Journals / Muhasebe ve Denetime Bakış / 2020 / Cilt: 20 - Sayı: 60

MUHASEBE MANİPÜLASYONLARINDA YAPAY SİNİR AĞLARININ ÖNEMİ VE BİR UYGULAMA

Pages
155–176
DOI
—
🏛️Bibliographic metadata and full text access for this article are provided via DergiPark.
DergiPark Record ↗
✨

AI Summary & Key Takeaways

AI Insight
⚡ TL;DR(Too Long; Didn't Read)

Uygulanan test sonucunda, yapay sinir ağlarının test setinde bulunan şirketler için Beneish modeli ile manipülatör ya da değil olarak yapılan sınıflandırmanın %100 doğru olduğu tespit edilmiştir.

📌 3 Key Takeaways

🎯
Objective & Hypothesis:2000’li yılların başında yaşanan Enron, Xerox, WorldCom, Parmalat gibi muhasebe skandalları finansal piyasalara ve bağımsız denetime olan güveni sarsmasıyla birlikte, muhasebe manipülasyonu kavramının önemini daha da artırmıştır.
📊
Key Findings & Data:Bu bağlamda, BIST’te işlem gören imalat sektörü şirketlerinden 155’inin 2013-2017 yılları arasında raporlanan finansal tabloları Beneish modelinde bulunan 8 adet bağımsız değişken ile hesaplanmış, bu değişkenler yoluyla Mi ve Zi değerleri hesaplanarak manipülatör olan veya olmayan şirketler tahmin edilmiştir.
💡
Conclusion & Impact:Uygulanan test sonucunda, yapay sinir ağlarının test setinde bulunan şirketler için Beneish modeli ile manipülatör ya da değil olarak yapılan sınıflandırmanın %100 doğru olduğu tespit edilmiştir.
🔬Design:Review & Systematic Survey
📍Scope:2000 · 8 adet
⚙️Variables:Muhasebe Manipülasyonu · beneish modeli · Yapay Sinir Ağı

Özet

2000’li yılların başında yaşanan Enron, Xerox, WorldCom, Parmalat gibi muhasebe skandalları finansal piyasalara ve bağımsız denetime olan güveni sarsmasıyla birlikte, muhasebe manipülasyonu kavramının önemini daha da artırmıştır. Bu sebeple, finansal tablo bilgi kullanıcıları için gerek bağımsız denetimler gerekse birtakım tahmin yöntemleri ile muhasebe manipülasyonun yapılıp yapılmadığının tespit edilmesi çok büyük önem taşır hale gelmiştir. Literatürde bu konuyla ilgili çok sayıda çalışma yapılmış ve bu çalışmalarda çoğunlukla muhasebe manipülasyonu tahmin yöntemleri ve modelleri irdelenmiştir. Bu çalışmanın amacı, tahmin modellerinden Beneish modeli ile finansal tablo verilerini kullanarak BIST’te işlem gören imalat sektörü şirketlerinin manipülasyon yapıp yapmadıklarını tahmin etmek, bu tahminlerin doğruluğunu yapay sinir ağları ile test ederek literatüre katkıda bulunmaktır. Ayrıca, finansal bilgi kullanıcılarının bu yöntemi kullanmaları ile zamandan tasarruf etmelerini sağlamaktır. Bu bağlamda, BIST’te işlem gören imalat sektörü şirketlerinden 155’inin 2013-2017 yılları arasında raporlanan finansal tabloları Beneish modelinde bulunan 8 adet bağımsız değişken ile hesaplanmış, bu değişkenler yoluyla Mi ve Zi değerleri hesaplanarak manipülatör olan veya olmayan şirketler tahmin edilmiştir. Yapılan bu tahminler yapay sinir ağları ile test edilerek sınıflandırmanın doğruluğu tespit edilmeye çalışılmıştır. Uygulanan test sonucunda, yapay sinir ağlarının test setinde bulunan şirketler için Beneish modeli ile manipülatör ya da değil olarak yapılan sınıflandırmanın %100 doğru olduğu tespit edilmiştir.

🔖

Cite This Article

KARA, S., ÖZCAN, P. (2020). MUHASEBE MANİPÜLASYONLARINDA YAPAY SİNİR AĞLARININ ÖNEMİ VE BİR UYGULAMA. Muhasebe ve Denetime Bakış, Cilt: 20 - Sayı: 60, 155–176. https://ajindex.com/articles/294145

📄 Full Text PDF Viewer

📄

PDF görüntüleyici hazırlanıyor...

References (22)

  1. Akdoğan, H., Hiçyorulmaz, E. ve Çelik K. (2018). Muhasebe ve Etik: Finansal Tablolarda Bilgi Manipülasyonu. İstanbul:
  2. Siyasal Kitabevi.
  3. Altuk-Özden, E., Ataman B. (2014). Kar Yönetimi ve Yöntemleri. Marmara Üniversitesi Öneri Dergisi, 11(42), s: 13-25.
  4. Balıkçı, H. (2016).
  5. Yaratıcı Muhasebe Nedenleri, Yöntemleri ve Sonuçları. Yayınlanmamış Yüksek Lisans Tezi, İstanbul Ticaret Üniversitesi Sosyal Bilimler Enstitüsü. İstanbul.
  6. Bayırlı, R. (2006).
  7. Yaratıcı Muhasebe, Etik, Firma Değeri ve Örnek Bir Uygulama. Yayınlanmamış Doktora Tezi, Gazi Üniversitesi Sosyal Bilimler Enstitüsü. Ankara.
  8. Bayraktar, A. (2007). Türkiye’de Muhasebe Hileleri Tarihi. Yayınlanmamış Yüksek Lisans Tezi, Trakya Üniversitesi Sosyal Bilimler Enstitüsü. Edirne. Beneish, M. D., (1999). The Detection of Earnings Manipulation. Financial AnalystsJournal, 55(5), s: 24-36.
  9. Bhasin, M.L. (2016). Satyam’s Manipulative Accounting Methodology Unveiled: An Experience of an Asian Economy. International Journal of Business and Social Research, 6(12), s:35-54.
  10. Blokhin, A. “What Is Impact of Sarbanes-OxleyAct?”, Investopedia, https://www.investopedia.com, (4 Ocak 2018).
  11. Demir, V., Bahadır, O. (2007). Muhasebe Manipülasyonu Yöntemler ve Teknikler. Mali Çözüm Dergisi. Yıl: 17, Sayı: 84, s: 103-119.
  12. Elgin, İ. (2006). Bağımsız Denetim Gözetim Kurulları. İktisat, İşletme ve Finans, 21(245), s: 25-34.
  13. Elitaş, C. (2012). Muhasebe Hilelerinin Önlenmesinde Sarbanes-Oxley Yasası ve Alman On Adım Programının Karşılaştırılması: Türkiye İçin Yol Haritası. Ankara:
  14. Gazi Kitabevi.
  15. Erol, M., Aslan, M. (2016). Muhasebe Manipülasyonu Yöntemlerinden Agresif Muhasebe ve Bir Uygulama, Muhasebe ve Denetime Bakış, 16(49), s:19-28.
  16. Fettahoğlu, S., Kargacı, M. (2016). Bilgi Manipülasyonu Yapılan Finansal Tabloların Karakteristiklerinin Belirlenmesi: Borsa İstanbul’da Bir Uygulama. Eurasian Academy of Sciences Eurasian Business &Economics Journal, Sayı: 29, s: 237-246.
  17. Fındık, H., Öztürk, E. (2016). Finansal Bilgi Manipülasyonunun Beneish Yardımıyla Ölçülmesi: BIST İmalat Sanayi Üzerine Bir Araştırma. İşletme Araştırmaları Dergisi, 8(1), s: 483-499.
  18. Göçen, A.C. (2010).
  19. Kurumsal Yönetim, İç Kontrol ve Bağımsız Denetim: Parmalat Vakası. Mali Çözüm Dergisi, Sayı:97, s: 107-129.
  20. Güçlü, H. (2004). Kıyı (Off-Shore) Bankacılığı ve İmar Bank Off-Shore Ltd. www.hakanguclu.com. 1-26.
  21. Hamzaçebi, C. (2011). Yapay Sinir Ağları Tahmin Amaçlı Kullanımı Matlab ve Neurosolutions Uygulamalı. Bursa: Ekin Kitabevi.
  22. Healy, P.M., (1985). TheEffect of Bo