Lei de Benford : uma Integração no Trabalho de Auditoria

Dissertação (mestrado)—Universidade de Brasília, Faculdade de Economia, Administração e Contabilidade, Departamento de Economia, Programa de Pós-Graduação em Ciências Econômicas, 2021.Com a evolução da ciência e tecnologia novas formas para a detecção de fraudes contábeis foram concebidas. A Lei de Newcomb-Benford (LNB) ou simplesmente Lei de Benford, mostra-se uma ferramenta simples e eficaz e pode ser adotada para identificação de fraudes contábeis, através da comparação da frequência dos primeiros dígitos em relação a um padrão estabelecido empiricamente por Benford. Com a utilização de metodologias de Inteligência Artificial (IA) e mecanismos de aprendizado de máquinas, pode-se desenvolver ferramentas adaptativas para diferentes tipos de fraudes. Esse estudo busca validar a aplicação da lei de Benford por meio de redes neurais artificiais e fornecer subsídios para o trabalho de auditores fiscais, de modo que possa contribuir não apenas para a redução de fraudes e uma maior agilidade na sua detecção, mas também, para aumentar a confiabilidade e transparência dos dados disponibilizados ao mercado e a sociedade, propiciando também maior fidedignidade às análises econômicas. Esse trabalho desenvolveu um modelo que faz análise estatística dos dados fornecidos pelo Tribunal Superior Eleitoral e empregou o modelo para analisar os dados das últimas eleições no Brasil. Os achados da pesquisa sugerem, de modo geral, que as distribuições encontradas em 2016 e 2020 seguem a Lei de Benford, enquanto em 2014 e 2018 as análises sugerem inconformidades.With the evolution of science and technology, new ways to detect accounting fraud were conceived. The Newcomb-Benford Law (LNB),or simply Benford's Law, proves to be a simple and effective tool and can be adapted to identify accounting fraud by comparing the frequency of the first digits against a standard established empirically by Benford. Using artificial intelligence methodologies and machine learning mechanisms adaptive tools canbe developed, for different types of fraud. This study seeks to validate the application of Benford'sLaw through artificial neural networks and to provide subsidies for the work of tax auditors, so thatit can contribute not only to reducing fraud and greater agility in its detection but also, to increasethe reliability and transparency of the data made available to the market and society, also providing greater reliability to economic analyzes. This work developed a modelthat makes statistical analysis of the data provided by the Superior Electoral Court and used the model to analyze the data from the last elections in Brazil. The research findings generally suggest that the distributions found in 2016 and 2020 follow Benford's Law, while in 2014 and 2018, the analyzes suggest non- conformities