По всем вопросам звоните:

+7 495 274-22-22

УДК: 657.6:336:004.89, ВАК 5.2.3 DOI:10.33920/sel-11-2505-04

Применение ML-технологий для автоматизации финансового мониторинга и эффективного выявления аномалий в системе бухгалтерского учёта

Джикия К. А. канд. с.-х. наук, доцент кафедры экономики и организации производства, ФГБОУ ВО «Российский государственный аграрный университет — МСХА имени К.А. Тимирязева», 127550, г. Москва, ул. Тимирязевская, 49, E-mail: dak@mail.ru, ORCID: 0000-0001-8600-013X
Хабарова Н. Д. ассистент кафедры бухгалтерского учета, финансов и налогообложения, ФГБОУ ВО «Российский государственный аграрный университет — МСХА имени К.А. Тимирязева», 127550, г. Москва, ул. Тимирязевская, д. 49, E-mail: habarova@rgau-msha.ru, ORCHID: 0000-0002-3688-6814
Мизюрёв Ф. В. студент Института №3 «Системы управления, информатика и электроэнергетика», ФГБОУ ВО «Московский авиационный институт (национальный исследовательский университет)», 125993, г. Москва, ул. Волоколамское шоссе, д. 4, E-mail: fedormizurev@gmail.com, ORCHID: 0009-0000-4962-0807

В статье рассматривается применение методов машинного обучения для предотвращения мошенничества и выявления аномалий в бухгалтерском учете. Современные организации сталкиваются с необходимостью обработки больших объемов данных, что усложняет выявление ошибок и мошенничества традиционными способами. Машинное обучение, в частности методы ближайшего соседа (KNN) и изоляционные леса (Isolation Forest), позволяют автоматизировать процесс анализа данных и эффективно обнаруживать подозрительные операции. Приведены практические примеры использования этих методов в крупных компаниях, а также обсуждаются перспективы и вызовы внедрения технологий машинного обучения в бухгалтерскую практику.

Литература:

1. Бойко, О.В. Использование электронных документов, электронного документооборота и технологий искусственного интеллекта для целей ревизионного контроля сельскохозяйственных потребительских кооперативов / О.В. Бойко // Материалы Международной научной конференции молодых учёных и специалистов, посвящённой 150-летию со дня рождения А.Я. Миловича : Сборник статей, Москва, 03–05 июня 2024 года. — Москва: Российский государственный аграрный университет — МСХА имени К.А. Тимирязева, 2024. — С. 705-708. — EDN BJBUUU.

2. Егорова, С.Е. Перспективы применения информационных технологий в бухгалтерском учете в условиях глобализации бизнеса / С.Е. Егорова, И.С. Богданович // Научно-технические ведомости Санкт-Петербургского государственного политехнического университета. Экономические науки. — 2019. — Т. 12, №6. — С. 38-48. — DOI 10.18721/JE.12603. — EDN KBRVCY.

3. Катков, Ю.Н. Учетно-аналитические механизмы эколого-ориентированных организаций АПК на базе искусственного интеллекта / Ю.Н. Катков, А.А. Романова, М.К. Джикия // Бухучет в сельском хозяйстве. — 2024. — №2. — С. 78-84. — DOI 10.33920/sel-11-2402-01. — EDN QQVOVE.

4. Мизюрева, В.В. Организация и методика проведения налоговых проверок. Вопросы цифровизации контрольных процессов : Учебное пособие / В.В. Мизюрева, Н.Н. Шелемех. — Москва : Ай Пи Ар Медиа, 2022. — 154 с. — ISBN 978-5-4497-1590-6. — EDN OPHEXN.

5. Минимизация последствий кредитных рисков для сельскохозяйственных производителей / Л.И. Хоружий, Г.К. Джанчарова, К.А. Лебедев [и др.] // Бухучет в сельском хозяйстве. — 2024. — №4. — С. 222-233. — DOI 10.33920/sel-11-2404-01. — EDN ERQYJA.

6. Моделирование уровня производства сельскохозяйственной продукции в крестьянских (фермерских) хозяйствах методами эконометрики и машинного обучения / А.В. Уколова, Б.Ш. Дашиева, Д.В. Быков [и др.] // Вестник Воронежского государственного аграрного университета. — 2023. — Т. 16, № 3(78). — С. 251-262. — DOI 10.53914/issn2071-2243_2023_3_251. — EDN ITNCVJ.

7. Статистика, аналитика и прогнозирование в современной экономике: опыт и перспективы развития / М.Т. Баетова, М.У. Базарова, О.В. Бойко [и др.]. — Москва : Общество с ограниченной ответственностью «Издательство «КноРус», 2022. — 204 с. — ISBN 978-5-406-09563-8. — EDN YBQOTT.

8. Учетно-аналитическое обеспечение деятельности предприятий АПК / Л.И. Хоружий, Л.В. Постникова, К.А. Лебедев [и др.]. — Курск : Закрытое акционерное общество «Университетская книга», 2023. — 183 с. — ISBN 978-5907818-22-4. — EDN NOEXYY.

9. Хабарова, Н.Д. Воздействия цифровой трансформации и новых технологий, на процессы управления персоналом в агропромышленном комплексе / Н.Д. Хабарова // Научный аспект. — 2023. — Т. 7, № 11. — С. 766-776. — EDN ILJIVY.

1. Boyko, O.V. The use of electronic documents, electronic document management and artificial intelligence technologies for the purposes of audit control of agricultural consumer cooperatives / O.V. Boyko // Proceedings of the International Scientific Conference of Young Scientists and Specialists dedicated to the 150th anniversary of the birth of A.Y. Milovich : Collection of articles, Moscow, June 03-05, 2024. — Moscow: Russian State Agrarian University — Timiryazev Agricultural Academy, 2024. — pp. 705-708. — EDN BJBUUU.

2. Egorova, S.E. Prospects of using information technologies in accounting in the context of business globalization / S.E. Egorova, I.S. Bogdanovich // Scientific and Technical Bulletin of St. Petersburg State Polytechnic University. Economic sciences. — 2019. — Vol. 12, No. 6. — pp. 38-48. — DOI 10.18721/JE.12603. — EDN KBRVCY.

3. Katkov, Yu.N. Accounting and analytical mechanisms of ecology-oriented agricultural organizations based on artificial intelligence / Yu.N. Katkov, A.A. Romanova, M.K. Dzhikiya // Accounting in agriculture. — 2024. — No. 2. — pp. 78-84. — DOI 10.33920/sel-11-2402-01 . — EDN QQVOVE.

4. Mizyureva, V.V. Organization and methodology of tax audits. Issues of digitalization of control processes : A textbook / V.V. Mizyureva, N.N. Shelemekh. — Moscow : AI Art Media, 2022. — 154 p. — ISBN 978-5-4497-1590-6. — EDN OPHEXN.

5. Minimizing the consequences of credit risks for agricultural producers / L.I. Khoruzhy, G.K. Dzhancharova, K.A. Lebedev [et al.] // Accounting in agriculture. — 2024. — No. 4. — pp. 222-233. — DOI 10.33920/sel-11-2404-01 . — EDN ERQYJA.

6. Modeling the level of agricultural production in peasant (farm) farms using econometrics and machine learning / A.V. Ukolova, B.Sh. Dashieva, D.V. Bykov [et al.] // Bulletin of the Voronezh State Agrarian University. — 2023. — Vol. 16, No. 3(78). — pp. 251-262. — DOI 10.53914/issn2071-2243_2023_3_251. — EDN ITNCVJ.

7. Statistics, analytics and forecasting in the modern economy: experience and development prospects / M.T. Baetova, M.U. Bazarova, O.V. Boyko [et al.]. — Moscow : Limited Liability Company KnoRus Publishing House, 2022. — 204 p. — ISBN 978-5406-09563-8. — EDN YBQOTT.

8. Accounting and analytical support for the activities of agricultural enterprises / L.I. Khoruzhiy, L.V. Postnikova, K.A. Lebedev [et al.]. — Kursk : Closed Joint Stock Company «University Book», 2023. — 183 p. — ISBN 978-5-907818-22-4. — EDN NOEXYY.

9. Khabarovsk, N.D. The impact of digital transformation and new technologies on personnel management processes in the agro–industrial complex / N.D. Khabarovsk // Scientific aspect. — 2023. — Vol. 7, No. 11. — pp. 766-776. — EDN ILJIVY.

Бухгалтерский учёт — это фундаментальная основа управления любой организацией, независимо от её размера и сферы деятельности. Эффективное ведение учета финансовых операций обеспечивает контроль над расходами, доходами и обязательствами компании [4], что способствует принятию обоснованных управленческих решений. Вместе с тем, бухгалтерская деятельность сопряжена с рисками, связанными с человеческими ошибками, недостаточной квалификацией персонала и возможными случаями мошенничества. Современные организации сталкиваются с необходимостью обработки огромных объемов данных, что увеличивает вероятность возникновения ошибок и затрудняет выявление потенциальных проблем вручную.

Машинное обучение (ML), будучи одним из основных компонентов современных технологий искусственного интеллекта [3], открывает новые горизонты в автоматизации и оптимизации бухгалтерского учёта. Оно способно обрабатывать большие массивы данных, обнаруживая скрытые закономерности и отклонения, которые трудно выявить традиционными средствами. Применение ML-технологий позволяет существенно повысить скорость и точность проверок, минимизирует человеческий фактор и снижает риск мошенничества.

Цель исследования: рассмотреть применение машинного обучения в бухгалтерском учёте для выявления аномалий и предотвращения мошенничества.

Задачи исследования:

1. Изучить теоретические основы и подходы машинного обучения.

2. Исследовать возможности применения машинного обучения в бухгалтерском и финансовом учете.

3. Оценить перспективы внедрения ML-технологий в бухгалтерскую практику.

В процессе исследовательской работы изучены и обобщены нормативно-правовые акты, научная и профессиональная литература. Применение монографического метода, позволило выявить существующие типы и методы MLтехнологий. Аналитический метод позволил выявить наиболее перспективные методы машинного обучения для проведения финансового мониторинга и эффективного выявления аномалий при бухгалтерском учёте. Приведенный в исследовании программный код отражает как метод программирования позволяет мониторить финансовый учет и выявлять аномалии.

Для Цитирования:
Джикия К. А., Хабарова Н. Д., Мизюрёв Ф. В., Применение ML-технологий для автоматизации финансового мониторинга и эффективного выявления аномалий в системе бухгалтерского учёта. Бухучет в сельском хозяйстве. 2025;5.
Полная версия статьи доступна подписчикам журнала
Язык статьи:
Действия с выбранными: