Identifying the Companies With the Risk of Financial Statement Fraud by Data Mining

Abstract

Finansal tablo hilesi, şirketlerin finansal tablolarındaki verileri kendi çıkarları doğrultusunda değiştirerek yayınlamalarıdır. Kurumlara, paydaşlara ve ekonomik yapıya ciddi zararlar veren finansal tablo hilelerinin tespit edilmesi önemli bir problemdir. Bunun için çeşitli denetim mekanizmaları bulunmaktadır. Ancak zaman içerisinde geliştirilebilecek hile yöntemlerine karşı yenilikçi denetim yöntemlerine ihtiyaç duyulmaktadır.Veri madenciliği, finansal tablo hilelerinin tespitinde umut vadeden bir alandır. Veri madenciliğinin sınıflandırma analizinde sınıflandırma metotlarıyla mevcut verilerden örüntüler elde edilir ve bunlar görülmemiş birimlerin sınıflandırılmasında kullanılır. Bu çalışmada veri madenciliğinin sınıflandırma metotları ile finansal tablo hilesi riski taşıyan şirketlerin tespiti üzerine bir araştırma yapılmıştır.Veriler Borsa İstanbul'da 2014-2018 arasında işlem gören şirketlerin yayınladıkları finansal tablolardan elde edilmiştir. İlk olarak yedi sınıflandırılma metodu kullanılmış, en başarılı üçü seçilmiştir. Sonraki aşamada başarım değerlerinin geliştirilmesi amacıyla hiper parametre optimizasyonu yapılmıştır.Sınıflandırma metotlarından K-Nearest Neighbor ile yüzde 91,73, Random Forest ile yüzde 90,51 ve XGBoost ile yüzde 90,37 doğruluk oranlarına ulaşılmış, en iyi tahmin oranı K-Nearest Neighbor ile elde edilmiştir. Son kısımda rasgele alt örnekleme yöntemiyle yapılan karşılaştırmalarda da en iyi performans değerleri K-Nearest Neighbor ile elde edilmiştir.

Detection of fraudulent transactions using artificial neural networks and decision tree methods

“…Aksoy (2021), in the research conducted on companies traded in Borsa Istanbul, used a model created to predict financial statement fraud in companies one year in advance using data mining. Kırda and Katkat Özçelik (2021) conducted research to identify companies that are at risk of financial statement fraud with K-Nearest Neighbor (KNN), Random Forest (RF), and XGBoost (XGB), which are classification methods of data mining. Tatar and Kıymık (2021) examined the financial statements of companies traded in the textile, clothing and leather sectors in Borsa Istanbul.…”