Audit Detection Risk Reduction Using Machine Learning: Evidence from 3.3 million Transactions
Este estudio introduce y valida un marco de aprendizaje automático de cuatro capas que reduce significativamente el riesgo de detección de auditoría y el tiempo de procesamiento en comparación con los métodos tradicionales, al aprovechar modelos no supervisados y supervisados sobre 3,3 millones de transacciones del mundo real de una empresa de energía mongola, al tiempo que descubre un novedoso "efecto de enmascaramiento por agregación" en las anomalías de la Ley de Benford.