Finansal bilgi manipülasyonu tahmini: İstatistiksel yöntemler ile makine öğrenmesi algoritmalarının karşılaştırılması

Bu çalışmada finansal bilgi manipülasyonu tahmininde geleneksel istatistiksel yöntemlerden probit ve logit analizi ile makine öğrenmesi algoritmalarından destek vektör makinesi, karar ağacı, rastgele orman, k-en yakın komşu ve yapay sinir ağı yöntemlerinin performansları karşılaştırılmıştır. Tüm yöntemlerin sınıflandırma doğruluğunun %60 üzerinde olduğu tespit edilmiş ve sınıflandırma doğruluğu oranı en yüksek yöntemin rastgele orman, en düşüğün ise destek vektör makinesi olduğu belirlenmiştir. Makine öğrenmesi algoritmalarının geleneksel yöntemlere kıyasla daha başarılı olduğu tespit edilmiştir. Bu algoritmaların en büyük dezavantajı ise olasılık değeri elde edilemiyor olmasıdır. Olasılık değeri elde edebilmek için probit ve logit analizlerine ihtiyaç duyulmaktadır. Yapılan analizlerde, literatürde finansal bilgi manipülasyonu tahmininde sıklıkla kullanılan Beneish model ve bu modeldeki oran ve endekslere ek olarak Türkiye'de finansal bilgi manipülasyonu tahmininde etkili olabileceği düşünülen yeniden değerleme, faaliyet giderleri, esas faaliyetlerden diğer gelirler ve esas faaliyetlerden diğer giderler endeksleri kullanılmış ve finansal bilgi manipülasyonu tahmininde etkili olan endeksler tespit edilmiştir. Brüt kar marjı, satış büyüme, kaldıraç, pazarlama, satış, dağıtım ve genel yönetim giderleri, faaliyet giderleri, esas faaliyetlerden diğer gelirler endeksleri ve tahakkukların varlıklara oranı finansal bilgi manipülasyonu tahmininde istatistiksel olarak anlamlı bulunmuştur.