Finansal tablolar, işletmelerin dış dünyaya açılan kapılarıdır. Ancak bu tablolar, zaman zaman hileli işlemleri gizlemek için kullanılabilir. Bu nedenle, finansal tablo hilelerini tespit etmek, işletmelerin sürdürülebilirliği ve yatırımcı güveni açısından kritik öneme sahiptir. Bu konuda yapılan bir araştırma, veri madenciliği tekniklerinin finansal tablo hilelerini tespit etmedeki etkinliğini ortaya koymaktadır.
Veri Madenciliği ile Finansal Tablolarda Hile Tespiti
Murat Cihan Sorkun ve Taner Toraman tarafından gerçekleştirilen bu çalışma, elektronik defterlerden (e-defter) elde edilen finansal tablolar üzerinde veri madenciliği yöntemlerini kullanarak hile tespiti yapmayı amaçlamıştır. Araştırmada, 72 adet e-defter örneği kullanılarak, kural tabanlı bir kontrol uygulamasıyla hata oranları hesaplanmış ve bu verilere göre finansal tablolar etiketlenmiştir. Bu etiketlenmiş veriler, dokuz farklı veri madenciliği algoritmasıyla eğitilerek analiz edilmiştir.
Kullanılan Veri Madenciliği Yöntemleri
Çalışmada kullanılan başlıca veri madenciliği algoritmaları şunlardır:
Doğrusal Regresyon
Yapay Sinir Ağları (ANN)
K-En Yakın Komşu (KNN)
Destek Vektör Makineleri (SVM)
Decision Stump
M5P Ağacı
J48 Karar Ağacı
Rastgele Orman (Random Forest)
Karar Tablosu
Bu algoritmalar, hem regresyon hem de sınıflandırma testleriyle değerlendirilmiştir. Regresyon testlerinde, Decision Stump algoritması en düşük hata oranıyla (NRMSE: 0.25) en başarılı sonuçları vermiştir. Sınıflandırma testlerinde ise, Decision Stump, J48 ve Rastgele Orman algoritmaları yüksek doğru pozitif oranları ve F-ölçütleri ile öne çıkmıştır
Öne Çıkan Bulgular
Decision Stump, hem regresyon hem de sınıflandırma testlerinde en başarılı algoritma olarak öne çıkmıştır.
J48 ve Rastgele Orman, sınıflandırma testlerinde yüksek başarı oranlarıyla dikkat çekmiştir.
Özellik seçimi, hile tespitinde önemli bir faktör olarak belirlenmiştir. Çalışmada kullanılan dokuz özellik, literatürde önerilen oranlar ve uzman görüşleriyle seçilmiştir.
Sonuç ve Gelecek Perspektifi
Bu çalışma, veri madenciliği tekniklerinin finansal tablo hilelerini tespit etmede etkili bir araç olduğunu göstermektedir. Özellikle Decision Stump ve J48 gibi karar ağaçları, yüksek başarı oranlarıyla öne çıkmaktadır. Gelecekte, özellik setinin genişletilmesi ve derin öğrenme yöntemlerinin kullanılmasıyla, hile tespitinde daha da yüksek başarılar elde edilebilir.
Kaynak
Bu yazı, Murat Cihan Sorkun ve Taner Toraman tarafından yazılan “Fraud Detection on Financial Statements Using Data Mining Techniques” başlıklı makaleye dayanmaktadır. Makalenin tam metnine buradan ulaşabilirsiniz.