Araştırma sonucunda kaldıraç oranı ve aktif karlılık oranının finansal tablo hilesini tespit etmede önemli finansal oranlar olduğu belirlenmiştir
📌 3 Key Takeaways
🎯
Objective & Hypothesis:Hileli finansal tabloların tespiti denetçiler için oldukça önemlidir.
📊
Key Findings & Data:Çalışma İMKB’de işlem gören ve imalat sektöründe faaliyet gösteren 100 firmanın bilgilerine dayalı olarak gerçekleştirilmiştir.
💡
Conclusion & Impact:Araştırma sonucunda kaldıraç oranı ve aktif karlılık oranının finansal tablo hilesini tespit etmede önemli finansal oranlar olduğu belirlenmiştir
Hileli finansal tabloların tespiti denetçiler için oldukça önemlidir. Bu tür hileli finansal tabloların tespit edilmesi oldukça zor olduğundan, denetçiler nicel ve nitel birçok teknik kullanmaktadırlar. Bu çalışmada denetçiler tarafından yaygın olarak bilinmeyen bazı veri madenciliği teknikleri, finansal tablolardaki hileleri tespit etmeye yardımcı olmak üzere kullanılmıştır. Çalışma İMKB’de işlem gören ve imalat sektöründe faaliyet gösteren 100 firmanın bilgilerine dayalı olarak gerçekleştirilmiştir. Araştırma sonucunda kaldıraç oranı ve aktif karlılık oranının finansal tablo hilesini tespit etmede önemli finansal oranlar olduğu belirlenmiştir
ATA, Y. H. A., SEYREK, Y. İ. H. (2009). The Use of Data Mining Techniques In Detecting Fraudulent Financial Statements: An Application On Manufacturing Firms. Süleyman Demirel Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, Cilt: 14 - Sayı: 2, 157–170. https://ajindex.com/articles/803833
Abdul Majid, G.F.A. and Tsui, J.S.L., “An Analysis of Hong Kong Auditors’ Perceptions of The Importance of Selected Red Flag Factors in Risk Assessment”, Journal of Business Ethics, Vol. 32, 2001, pp. 263- 274
Ansah, S.O., Moyes, G.D., Oyelere, P.B. and Hay, D., “An Empirical Analysis of The Likelihood of Detecting Fraud in New Zealand”, Managerial Auditing Journal, Vol. 17, No. 4, 2002, pp. 192-204
Apostolou, B., Hassell J. and Webber, S., “Management fraud risk factors: ratings by forensic experts”, The CPA Journal, October, 2001, pp. 48-52
Apostolou, B., Hassell J., Webber, S. and Sumners, G.E., “The Relative Importance of Management Fraud Risk Factors”, Behavioral Research in Accounting, Vol. 13, 2001, pp. 1-24
Beasley, M.S., Carcello, J.V. and Hermanson, D.R., Fraudulent Financial Reporting: 1987–1997. An Analysis of U.S. Public Companies, COSO, New York, 1999
Bell,T. and Carcello, J., “A Decision Aid for Assessing The Likelihood of Fraudulent Financial Reporting”, Auditing: A Journal of Practice & Theory, Vol.9, No.1, 2000, pp. 169–178
Blocher, E., The Role of Analytical Procedures in Detecting Management Fraud, Institute of Management Accountants, Montvale, NJ., 2002
Braiotta, L., Audit Committee Handbook, NJ, USA, John Wiley&Sons, 2004
Calderon, T.G. and Green, B.P., “Signaling Fraud by Using Analytical Procedures”, Ohio CPA Journal, Vol. 53, No. 2, 1994, pp. 27-38
Chen, W.S. and Du, Y.K. “Using Neural Networks and Data Mining Techniques for The Financial Distress Prediction Model”, Expert Systems with Applications, Vol. 36, 2009, pp. 4075–4086 11. Eining, M.M., Jones, D.R. and Loebbecke, J.K., “Reliance on Decision Aids: An Examination of Auditors’ Assessment of Management Fraud”, Auditing: A Journal of Practice & Theory, Vol.16, No.2,1997, pp. 1-19
Elliott, R.K. and Willingham, J.J., Management Fraud: Detection and Deterrence, Petro celli Books, New York, 1980
Hand, D., Mannila, H., and Smyth, P., Principles of Data Mining. MIT Press, Cambridge, MA, 2001
Fanning, K.and Cogger, K., “Neural Network Detection of Management Fraud Using Published Financial Data”, International Journal of Intelligent Systems in Accounting, Finance & Management, Vol.7, No.1, 1998, pp. 21–24
Green, B.P. and Choi, J.H., “Assessing The Risk of Management Fraud Through Neural-Network Technology”, Auditing:A Journal of Practice and Theory, Vol.16, No.1, 1997, pp.14–28