{"id":{"repo_id":"athens","oai_identifier":"oai:lib.uoa.gr:uoadl:3360752"},"canonical_url":"https://search.ndltd.org/etd/athens/oai:lib.uoa.gr:uoadl:3360752","repository":{"repo_id":"athens","name":"National and Kapodistrian University of Athens","base_url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh"},"display":{"title":"Εντοπισμός ψευδών οικονομικών καταστάσεων με χρήση δημοσιευμένων δεδομένων ελληνικών επιχειρήσεων εν μέσω υγειονομικής κρίσης COVID-19.","abstract":"Σκοπός της παρούσας εργασίας είναι ο εντοπισμός των ψευδών οικονομικών καταστάσεων με χρήση δημοσιευμένων δεδομένων ελληνικών επιχειρήσεων εισηγμένων στο Χρηματιστήριο Αθηνών, κατά το οικονομικό έτος 2020, χρονιά εμφάνισης της υγειονομικής και οικονομικής κρίσης στην Ελλάδα. Τα στοιχεία εταιρειών που χρησιμοποιήθηκαν αντλήθηκαν από δημοσιευμένες οικονομικές καταστάσεις, εκθέσεις ορκωτών ελεγκτών, στοιχεία εκθέσεων του Χρηματιστηρίου Αθηνών, και εκθέσεις της Επιτροπής Κεφαλαιαγοράς. Συνολικά είκοσι δύο εταιρείες βρέθηκαν με υποψία διάπραξης απάτης στις δημοσιευμένες οικονομικές τους καταστάσεις (FFS) κατά το φορολογικό έτος 2020, ενώ άλλες τριάντα εννέα εταιρείες χρησιμοποιήθηκαν ως δείγμα ελέγχου χωρίς υποψία (μη FFS) για τις διάφορες συγκρίσεις. Από τον υπολογισμό συγκεκριμένων αριθμοδεικτών, και μια σειρά από στατιστικούς ελέγχους υποθέσεων, δημιουργήθηκαν μοντέλα που χρησιμοποιούν τους δείκτες ως “προγνωστικούς παράγοντες” στην ανάλυση των οικονομικών καταστάσεων για τον έλεγχο αξιοπιστίας. Τα μοντέλα είναι ακριβής στην ορθή ταξινόμηση του συνολικού δείγματος με ποσοστά ακρίβειας που υπερβαίνουν το 90 τοις εκατό. Τα αποτελέσματα δείχνουν ότι η ανάλυση της μεθοδολογίας που θα ακολουθήσει, λειτουργεί αποτελεσματικά στην ανίχνευση παραποιημένων οικονομικών καταστάσεων, κατά την διάρκεια οικονομικών κρίσεων και θα μπορούσε να χρησιμοποιηθεί ως εργαλείο από το τραπεζικό σύστημα, από εσωτερικούς και εξωτερικούς ελεγκτές, δυνητικούς επενδυτές και φορολογικές ή άλλες κρατικές αρχές.","abstract_html":"Σκοπός της παρούσας εργασίας είναι ο εντοπισμός των ψευδών οικονομικών καταστάσεων με χρήση δημοσιευμένων δεδομένων ελληνικών επιχειρήσεων εισηγμένων στο Χρηματιστήριο Αθηνών, κατά το οικονομικό έτος 2020, χρονιά εμφάνισης της υγειονομικής και οικονομικής κρίσης στην Ελλάδα. Τα στοιχεία εταιρειών που χρησιμοποιήθηκαν αντλήθηκαν από δημοσιευμένες οικονομικές καταστάσεις, εκθέσεις ορκωτών ελεγκτών, στοιχεία εκθέσεων του Χρηματιστηρίου Αθηνών, και εκθέσεις της Επιτροπής Κεφαλαιαγοράς. Συνολικά είκοσι δύο εταιρείες βρέθηκαν με υποψία διάπραξης απάτης στις δημοσιευμένες οικονομικές τους καταστάσεις (FFS) κατά το φορολογικό έτος 2020, ενώ άλλες τριάντα εννέα εταιρείες χρησιμοποιήθηκαν ως δείγμα ελέγχου χωρίς υποψία (μη FFS) για τις διάφορες συγκρίσεις. Από τον υπολογισμό συγκεκριμένων αριθμοδεικτών, και μια σειρά από στατιστικούς ελέγχους υποθέσεων, δημιουργήθηκαν μοντέλα που χρησιμοποιούν τους δείκτες ως “προγνωστικούς παράγοντες” στην ανάλυση των οικονομικών καταστάσεων για τον έλεγχο αξιοπιστίας. Τα μοντέλα είναι ακριβής στην ορθή ταξινόμηση του συνολικού δείγματος με ποσοστά ακρίβειας που υπερβαίνουν το 90 τοις εκατό. Τα αποτελέσματα δείχνουν ότι η ανάλυση της μεθοδολογίας που θα ακολουθήσει, λειτουργεί αποτελεσματικά στην ανίχνευση παραποιημένων οικονομικών καταστάσεων, κατά την διάρκεια οικονομικών κρίσεων και θα μπορούσε να χρησιμοποιηθεί ως εργαλείο από το τραπεζικό σύστημα, από εσωτερικούς και εξωτερικούς ελεγκτές, δυνητικούς επενδυτές και φορολογικές ή άλλες κρατικές αρχές.","abstract_has_math":false,"creators":["Ανδρεόπουλος Θεόδωρος","Andreopoulos Theodoros"],"institution":null,"degree_name":null,"degree_level":null,"degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":[],"committee_chairs":[],"committee_members":[],"year":2023,"date_issued":"2023","date_published":"2023","updated_at":"2026-11-19T06:23:53Z","subjects":["Κοινωνικές, Πολιτικές και Οικονομικές επιστήμες","Social, Political and Economic sciences"],"languages":["Ελληνικά","Greek"],"rights":[],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:3360752"],"render_values":[{"text":"uoadl:3360752","href":null,"code":true}]}],"person_identifier_entries":[]},"links":{"outbound_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/3360752","outbound_label":"Repository record","outbound_source":"dc:identifier","record_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/3360752","record_label":"Repository record","record_kind":"record","record_source":"dc:identifier","download_url":null,"download_label":null,"download_source":null,"access_status":null,"embargo_until":null,"access_note":null},"source_record":{"url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh?verb=GetRecord&metadataPrefix=oai_dc&identifier=oai%3Alib.uoa.gr%3Auoadl%3A3360752","prefix":"oai_dc"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:creator","label":"Author","values":["Ανδρεόπουλος Θεόδωρος","Andreopoulos Theodoros"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date","label":"Dc Date","values":["2023"]},{"key":"dc:type","label":"Dc Type","values":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]}]},{"id":"subjects_keywords","label":"Subjects and Keywords","entries":[{"key":"dc:subject","label":"Dc Subject","values":["Κοινωνικές, Πολιτικές και Οικονομικές επιστήμες","Social, Political and Economic sciences"]}]},{"id":"language_rights","label":"Language and Rights","entries":[{"key":"dc:language","label":"Dc Language","values":["Ελληνικά","Greek"]}]},{"id":"identifiers","label":"Identifiers","entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:3360752","https://pergamos.lib.uoa.gr/uoa/dl/object/3360752"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description","label":"Description","values":["Σκοπός της παρούσας εργασίας είναι ο εντοπισμός των ψευδών οικονομικών καταστάσεων με χρήση δημοσιευμένων δεδομένων ελληνικών επιχειρήσεων εισηγμένων στο Χρηματιστήριο Αθηνών, κατά το οικονομικό έτος 2020, χρονιά εμφάνισης της υγειονομικής και οικονομικής κρίσης στην Ελλάδα. Τα στοιχεία εταιρειών που χρησιμοποιήθηκαν αντλήθηκαν από δημοσιευμένες οικονομικές καταστάσεις, εκθέσεις ορκωτών ελεγκτών, στοιχεία εκθέσεων του Χρηματιστηρίου Αθηνών, και εκθέσεις της Επιτροπής Κεφαλαιαγοράς. Συνολικά είκοσι δύο εταιρείες βρέθηκαν με υποψία διάπραξης απάτης στις δημοσιευμένες οικονομικές τους καταστάσεις (FFS) κατά το φορολογικό έτος 2020, ενώ άλλες τριάντα εννέα εταιρείες χρησιμοποιήθηκαν ως δείγμα ελέγχου χωρίς υποψία (μη FFS) για τις διάφορες συγκρίσεις. Από τον υπολογισμό συγκεκριμένων αριθμοδεικτών, και μια σειρά από στατιστικούς ελέγχους υποθέσεων, δημιουργήθηκαν μοντέλα που χρησιμοποιούν τους δείκτες ως “προγνωστικούς παράγοντες” στην ανάλυση των οικονομικών καταστάσεων για τον έλεγχο αξιοπιστίας. Τα μοντέλα είναι ακριβής στην ορθή ταξινόμηση του συνολικού δείγματος με ποσοστά ακρίβειας που υπερβαίνουν το 90 τοις εκατό. Τα αποτελέσματα δείχνουν ότι η ανάλυση της μεθοδολογίας που θα ακολουθήσει, λειτουργεί αποτελεσματικά στην ανίχνευση παραποιημένων οικονομικών καταστάσεων, κατά την διάρκεια οικονομικών κρίσεων και θα μπορούσε να χρησιμοποιηθεί ως εργαλείο από το τραπεζικό σύστημα, από εσωτερικούς και εξωτερικούς ελεγκτές, δυνητικούς επενδυτές και φορολογικές ή άλλες κρατικές αρχές.","The purpose of this paper is to identify false financial statements using published data of Greek companies listed on the Athens Stock Exchange, during the fiscal year 2020, the year of the appearance of the health and financial crisis in Greece. The data of the companies used were drawn from published financial statements, reports of sworn auditors, data from reports of the Athens Stock Exchange, and reports of the Capital Market Commission. A total of twenty-two companies were found to have committed fraud in their published financial statements (FFS) in the 2020 tax year, while another thirty-nine companies were used as a non-suspected (non-FFS) control sample for the various comparisons. From the calculation of specific indicators, and a series of statistical hypothesis tests, models were created that use the indicators as \"predictors\" in the analysis of financial statements for reliability testing. The models are accurate in correctly classifying the entire sample with accuracy rates exceeding 90 percent. The results show that the analysis of the methodology to follow works effectively in the detection of falsified financial statements during financial crises and could be used as a tool by the banking system, by internal and external auditors, potential investors, and tax, or other government authorities."]},{"key":"dc:title","label":"Title","values":["Εντοπισμός ψευδών οικονομικών καταστάσεων με χρήση δημοσιευμένων δεδομένων ελληνικών επιχειρήσεων εν μέσω υγειονομικής κρίσης COVID-19."]}]}],"canonical_facts":{"dc:creator":["Ανδρεόπουλος Θεόδωρος","Andreopoulos Theodoros"],"dc:date":["2023"],"dc:description":["Σκοπός της παρούσας εργασίας είναι ο εντοπισμός των ψευδών οικονομικών καταστάσεων με χρήση δημοσιευμένων δεδομένων ελληνικών επιχειρήσεων εισηγμένων στο Χρηματιστήριο Αθηνών, κατά το οικονομικό έτος 2020, χρονιά εμφάνισης της υγειονομικής και οικονομικής κρίσης στην Ελλάδα. Τα στοιχεία εταιρειών που χρησιμοποιήθηκαν αντλήθηκαν από δημοσιευμένες οικονομικές καταστάσεις, εκθέσεις ορκωτών ελεγκτών, στοιχεία εκθέσεων του Χρηματιστηρίου Αθηνών, και εκθέσεις της Επιτροπής Κεφαλαιαγοράς. Συνολικά είκοσι δύο εταιρείες βρέθηκαν με υποψία διάπραξης απάτης στις δημοσιευμένες οικονομικές τους καταστάσεις (FFS) κατά το φορολογικό έτος 2020, ενώ άλλες τριάντα εννέα εταιρείες χρησιμοποιήθηκαν ως δείγμα ελέγχου χωρίς υποψία (μη FFS) για τις διάφορες συγκρίσεις. Από τον υπολογισμό συγκεκριμένων αριθμοδεικτών, και μια σειρά από στατιστικούς ελέγχους υποθέσεων, δημιουργήθηκαν μοντέλα που χρησιμοποιούν τους δείκτες ως “προγνωστικούς παράγοντες” στην ανάλυση των οικονομικών καταστάσεων για τον έλεγχο αξιοπιστίας. Τα μοντέλα είναι ακριβής στην ορθή ταξινόμηση του συνολικού δείγματος με ποσοστά ακρίβειας που υπερβαίνουν το 90 τοις εκατό. Τα αποτελέσματα δείχνουν ότι η ανάλυση της μεθοδολογίας που θα ακολουθήσει, λειτουργεί αποτελεσματικά στην ανίχνευση παραποιημένων οικονομικών καταστάσεων, κατά την διάρκεια οικονομικών κρίσεων και θα μπορούσε να χρησιμοποιηθεί ως εργαλείο από το τραπεζικό σύστημα, από εσωτερικούς και εξωτερικούς ελεγκτές, δυνητικούς επενδυτές και φορολογικές ή άλλες κρατικές αρχές.","The purpose of this paper is to identify false financial statements using published data of Greek companies listed on the Athens Stock Exchange, during the fiscal year 2020, the year of the appearance of the health and financial crisis in Greece. The data of the companies used were drawn from published financial statements, reports of sworn auditors, data from reports of the Athens Stock Exchange, and reports of the Capital Market Commission. A total of twenty-two companies were found to have committed fraud in their published financial statements (FFS) in the 2020 tax year, while another thirty-nine companies were used as a non-suspected (non-FFS) control sample for the various comparisons. From the calculation of specific indicators, and a series of statistical hypothesis tests, models were created that use the indicators as \"predictors\" in the analysis of financial statements for reliability testing. The models are accurate in correctly classifying the entire sample with accuracy rates exceeding 90 percent. The results show that the analysis of the methodology to follow works effectively in the detection of falsified financial statements during financial crises and could be used as a tool by the banking system, by internal and external auditors, potential investors, and tax, or other government authorities."],"dc:identifier":["uoadl:3360752","https://pergamos.lib.uoa.gr/uoa/dl/object/3360752"],"dc:language":["Ελληνικά","Greek"],"dc:subject":["Κοινωνικές, Πολιτικές και Οικονομικές επιστήμες","Social, Political and Economic sciences"],"dc:title":["Εντοπισμός ψευδών οικονομικών καταστάσεων με χρήση δημοσιευμένων δεδομένων ελληνικών επιχειρήσεων εν μέσω υγειονομικής κρίσης COVID-19."],"dc:type":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]},"updated_at":"2026-11-19T06:23:53Z"}