetic Algorithm, Fuzzy C-Means and Mars”,
International Journal of Soft Computing, Vol.2, No.1.
42.Nagano, M., & Moraes, M., (2013),”Accounting Information Systems: An
Intelligent Agent Approach”, African Journal of Business Management,
vo.7, no.4, pp.273-284.
43.Nemati,H.,& Barko,C., (2003), ”Key Factors for Achieving
Organizational Data Mining Success” Industrial management& Data
systems, Vol.103,No.4,pp.282-292.
44.Ogbonna, G.N., Ebimoboweim, A., (2012), ”Effects of Ethical
Accounting Standards on The Quality of Financial Reports of Banks in
Nigeria”, Current Research Journal of Social Sciences, vol.4, no.1,
pp.69-78.

45.Pourheydari, O., Nezamabadi-pour, H., Aazami, Z., (2012), “Identifying

qualified Audit Opinions by Artificial Neural Networks”, African
Journal of Business Management, Vol.6, No.44.
46.Rashid, T., Ahmed, H., (2012), “Building an Adaptive Neural Fuzzy
Inference System for Revised General Test/Gross Point Average
Problem”, International Association of Scientific Innovation and
Research.
145
47.Roger Jang, J.S., (1993), “ANFIS: "Adaptive Network-based Fuzzy
Inference System", IEEE Transactions on Systems, Man and
Cybernetics, Vol.23, No.3.
48.Saif, S., et al., “Finding rules for audit opinions prediction through data
mining methods”, (2012), European online Journal of Natural and
Social Sciences, vol.1, No.2, pp. 28-36.
49.Sharma, A., & Panigrahi, P., (2012),”A Review of Financial Accounting
Fraud Detection Based on Data Mining Techniques”, International
Journal of Computer Applications, Vol., 39, No.1.
50.Singh, Y., & Chauhan, A., (2009),”Neural Networks in Data Mining”,
Journal of Theoretical and Applied Information Technology.

51.Sousa, M., Figueiredo, R., (2014), “Credit Analysis Using Data Mining:
Application in the Case of A Credit Union”, Journal of Information
Systems and Technology Management”, Vol.11, No.2.
52.Tozan. H., & Vayvay, O., (2008), “Fuzzy and Neuro-Fuzzy Forecasting
Approaches to Whiplash Effect in Supply Chains”, Journal of Naval
Science and Engineering”, Vol.4, No.1, pp. 27-42.
53.Tsai, Lu &Yen, (2012),”Determinates of Intangible Assets Value: The
Data Mining Approach”, Knowledge –Based systems, vol.31, pp.67-77.
54.Tsai, Hsu-Hao, (2013),”Knowledge Management Vs Data Mining:
Research Trend, Forecast and Citation Approach, Expert System with
Applications, Vol.40, Pp. 3160-3173.
55.Tung W., Quek, C., Cheng, P., (2004), “Genos-EWS: A Novel Neural-
Fuzzy Based Early Warning System for Predicting Bank Failures”,
Neural Network Journal, Vol.17.
56.-Vakilifard, H., Nikomara, H., et al., (2011),”Information Assymetry Gap
Analysis between Users and Preparers of Accounting Information under
Qualitative Characteristis of Financial Reporting: Evidences of Iran”,
International Journal of Academic Research, Vol.3, No.2, March 2011.

57.Vlachos, D., and Tolias, Y.A., (2003), “Neuro-Fuzzy Modeling in

Bankruptcy Prediction,” Yugoslav Journal of Operations Research”,
Vol.13, No.2.

146
58.Yao, J., Chen, M. & Lin, H., (2005),”Valuation by Using a Fuzzy
Discounted Cash Flow Model, “Expert System with Application
,Vol.28,,2005,Pp.209-222.
59.Yoo, C., & Pae, J., (2013),”Estimation and Prediction Tests of Cash Flow
Forecast Accuracy”, Journal of Forecasting, Vol.32.

60.Zadeh, L., (1994),”Fuzzy Logic, Neural Networks, and Soft Computing”,

Fuzzy Systems, Vol.37, No.3.

61.Zanganeh, T., Rabiee, M., Zarei, M.,”Applying Adaptive Neuro Fuzzy

Model for Bankruptcy Prediction”, International Journal of Computer
Applications”, Vol.20, No.3, 2011.
62.Zhang, D. &Zhou, L., (2004),”Discovering Golden Nuggets: Data mining
in Financial Application”, IEEE Transactions on Systems Man, and
Cybernetics-Part C: Applications and Reviews, Vol.34, No.4.

63.Zhang W., Cao, Q., & Schniederjans, M., (2004),”Neural Network

Earnings Per Share Forecasting Model: A Comparative Analysis of
Alternative Methods, Decision Sciences, Vol.35, No.2.
64.Marten, S., Puntus, J., Marthias, E. & Waldo, F., (2011), “IT Governance
Decission Support Using the IT Organization Modelling and Assessement
Tool”, International Journal of Innovation and Technoogy
Management, Vol.8.No.2.

C. Dissertation:

1. Abdelateif, T., (2012), “Applicability of Data Mining in the Subject

Enterprise Resource Planning Systems”, Master Thesis, Faculty of
Computer and Information Systems, Mansoura University.
2. Abu Shehab, S.F., (2012), “Data and Knowledge Protection in Data
Mining, Master Thesis, College of Computer Sciences and Informatics,
Amman Arab University.
3. Ayad, A., M., (2000),”A New Algorithm for Incremental Mining of
Constrained Association Rules”, Master Thesis, Faculty of Engineering,
Department of Computer Science and Automatic Control, Alexandria
University.

147
4. Badloe, S., “The Quality of Accounting Information: Acase of the
Netherlands”, Master Thesis, Faculty Eramus School of Economics,
Erasmus University, Rotterdam, 2011.
5. Hanninen , Sami ,”Applying Data Mining Techniques to ERB System
anomaly and Error Detection”, Master Thesis, School of Science and
Technology, Aalto University, Helsinki, Finland, 2010.
6. Lehtinen, T., “Understanding Timeliness and Quality of Financial
Reporting in aFinnish Puplic Company”, Master Thesis, Aalto University:
School of Business, 2013.
7. Nordlander, Tomas, E.,”AI Surveying: Artificial Intelligence in Business”,
Master Thesis, Department of Management Science and Statistics, De
Mondfort University, 2001.
8. Sim, J. ,”Critical Success Factor in Data Mining Projects”, Ph.D. Thesis,
University of North Texas, August 2003.
9. Sirikulvadhana, S., “Data Mining As A Financial Auditing Tool”, Master
Thesis, Swedish School of Economics and Business Administration”,
2002.
10.Zhang, Ya,”Association Rule Mining in Cooperative Research”, Master
Thesis, Faculty of Graduate School, University of Missouri, Columbia,
2009.

D. Official Release:
1. AICPA, Highlights of the 2006 AICPA National Conference on
Current SEC and PCAOB Developments, Feb 2007.
2. Blue Ribbon Committee, Report and Recommendations of the Blue
Ribbon Committee on Improving the Effectiveness of Corporate Audit
Committees: New York Stock Exchange and National Association of
Securities Dealers, 1999.
3. EBR360, The Enhanced Business Reporting Framework ,October 2005.
4. FASB Response to SEC Study on the Adoption of a Principles-Based
Accounting System, July 2004.

148
5. FASB, SFAC, No 1, “Objectives of Financial Reporting by Business
Enterprises”, 1978.
6. FASB, SFAC, No 7, Using Cash Flow Information and Present Value
in Accounting Measurements, 2001.
7. FASB, SFAC, No 8, Conceptual Frame Work for Financial Reporting,
2010.
8. FASB, IASB, “Credit Crisis”, October,2008.
9. IASB, Exposure Draft on an improved Conceptual Framework for
Financial Reporting Objective of Financial Reporting and Qualitative
Characteristics of Decirting: The useful Financial Reporting Information,
London, 2008.
10.IFAC, The Financial Reporting Supply Chain, March 2005.
11. Institute of Charted Accountants in England and Wales (ICAEW), “IASB
Discussion Paper Reducing Complexity in Reporting Financial
Instruments, September 2008”.
12.Institute of Internal Auditor (IIA), “Standard for the Professional
Practices of Internal Auditing: Altamonte spring Florida, Available at
www.theiia.org, 2003.
13. IT Governance Institute (ITGI), “Board Briefing on IT Governance”,
Available at www.isaca.org, 2003.
14.Organization for Economic Co-operation and Development (OECD),
Principles of Corporate Governance, 2004, pp.17-24.

E.Others:
1. Brochet, F., “The Role of Accruals in Predicting Future cash Flows and
Stock Returns”, Available at www.ssrn.com , 2008.
2. Cohen, D., “Quality of Financial Reporting Choice: Determinates and
Economic Consequences”, Available at www.ssrn.com, 2003.
3. Gibert, K., Marre, M., Codina, V., “Choosing the Right Data Mining
Technique: Classification of Method and Intelligent Recommendation”,
Available at www.iemss.org, 2010.

149
4. Sacer, I., & Oluic, “Information Technology and Accounting Information
System’s Quality in Croatian Middle and Large Companies”, Jos, Vol.37,
No.2, 2013.
5. Thakur, J., “Role of Artificial Intelligence & Expert System in: Business
Competitiveness”, Gian Jyotie- Journal, Vol.1, Iss. 2, 2012, Available at
www.gjimt.com.
6. Qadir, J., et al., “Crisis Analytics: Big Data Driven Crisis Response,
Available at www.arxiv.org , 2016.
7. Verdi, R.,”Financial Reporting Quality and Investment Efficiency”,
Available at www.ssrn.com, 2006, pp.1-55.
8. Wang, R., O., Hogartaigh et al.,”Measures of Accounting Conservatism:
AConstruct Validity Perspective”, Available at www.ssrn.com , 2008.
9. Wang, Y., & Wang, Z., “The Impact of Data Mining on Management
Accounting in Big Data Era”, Proceeding of Annual Paris Business
Research Conference, 13-14 August, 2015.

151
‫المالحق‬
 ‫ممحق رقم (‪)0‬‬

‫أسماء شركات عينة الدراسة‬

‫اسم الشركة‬ ‫م‬ ‫اسم الشركة‬ ‫م‬

‫جى بى أوتو‬ ‫‪24‬‬ ‫الشركة المصرية لتطوير صناعة البناء‬ ‫‪1‬‬
‫القناة لمتوكيالت المالحية‬ ‫‪25‬‬ ‫المصرية لخدمات المحموؿ (موبينيؿ)‬ ‫‪2‬‬
‫المصرية لخدمات النقؿ (إيجيبترانس)‬ ‫‪26‬‬ ‫الشرقية الوطنية لألمف الغذائى‬ ‫‪3‬‬
‫المصرية لمدينة اإلنتاج اإلعالمى‬ ‫‪27‬‬ ‫حديد عز‬ ‫‪4‬‬
‫اإلسكندرية لمزيوت المعدينة‪ -‬أموؾ‬ ‫‪28‬‬ ‫سيدى كرير لمبتروكيماويات‬ ‫‪5‬‬
‫النساجوف الشرقيوف لمسجاد‬ ‫‪29‬‬ ‫أبو قير لألسمدة والصناعات الكيماوية‬ ‫‪6‬‬
‫العربية وبولفا ار لمغزؿ والنسيج‬ ‫‪30‬‬ ‫المالية والصناعية المصرية‬ ‫‪7‬‬
‫اإلسكندرية لمغزؿ والنسيج‬ ‫‪31‬‬ ‫الصعيد العامة لممقاوالت‬ ‫‪8‬‬
‫بالـ ىيمز لمتعمير‬ ‫‪32‬‬ ‫الجيزة العامة لممقاوالت واإلستثمار العقارى‬ ‫‪9‬‬
‫مصر الجديدة إلسكاف والتعمير‬ ‫‪33‬‬ ‫اسمنت سيناء‬ ‫‪10‬‬
‫السادس مف أكتوبر لتنمية واإلستثمار‬ ‫‪34‬‬ ‫جنوب الوادى لألسمنت‬ ‫‪11‬‬
‫القاىرة لإلسكاف والتعمير‬ ‫‪35‬‬ ‫ليسيكو مصر‬ ‫‪12‬‬
‫المتحدة لإلسكاف والتعمير‬ ‫‪36‬‬ ‫الشمس لإلسكاف والتعمير‬ ‫‪13‬‬
‫المصرييف لإلسكاف والتعمير‬ ‫‪37‬‬ ‫مصر لصناعة التبريد والتكييؼ‬ ‫‪14‬‬
‫مدينة نصر لإلسكاف والتعمير‬ ‫‪38‬‬ ‫الوطنية لمنتجات الذرة‬ ‫‪15‬‬
‫أوراسكوـ تميكوـ القابضة‬ ‫‪39‬‬ ‫العربية لحميج األقطاف‬ ‫‪16‬‬
‫المصرية لإلتصاالت‬ ‫‪40‬‬ ‫شركة النصر لممالبس والمنسوجات‬ ‫‪17‬‬
‫غاز مصر‬ ‫‪41‬‬ ‫شركة أسيؾ لمتعديف "أسكوـ"‬ ‫‪18‬‬
‫المصرية لممنتجعات السياحية‬ ‫‪42‬‬ ‫الزيوت المستخمصة ومنتجاتيا‬ ‫‪19‬‬
‫رمكو إلنشاء القرى السياحية‬ ‫‪43‬‬ ‫السويدى الكتريؾ‬ ‫‪20‬‬
‫الصناعات اليندسية المعمارية لإلنشاء‬ ‫‪44‬‬ ‫الخدمات المالحية والبترولية ماريدايؼ‬ ‫‪21‬‬
‫والتعمير (أيكوف)‬ ‫الكابالت الكيربائية المصرية‬ ‫‪22‬‬
‫يونيفرساؿ لصناعة مواد التعبئة والتغميؼ‬ ‫‪23‬‬

‫‪151‬‬
 ‫ممحق (‪)6‬‬

‫البيانات الرقمية لمدراسة‬

‫‪OTHER AMORT‬‬ ‫‪DEPR‬‬ ‫‪AP‬‬ ‫‪INV‬‬ ‫‪AR‬‬ ‫‪ACCR‬‬ ‫‪CF‬‬ ‫‪EARN‬‬ ‫إسم الشركة‬
‫الشركة المصرية لتطوير صناعة‬
‫‪-23356‬‬ ‫‪0‬‬ ‫‪12194‬‬ ‫‪0‬‬ ‫‪3650‬‬ ‫‪27762‬‬ ‫‪-4138‬‬ ‫‪4406‬‬ ‫‪268‬‬
‫البناء(ليفت سالب مصر)‪6118‬‬
‫‪12‬‬ ‫الشركة المصرية لتطوير صناعة‬
‫‪-14383‬‬ ‫‪0‬‬ ‫‪1511‬‬ ‫‪4871‬‬ ‫‪15252‬‬ ‫‪-7909‬‬ ‫‪3185‬‬ ‫‪-4724‬‬
‫‪138‬‬ ‫البناء(ليفت سالب مصر)‪6119‬‬
‫الشركة المصرية لتطوير صناعة‬
‫‪-4338‬‬ ‫‪0‬‬ ‫‪14044‬‬ ‫‪742‬‬ ‫‪4864‬‬ ‫‪10187‬‬ ‫‪-4073‬‬ ‫‪1948‬‬ ‫‪-2125‬‬
‫البناء(ليفت سالب مصر)‪6101‬‬
‫الشركة المصرية لتطوير صناعة‬
‫‪501‬‬ ‫‪0‬‬ ‫‪15753‬‬ ‫‪663‬‬ ‫‪2632‬‬ ‫‪8305‬‬ ‫‪-4978‬‬ ‫‪237‬‬ ‫‪-4741‬‬
‫البناء(ليفت سالب مصر)‪6100‬‬
‫المصرية لخدمات‬
‫‪9253221‬‬ ‫‪3186777‬‬ ‫‪6111782‬‬ ‫‪2086538‬‬ ‫‪165703‬‬ ‫‪253021‬‬ ‫‪-1713152‬‬ ‫‪3555900‬‬ ‫‪1842748‬‬
‫المحمول(موبينيل)‪6118‬‬
‫المصرية لخدمات‬
‫‪10768123‬‬ ‫‪2956458‬‬ ‫‪7750900‬‬ ‫‪2521367‬‬ ‫‪124594‬‬ ‫‪302895‬‬ ‫‪-2033113‬‬ ‫‪4039189‬‬ ‫‪2006076‬‬
‫المحمول(موبينيل)‪6119‬‬
‫المصرية لخدمات‬
‫‪12627162‬‬ ‫‪4043752‬‬ ‫‪8807052‬‬ ‫‪1969772‬‬ ‫‪132890‬‬ ‫‪455083‬‬ ‫‪-1605441‬‬ ‫‪2966656‬‬ ‫‪1361215‬‬
‫المحمول(موبينيل)‪6101‬‬
‫المصرية لخدمات‬
‫‪13515283‬‬ ‫‪3733499‬‬ ‫‪10758971‬‬ ‫‪2318992‬‬ ‫‪124547‬‬ ‫‪592034‬‬ ‫‪-2579598‬‬ ‫‪2408642‬‬ ‫‪-170956‬‬
‫المحمول(موبينيل)‪6100‬‬

‫‪-6193‬‬ ‫‪0‬‬ ‫‪3448‬‬ ‫‪630‬‬ ‫‪3957‬‬ ‫‪7715‬‬ ‫‪1401‬‬ ‫‪-1051‬‬ ‫‪350‬‬ ‫الشرقية الوطنية لالمن الغذائى‪6118‬‬

‫‪-5833‬‬ ‫‪0‬‬ ‫‪3730‬‬ ‫‪1002‬‬ ‫‪3461‬‬ ‫‪7411‬‬ ‫‪307‬‬ ‫‪876‬‬ ‫‪1183‬‬ ‫الشرقية الوطنية لالمن الغذائى‪6119‬‬

‫‪-8819‬‬ ‫‪0‬‬ ‫‪4174‬‬ ‫‪1656‬‬ ‫‪9979‬‬ ‫‪8059‬‬ ‫‪3389‬‬ ‫‪-1514‬‬ ‫‪1875‬‬ ‫الشرقية الوطنية لالمن الغذائى‪6101‬‬

‫‪-12552‬‬ ‫‪0‬‬ ‫‪4724‬‬ ‫‪482‬‬ ‫‪8664‬‬ ‫‪8387‬‬ ‫‪-707‬‬ ‫‪6275‬‬ ‫‪5568‬‬ ‫الشرقية الوطنية لالمن الغذائى‪6100‬‬

‫‪152‬‬
‫‪OTHER AMORT‬‬ ‫‪DEPR‬‬ ‫‪AP‬‬ ‫‪INV‬‬ ‫‪AR‬‬ ‫‪ACCR‬‬ ‫‪CF‬‬ ‫‪EARN‬‬ ‫إسم الشركة‬
‫‪2919852‬‬ ‫‪0‬‬ ‫‪6302003‬‬ ‫‪830976‬‬ ‫‪3179149‬‬ ‫‪120081‬‬ ‫‪-913897‬‬ ‫‪3600994‬‬ ‫‪2687097‬‬ ‫حديد عز‪6118‬‬

‫‪5097348‬‬ ‫‪0‬‬ ‫‪6852786‬‬ ‫‪859970‬‬ ‫‪2678665‬‬ ‫‪141523‬‬ ‫‪204780‬‬ ‫‪76810‬‬ ‫‪281590‬‬ ‫حديد عز ‪6119‬‬

‫‪4284798‬‬ ‫‪0‬‬ ‫‪7351145‬‬ ‫‪1144614‬‬ ‫‪3734494‬‬ ‫‪214597‬‬ ‫‪-261870‬‬ ‫‪825035‬‬ ‫‪563165‬‬ ‫حديد عز ‪6101‬‬

‫‪4448434‬‬ ‫‪0‬‬ ‫‪8000690‬‬ ‫‪1364477‬‬ ‫‪3628653‬‬ ‫‪151845‬‬ ‫‪-1136235‬‬ ‫‪1693386‬‬ ‫‪557151‬‬ ‫حديد عز ‪6100‬‬

‫‪820965‬‬ ‫‪0‬‬ ‫‪1212821‬‬ ‫‪0‬‬ ‫‪241495‬‬ ‫‪116948‬‬ ‫‪-33413‬‬ ‫‪1036874‬‬ ‫‪1003461‬‬ ‫سيدى كرير لمبتروكيماويات ‪6118‬‬

‫‪896219‬‬ ‫‪0‬‬ ‫‪1376562‬‬ ‫‪0‬‬ ‫‪222093‬‬ ‫‪219388‬‬ ‫‪-38862‬‬ ‫‪798651‬‬ ‫‪759789‬‬ ‫سيدى كرير لمبتروكيماويات ‪6119‬‬

‫‪1378552‬‬ ‫‪0‬‬ ‫‪1541858‬‬ ‫‪0‬‬ ‫‪230752‬‬ ‫‪167189‬‬ ‫‪234635‬‬ ‫‪586433‬‬ ‫‪821068‬‬ ‫سيدى كرير لمبتروكيماويات ‪6101‬‬

‫‪817094‬‬ ‫‪0‬‬ ‫‪1650324‬‬ ‫‪0‬‬ ‫‪271384‬‬ ‫‪218567‬‬ ‫‪-343279‬‬ ‫‪1230048‬‬ ‫‪886769‬‬ ‫سيدى كرير لمبتروكيماويات ‪6100‬‬

‫ابو قير لألسمدة والصناعات‬

‫‪934920‬‬ ‫‪0‬‬ ‫‪1546203‬‬ ‫‪24177‬‬ ‫‪498623‬‬ ‫‪61199‬‬ ‫‪-75638‬‬ ‫‪1066055‬‬ ‫‪990417‬‬
‫الكيماوية‪6118‬‬
‫ابو قير لألسمدة والصناعات الكيماوية‬
‫‪1583659‬‬ ‫‪0‬‬ ‫‪1630482‬‬ ‫‪151526‬‬ ‫‪533512‬‬ ‫‪161820‬‬ ‫‪496983‬‬ ‫‪743113‬‬ ‫‪1240096‬‬
‫‪6119‬‬
‫ابو قير لألسمدة والصناعات الكيماوية‬
‫‪1238257‬‬ ‫‪0‬‬ ‫‪1693484‬‬ ‫‪67010‬‬ ‫‪469164‬‬ ‫‪124599‬‬ ‫‪71526‬‬ ‫‪1121768‬‬ ‫‪1193294‬‬
‫‪6101‬‬
‫ابو قير لألسمدة والصناعات الكيماوية‬
‫‪1184922‬‬ ‫‪0‬‬ ‫‪1763726‬‬ ‫‪46332‬‬ ‫‪549946‬‬ ‫‪103506‬‬ ‫‪28316‬‬ ‫‪1371242‬‬ ‫‪1399558‬‬
‫‪6100‬‬

‫‪72572‬‬ ‫‪0‬‬ ‫‪95437‬‬ ‫‪168062‬‬ ‫‪653391‬‬ ‫‪21124‬‬ ‫‪483588‬‬ ‫‪-257504‬‬ ‫‪226084‬‬ ‫المالية والصناعية المصرية‪6118‬‬

‫‪-398622‬‬ ‫‪0‬‬ ‫‪108260‬‬ ‫‪84013‬‬ ‫‪469118‬‬ ‫‪149674‬‬ ‫‪27897‬‬ ‫‪-2094‬‬ ‫‪25803‬‬ ‫المالية والصناعية المصرية ‪6119‬‬

‫‪-611013‬‬ ‫‪0‬‬ ‫‪125366‬‬ ‫‪39320‬‬ ‫‪276906‬‬ ‫‪127134‬‬ ‫‪-371659‬‬ ‫‪363563‬‬ ‫‪-8096‬‬ ‫المالية والصناعية المصرية ‪6101‬‬

‫‪-170953‬‬ ‫‪0‬‬ ‫‪157339‬‬ ‫‪57373‬‬ ‫‪229109‬‬ ‫‪48271‬‬ ‫‪-108285‬‬ ‫‪176222‬‬ ‫‪67937‬‬ ‫المالية والصناعية المصرية ‪6100‬‬

‫‪-34267‬‬ ‫‪0‬‬ ‫‪393‬‬ ‫‪9067‬‬ ‫‪53804‬‬ ‫‪13567‬‬ ‫‪23644‬‬ ‫‪-9031‬‬ ‫‪14613‬‬ ‫الصعيد العامة لممقاوالت‪6118‬‬

‫‪153‬‬
‫‪OTHER AMORT‬‬ ‫‪DEPR‬‬ ‫‪AP‬‬ ‫‪INV‬‬ ‫‪AR‬‬ ‫‪ACCR‬‬ ‫‪CF‬‬ ‫‪EARN‬‬ ‫إسم الشركة‬
‫‪-16523‬‬ ‫‪0‬‬ ‫‪9795‬‬ ‫‪13937‬‬ ‫‪197115‬‬ ‫‪15563‬‬ ‫‪172423‬‬ ‫‪-123628‬‬ ‫‪48795‬‬ ‫الصعيد العامة لممقاوالت ‪6119‬‬

‫‪-234383‬‬ ‫‪0‬‬ ‫‪11121‬‬ ‫‪28018‬‬ ‫‪297245‬‬ ‫‪128779‬‬ ‫‪152502‬‬ ‫‪-85129‬‬ ‫‪67373‬‬ ‫الصعيد العامة لممقاوالت ‪6101‬‬

‫‪-383084‬‬ ‫‪0‬‬ ‫‪13428‬‬ ‫‪25854‬‬ ‫‪293680‬‬ ‫‪173566‬‬ ‫‪44880‬‬ ‫‪23173‬‬ ‫‪68053‬‬ ‫الصعيد العامة لممقاوالت ‪6100‬‬

‫الجيزة العامة لممقاوالت واالستثمار‬

‫‪-125306‬‬ ‫‪0‬‬ ‫‪24412‬‬ ‫‪35758‬‬ ‫‪47412‬‬ ‫‪136326‬‬ ‫‪-1738‬‬ ‫‪2435‬‬ ‫‪697‬‬
‫العقارى‪6118‬‬
‫الجيزة العامة لممقاوالت واالستثمار‬
‫‪-143304‬‬ ‫‪0‬‬ ‫‪23591‬‬ ‫‪47758‬‬ ‫‪58762‬‬ ‫‪140425‬‬ ‫‪-15466‬‬ ‫‪23613‬‬ ‫‪8147‬‬
‫العقارى ‪6119‬‬
‫الجيزة العامة لممقاوالت واالستثمار‬
‫‪-120652‬‬ ‫‪0‬‬ ‫‪24405‬‬ ‫‪48811‬‬ ‫‪72351‬‬ ‫‪137662‬‬ ‫‪16145‬‬ ‫‪2435‬‬ ‫‪18580‬‬
‫العقارى ‪6101‬‬
‫الجيزة العامة لممقاوالت واالستثمار‬
‫‪-156290‬‬ ‫‪0‬‬ ‫‪24608‬‬ ‫‪83969‬‬ ‫‪173315‬‬ ‫‪108611‬‬ ‫‪17059‬‬ ‫‪-5202‬‬ ‫‪11857‬‬
‫العقارى ‪6100‬‬

‫‪227882‬‬ ‫‪0‬‬ ‫‪271339‬‬ ‫‪81086‬‬ ‫‪78711‬‬ ‫‪20942‬‬ ‫‪-24890‬‬ ‫‪437628‬‬ ‫‪412738‬‬ ‫اسمنت سيناء‪6118‬‬

‫‪291226‬‬ ‫‪0‬‬ ‫‪343949‬‬ ‫‪96962‬‬ ‫‪136938‬‬ ‫‪16494‬‬ ‫‪3747‬‬ ‫‪666626‬‬ ‫‪670373‬‬ ‫اسمنت سيناء ‪6119‬‬

‫‪270263‬‬ ‫‪0‬‬ ‫‪420780‬‬ ‫‪102432‬‬ ‫‪138815‬‬ ‫‪25324‬‬ ‫‪-88810‬‬ ‫‪859161‬‬ ‫‪770351‬‬ ‫اسمنت سيناء ‪6101‬‬

‫‪358941‬‬ ‫‪0‬‬ ‫‪503877‬‬ ‫‪91353‬‬ ‫‪123633‬‬ ‫‪30075‬‬ ‫‪-82581‬‬ ‫‪411203‬‬ ‫‪328622‬‬ ‫اسمنت سيناء ‪6100‬‬

‫‪-51967‬‬ ‫‪0‬‬ ‫‪7399‬‬ ‫‪5206‬‬ ‫‪66881‬‬ ‫‪9607‬‬ ‫‪11916‬‬ ‫‪40508‬‬ ‫‪52424‬‬ ‫جنوب الوادى لالسمنت ‪6118‬‬

‫‪-28187‬‬ ‫‪0‬‬ ‫‪21933‬‬ ‫‪25519‬‬ ‫‪104208‬‬ ‫‪9238‬‬ ‫‪37807‬‬ ‫‪113732‬‬ ‫‪151539‬‬ ‫جنوب الوادى لألسمنت ‪6119‬‬

‫‪63922‬‬ ‫‪0‬‬ ‫‪41476‬‬ ‫‪16837‬‬ ‫‪115376‬‬ ‫‪7315‬‬ ‫‪128300‬‬ ‫‪-77381‬‬ ‫‪50919‬‬ ‫جنوب الوادى لألسمنت ‪6101‬‬

‫‪-104540‬‬ ‫‪0‬‬ ‫‪39708‬‬ ‫‪35240‬‬ ‫‪49333‬‬ ‫‪18620‬‬ ‫‪-111535‬‬ ‫‪122588‬‬ ‫‪11053‬‬ ‫جنوب الوادى لألسمنت ‪6100‬‬

‫‪-383545‬‬ ‫‪665‬‬ ‫‪436556‬‬ ‫‪68592‬‬ ‫‪451257‬‬ ‫‪227731‬‬ ‫‪-210370‬‬ ‫‪320715‬‬ ‫‪110345‬‬ ‫ليسيكو مصر‪6118‬‬

‫‪-198868‬‬ ‫‪1142‬‬ ‫‪510430‬‬ ‫‪65876‬‬ ‫‪429485‬‬ ‫‪259328‬‬ ‫‪-87503‬‬ ‫‪196751‬‬ ‫‪109248‬‬ ‫ليسيكو مصر ‪6119‬‬

‫‪154‬‬
‫‪OTHER AMORT‬‬ ‫‪DEPR‬‬ ‫‪AP‬‬ ‫‪INV‬‬ ‫‪AR‬‬ ‫‪ACCR‬‬ ‫‪CF‬‬ ‫‪EARN‬‬ ‫إسم الشركة‬
‫‪-51726‬‬ ‫‪2378‬‬ ‫‪583374‬‬ ‫‪69325‬‬ ‫‪494634‬‬ ‫‪260735‬‬ ‫‪48566‬‬ ‫‪57143‬‬ ‫‪105709‬‬ ‫ليسيكو مصر ‪6101‬‬

‫‪-128963‬‬ ‫‪3587‬‬ ‫‪651752‬‬ ‫‪86478‬‬ ‫‪551656‬‬ ‫‪333972‬‬ ‫‪14848‬‬ ‫‪-27197‬‬ ‫‪-12349‬‬ ‫ليسيكو مصر ‪6100‬‬

‫‪-145691‬‬ ‫‪0‬‬ ‫‪3545‬‬ ‫‪471‬‬ ‫‪55541‬‬ ‫‪90555‬‬ ‫‪-3611‬‬ ‫‪13673‬‬ ‫‪10062‬‬ ‫الشمس لالسكان والتعمير‪6118‬‬

‫‪-145571‬‬ ‫‪0‬‬ ‫‪3745‬‬ ‫‪8527‬‬ ‫‪94668‬‬ ‫‪84158‬‬ ‫‪20983‬‬ ‫‪-10358‬‬ ‫‪10625‬‬ ‫الشمس لالسكان والتعمير ‪6119‬‬

‫‪-182736‬‬ ‫‪0‬‬ ‫‪3652‬‬ ‫‪3781‬‬ ‫‪112332‬‬ ‫‪92827‬‬ ‫‪14990‬‬ ‫‪-2880‬‬ ‫‪12110‬‬ ‫الشمس لالسكان والتعمير ‪6101‬‬

‫‪-191532‬‬ ‫‪0‬‬ ‫‪1924‬‬ ‫‪4403‬‬ ‫‪115570‬‬ ‫‪107884‬‬ ‫‪25595‬‬ ‫‪-17152‬‬ ‫‪8443‬‬ ‫الشمس لالسكان والتعمير ‪6100‬‬

‫مصر لصناعة التبريد والتكييف‬

‫‪-84767‬‬ ‫‪0‬‬ ‫‪91577‬‬ ‫‪79533‬‬ ‫‪18262‬‬ ‫‪317005‬‬ ‫‪79390‬‬ ‫‪85165‬‬ ‫‪164555‬‬
‫(ميركو)‪6118‬‬
‫مصر لصناعة التبريد والتكييف‬
‫‪-264421‬‬ ‫‪0‬‬ ‫‪96159‬‬ ‫‪36343‬‬ ‫‪120843‬‬ ‫‪194300‬‬ ‫‪-81780‬‬ ‫‪196434‬‬ ‫‪114654‬‬
‫(ميركو)‪6119‬‬
‫مصر لصناعة التبريد والتكييف‬
‫‪-171458‬‬ ‫‪0‬‬ ‫‪103294‬‬ ‫‪80229‬‬ ‫‪178079‬‬ ‫‪154669‬‬ ‫‪-22233‬‬ ‫‪186092‬‬ ‫‪163859‬‬
‫(ميركو)‪6101‬‬
‫مصر لصناعة التبريد والتكييف‬
‫‪-199617‬‬ ‫‪0‬‬ ‫‪111022‬‬ ‫‪21132‬‬ ‫‪270603‬‬ ‫‪120303‬‬ ‫‪59135‬‬ ‫‪20525‬‬ ‫‪79660‬‬
‫(ميركو)‪6100‬‬

‫‪-4624‬‬ ‫‪0‬‬ ‫‪100803‬‬ ‫‪94509‬‬ ‫‪53850‬‬ ‫‪96688‬‬ ‫‪-49398‬‬ ‫‪91722‬‬ ‫‪42324‬‬ ‫الوطنية لمنتجات الذرة‪6118‬‬

‫‪42319‬‬ ‫‪0‬‬ ‫‪121410‬‬ ‫‪47397‬‬ ‫‪59553‬‬ ‫‪97825‬‬ ‫‪30890‬‬ ‫‪42365‬‬ ‫‪73255‬‬ ‫الوطنية لمنتجات الذرة‪6119‬‬

‫‪41168‬‬ ‫‪0‬‬ ‫‪142178‬‬ ‫‪108468‬‬ ‫‪61104‬‬ ‫‪122934‬‬ ‫‪-25440‬‬ ‫‪103483‬‬ ‫‪78043‬‬ ‫الوطنية لمنتجات الذرة‪6101‬‬

‫‪-114497‬‬ ‫‪0‬‬ ‫‪165679‬‬ ‫‪62081‬‬ ‫‪81586‬‬ ‫‪230756‬‬ ‫‪-29915‬‬ ‫‪89730‬‬ ‫‪59815‬‬ ‫الوطنية لمنتجات الذرة‪6100‬‬

‫‪107182‬‬ ‫‪0‬‬ ‫‪163824‬‬ ‫‪43576‬‬ ‫‪410282‬‬ ‫‪200485‬‬ ‫‪510549‬‬ ‫‪-119809‬‬ ‫‪390740‬‬ ‫العربية لحميج االقطان‪6118‬‬

‫‪155‬‬
‫‪OTHER AMORT‬‬ ‫‪DEPR‬‬ ‫‪AP‬‬ ‫‪INV‬‬ ‫‪AR‬‬ ‫‪ACCR‬‬ ‫‪CF‬‬ ‫‪EARN‬‬ ‫إسم الشركة‬
‫‪-407166‬‬ ‫‪0‬‬ ‫‪191542‬‬ ‫‪117712‬‬ ‫‪439435‬‬ ‫‪246816‬‬ ‫‪-30169‬‬ ‫‪62051‬‬ ‫‪31882‬‬ ‫العربية لحميج االقطان‪6119‬‬

‫‪-199770‬‬ ‫‪0‬‬ ‫‪218259‬‬ ‫‪63523‬‬ ‫‪349149‬‬ ‫‪246185‬‬ ‫‪113782‬‬ ‫‪91586‬‬ ‫‪205368‬‬ ‫العربية لحميج االقطان‪6101‬‬

‫‪-328138‬‬ ‫‪0‬‬ ‫‪260892‬‬ ‫‪124845‬‬ ‫‪422254‬‬ ‫‪264876‬‬ ‫‪-26745‬‬ ‫‪252816‬‬ ‫‪226071‬‬ ‫العربية لحميج االقطان‪6100‬‬

‫شركة النصر لممالبس‬

‫‪-142700‬‬ ‫‪0‬‬ ‫‪123168‬‬ ‫‪33454‬‬ ‫‪205880‬‬ ‫‪105674‬‬ ‫‪12232‬‬ ‫‪-15849‬‬ ‫‪-3617‬‬
‫والمنسوجات‪6118‬‬

‫شركة النصر لممالبس‬

‫‪-153617‬‬ ‫‪0‬‬ ‫‪137907‬‬ ‫‪62883‬‬ ‫‪246197‬‬ ‫‪108848‬‬ ‫‪638‬‬ ‫‪-33‬‬ ‫‪605‬‬
‫والمنسوجات‪6119‬‬

‫شركة النصر لممالبس‬

‫‪-131679‬‬ ‫‪0‬‬ ‫‪152232‬‬ ‫‪36334‬‬ ‫‪206068‬‬ ‫‪120650‬‬ ‫‪6473‬‬ ‫‪-12123‬‬ ‫‪-5650‬‬
‫والمنسوجات‪6101‬‬

‫شركة النصر لممالبس‬

‫‪-129020‬‬ ‫‪0‬‬ ‫‪165343‬‬ ‫‪56753‬‬ ‫‪249534‬‬ ‫‪133796‬‬ ‫‪32214‬‬ ‫‪-21160‬‬ ‫‪11054‬‬
‫والمنسوجات‪6100‬‬

‫‪-26283‬‬ ‫‪0‬‬ ‫‪33175‬‬ ‫‪15038‬‬ ‫‪15778‬‬ ‫‪42381‬‬ ‫‪-16337‬‬ ‫‪41168‬‬ ‫‪24831‬‬ ‫شركة أسيك لمتعدين"أسكوم"‪6118‬‬

‫‪-13924‬‬ ‫‪0‬‬ ‫‪55422‬‬ ‫‪21922‬‬ ‫‪23129‬‬ ‫‪67090‬‬ ‫‪-1049‬‬ ‫‪14986‬‬ ‫‪13937‬‬ ‫شركة أسيك لمتعدين"أسكوم"‪6119‬‬

‫‪59919‬‬ ‫‪0‬‬ ‫‪100879‬‬ ‫‪28698‬‬ ‫‪33770‬‬ ‫‪105156‬‬ ‫‪-38262‬‬ ‫‪42599‬‬ ‫‪4337‬‬ ‫شركة أسيك لمتعدين"أسكوم"‪6101‬‬

‫‪-68341‬‬ ‫‪0‬‬ ‫‪136228‬‬ ‫‪50206‬‬ ‫‪46931‬‬ ‫‪128319‬‬ ‫‪-178594‬‬ ‫‪81772‬‬ ‫‪-96822‬‬ ‫شركة أسيك لمتعدين"أسكوم"‪6100‬‬

‫الزيوت المستخمصة ومنتجاتيا‬

‫‪88260‬‬ ‫‪0‬‬ ‫‪149275‬‬ ‫‪25373‬‬ ‫‪111104‬‬ ‫‪11184‬‬ ‫‪35900‬‬ ‫‪-23233‬‬ ‫‪12667‬‬
‫‪(6118‬من غير تقريب)‬
‫‪85319‬‬ ‫‪0‬‬ ‫‪153868‬‬ ‫‪10192‬‬ ‫‪74053‬‬ ‫‪8568‬‬ ‫‪3880‬‬ ‫‪6593‬‬ ‫‪10473‬‬ ‫الزيوت المستخمصة ومنتجاتيا ‪6119‬‬

‫‪79991‬‬ ‫‪0‬‬ ‫‪156830‬‬ ‫‪12455‬‬ ‫‪69798‬‬ ‫‪8465‬‬ ‫‪-11031‬‬ ‫‪23293‬‬ ‫‪12262‬‬ ‫الزيوت المستخمصة ومنتجاتيا ‪6101‬‬

‫‪93769‬‬ ‫‪0‬‬ ‫‪161408‬‬ ‫‪14416‬‬ ‫‪72514‬‬ ‫‪8748‬‬ ‫‪-793‬‬ ‫‪14034‬‬ ‫‪13241‬‬ ‫الزيوت المستخمصة ومنتجاتيا ‪6100‬‬

‫‪156‬‬
‫‪OTHER AMORT‬‬ ‫‪DEPR‬‬ ‫‪AP‬‬ ‫‪INV‬‬ ‫‪AR‬‬ ‫‪ACCR‬‬ ‫‪CF‬‬ ‫‪EARN‬‬ ‫إسم الشركة‬
‫‪-3304510‬‬ ‫‪0‬‬ ‫‪211293‬‬ ‫‪466052‬‬ ‫‪3170071‬‬ ‫‪1846733‬‬ ‫‪1034949‬‬ ‫‪-138032‬‬ ‫‪896917‬‬ ‫السويدى اليكتريك‪6118‬‬

‫‪-4254597‬‬ ‫‪0‬‬ ‫‪270988‬‬ ‫‪994882‬‬ ‫‪2779135‬‬ ‫‪2037297‬‬ ‫‪-704035‬‬ ‫‪1286074‬‬ ‫‪582039‬‬ ‫السويدى اليكتريك‪6119‬‬

‫‪-4129375‬‬ ‫‪0‬‬ ‫‪541802‬‬ ‫‪1165755‬‬ ‫‪3699615‬‬ ‫‪3415093‬‬ ‫‪1277776‬‬ ‫‪-526266‬‬ ‫‪751510‬‬ ‫السويدى اليكتريك‪6101‬‬

‫‪-4768987‬‬ ‫‪0‬‬ ‫‪825109‬‬ ‫‪1298964‬‬ ‫‪3553647‬‬ ‫‪3363495‬‬ ‫‪24082‬‬ ‫‪429116‬‬ ‫‪453198‬‬ ‫السويدى اليكتريك‪6100‬‬

‫الخدمات المالحية والبترولية‬

‫‪-12265‬‬ ‫‪0‬‬ ‫‪121223‬‬ ‫‪17837‬‬ ‫‪5584‬‬ ‫‪77710‬‬ ‫‪-68031‬‬ ‫‪150230‬‬ ‫‪82199‬‬
‫ماريدايف‪6118‬‬
‫الخدمات المالحية والبترولية‬
‫‪92654‬‬ ‫‪0‬‬ ‫‪140444‬‬ ‫‪42539‬‬ ‫‪5847‬‬ ‫‪97053‬‬ ‫‪12571‬‬ ‫‪67685‬‬ ‫‪80256‬‬
‫ماريدايف‪6119‬‬
‫الخدمات المالحية والبترولية‬
‫‪64998‬‬ ‫‪0‬‬ ‫‪154221‬‬ ‫‪49396‬‬ ‫‪13950‬‬ ‫‪113078‬‬ ‫‪-11591‬‬ ‫‪73361‬‬ ‫‪61770‬‬
‫ماريدايف‪6101‬‬
‫الخدمات المالحية والبترولية‬
‫‪73159‬‬ ‫‪0‬‬ ‫‪180501‬‬ ‫‪48769‬‬ ‫‪21247‬‬ ‫‪121921‬‬ ‫‪-12943‬‬ ‫‪55055‬‬ ‫‪42112‬‬
‫ماريدايف‪6100‬‬

‫‪-43274‬‬ ‫‪0‬‬ ‫‪81768‬‬ ‫‪9743‬‬ ‫‪91167‬‬ ‫‪101178‬‬ ‫‪57560‬‬ ‫‪-17716‬‬ ‫‪39844‬‬ ‫الكابالت الكيربائية المصرية‪6118‬‬

‫‪-126190‬‬ ‫‪0‬‬ ‫‪88371‬‬ ‫‪4705‬‬ ‫‪103495‬‬ ‫‪82132‬‬ ‫‪-33639‬‬ ‫‪95709‬‬ ‫‪62070‬‬ ‫الكابالت الكيربائية المصرية‪6119‬‬

‫‪-106285‬‬ ‫‪0‬‬ ‫‪95781‬‬ ‫‪6402‬‬ ‫‪115695‬‬ ‫‪126797‬‬ ‫‪34024‬‬ ‫‪39091‬‬ ‫‪73115‬‬ ‫الكابالت الكيربائية المصرية‪6101‬‬

‫‪-111668‬‬ ‫‪0‬‬ ‫‪103839‬‬ ‫‪13916‬‬ ‫‪148571‬‬ ‫‪144056‬‬ ‫‪63204‬‬ ‫‪-22832‬‬ ‫‪40372‬‬ ‫الكابالت الكيربائية المصرية‪6100‬‬

‫يونيفرسال لصناعة مواد التعبئة التغميف‬

‫‪-21232‬‬ ‫‪0‬‬ ‫‪434‬‬ ‫‪10667‬‬ ‫‪14392‬‬ ‫‪18545‬‬ ‫‪604‬‬ ‫‪4226‬‬ ‫‪4830‬‬
‫والورق ‪ -‬يونيباك‪6118‬‬
‫يونيفرسال لصناعة مواد التعبئة التغميف‬
‫‪-23412‬‬ ‫‪0‬‬ ‫‪118‬‬ ‫‪8365‬‬ ‫‪15092‬‬ ‫‪19187‬‬ ‫‪2384‬‬ ‫‪3480‬‬ ‫‪5864‬‬
‫والورق ‪ -‬يونيباك ‪6119‬‬
‫يونيفرسال لصناعة مواد التعبئة و‬
‫‪-11459‬‬ ‫‪0‬‬ ‫‪18780‬‬ ‫‪11637‬‬ ‫‪21294‬‬ ‫‪27143‬‬ ‫‪6561‬‬ ‫‪-268‬‬ ‫‪6293‬‬
‫التغميف و الورق ‪ -‬يونيباك ‪6101‬‬
‫‪-16104‬‬ ‫‪0‬‬ ‫‪19828‬‬ ‫‪11309‬‬ ‫‪20642‬‬ ‫‪24018‬‬ ‫‪-2581‬‬ ‫‪8366‬‬ ‫‪5785‬‬ ‫يونيفرسال لصناعة مواد التعبئة و‬

‫‪157‬‬
‫‪OTHER AMORT‬‬ ‫‪DEPR‬‬ ‫‪AP‬‬ ‫‪INV‬‬ ‫‪AR‬‬ ‫‪ACCR‬‬ ‫‪CF‬‬ ‫‪EARN‬‬ ‫إسم الشركة‬
‫التغميف و الورق ‪ -‬يونيباك ‪6100‬‬

‫‪-1544876‬‬ ‫‪0‬‬ ‫‪85708‬‬ ‫‪89632‬‬ ‫‪1434485‬‬ ‫‪774496‬‬ ‫‪488765‬‬ ‫‪-52571‬‬ ‫‪436194‬‬ ‫جى بى اوتو‪(6118‬من غير تقريب)‬

‫‪-1859628‬‬ ‫‪0‬‬ ‫‪134653‬‬ ‫‪76689‬‬ ‫‪1216646‬‬ ‫‪781978‬‬ ‫‪-72346‬‬ ‫‪275729‬‬ ‫‪203383‬‬ ‫جى بى اوتو ‪6119‬‬

‫‪-2095781‬‬ ‫‪0‬‬ ‫‪200970‬‬ ‫‪58349‬‬ ‫‪1693781‬‬ ‫‪937373‬‬ ‫‪276054‬‬ ‫‪7902‬‬ ‫‪283956‬‬ ‫جى بى اوتو ‪6101‬‬

‫‪-2115891‬‬ ‫‪0‬‬ ‫‪317195‬‬ ‫‪44006‬‬ ‫‪1296483‬‬ ‫‪1038843‬‬ ‫‪-141766‬‬ ‫‪364753‬‬ ‫‪222987‬‬ ‫جى بى اوتو ‪6100‬‬

‫‪-22531‬‬ ‫‪0‬‬ ‫‪27827‬‬ ‫‪2208‬‬ ‫‪1427‬‬ ‫‪7012‬‬ ‫‪-44127‬‬ ‫‪93961‬‬ ‫‪49834‬‬ ‫القناة لمتوكيالت المالحية‪6118‬‬

‫‪27356‬‬ ‫‪0‬‬ ‫‪29542‬‬ ‫‪1930‬‬ ‫‪1988‬‬ ‫‪9669‬‬ ‫‪7541‬‬ ‫‪41950‬‬ ‫‪49491‬‬ ‫القناة لمتوكيالت المالحية ‪6119‬‬

‫‪12801‬‬ ‫‪0‬‬ ‫‪32376‬‬ ‫‪1721‬‬ ‫‪1903‬‬ ‫‪7577‬‬ ‫‪-11816‬‬ ‫‪63169‬‬ ‫‪51353‬‬ ‫القناة لمتوكيالت المالحية ‪6101‬‬

‫‪44663‬‬ ‫‪0‬‬ ‫‪34654‬‬ ‫‪1593‬‬ ‫‪1791‬‬ ‫‪7880‬‬ ‫‪18087‬‬ ‫‪27789‬‬ ‫‪45876‬‬ ‫القناة لمتوكيالت المالحية ‪6100‬‬

‫المصرية لخدمات النقل‬

‫‪-39459‬‬ ‫‪0‬‬ ‫‪18304‬‬ ‫‪2761‬‬ ‫‪30830‬‬ ‫‪32402‬‬ ‫‪2708‬‬ ‫‪8153‬‬ ‫‪10861‬‬
‫(ايجيترانس)‪6118‬‬

‫المصرية لخدمات النقل‬

‫‪-39527‬‬ ‫‪0‬‬ ‫‪19538‬‬ ‫‪2833‬‬ ‫‪29629‬‬ ‫‪35565‬‬ ‫‪3296‬‬ ‫‪8153‬‬ ‫‪11449‬‬
‫(ايجيترانس)‪6119‬‬
‫المصرية لخدمات النقل‬
‫‪-37690‬‬ ‫‪0‬‬ ‫‪18497‬‬ ‫‪3429‬‬ ‫‪14865‬‬ ‫‪42659‬‬ ‫‪-2092‬‬ ‫‪12291‬‬ ‫‪10199‬‬
‫(ايجيترانس)‪6101‬‬
‫المصرية لخدمات النقل‬
‫‪-36853‬‬ ‫‪0‬‬ ‫‪22510‬‬ ‫‪4284‬‬ ‫‪5349‬‬ ‫‪41055‬‬ ‫‪-17243‬‬ ‫‪27225‬‬ ‫‪9982‬‬
‫(ايجيترانس)‪6100‬‬
‫‪23930‬‬ ‫‪0‬‬ ‫‪303100‬‬ ‫‪14225‬‬ ‫‪31310‬‬ ‫‪154202‬‬ ‫‪-107883‬‬ ‫‪179325‬‬ ‫‪71442‬‬ ‫المصريو لمدينة االنتاج االعالمى‪6118‬‬
‫‪-179969‬‬ ‫‪0‬‬ ‫‪43100‬‬ ‫‪17042‬‬ ‫‪28903‬‬ ‫‪142899‬‬ ‫‪-68309‬‬ ‫‪144314‬‬ ‫‪76005‬‬ ‫المصريو لمدينة االنتاج االعالمى‪6119‬‬
‫‪-213044‬‬ ‫‪0‬‬ ‫‪46850‬‬ ‫‪22768‬‬ ‫‪29532‬‬ ‫‪155476‬‬ ‫‪-97654‬‬ ‫‪144352‬‬ ‫‪46698‬‬ ‫المصريو لمدينة االنتاج االعالمى‪6101‬‬
‫‪-215924‬‬ ‫‪0‬‬ ‫‪52974‬‬ ‫‪19788‬‬ ‫‪30141‬‬ ‫‪231071‬‬ ‫‪-27474‬‬ ‫‪53653‬‬ ‫‪26179‬‬ ‫المصريو لمدينة االنتاج االعالمى‪6100‬‬

‫‪158‬‬
‫‪OTHER AMORT‬‬ ‫‪DEPR‬‬ ‫‪AP‬‬ ‫‪INV‬‬ ‫‪AR‬‬ ‫‪ACCR‬‬ ‫‪CF‬‬ ‫‪EARN‬‬ ‫إسم الشركة‬
‫االسكندرية لمزيوت المعدنية ‪-‬‬
‫‪122647‬‬ ‫‪0‬‬ ‫‪397383‬‬ ‫‪0‬‬ ‫‪288412‬‬ ‫‪231454‬‬ ‫‪245130‬‬ ‫‪902102‬‬ ‫‪1147232‬‬
‫اموك‪6118‬‬
‫االسكندرية لمزيوت المعدنية ‪-‬‬
‫‪167425‬‬ ‫‪0‬‬ ‫‪470426‬‬ ‫‪0‬‬ ‫‪215678‬‬ ‫‪154652‬‬ ‫‪67329‬‬ ‫‪460903‬‬ ‫‪528232‬‬
‫اموك‪6119‬‬
‫االسكندرية لمزيوت المعدنية ‪-‬‬
‫‪213438‬‬ ‫‪0‬‬ ‫‪542557‬‬ ‫‪0‬‬ ‫‪414817‬‬ ‫‪146691‬‬ ‫‪232389‬‬ ‫‪395153‬‬ ‫‪627542‬‬
‫اموك‪6101‬‬
‫االسكندرية لمزيوت المعدنية ‪-‬‬
‫‪306934‬‬ ‫‪0‬‬ ‫‪630145‬‬ ‫‪0‬‬ ‫‪383911‬‬ ‫‪155418‬‬ ‫‪216118‬‬ ‫‪1113322‬‬ ‫‪1329440‬‬
‫اموك‪6100‬‬

‫‪-116557‬‬ ‫‪0‬‬ ‫‪1432572‬‬ ‫‪553658‬‬ ‫‪1703925‬‬ ‫‪743391‬‬ ‫‪344529‬‬ ‫‪20505‬‬ ‫‪365034‬‬ ‫النساجون الشرقيون لمسجاد ‪6118‬‬

‫‪-366906‬‬ ‫‪0‬‬ ‫‪1607385‬‬ ‫‪607941‬‬ ‫‪1430173‬‬ ‫‪707563‬‬ ‫‪-444496‬‬ ‫‪788637‬‬ ‫‪344141‬‬ ‫النساجون الشرقيون لمسجاد‪6119‬‬

‫‪164076‬‬ ‫‪0‬‬ ‫‪1853936‬‬ ‫‪702228‬‬ ‫‪1588526‬‬ ‫‪805653‬‬ ‫‪2091‬‬ ‫‪371032‬‬ ‫‪373123‬‬ ‫النساجون الشرقيون لمسجاد‪6101‬‬

‫‪276434‬‬ ‫‪0‬‬ ‫‪2103373‬‬ ‫‪693882‬‬ ‫‪1813593‬‬ ‫‪896616‬‬ ‫‪189388‬‬ ‫‪71330‬‬ ‫‪260718‬‬ ‫النساجون الشرقيون لمسجاد‪6100‬‬

‫‪-345859‬‬ ‫‪0‬‬ ‫‪57554‬‬ ‫‪17543‬‬ ‫‪218046‬‬ ‫‪152953‬‬ ‫‪-49957‬‬ ‫‪9069‬‬ ‫‪-40888‬‬ ‫العربية وبولفا ار لمغزل والنسيج‪6118‬‬

‫‪-225223‬‬ ‫‪0‬‬ ‫‪64842‬‬ ‫‪29324‬‬ ‫‪155002‬‬ ‫‪74264‬‬ ‫‪-90123‬‬ ‫‪18112‬‬ ‫‪-72011‬‬ ‫العربية وبولفا ار لمغزل والنسيج‪6119‬‬

‫‪-191531‬‬ ‫‪0‬‬ ‫‪72955‬‬ ‫‪6375‬‬ ‫‪111276‬‬ ‫‪97223‬‬ ‫‪-62362‬‬ ‫‪31329‬‬ ‫‪-31033‬‬ ‫العربية وبولفا ار لمغزل والنسيج‪6101‬‬

‫‪-202959‬‬ ‫‪0‬‬ ‫‪81418‬‬ ‫‪23471‬‬ ‫‪184682‬‬ ‫‪123655‬‬ ‫‪489‬‬ ‫‪-65334‬‬ ‫‪-64845‬‬ ‫العربية وبولفا ار لمغزل والنسيج‪6100‬‬

‫االسكندرية لمغزل والنسيج(سبينالكس)‬

‫‪-74226‬‬ ‫‪0‬‬ ‫‪88561‬‬ ‫‪14673‬‬ ‫‪107214‬‬ ‫‪66544‬‬ ‫‪-3702‬‬ ‫‪17052‬‬ ‫‪13350‬‬
‫‪6118‬‬
‫االسكندرية لمغزل والنسيج(سبينالكس)‬
‫‪-52255‬‬ ‫‪0‬‬ ‫‪98444‬‬ ‫‪27656‬‬ ‫‪122063‬‬ ‫‪71529‬‬ ‫‪15237‬‬ ‫‪1725‬‬ ‫‪16962‬‬
‫‪6119‬‬
‫االسكندرية لمغزل والنسيج(سبينالكس)‬
‫‪-152823‬‬ ‫‪0‬‬ ‫‪10325‬‬ ‫‪12320‬‬ ‫‪83331‬‬ ‫‪71605‬‬ ‫‪-20532‬‬ ‫‪34377‬‬ ‫‪13845‬‬
‫‪6101‬‬

‫‪159‬‬
‫‪OTHER AMORT‬‬ ‫‪DEPR‬‬ ‫‪AP‬‬ ‫‪INV‬‬ ‫‪AR‬‬ ‫‪ACCR‬‬ ‫‪CF‬‬ ‫‪EARN‬‬ ‫إسم الشركة‬
‫االسكندرية لمغزل والنسيج(سبينالكس)‬
‫‪-44195‬‬ ‫‪0‬‬ ‫‪113071‬‬ ‫‪15585‬‬ ‫‪127107‬‬ ‫‪76774‬‬ ‫‪31030‬‬ ‫‪2727‬‬ ‫‪33757‬‬
‫‪6100‬‬

‫‪-4859735‬‬ ‫‪0‬‬ ‫‪16127‬‬ ‫‪285008‬‬ ‫‪5691430‬‬ ‫‪832149‬‬ ‫‪1362709‬‬ ‫‪-710046‬‬ ‫‪652663‬‬ ‫بالم ىيمز لمتعمير‪6118‬‬

‫‪-6645180‬‬ ‫‪0‬‬ ‫‪43152‬‬ ‫‪421450‬‬ ‫‪6806458‬‬ ‫‪1305254‬‬ ‫‪1001930‬‬ ‫‪-481834‬‬ ‫‪520096‬‬ ‫بالم ىيمز لمتعمير‪6119‬‬

‫‪-5609844‬‬ ‫‪0‬‬ ‫‪182393‬‬ ‫‪550453‬‬ ‫‪5278963‬‬ ‫‪2289151‬‬ ‫‪1225424‬‬ ‫‪-688420‬‬ ‫‪537004‬‬ ‫بالم ىيمز لمتعمير‪6101‬‬

‫‪-8216645‬‬ ‫‪0‬‬ ‫‪208816‬‬ ‫‪432021‬‬ ‫‪6151769‬‬ ‫‪2340500‬‬ ‫‪-365213‬‬ ‫‪120047‬‬ ‫‪-245166‬‬ ‫بالم ىيمز لمتعمير‪6100‬‬

‫‪-1040950‬‬ ‫‪0‬‬ ‫‪12929‬‬ ‫‪17590‬‬ ‫‪170994‬‬ ‫‪918834‬‬ ‫‪18359‬‬ ‫‪116207‬‬ ‫‪134566‬‬ ‫مصر الجديدة لالسكان والتعمير‪6118‬‬

‫‪-1051830‬‬ ‫‪0‬‬ ‫‪13610‬‬ ‫‪22915‬‬ ‫‪281803‬‬ ‫‪901013‬‬ ‫‪94461‬‬ ‫‪5677‬‬ ‫‪100138‬‬ ‫مصر الجديدة لالسكان والتعمير‪6119‬‬
‫‪-1315183‬‬ ‫‪0‬‬ ‫‪14396‬‬ ‫‪19334‬‬ ‫‪325943‬‬ ‫‪1092806‬‬ ‫‪69836‬‬ ‫‪81700‬‬ ‫‪151536‬‬ ‫مصر الجديدة لالسكان والتعمير‪6101‬‬
‫‪-1448633‬‬ ‫‪0‬‬ ‫‪15008‬‬ ‫‪16618‬‬ ‫‪386524‬‬ ‫‪1155665‬‬ ‫‪61930‬‬ ‫‪63712‬‬ ‫‪125642‬‬ ‫مصر الجديدة لالسكان والتعمير‪6100‬‬
‫السادس من اكتوبر لمتنميو واالستثمار‬
‫‪-1921884‬‬ ‫‪0‬‬ ‫‪8005‬‬ ‫‪34559‬‬ ‫‪1311335‬‬ ‫‪650599‬‬ ‫‪-2514‬‬ ‫‪29313‬‬ ‫‪26799‬‬
‫(سوديك)‪6118‬‬
‫السادس من اكتوبر لمتنميو واالستثمار‬
‫‪-2643137‬‬ ‫‪0‬‬ ‫‪13360‬‬ ‫‪87834‬‬ ‫‪1716013‬‬ ‫‪755995‬‬ ‫‪-272323‬‬ ‫‪159709‬‬ ‫‪-112614‬‬
‫(سوديك)‪6119‬‬
‫السادس من اكتوبر لمتنميو واالستثمار‬
‫‪-3473268‬‬ ‫‪0‬‬ ‫‪21135‬‬ ‫‪116326‬‬ ‫‪2711015‬‬ ‫‪755995‬‬ ‫‪-143719‬‬ ‫‪278956‬‬ ‫‪135237‬‬
‫(سوديك)‪6101‬‬
‫السادس من اكتوبر لمتنميو واالستثمار‬
‫‪-3358945‬‬ ‫‪0‬‬ ‫‪65992‬‬ ‫‪110681‬‬ ‫‪2936572‬‬ ‫‪810912‬‬ ‫‪211866‬‬ ‫‪-405123‬‬ ‫‪-193257‬‬
‫(سوديك)‪6100‬‬

‫‪-271136‬‬ ‫‪0‬‬ ‫‪1606‬‬ ‫‪5214‬‬ ‫‪250613‬‬ ‫‪46460‬‬ ‫‪19117‬‬ ‫‪-7616‬‬ ‫‪11501‬‬ ‫القاىرة لالسكان والتعمير‪6118‬‬

‫‪-280351‬‬ ‫‪0‬‬ ‫‪1804‬‬ ‫‪4392‬‬ ‫‪247399‬‬ ‫‪48751‬‬ ‫‪9603‬‬ ‫‪26398‬‬ ‫‪36001‬‬ ‫القاىرة لالسكان والتعمير ‪6119‬‬

‫‪-384001‬‬ ‫‪0‬‬ ‫‪2112‬‬ ‫‪4278‬‬ ‫‪528297‬‬ ‫‪51882‬‬ ‫‪189788‬‬ ‫‪-149583‬‬ ‫‪40205‬‬ ‫القاىرة لالسكان والتعمير ‪6101‬‬

‫‪-373547‬‬ ‫‪0‬‬ ‫‪2313‬‬ ‫‪7238‬‬ ‫‪303136‬‬ ‫‪66243‬‬ ‫‪-13719‬‬ ‫‪66318‬‬ ‫‪52599‬‬ ‫القاىرة لالسكان والتعمير ‪6100‬‬

‫‪161‬‬
‫‪OTHER AMORT‬‬ ‫‪DEPR‬‬ ‫‪AP‬‬ ‫‪INV‬‬ ‫‪AR‬‬ ‫‪ACCR‬‬ ‫‪CF‬‬ ‫‪EARN‬‬ ‫إسم الشركة‬
‫‪-64576‬‬ ‫‪0‬‬ ‫‪1235‬‬ ‫‪1750‬‬ ‫‪28061‬‬ ‫‪45769‬‬ ‫‪6269‬‬ ‫‪10148‬‬ ‫‪16417‬‬ ‫المتحدة لالسكان والتعمير‪6118‬‬

‫‪-90263‬‬ ‫‪0‬‬ ‫‪1371‬‬ ‫‪1952‬‬ ‫‪61374‬‬ ‫‪53549‬‬ ‫‪21337‬‬ ‫‪2323‬‬ ‫‪23660‬‬ ‫المتحدة لالسكان والتعمير‪6119‬‬

‫‪-113329‬‬ ‫‪0‬‬ ‫‪1586‬‬ ‫‪398‬‬ ‫‪77786‬‬ ‫‪55211‬‬ ‫‪17684‬‬ ‫‪9574‬‬ ‫‪27258‬‬ ‫المتحدة لالسكان والتعمير‪6101‬‬

‫‪-113329‬‬ ‫‪0‬‬ ‫‪1586‬‬ ‫‪398‬‬ ‫‪77786‬‬ ‫‪55211‬‬ ‫‪17684‬‬ ‫‪9574‬‬ ‫‪27258‬‬ ‫المتحدة لالسكان والتعمير‪6100‬‬

‫المصريين لالسكان والتنمية‬

‫‪396‬‬ ‫‪0‬‬ ‫‪285‬‬ ‫‪51115‬‬ ‫‪145120‬‬ ‫‪391‬‬ ‫‪94507‬‬ ‫‪-83076‬‬ ‫‪11431‬‬
‫والتعمير‪6118‬‬
‫المصريين لالسكان والتنمية‬
‫‪-117204‬‬ ‫‪0‬‬ ‫‪364‬‬ ‫‪0‬‬ ‫‪131335‬‬ ‫‪15296‬‬ ‫‪29063‬‬ ‫‪-19584‬‬ ‫‪9479‬‬
‫والتعمير‪6119‬‬
‫المصريين لالسكان والتنمية‬
‫‪-137250‬‬ ‫‪0‬‬ ‫‪567‬‬ ‫‪0‬‬ ‫‪98148‬‬ ‫‪25‬‬ ‫‪-39644‬‬ ‫‪44353‬‬ ‫‪4709‬‬
‫والتعمير‪6101‬‬
‫المصريين لالسكان والتنمية‬
‫‪-129340‬‬ ‫‪0‬‬ ‫‪691‬‬ ‫‪28‬‬ ‫‪115637‬‬ ‫‪12‬‬ ‫‪-14410‬‬ ‫‪14630‬‬ ‫‪220‬‬
‫والتعمير‪6100‬‬

‫‪-666749‬‬ ‫‪0‬‬ ‫‪31039‬‬ ‫‪88613‬‬ ‫‪219810‬‬ ‫‪594931‬‬ ‫‪28340‬‬ ‫‪80094‬‬ ‫‪108434‬‬ ‫مدينة نصر لالسكان والتعمير‪6118‬‬

‫‪-699879‬‬ ‫‪0‬‬ ‫‪32814‬‬ ‫‪64668‬‬ ‫‪216354‬‬ ‫‪626269‬‬ ‫‪45262‬‬ ‫‪70108‬‬ ‫‪115370‬‬ ‫مدينة نصر لالسكان والتعمير‪6119‬‬

‫‪-755884‬‬ ‫‪0‬‬ ‫‪34044‬‬ ‫‪70949‬‬ ‫‪235738‬‬ ‫‪674959‬‬ ‫‪49820‬‬ ‫‪35987‬‬ ‫‪85807‬‬ ‫مدينة نصر لالسكان والتعمير‪6101‬‬

‫‪-929013‬‬ ‫‪0‬‬ ‫‪38519‬‬ ‫‪62741‬‬ ‫‪267848‬‬ ‫‪766471‬‬ ‫‪4046‬‬ ‫‪61493‬‬ ‫‪65539‬‬ ‫مدينة نصر لالسكان والتعمير‪6100‬‬

‫‪17424000‬‬ ‫‪5565000‬‬ ‫‪12998000‬‬ ‫‪5492000‬‬ ‫‪620000‬‬ ‫‪2186000‬‬ ‫‪-3825000‬‬ ‫‪7768000‬‬ ‫‪3943000‬‬ ‫اوراسكوم تميكوم القابضة‪6118‬‬

‫‪20858000‬‬ ‫‪6436000‬‬ ‫‪16844000‬‬ ‫‪4641000‬‬ ‫‪333000‬‬ ‫‪2292000‬‬ ‫‪-4438000‬‬ ‫‪6567000‬‬ ‫‪2129000‬‬ ‫اوراسكوم تميكوم القابضة‪6119‬‬

‫‪21692000‬‬ ‫‪5457000‬‬ ‫‪17093000‬‬ ‫‪4711000‬‬ ‫‪373000‬‬ ‫‪2131000‬‬ ‫‪-3065000‬‬ ‫‪1926000‬‬ ‫‪-1139000‬‬ ‫اوراسكوم تميكوم القابضة‪6101‬‬

‫‪161‬‬
‫‪OTHER AMORT‬‬ ‫‪DEPR‬‬ ‫‪AP‬‬ ‫‪INV‬‬ ‫‪AR‬‬ ‫‪ACCR‬‬ ‫‪CF‬‬ ‫‪EARN‬‬ ‫إسم الشركة‬
‫‪20975000‬‬ ‫‪5702000‬‬ ‫‪19970000‬‬ ‫‪4452000‬‬ ‫‪198000‬‬ ‫‪1933000‬‬ ‫‪-7018000‬‬ ‫‪6168000‬‬ ‫‪-850000‬‬ ‫اوراسكوم تميكوم القابضة‪6100‬‬

‫‪18407227‬‬ ‫‪0‬‬ ‫‪22758786‬‬ ‫‪215836‬‬ ‫‪473015‬‬ ‫‪4280109‬‬ ‫‪185729‬‬ ‫‪2595799‬‬ ‫‪2781528‬‬ ‫المصرية لالتصاالت‪6118‬‬

‫‪19645728‬‬ ‫‪0‬‬ ‫‪25188728‬‬ ‫‪159234‬‬ ‫‪413973‬‬ ‫‪4247223‬‬ ‫‪-1041038‬‬ ‫‪4060505‬‬ ‫‪3019467‬‬ ‫المصرية لالتصاالت‪6119‬‬

‫‪21429093‬‬ ‫‪0‬‬ ‫‪26916241‬‬ ‫‪293373‬‬ ‫‪459275‬‬ ‫‪4137411‬‬ ‫‪-1183835‬‬ ‫‪4361014‬‬ ‫‪3177179‬‬ ‫المصرية لالتصاالت‪6101‬‬

‫‪24303075‬‬ ‫‪0‬‬ ‫‪29105116‬‬ ‫‪129525‬‬ ‫‪450590‬‬ ‫‪4810000‬‬ ‫‪329024‬‬ ‫‪2602096‬‬ ‫‪2931120‬‬ ‫المصرية لالتصاالت‪6100‬‬

‫‪-689188‬‬ ‫‪0‬‬ ‫‪150340‬‬ ‫‪0‬‬ ‫‪296270‬‬ ‫‪615305‬‬ ‫‪72047‬‬ ‫‪77790‬‬ ‫‪149837‬‬ ‫غاز مصر‪6118‬‬

‫‪-728482‬‬ ‫‪0‬‬ ‫‪161238‬‬ ‫‪0‬‬ ‫‪246406‬‬ ‫‪629294‬‬ ‫‪-14020‬‬ ‫‪169807‬‬ ‫‪155787‬‬ ‫غاز مصر‪6119‬‬

‫‪-502017‬‬ ‫‪0‬‬ ‫‪165557‬‬ ‫‪0‬‬ ‫‪271927‬‬ ‫‪603774‬‬ ‫‪208127‬‬ ‫‪-46077‬‬ ‫‪162050‬‬ ‫غاز مصر‪6101‬‬

‫‪-559623‬‬ ‫‪0‬‬ ‫‪170919‬‬ ‫‪0‬‬ ‫‪224668‬‬ ‫‪677041‬‬ ‫‪171167‬‬ ‫‪-45575‬‬ ‫‪125592‬‬ ‫غاز مصر‪6100‬‬

‫‪-281788‬‬ ‫‪0‬‬ ‫‪7769‬‬ ‫‪0‬‬ ‫‪51‬‬ ‫‪328991‬‬ ‫‪39485‬‬ ‫‪220428‬‬ ‫‪259913‬‬ ‫المصرية لممنتجعات السياحية ‪6118‬‬

‫‪-294424‬‬ ‫‪0‬‬ ‫‪12553‬‬ ‫‪0‬‬ ‫‪51‬‬ ‫‪369577‬‬ ‫‪62651‬‬ ‫‪-55772‬‬ ‫‪6879‬‬ ‫المصرية لممنتجعات السياحية ‪6119‬‬

‫‪-260448‬‬ ‫‪0‬‬ ‫‪24409‬‬ ‫‪0‬‬ ‫‪1001‬‬ ‫‪250755‬‬ ‫‪-33101‬‬ ‫‪15197‬‬ ‫‪-17904‬‬ ‫المصرية لممنتجعات السياحية ‪6101‬‬

‫‪-228730‬‬ ‫‪0‬‬ ‫‪39136‬‬ ‫‪0‬‬ ‫‪1262‬‬ ‫‪316050‬‬ ‫‪49446‬‬ ‫‪-61168‬‬ ‫‪-11722‬‬ ‫المصرية لممنتجعات السياحية ‪6100‬‬

‫‪-894060‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪31976‬‬ ‫‪684835‬‬ ‫‪399422‬‬ ‫‪158221‬‬ ‫‪44929‬‬ ‫‪203150‬‬ ‫رمكو إلنشاء القرى السياحية ‪6118‬‬

‫‪-1178356‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪89137‬‬ ‫‪765000‬‬ ‫‪501070‬‬ ‫‪-1423‬‬ ‫‪178159‬‬ ‫‪176736‬‬ ‫رمكو إلنشاء القرى السياحية ‪6119‬‬

‫‪-1000807‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪78703‬‬ ‫‪515768‬‬ ‫‪479175‬‬ ‫‪-84567‬‬ ‫‪231174‬‬ ‫‪146607‬‬ ‫رمكو إلنشاء القرى السياحية ‪6101‬‬

‫‪162‬‬
‫‪OTHER AMORT‬‬ ‫‪DEPR‬‬ ‫‪AP‬‬ ‫‪INV‬‬ ‫‪AR‬‬ ‫‪ACCR‬‬ ‫‪CF‬‬ ‫‪EARN‬‬ ‫إسم الشركة‬
‫‪-1482587‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪105629‬‬ ‫‪638300‬‬ ‫‪663739‬‬ ‫‪-286177‬‬ ‫‪262652‬‬ ‫‪-23525‬‬ ‫رمكو إلنشاء القرى السياحية ‪6100‬‬

‫الصناعات اليندسية المعمارية لإلنشاء‬

‫‪-32422‬‬ ‫‪0‬‬ ‫‪24742‬‬ ‫‪1395‬‬ ‫‪35588‬‬ ‫‪28147‬‬ ‫‪5176‬‬ ‫‪-97‬‬ ‫‪5079‬‬
‫والتعمير (أيكون)‪6118‬‬
‫الصناعات اليندسية المعمارية لإلنشاء‬
‫‪-21654‬‬ ‫‪0‬‬ ‫‪24986‬‬ ‫‪2547‬‬ ‫‪27548‬‬ ‫‪11225‬‬ ‫‪-10414‬‬ ‫‪22146‬‬ ‫‪11732‬‬
‫والتعمير (أيكون)‪6119‬‬
‫الصناعات اليندسية المعمارية لإلنشاء‬
‫‪-2013‬‬ ‫‪0‬‬ ‫‪28354‬‬ ‫‪1247‬‬ ‫‪36278‬‬ ‫‪12785‬‬ ‫‪17449‬‬ ‫‪292‬‬ ‫‪17741‬‬
‫والتعمير (أيكون)‪6101‬‬
‫الصناعات اليندسية المعمارية لإلنشاء‬
‫‪-46826‬‬ ‫‪0‬‬ ‫‪31257‬‬ ‫‪864‬‬ ‫‪28655‬‬ ‫‪23111‬‬ ‫‪-27181‬‬ ‫‪31299‬‬ ‫‪4118‬‬
‫والتعمير (أيكون)‪6100‬‬

‫‪163‬‬
‫الملخصات‬
 ‫ممخص الدراسة‬

‫‪-1‬مقدمة‪:‬‬

‫يتم تحديد جودة التقارير المالية بمستوى جودة المعمومات التى تحتوييا ومدى فائدتيا ألصحاب القرار حيث‬
‫أن اليدف األساسى من التقارير المالية ىو تحقيق منفعة مستخدمييا‪ .‬وتتمثل تمك المنفعة فى مساعدة المستثمرين‬
‫الحاليين والمرتقبين عمى التنبؤ بالتدفقات النقدية المتوقعة لممنشأة وفقًا لقائمة المفاىيم األساسية رقم ‪ 8‬الصادرة عن‬
‫مجمس معايير المحاسبة المالية ‪ ،FASB‬وبالتالى ارتبط مفيوم جودة التقارير المالية وفقاً لمدخل المنفعة بتوفير‬
‫معمومات مستقبمية عن التدفقات النقدية‪.‬‬

‫وألن استخدام أسموب التنقيب فى البيانات الذى ىو عبارة عن تقنيات وبرامج محوسبة تيدف إلى التوصل‬
‫لمخرجات صحيحة وبدرجة دقة عالية وفى وقت مناسب وتستطيع التنبؤ بسموك معين فضلً عن قدرتيا عمى‬
‫اجراء المقارنات وغيرىا‪ ،‬فإنيا قد تستطيع إقامة التوازن أو المواءمة بين الخصائص النوعية لممعمومات المحاسبية‬
‫وبتكمفة معقولة‪ .‬ونتيجة لممزايا سالفة الذكر فستحاول الباحثة استخدام أسموب التنقيب فى البيانات فى التنبؤ‬
‫بالتدفقات النقدية من األنشطة التشغيمية بإعتبار أن مساعدة المستثمرين الحاليين والمرتقبين عمى التنبؤ بالتدفقات‬
‫النقدية لممنشأة يمثل اليدف األساسى من التقارير المالية‪.‬‬

‫‪ -2‬طبيعة المشكمة‪:‬‬

‫تتمثل مشكمة الدراسة فى استخدام البيانات المتاحة لمعامة وتقنيات التنقيب فى البيانات لمتنبؤ بالتدفقات النقدية‬
‫لمشركات المدرجة فى البورصة المصرية‪ ،‬وذلك من خلل استخدام نموذج عممى يمكن تبريره من الناحية النظرية‬
‫وتطبيقو عممياً عمى بيانات فعمية‪ ،‬بما يؤدى إلى زيادة دقة التنبؤ بالتدفقات النقدية‪ .‬وىذا النموذج يمثل أحد نماذج‬
‫أسموب التنقيب فى البيانات وىو نموذج ميجن من الشبكات العصبية والمنطق الضبابى ويسمى نموذج ‪Neuro‬‬
‫‪.Fuzzy‬‬

‫‪1‬‬
 ‫‪ -3‬أهداف الدراسة‪:‬‬

‫يتمثل اليدف الرئيسى لمدراسة فى اختبار أثر استخدام أسموب التنقيب فى البيانات عمى تحسين جودة‬
‫التقارير المالية بإستخدام أحد أدواتو المبنية عمى أساس نماذج الشبكات العصبية والمنطق الضبابى‪ ،‬ويتطمب‬
‫تحقيق ىذا اليدف مجموعة األىداف الفرعية التالية‪:‬‬

‫‪ -1‬دراسة وتحميل ماىية وأىداف جودة التقارير المالية‪ ،‬وكذلك مقاييس جودة التقارير المالية والعوامل‬
‫المؤثرة عمييا وجيود المنظمات المينية فى تحسين جودتيا‪.‬‬

‫‪ -2‬اقتراح نموذج لمتنبؤ بالتدفقات النقدية بدقة بإعتبار أن توفير معمومات عن التدفقات النقدية المستقبمية‬
‫تعد اليدف الرئيسى لمتقارير المالية‪ ،‬حيث يرتبط مفيوم جودة التقارير المالية بأىدافيا وبالتالى فإن‬
‫تحقيق أىم أىدافيا يساىم فى تحسين جودتيا‪.‬‬

‫‪ -2‬تحديد ما إذا كان ىناك اختلف معنوى بين األساليب التقميدية واألساليب الحديثة المعتمدة عمى أسموب‬
‫التنقيب فى البيانات عند التنبؤ بالتدفقات النقدية‪.‬‬
‫‪-3‬‬
‫‪ -4‬خطة الدراسة‪:‬‬

‫فى ضوء أىداف ومشكمة الدراسة تم تقسيم خطة الدراسة عمى النحو التالى‪:‬‬

‫اإلطار العام لمدراسة‪:‬‬

‫ويتناول طبيعة المشكمة وأىداف وفروض وحدود الدراسة واألىمية العممية والعممية ليا وكذلك منيج الدراسة‬
‫واستعراض خطتيا‪.‬‬

‫الفصل األول‪ :‬الدراسات السابقة وتحديد الفجوة البحثية‪.‬‬

‫وفيو يتم عرض الدراسات السابقة لمحاور الدراسة والتعميق عمييا ‪ ،‬ثم تحديد الفجوة البحثية‪.‬‬

‫‪2‬‬
 ‫الفصل الثانى‪ :‬اإلطار النظرى لجودة التقارير المالية‪.‬‬

‫ويتناول مفيوم جودة التقارير المالية ومقاييسيا والعوامل المؤثرة فييا ومداخل تعريف جودة التقارير المالية‬
‫وجيود المنظمات المينية فى تحسين جودة التقارير المالية واإلفصاح عن التنبؤات المستقبمية‪.‬‬

‫الفصل الثالث‪ :‬دور أسموب التنقيب فى البيانات فى تحسين جودة التقارير المالية‪.‬‬

‫ويتناول دور أساليب الذكاء اإلصطناعى وتكنولوجيا المعمومات فى منشآت األعمال ثم اعطاء نظرة شاممة‬
‫عن مفيوم أسموب التنقيب فى البيانات وأدواتو ومناىجو وخطواتو وعوامل نجاح استخدامو فى منشآت األعمال‬
‫وأىميتو وأخي ار دور التنقيب فى البيانات فى زيادة دقة التنبؤ بالتدفقات النقدية‪.‬‬

‫الفصل الرابع‪ :‬الدراسة التطبيقية‪.‬‬

‫وفيو يتم تناول الدراسة التطبيقية بالتطبيق عمى عينة من الشركات المقيدة فى البورصة المصرية لمتنبؤ‬
‫بالتدفقات النقدية المستقبمية بإستخدام نموذج اإلنحدار المتدرج ونموذج ‪ Neuro Fuzzy‬ومقارنة نتائج كل منيما‬
‫لمعرفة النموذج األكثر دقة فى التنبؤ وكذلك معرفة دور نموذج ‪ Neuro Fuzzy‬كأحد أدوات التنقيب فى‬
‫البيانات فى تحسين جودة التقارير المالية‬

‫‪ -5‬نتائج الدراسة‪:‬‬

‫تتمخص أىم نتائج الدراسة فيما يمى‪:‬‬

‫‪ .1‬رغم تعدد الدراسات السابقة التى تناولت قضية جودة التقارير المالية إال أنو ال يوجد اتفاق حول تحديد‬
‫مفيوم جودة التقارير المالية كما اكتفت تمك الدراسات بتناول العوامل المؤثرة عمى جودة التقارير المالية‪،‬‬
‫وحتى عندما تناولت بعض الدراسات أحد ىذه العوامل فى تأثيره عمى جودة التقارير المالية تبين أنو ال‬
‫يوجد اتفاق فى نتائج ىذه الدراسات وكذلك بالنسبة لوسائل قياس جودة التقارير المالية‪.‬‬
‫‪ .2‬إن التقدم فى تكنولوجيا المعمومات وانتشار استخدام اإلنترنت يتطمب من المديرين والمحاسبين والمراجعين‬
‫واألكاديميين أن يصبحوا أكثر ميارة وأكثر معرفة فى تصميم نظم المعمومات المحاسبية والرقابة عمييا‪.‬‬
‫‪ .3‬يساعد أسموب التنقيب فى البيانات وأدواتو المختمفة فى توسيع اإلطار الذى تعمل فيو المحاسبة‪ ،‬مما يزيد‬

‫من دقة وملءمة المعمومات المحاسبية الناتجة‪ ،‬وتؤدى زيادة الدقة إلى اختلف المعمومات الناتجة مقارنةً‬

‫‪3‬‬
‫بالنماذج التقميدية‪ ،‬ومن ثم تصبح ىذه المعمومات ملئمة إلتخاذ الق اررات اإلستثمارية وىذا ىو اليدف‬
‫الرئيسى لمتقارير المالية أى أن أسموب التنقيب فى البيانات يساعد فى تحسين جودة التقارير المالية‪.‬‬
‫‪ .4‬تتسم البيانات المحاسبية بالتعقد مما يستمزم استخدام منيج عممى متطور لتحميل ىذه البيانات تتوافر فيو‬
‫مجموعة خصائص أىميا القدرة التنبؤية العالية ومراعاة طبيعة البيانات والتعامل مع متغيرات مالية وغير‬
‫مالية وتتوافر ىذه الخصائص فى أدوات التنقيب فى البيانات وبخاصة النماذج الميجنة مثل نموذج‬
‫‪ Neuro Fuzzy‬الذى يجمع بين مزايا كل من الشبكات العصبية والمنطق الضبابى‪.‬‬

‫‪ -6‬التوصيات‪:‬‬

‫توصى الباحثة فى نياية ىذه الدراسة بما يمى‪:‬‬

‫‪ .1‬أن تسعى الجيات المينية واألكاديمية لتطبيق أسموب التنقيب فى البيانات وأدواتو المختمفة لحل‬
‫المشكلت المحاسبية المعقدة‪ ،‬مثل استخدام المنطق الضبابى لحل مشكلت تقييم األنواع المختمفة‬
‫من األصول غير الممموسة والتنبؤ باإلفلس‪ ،‬واستخدام الشبكات العصبية فى التنبؤ والتى أثبتت‬
‫جدارتيا فى العديد من الدراسات وتفوقيا عمى األساليب اإلحصائية التقميدية‪ ،‬واستخدام النماذج‬
‫الميجنة كحمول متطورة لممشكلت المختمفة‪.‬‬
‫‪ .2‬تشجيع إنشاء قواعد بيانات متخصصة لتجميع وتمخيص البيانات الخاصة بالشركات مصنفة حسب‬
‫األغراض المختمفة الخاصة بكل فئة من الفئات الرئيسية فى ظل بيئة األعمال الحالية إلنشاء نظام‬
‫معمومات قائم عمى أساس قاعدة بيانات متكاممة تتميز بوضع نماذج التنبؤ فى إطار استخدام‬
‫أدوات التنقيب فى البيانات الملئمة لطبيعة المشكمة‪ ،‬حتى يسيل الوصول إلى المعمومات المختمفة‬
‫بإختلف إحتياجات الفئات المتعددة والمستخدمة لمعمومات التقارير المالية فى إطار تفعيل قواعد‬
‫البيانات الموجية باليدف‪.‬‬
‫‪ .3‬ضرورة نشر ثقافة اإلعتماد عمى التكنولوجيا ومعرفة المينيين بأساليب التكنولوجيا الحديثة وكذلك‬
‫محاولة معرفة المستثمرين بالحد األدنى من ىذه التكنولوجيا مما يسيل من التفاعل معيا وفيم‬
‫النتائج التى تقدميا أدوات التكنولوجيا المختمفة‪.‬‬

‫‪4‬‬
Mansoura University
Faculty of Commerce
Department Of Accounting

Improving the Quality of Financial Reporting using Data

Mining Technique
Applied Study

A Thesis Submitted by
Elham Mohamed Abd elatif Mohamed
In Partial Fulfillment of the Requirements of Master Degree of Accounting

Supervised by
Professor Doctor Doctor
Samir Abou el-ftouh Saleh Marwa Hassan Hassaan
Professor of Accounting &IS Lecturer of Accounting
Faculty of Commerce Faculty of Commerce
Mansoura University Mansoura University

2016
Central Library
Collage: Commerce Department Accounting Call
No.
Author: Elham Mmohamed Abd elatif Degree: Master Date:
Mohamed

Title: Improving the Quality of Financial Reporting using Data Mining

Technique: Applied Study.

Dissertation Abstract

This study aims to improve the quality of financial reporting through providing
information about future cash flows as an important source of information that
helps decision makers, and hence, achieves the primary objective of financial
reporting. Consequently, the quality of financial reports can be determined based
on the quality of information reported on them and its importance for decision
makers. As proved, modern information technology plays an important role in
enhancing the efficiency and effectiveness of accounting information systems.
Accordingly, Data Mining is employed in this study as a modern tool with many
advantages, particularly, prediction and classification capabilities that facilitate
obtaining accurate and valid outputs on time. Data Mining contributes to solving
many accounting problems. To predict Future cash flows, a hybrid model from
artificial neural networks and fuzzy logic was used as a tool for data mining
compared with stepwise regression model.
The study reveals that, the hybrid model is superior to the step wise regression
model in predicting future cash flows, since the results showed more accurate
results using the hybrid model. Consequently, this study concludes that data
mining can improve the quality of financial reporting by making more accurate
predictions concerning future cash flows.
Key words: Data Mining, Quality of financial reporying, Cash Flows.

2
 Summary
A. Introduction:

The quality of financial reporting can be determined based on the

quality of information reported on them and its importance for decision
makers as the primary objective of financial reports is to be useful for their
users. This usefulness can be achieved by helping current and expected
investors to predict future cash flows according to the list of the basic
concepts No. 8 that was issued by the Financial Accounting Standards Board
(FASB). Accordingly, the concept of the quality of financial reporting has
been associated with providing information concerning future cash flows
according to the concept of usefulness.

Data mining technique is a computerized technology that aims at

obtaining accurate and valid outputs on time and can predict certain
behavior in addition to its ability to make comparisons. It can achieve
balance between the qualitative characteristics of accounting information at
a reasonable cost. As a result of the aforementioned advantages, the
researcher will try to use data mining technique to predict future cash flows
from operating activities as the main objective of financial reporting is to
help current and expected investors to predict future cash flows.

B. The nature of the problem:

The problem of the study can be stated in using of data that is

available for the public and techniques of data mining to predict cash flows
of the companies that join the Egyptian Stock Exchange by using a scientific
model can be theoretically justified and that can be practically applied for

3
the actual data. This leads to increasing the accuracy of cash flows
forecasting. A hybrid model from artificial neural networks and fuzzy logic
was used as a tool for data mining. This model is called Neuro Fuzzy.

C. The objective of the study:

The main purpose of the study is to explore the effect of using data
mining technique on improving the quality of financial reporting using one
of the tools developed according to the models of neural networks and fuzzy
logic. Achieving this purpose requires the following objectives:

1- Studying and analyzing nature and objectives of financial reporting

quality, rubrics of the quality of financial reports and the factors affect them
and the efforts of the professional organizations to improve its quality.

2- Developing a model to forecast cash flows accurately as providing

information about future cash flows is the main objective of financial
reporting. The concept of financial reporting quality is associated with its
objectives and therefore, achieving its most important objectives plays an
important role in improving its quality.

3-Determine whether there is a difference between the traditional

approaches and the modern ones that rely on data mining technique when
forecasting cash flows.

D. The importance of the study:

This study is important for providing information about future cash

flows with a high degree of accuracy using data mining technique because
of its advantages in providing a simulation results in a higher degree of
4
convenience and precision. This study is a step to achieve this objective.
This is the pioneer study that provides a proposed model to use data mining
technique for forecasting cash flows from operating activities. Data mining
is one of the modern and fertile areas.

E. The study plan:

In the light of the purpose and the problem of the study, the study plan
can be divided as follows:

The general framework of the study:

It deals with the problem, the objectives, the assumptions and the
limitations, the scientific and practical importance, the methodology and the
plan of the study.

Chapter One: Reviewing of the previous studies and identifying

research gap.

It reviews the previous studies of the axes of the study and comment
on them, and then selecting the research axes.

Chapter Two: The theoretical framework for the quality of

financial reporting.

It deals with the concept of the quality of financial reporting and their
rubrics and the factors that affect them according to the concept of the quality
of financial reports and the efforts of the professional organizations for
improving the quality of financial reports and disclosure of future predictions.

5
 Chapter three: The role of data mining technique in improving
the quality of financial reporting.

It deals with the role of the artificial intelligence and information

technology in entities and providing a comprehensive overview of data
mining technique, its tools, its methods, its steps, factors of its success, its
importance and the role of data mining in increasing the accuracy of cash
flows forecasting.

Chapter four: The Applied Study.

It deals with applied study, which used a sample of companies listed

in Egyptian Stock Exchange and employed stepwise regression and Neuro
Fuzzy models .The two models are compared in terms of their performances
and the neural networks achieved the best performance predicting future
cash flows compared with the stepwise regression. The study aimed at
knowing the role of Neuro Fuzzy model as a tool of data mining in
improving the quality of financial Reporting.

F. The results of the study:

The most important results of the study can be summarized as follows:

1. Despite many previous studies handled the issue of financial reporting

quality, there is no agreement on a certain definition of the concept of the
quality of financial reporting because these studies merely dealt with the
factors that affect the quality of financial reports. Some studies dealt with
the impact of one of these factors on the quality of financial reports. There is
no agreement in the results as well as the means of measuring the quality of

6
financial reports of such studies.

2. The advances in information technology and the overwhelming use of the

internet requires managers, accountants, auditors and academics to be more
skilled and more knowledgeable in developing accounting information
systems and in controlling them.

3. Data mining technique and its various tools help in expanding the frame
of accounting, which in turn increases accuracy and relevance of the
accounting information that results. The increased accuracy leads to
different information than that of the conventional models. Consequently,
accounting information becomes appropriate for making investment
decisions. This is the main aim of financial reporting. Data mining technique
helps to improve the quality of financial reports.

4- Accounting information is complex and requires using an advanced

approach to analyze it. This approach should have many characteristics. One
of the most important of these characteristics is its high predictive ability
and coping with the nature of data and dealing with financial and non-
financial variables. These are the characteristics of data mining tools
especially the hybrid models such as Neuro Fuzzy model that combines the
advantages of both neural networks and fuzzy logic.

G. Recommendations:

At the end of this study the researcher recommends the following:

1. The professional and academic bodies should seek to apply data mining
technique and its various tools to solve the complex accounting problems,

7
such as using fuzzy logic to solve the problem of evaluating the different
types of intangible assets and to predict bankruptcy, and using neural
networks in predicting problems. As, this tool has proven its efficiency and
superiority over the traditional statistical methods in many studies, and using
hybrid models as being developed solutions to various problems.

2. Developing specialized databases to compile and summarize data and

classifying it according to different purposes for each main category within
the current business environment to develop an information system that is
based on comprehensive database that develops predictive models during
using data mining tools that are appropriate for the nature of the problem in
order to facilitate obtaining various information according to the various
needs of various groups. These models make use of information of financial
reports during activating object -oriented data base.

3. There is a need to make investors depend on technology and

professionals’ awareness of the modern technology techniques, as well as to
make investors aware of the minimum level of such technology which
makes it easier to utilize it and to understand the results obtained by
different technology tools.