No abstract

Samenvatting 1Innovatieve fraudedetectiemethoden zijn nodig om aanwijzingen van fraude op tijd te signaleren en verdere schade te voorkomen. De focus van fraudeonderzoek in jaarverslagen is vaak gericht op de numerieke informatie. Jaarverslagen bevatten tekstuele informatie die ook indicaties van fraude bevat. Dit artikel beschrijft het onderzoek naar een methode voor tekstanalyse die gebruik maakt van machine learning om jaarverslagen automatisch te classificeren in de twee categorieën 'fraude' en 'geen fraude'. Relevantie voor de praktijkHet effect van fraude in het jaarverslag is groot. Naast enorme financiële schade is er sprake van reputatieschade voor het bedrijf en worden andere partijen zoals de accountants, controllers, advocaten en wederpartijen meegezogen. Om schade in te perken of te voorkomen is het van belang om fraude op tijd te signaleren. Behalve numerieke informatie bevat een jaarverslag tekstuele informatie. Deze teksten alleen al kunnen met grote waarschijnlijkheid de aan-of afwezigheid van fraude in jaarverslagen signaleren. De hier beschreven methode is relevant omdat er geen aparte financiële analyse benodigd is. Pas als er vermoeden van fraude is zal die, indien nodig, moeten worden ingezet.