Gaziantep University Journal of Social Sciences ( (1):65-88 ISSN:

Transkript

1 Gazantep Unversty Journal of Socal Scences ( (1):65-88 ISSN: Fnansal Tablolardak Hle Rsknn Tahmn Edlmesnde Karma Modellern Nsp Başarısı Üzerne Karşılaştırmalı Br Analz A Comparatve Analyss on the Relatve Success of Mxed-Models for Fnancal Statement Fraud Rsk Estmaton Mustafa UĞURLU Gazantep Ünverstes Şerafettn SEVİM Dumlupınar Ünverstes Özet Geçmşte fnansal tablo hlelernn neden olduğu kayıplar, fnansal tablo hlelernn önceden tesptn sağlayacak erken uyarı sstemlernn gerekllğn ortaya çıkarmıştır. Bu kapsamda brçok model gelştrlmştr. Bu modellern fnansal tablo hlelern doğru tahmn etmedek başarı düzeyler, yapılan amprk çalışmalarla ortaya konmuştur. Hang modeln daha başarılı olduğu lteratürde tartışma konusu edlmştr. Bu çalışmanın temel amacı, fnansal tablolardak hle rsknn tahmn edlmesnde kullanılan modellern nsp başarılarını, lteratürdek bulgulara dayalı olarak ortaya koymaktır. Çalışma sonucunda fnansal tablo hlelernn tahmn edlmesnde belrleyc değşkenlern farklılıklar çerdğ ve lteratürde bu konuda br fkr brlğnn olmadığı tespt edlmştr. Ayrıca hlel fnansal tabloların tahmnnde yapay snr ağları modellernn, dğer modellerden daha başarılı tahmnde bulunduğu sonucuna ulaşılmıştır. Anahtar Kelmeler: Fnansal Tablo Hleler, Hle Rsk, Hle Rsknn Tahmn, Yapay Snr Ağları Abstract Loses whch are caused by fnancal statement fraud (FSF) revealed the necessty of early warnng system n fraud detecton. In ths context, many models have been mproved. The level of success of these models on accurate estmaton of fnancal statement fraud s proved by some emprcal studes. Success level of the models has been dscussed n the lterature. Man purpose of ths study s to reveal relatve success of the models whch are used n order to estmate FSF by consderng the fndngs n the lterature. The fndngs of ths study show that varables of estmaton of FSF nclude varatons and also there s not any consensus on ths ssue n the lterature. Yrd. Doç. Dr., Gazantep Ünverstes, Sosyal Blmler MYO, Muhasebe ve Verg Bölümü, e-mal:ugurlu@gantep.edu.tr Prof. Dr., Dumlupınar Ünverstes, İktsad ve İdar Blmler Fakültes, İşletme Bölümü, e-mal: sevm@dpu.edu.tr

2 66 Fnansal Tablolardak Hle Rsknn Tahmn Edlmesnde Karma Modellern Nsp Başarısı Üzerne Karşılaştırmalı Br Analz Addtonally, t s concluded that artfcal neural network models are more successful than other models n estmaton of FSF. Keywords: Fnancal Statement Fraud, Fraud Rsk, Estmaton of Fraud Rsk, Artfcal Neural Network Grş Fnansal tablo hlelernn, pyasa katılımcılarına (kredtörler, yatırımcılar, çalışanlar, emekller vb. gb) olan toplam malyet geçmşte 500 mlyar doların üzernde gerçekleşmştr (Ugrn ve Odom, 2010: 440). Özellkle para ve sermaye pyasası katılımcıları, fnansal blgnn kaltes, doğruluğu ve şeffaflığı konusunda güvence oluşturan etkn kurumsal yönetşme büyük önem vermektedr. Ancak geçmşte yaşanan skandal ntelğndek olaylar (Enron, World-Com vb.) pyasa katılımcılarının, denetme tab tutularak yayınlanan fnansal tablolara olan güvenn sarsmış ve bağımsız denetmden geçmş fnansal tablolara şüphe le bakılmasına neden olmuştur. Ntekm yaşanan olayların ardından fnansal tablo hleler gündeme gelmş ve son zamanlarda ş dünyası, muhasebe uzmanları, akademsyenler ve pyasa düzenleycler, fnansal tablo hleler konusunda cdd uyarılarda bulunmuştur yılında Amerkan Sertfkalı Kamu Muhasebecler Derneğ (The Amercan Insttute of Certfed Publc Accountants-AICPA), Mal Tablo Denetm Standartları No: 82 (Statement of Audtng Standarts-SAS No: 82) raporunda, fnansal tablo hlesne, kast yanlış beyan veya fnansal tablolarda göz ardı etme olarak atıfta bulunmuştur. Fnansal tablo hleler, genellkle yönetm tarafından yapılmakta veya onların zn verdğ ve/veya görevlendrdğ çalışanları tarafından şlenmektedr. Bu nedenle Ellott ve Wllngham (1980) fnansal tablo hlesn yönetm hles olarak görmektedr. Ellott ve Wllngham (1980) fnansal tablo hlelern, yönetm tarafından şlenen ve yatırımcılara, kred verenlere yanlış yönlendrc fnansal tablolarla zarar verme olarak tanımlanmaktadır (Ellott ve Wllngham, 1980: 4). Fnansal tablo hles br organzasyonun hesaplarında tahrf nyetyle ortaya çıkmaktadır. Örneğn, gelr manpüle etmek, harcamaları aktfleştrmek, tazmn edlemeyen borçları saklamak veya br şletmenn belrl br zamanına at fnansal pozsyonu veya mal performansı üzerne yanlış zlenm vermek üzere muhasebe lkelernde seçc uygulamalarda bulunmak şeklnde kendsn göstermektedr (KPMG, 2004). Yönetm hles ve fnansal tablo hles görecel olarak sıklıkla brbrlernn yerne kullanılmaktadır. Genel olarak hle ve fnansal tablolarda hle tanımlarındak farklılıklara karşın ortak nokta, özellkle her ksnde de kastlk ve dğer partlere zarar verme eğlmnn olmasıdır. Yatırımcılar, kred verenler ve denetçler zararı çekenler arasında yer almakta ve bu kesm, mal kayıpların (pozsyon kaybı, cezalar, vb.) yanında saygınlık kaybına da uğrayablmektedr (Rezaee, 2002: 68). Rezaee (2005) se, fnansal tablo hlelern, manpüle edlmş fnansal tabloları düzenlemek ve kamuoyuna sunmak suretyle fnansal tablo kullanıcılarını (özellkle kredtörler ve yatırımcıları) aldatmak veya yanıltmak üzere

3 Uğurlu,M, Sevm,Ş./JSS 14(1) (2015) : şrketler tarafından gerçekleştrlen kast grşmler olarak tanımlamıştır (Rezaee, 2005: 279). Fnansal tablo hles kastlk ve dolandırıcılık karakterne haz bu alanda başarılı ve blgl br takım (üst düzey yönetcler, denetçler vb.) tarafından yapıldığında daha kapsamlı ve planlı olablmektedr. Bu bağlamda fnansal tablo hleler şu entrkaları çereblmektedr (Rezaee, 2005: 279): Fnansal kayıtların, destekleyc dokümanların yanıltma amacıyla değştrlmes veya manpüle edlmes, Fnansal tabloların hazırlanmasında kullanılan olayların, şlemlern, hesapların veya dğer öneml blglern kasıtlı olarak düzenlenerek yanlış beyan edlmes, göz ardı edlmes veya çarpıtılması, Ekonomk olayları ve şlemler tanımlamada, değerlendrmede ve raporlamada kast olarak muhasebe standartlarını, lkelern, poltkalarını ve yöntemlern yanlış uygulama, yanlış yorumlama ve yanlış yürütme, Muhasebe standartları, lkeler ve uygulamaları le lgl fnansal blglerde kasten yapılan göz ardı etme ve kabul etmeme veya yetersz kabuller, Yasalara aykırı olan kazanç yönetm(earnng management) ve agresf muhasebe gb teknkler kullanma, Mevcut muhasebe standartları ve kuralları altında muhasebe uygulamalarında manpülasyon yapma. Fnansal Tablo Hlelernn Tahmnnde Kullanılan Karma Modeller Geçmşte yaşanan fnansal tablo hlelerne bağlı olaylar ve bu olaylar sonucunda da ortaya çıkan kayıplar, fnansal tablo hlelernn önceden tesptn sağlayacak erken uyarı sstemlernn gerekllğn ortaya çıkarmıştır. Bu amaçla lteratürde hlel fnansal tabloların tesptne yönelk br çok amprk çalışma (Nga vd, 2011; Ravsankar vd., 2011; Humpherys vd., 2011; Zhou ve Kapoor, 2011; Perols ve Lougee, 2010; Ata ve Seyrek, 2009; Krkos, 2007; Küçükkocaoğlu vd., 2007; Küçüksözen, 2004; Spaths vd. 2004; Spaths, 2002; Benesh, 1999; Benesh, 1997) yapılarak, br çok model gelştrlmş ve bu modellern görel olarak başarıları tartışma konusu edlmştr. Karma modeller, çersnde toplam tahakkukları barındırmakla brlkte, genelde fnansal tablo hlelern br takım fnansal oranlara ve endekslere çevrerek tespt etmeye çalışmaktadır. Çalışmanın bu kısmında fnansal tablolardak hle rsknn tahmnnde kullanılan karma modeller rdelenmş ve bu modellern hle rsknn tahmnndek nsp başarıları lteratür çerçevesnde ortaya konulmuştur. Probt Model Probt modeln öncülüğünü Benesh yapmış olup, fnansal tablo hlelerne başvuran şletmelern tesptne yönelk farklı br bakış açısı getrmştr. Tahakkuklarda değşm tespt çn kullanılan doğrusal regresyonların yanı sıra, tahakkuklara ek olarak br takım farklı değşkenlern de kullanıldığı probt modelde Benesh 1997 ve 1999 yıllarında yaptığı çalışmalarla öneml tesptler ortaya koymuştur.

4 68 Fnansal Tablolardak Hle Rsknn Tahmn Edlmesnde Karma Modellern Nsp Başarısı Üzerne Karşılaştırmalı Br Analz Benesh (1997) probt analz, modelde yer alan bağımlı değşken (fnansal tablo hles yaptığı varsayılan şrketler çn 1, kontrol şrketler çn 0 değern almaktadır) gb bağımlı değşkenlern kullanıldığı olaylar çn uygun olduğu kabul edlen br regresyon analz olarak tanımlamaktadır. Benesh (1997), olağanüstü fnansal performans göstermş şrketler üzernde yapılan analzlerle hlel fnansal tablolara sahp frmaları ortaya çıkaracak br model sunmuştur. Benesh (1997), yılları arasında muhasebe standartlarına aykırı davranmak suretyle fnansal tablolarını manpüle ettkler sermaye pyasası kurulları tarafından yapılan denetmlerde tespt edlerek kamuya açıklanmış 64 şrketn fnansal tabloları üzernde çalışmıştır. Benesh (1997) n çalışmasında tespt edlen fnansal tablo hleler; gerçekleşmeyen gelr gerçekleşmş gb kaydetmek, satış adelern kayıtlara yansıtmamak, olağanüstü gelrler normal faalyet gelr olarak kaydetmek, var olmayan br stoku varmış gb kaydetmek, tahsl edlemeyen alacakları ve yıpranmış stokları gder olarak kaydetmemek, faalyet gderlern aktfleştrmek, borç ve yükümlülükler düşük göstermek, gderler kayıt dışı bırakmak, olmayan aktfler var gb göstermek, leasng şlemlernn standarda aykırı muhasebeleştrmek, teknk sorunları kamuya açıklamamak, şrketler arasındak şlemler yanıltıcı br şeklde raporlamak, aktfler yanıltıcı br şeklde açıklamak, kefalet harcamalarını kayda almamak, şartlı yükümlülükler hakkında gerekl uyarıda bulunmamak olarak belrtlmştr. Benesh (1997), yukarıda sıralanan tarzda fnansal tablo hlelerne başvuran şrketlern fnansal rasyolarını, genel kabul görmüş muhasebe standartlarını hlal etmeyen frmaların fnansal rasyoları le karşılaştırmıştır. Benesh (1997) n kurduğu Probt Model; M olup, burada; M= Fnansal tablo hles yapan şrketler çn 1 değer almakta, fnansal tablo hlesne başvurmayan şrketler çn 0 değern almaktadır, = Açıklayıcı değşkenlern oluşturduğu matrs, є = Hata termn fade etmektedr. Benesh (1997), yukarıda belrtlen model çerçevesnde, fnansal tablo hles yaptığını belrledğ 64 şrket le fnansal tablo hlesne başvurmadığını varsaydığı şrketn yılları verlern ncelemştr. Modelde bağımsız değşken olarak; tcar alacaklar endeks, brüt kar marjı endeks, aktf kaltes endeks, amortsman endeks, pazarlama, satış, dağıtım ve genel yönetm gderler endeks, toplam tahakkukların toplam varlıklara oranı, satışlardak yıllık değşm ve hsse senetler fyatlarındak yıllık değşm alınmıştır. Benesh (1997), fnansal tablo hlesne başvuran şrketlerle kontrol şrketlernn verlern probt analze tab tutarak her br değşken çn katsayılar bulmuştur. Bu katsayıları kullanarak her br şrketn fnansal tablo hles yapıp

5 Uğurlu,M, Sevm,Ş./JSS 14(1) (2015) : yapmadığını, M sonucunun 0 a yakın olması halnde fnansal tablo hlesne başvurulmadığı, 1 e yakın olması halnde fnansal tablo hlelernn yapıldığı şeklnde değerlendrmştr. Benesh (1997), çalışmanın sonucunda, fnansal tablo hles yapan şrketlern karakterstk özellklern; genellkle yen kurulan, daha düşük hsse sened performansına sahp ve borç ağırlıklı kaynak yapısı le büyüyen, alacak ve stok devr hızları düşmekte olan ve aktf kaltes le brüt kar marjı kötüleşen şrketler olarak özetlemştr. Benesh (1999), 1997 yılındaknden farklı olarak, aşağıdak değşklkler yapmak suretyle model gelştrmştr: Benesh 1997 yılından farklı olarak örneklemn büyütmüş ve fnansal tablo hles yaptığı saptanan 74 frma üzernde model test etmştr. Kontrol şrketler olarak da fnansal tablo hlesne başvurmadığı varsayılan frma analz kapsamına alınmıştır. Kontrol şrketler 1997 çalışmasında yüksek mktarda beklenmeyen tahakkukları olan şrketler arasından seçlmşken; 1999 modelnde fnansal tablo hles yaptıkları varsayılan şrketlerle aynı sektörlerde faalyet gösteren muhasebe hles yapmadığı varsayılan dğer şrketlerden seçlmştr modelndek bağımsız değşkenler, öncek modeldek değşkenlere göre daha açıklayıcı ntelktedr. Benesh (1999), 1997 yılındak çalışmasında kullandığı model aynen kullanmıştır. Ancak Benesh (1999), 1997 yılında kullanılan bağımsız değşkenler değştrerek fnansal tablo hles yaptığı varsayılan şrketler le kontrol şrketlernn (1)tcar alacak endeks, (2)brüt kar marjı endeks, (3)aktf kaltes endeks, (4)satışlardak yıllık değşm (büyüme) endeks, (5)amortsman endeks, (6)pazarlama, satış, dağıtım ve genel yönetm gderler endeks, (7)borçlanma yapısındak yıllık değşm ve (8)toplam tahakkukların toplam varlıklara oranı değşkenlern probt analze tab tutmuştur. Benesh (1999) seçlen örneklem çerçevesnde ve yukarıdak değşkenler baz alarak yaptığı probt analz sonucunda aşağıdak fonksyona ulaşmıştır: M = -4,840 + (0.920*TAE) + (0.528*BKME) + (0,404*AKE) + (0,892 *SBE) + (0,115 * AE) + (-0,172 * PGE) + (4,679 * KYDE) + (-0,327 *TTTV) Bu denklemde probt analz sonucunda ortaya çıkan katsayılar yanında, bağımsız değşkenlern lgl yıl verlerne göre hesaplanan değerler yerlerne konularak, şrket çn M değerler bulunmuştur. Bu M değerlernn normal dağılım fonksyonuna göre hlel olma olasılığı K-ortalamalar kümeleme analz yöntem le hesaplanmış ve M değernn; % 2,94 den daha düşük olması halnde o şrketn fnansal tablo hlelerne başvurduğuna dar br bulgu yoktur,

6 70 Fnansal Tablolardak Hle Rsknn Tahmn Edlmesnde Karma Modellern Nsp Başarısı Üzerne Karşılaştırmalı Br Analz % 2,94 le % 5,99 aralığında olması halnde, o şrketn fnansal tablo hlelerne başvurma olasılığı vardır, % 5,99 le % 11,32 aralığında olması halnde o şrketn fnansal tablo hlelerne başvurma olasılığı hakkında cdd bulgular bulunmaktadır, % 11,32 den yüksek olması halnde, o şrketn fnansal tablo hlelerne başvurduğuna dar çok öneml bulgular vardır sonucuna ulaşılmıştır. Dolayısıyla Benesh n (1999) modelndek analz çerçevesnde ortaya çıkan bu fonksyona göre herhang br şrketn karşılaştırmalı fnansal tablolarını elnde bulunduran br yatırımcı/kredtör/hssedar, o şrketn fnansal tablo hlesne başvurup vurmadığını tespt edeblmektedr. Benesh n (1999) kurduğu model çerçevesnde yapılan analz sonuçlarına göre; tcar alacaklarda olağanüstü artış, brüt kar marjının düşmes, aktf kaltesndek düşüş, satışlardak büyüme ve tahakkuklardak artışların br şrketn fnansal tablo hlesne başvurup başvurmadığı konusunda öneml br gösterge olduğunu ortaya koymaktadır. Benesh (1999) yaptığı çalışmada, modeln temsl gücünün % 31-37; modeln tahmn gücünün se % olduğunu da belrtmştr. Dğer taraftan Benesh (1999) modelde k tür de hata öngörmüş olup, konu hatalar se aşağıdak şeklde özetlenmştr: Hata 1: Gerçekte fnansal tablo hles yapan şrketlern modelle fnansal tablo hles yapmayan şrket olarak tahmn edlmes, Hata 2: Fnansal Tablo hles yapmayan br şrketn de modelde fnansal tablo hles yapan br şrket olarak tahmn edlmesdr. Küçüksözen (2004), Bensh n 1999 yılında uyguladığı probt analzn baz alarak İMKB de hsse senetler şlem gören şrketlern fnansal tablo hles yapıp yapmadıklarını tahmn etmeye çalışmıştır. Küçüksözen (2004) çalışmasında, Benesh (1999) modelnn esas alınmasını k temel nedene dayandırmıştır: Bunlardan brncs; Benesh (1999) modelnn dğer modellerden farklı olarak, sadece tahakkuk esası le oluşan fnansal tablo kalemlernde yıllar tbaryle ortaya çıkan değşmn yanında, fnansal tablo hlelernn gösterges olablecek bazı fnansal rasyoların da bağımsız değşken olarak dkkate alınmasıdır. İknc neden se; modeln oluşturulmasında k yıllık fnansal tablo verlernn yeterl olmasıdır. Dolayısıyla bu modelde şrketlern uzun br süreye lşkn fnansal tablo verlerne htyaç bulunmamaktadır. Küçüksözen (2004), İMKB de hsse senetler şlem gören ve reel sektörde faalyet gösteren 126 şrket örnek şrket olarak seçmştr. Bankalar, sgorta şrketler ve dğer fnans sektöründe faalyet gösteren şrketler çalışma kapsamının dışında tutulmuştur. Çalışmada şrketlern yıllarına lşkn mal verler analz edlmş olup, modelde se 1997 yılı baz alınmıştır. Modelde 1997 yılının seçlmesnn temel gerekçes olarak se 1990 lı ve 2000 l yıllarda yaşanan ekonomk krzlerden drekt olarak etklenmeyen daha stkrarlı br yıl olmasıdır. Küçüksözen (2004), SPK tarafından yapılan denetm ve ncelemeler sonucunda fnansal tablo hles yaptığı belrlenerek kamuya açıklanan ve/veya

7 Uğurlu,M, Sevm,Ş./JSS 14(1) (2015) : bağımsız denetm raporlarında kamuya açıklanan fnansal tablolardak tutarları değştrecek şeklde şartlı görüş bulunan ya da fnansal tablolarında yer alan tutarları daha sonra yaptıkları açıklamalarla değştren şrketler fnansal tablo hles yapan şrket olarak kabul edlmştr. Bu çerçevede Küçüksözen (2004), 1997 yılı çn 27 şrket fnansal tablo hles yaptığı varsayılan şrket olarak belrleyerek modelde nceleme konusu yapmıştır. Fnansal tablo hles yaptığı varsayılan şrketler yanında, bu şrketlerle aynı sektörlerde faalyet gösteren ve hsse senetler İMKB de şlem gören 99 şrket de, fnansal tablo hles yapmadığı kabul edlen kontrol şrket olarak belrlenmştr. Küçüksözen (2004), fnansal tablo hlelern tespt etmek amacıyla hleye başvuran şrketler ve kontrol şrket olarak belrlenen şrketlern 1997 yılı verlern analz etmş ve Benesh (1999) modeln uygulamıştır. Ancak Küçüksözen (2004), Benesh (1999) modelnden farklı olarak Bensh n (1999) modelnde yer alan satışlardak büyüme endeksn (SBE) çalışmada dkkate almamış; ancak Benesh (1999) modelnde yer almayan stokların satışlara oranı(s/s) ve fnansman gderlernn satışlara oranını (FG/S) bağımsız değşken olarak çalışmaya lave etmştr. Küçüksözen (2004), yaptığı analzler sonucunda fnansal tablo hlelernn tesptnde Türkye de; Tcar alacaklar endeks (TAE), Brüt kar marjı endeks (BKME), Amortsman gderler endeks (AGE), Fnansman gderlernn satışlara oranı (FG/S) değşkenlernn p=0,05 düzeynde; Aktf kaltes endeks (AKE) ve Stokların satışlara oranı (S/S) değşkenlernn se, p=0,1 düzeynde statstkî olarak anlamlı olduğunu ortaya koymuştur. Küçüksözen (2004), analzler sonucunda, modeln gücünü test ederek aşağıdak fonksyonu oluşturmuştur: M = -1,547 + (1,276*TAE) + (-1,770*BKME) + (0,082 *AKE) + (0,225*AE) + (-0,488*PGE) + (-0,514*TTTV) + (-0,341*KYDE) + (0,972*S/S) + (0,060*FG/S) Küçüksözen (2004), bu fonksyonda probt analz sonucunda ortaya çıkan katsayılar yanında, bağımsız değşkenlern 1997 yılı verlerne göre hesaplanan değerler yerlerne konularak, 126 şrket çn M değerler bulunmuştur. Bu M değerlernn normal dağılım fonksyonuna göre fnansal tablo hles yapma olasılığı K-ortalamalar kümeleme analz yöntem le hesaplanmış ve M değernn; < % 12,17 se fnansal tablo hlesne başvurduğuna dar br bulgunun olmadığı, % 12,18 - % 27,98 se fnansal tablo hles yapma olasılığının bulunduğu,

8 72 Fnansal Tablolardak Hle Rsknn Tahmn Edlmesnde Karma Modellern Nsp Başarısı Üzerne Karşılaştırmalı Br Analz % 27,99 - % 58,50 se fnansal tablo hles yapmış olma olasılığı hakkında cdd bulgular olduğu, %58,5 se fnansal tablo hles yapıldığına dar çok öneml bulgular olduğu sonucuna ulaşılmıştır. Küçüksözen (2004) analz sonucunda, modeln temsl gücünün % 32; modeln tahmn gücünün se % aralığında çıktığını da fade etmştr. Logt Model Fnansal tablo hlelernn tesptnde lojstk regresyonun kullanılmasına dayanan br model olup, bu başlık altında fnansal tablolardak hle rsknn belrlenmesnde lojstk regresyonu kullanan amprk çalışmalara yer verlmştr. Fnansal tablo hlelernn tesptnde Spaths (2002), lojstk regresyon analzn kullanarak br logt model kurmuştur. Spaths (2002) çalışmasında, Atna Menkul Kıymetler Borsasında hsse senetler şlem gören ve reel sektörde faalyet gösteren 76 şrket örnek şrket olarak seçmştr. Araştırma kapsamında seçlen şrketler çersnde bankalar, sgorta şrketler ve dğer fnans sektöründe faalyet gösteren şrketler yer almamaktadır. Spaths (2002), fnansal tabloları hlel olduğu varsayılan şrketlern tesptnde 4 noktadan hareket etmş olup, bunları şu şeklde sıralamıştır: Bağımsız denetm raporlarında muhasebe hles yapıldığına dar cdd şüphelern olduğu görüşünün bulunması, İlgl otorteler tarafından şrketn verg kaçırdığına dar cdd bulgular olduğunun tespt edlmş olması, SPK tarafından frmanın hsse senetlernn gözaltı pazarına atılması veya hsse senetlernn şlemden kaldırılmış olması, Frmanın yasalara aykırı şlemlerde bulunduğunun mahkeme kararlarıyla tespt edlmş olması. Bu çerçevede Spaths (2002), 38 şrket fnansal tablo hles yaptığı varsayılan şrket olarak belrleyerek modelde nceleme konusu yapmıştır. Fnansal tablo hles yaptığı varsayılan şrketler yanında, hsse senetler Atna Menkul Kıymetler Borsası nda şlem gören 38 şrket de fnansal tablo hles yapmadığı kabul edlen kontrol şrket olarak belrlenmştr. Çalışmada fnansal tablo hlelerne başvuran şrketler belrlemeye yönelk değşken seçm çn bu alanda çalışma yapan Green ve Cho (1997), Hoffman (1997), Hollman ve Patton (1997), Zmbelman (1997), Benesh (1997), Beasley (1996), Bologna vd. (1996), Arens ve Loebbecke (1994), Bell vd. (1993), Schlt (1993), Dava vd. (1992), Stce (1991), Loebbecke vd. (1989), Palmrose (1987), Albrecht ve Romney (1986) nn çalışmalarında potansyel rsk göstergeler olarak dkkate alınan yaklaşık 17 adet değşken tespt edlmştr. Ancak Spaths (2002), çalışmasında bu değşkenler arasında yüksek korelâsyona sahp fnansal rasyoları çıkararak araştırmada kullanacağı değşken sayısını 10 adede düşürmüştür. Bu çerçevede Spaths (2002), fnansal tablo hlelerne başvuran şrketlern tesptne yönelk olarak kullanacağı değşkenler (1) borç özsermaye oranı (D/E), (2) satışların toplam aktflere oranı (Sales/TA), (3) net karın satışlara oranı (NP/Sales), (4) tcar alacakların satışlara oranı (Rec/Sales), (5) net karın aktfe oranı (NP/TA), (6) çalışma sermayesnn toplam aktfe oranı

9 Uğurlu,M, Sevm,Ş./JSS 14(1) (2015) : (WC/TA), (7) brüt karın toplam aktfe oranı (GP/TA), (8) toplam stok / toplam aktf (INV/TA), (9) toplam borçların toplam aktflere oranı (TD/TA), (10) fnansal rsk skoru (Altman Z-score) olarak belrlemştr. Spaths (2002), fnansal tablo hlelern tespt etmek amacıyla hleye başvuran şrketler ve kontrol şrket olarak belrlenen şrketlern 2000 yılı verlern analz etmş ve bu kapsamda aşağıdak model kurmuştur: FFS = b0 + b1(d/e) + b2(sales/ta) + b3(np/sales) + b4(rec/sales) + b5(np/ta) +b6(wc/ta) + b7(gp/ta) + b8(inv/sales) + b9(td/ta) + b10 (Altman Z-score) Spaths (2002) yaptığı analzler sonucunda, fnansal tablo hlelernn tesptnde; Stokların satışlara oranı (INV/Sales), Toplam borçların toplam aktflere oranı (TD/TA) ve Altman Z Score unun p=0,01 güven sevyesnde statstk olarak anlamlı olduğunu ortaya koymuştur. Perols ve Lougee (2010), yılları arasında hsse senetler borsada şlem gören ve reel sektörde faalyet gösteren 108 şrket örnek şrket olarak seçmştr. Perols ve Lougee (2010) araştırma kapsamında, bağımsız denetm kuruluşlarınca yapılan denetmlerde fnansal raporları çn olumsuz veya şartlı görüş bldrlen, sermaye pyasası tarafından frmanın hsse senetler gözaltı pazara alınan veya hsse senetler şlemden kaldırılan 54 şrket fnansal tabloları hlel şrket olarak seçmştr. Fnansal tablo hles yaptığı varsayılan şrketler yanında, hsse senetler borsada şlem gören 54 şrket de, fnansal tablo hles yapmadığı kabul edlen kontrol şrket olarak belrlenmştr. Perols ve Lougee (2010), fnansal tablo hlelerne başvuran şrketler belrlemeye yönelk değşkenler (1) yönetm kurulu üyelernn ağırlığı, (2) ç denetç sayısı, (3) CFO değşm, (4) LIFO yöntemnn kullanımı, (5) kaldıraç oranı, (6) satışlar/ toplam aktf, (7) alacaklardak büyüme, (8) brüt kar marjındak büyüme, (9) satışlardak büyüme, (10) duran varlık devr hızı, (11) toplam varlıklar, (12) toplam satışlar olarak belrlemştr. Perols ve Lougee (2010), araştırma kapsamında yer alan 108 şrketn 12 değşkenden oluşan verlern lojstk regresyon analzne tab tutmuş ve yaptığı analzler sonucunda fnansal tablo hlelernn tesptnde; Duran varlık devr hızı, Alacaklardak büyüme ve Satışlardak büyüme değşkenlernn p=0,05 güven sevyesnde statstk olarak anlamlı olduğunu ortaya koymuştur. Perols ve Lougee (2010) ayrıca, büyük frmaların ve fnansal performansları düşük olan frmaların fnansal tablo hlelerne başvurmaya daha yatkın olduklarını yaptıkları analz sonuçlarına bağlı olarak ortaya koymuşlardır.

10 74 Fnansal Tablolardak Hle Rsknn Tahmn Edlmesnde Karma Modellern Nsp Başarısı Üzerne Karşılaştırmalı Br Analz Küçükkocaoğlu ve Küçüksözen (2004), Spaths n 2002 yılında uyguladığı logt model baz alarak İMKB de hsse senetler şlem gören şrketlerden fnansal tabloları hlel olanları ortaya çıkarmaya çalışmışlardır. Küçükkocaoğlu ve Küçüksözen (2004) çalışmalarında, 2001 yılı fnansal tablolarında gerçeğe aykırı fnansal blg bulunan, dolayısıyla Sermaye Pyasası Kurulu tarafından fnansal tablolarında düzeltme yaptırılan 23 şrket fnansal tabloları hlel şrket olarak, yne fnansal tablo hles yaptığına dar herhang br bulgu bulunmayan 99 şrket de kontrol şrket olarak seçlmştr. Küçükkocaoğlu ve Küçüksözen (2004), Spaths n (2002) logt modelnden farklı olarak fnansal tablo hlelern tespt etmeye yönelk değşkenlern sayısını 12 ye çıkarmış ve Toplam Fnansman Gderler/ Toplam Faalyet Gderler (FE/GE) le Ödenecek Verg ve Dğer Yasal Yükümlülüklern Satışlara Oranı (Taxes/Sales) değşkenlern modele lave etmştr. Küçükkocaoğlu ve Küçüksözen (2004), fnansal tablo hlelern tespt etmek amacıyla hleye başvuran şrketler ve kontrol şrket olarak belrlenen şrketlern 2001 yılı verlern analz etmş ve bu kapsamda aşağıdak model kurmuştur: FFS = b 0 + b 1 (D/E) + b 2 (Sales/TA) + b 3 (NP/Sales) + b 4 (Rec/Sales) + b 5 (NP/TA) + b 6 (WC/TA) + b 7 (GP/TA) + b 8 (INV/Sales) + b 9 (TD/TA) + b 10 (FE/GE) + b 11 (Taxes/Sales) + b 12 (Altman Z-score) Küçükkocaoğlu ve Küçüksözen (2004), çalışmasının sonucu olarak; Net karın toplam aktfe oranı (NP/TA) ve Toplam fnansman gderlernn toplam faalyet gderlerne oranının (FE/GE) Türkye de hlel fnansal tabloların tesptnde kullanılablecek değşkenler olduğunu ortaya koymuştur. Çok Değşkenl Modeller Fnansal tablo hlelernn tesptnde karma modeller çersnde yer alan lojstk regresyon kadar; yapay snr ağı (YSA), Bayes ve karar ağacı modeller de yaygın br bçmde kullanılmaktadır (Zhou ve Kappor, 2011: 571). Çalışmanın bu kısmında, fnansal tablo hlelernn tesptnde UTADIS, karar ağacı, bayes ve yapay snr ağı modellernn kullanımına yönelk amprk çalışmalara yer verlmştr. UTADIS model UTADIS (Utltes Addtves Dscrmnates) metodolojs, önceden homojen olarak sınıflandırılmış alternatf ver setler arasından mnmum sınıflandırma hatası le amaca uygun sınıflandırmalar yapmaya yardımcı olan br modeldr. Bu model, dskrmnant analz, lojstk regresyon, probt analz vb. gb ekonometrk sınıflandırma teknkler ve geleneksel statstk teknklern brleşmne dayalı br parametrk olmayan regresyon analzdr (Spaths vd., 2004: 513). UTADIS model, lk kez Devaud vd. (1980) tarafından ortaya atılmış ve Jacquet vd. (1982) tarafından yapılan çalışmalarla gelştrlmştr yılında E. Lagreze Jacquet bu metodu araştırma gelştrme projelern değerlendrmek çn

11 Uğurlu,M, Sevm,Ş./JSS 14(1) (2015) : kullanmıştır den sonra se fnansal karar problemlernde sınıflama yapmak çn yaygın olarak kullanılır hale gelmştr. A a a, a,..., olmak üzere n tane UTADIS modelnde, alternatften oluşan br alternatf kümes le 1, 2 3 a n g 1, g2, g3,,..., gm şeklnde m tane krterden oluşan br krter kümes bulunur. Alternatfler öncelkle karar verc tarafından belrl br özellkler dkkate alınarak C 1, C2, C3,...., CQ gb Q tane sınıfa ayrılır. Gruplar arasındak terch lşksn gösteren fonksyon se aşağıdak gbdr: C 1 PC C PC C PC 1 2, 2 3,......, Q Q P, gruplar arasındak terch lşksn göstermek üzere, brnc grup C 1, kncye terch edlmektedr. UTADIS modelnde amaç, C1 grubundak alternatflern en yüksek skorları alacağı şeklde, alternatfler bütün krterlere göre 0 le 1 aralığında yen br ölçeğe taşımak ve bu ölçektek grup eşklern belrlemektr (Ulucan ve Atıcı, 2009: ). Spaths vd. (2004), UTADIS modeln, fnansal tablo hlelern tespt etmede kullanmış ve Spaths n (2002) çalışmasında kullandığı örneklem ve ver setn bu modeln örneklem ve ver set yapmıştır. Spaths vd. (2004), yaptığı çalışmanın sonucunda fnansal tablo hlelerne başvuran şletmelern tesptnde; (1) toplam borç/ toplam aktf, (2) toplam stok /toplam satışlar, (3) net kar/ net satışlar, (4) toplam satışlar / toplam aktf rasyolarının öneml olduğu bulgusuna ulaşmıştır. Spaths vd. (2004) parametrk olmayan regresyona dayalı olarak çalışan bu metodu, ayrıca dskrmnant analzn ve lojstk regresyon analzler le kıyaslamış ve araştırma sonucunda, UTADIS metodunun dğer statstkî metotlardan daha y performans ortaya koyduğunu belrtmştr. Karar ağacı Karar ağacı, örnekler, ağacın kökünden yapraklarına doğru sıralayarak sınıflandıran ver madenclğ teknklernden brsdr (IF-THEN). Ağaçtak her düğüm bazı değşkenler test etmekte ve her dal bu değşkenn alableceğ değerlerden brne uygun düğümü gösterecek şeklde aşağıya doğru nmektedr (Wtten and Frank, 2005: 62). Karar ağacı algortması, ağacın kökünde hang değşken le test edlmes gerektğ sorusu le başlayarak yukarıdan aşağıya doğru ağacı oluşturmaktadır. Bu şlem her örnek değşken, eğtm örneklernn sınıflandırmasına karar vermek çn statstksel test kullanarak değerlendrmektedr. Karar ağacı algortmasında en y değşken seçlmekte ve bu değşken ağacın kök düğümünde test çn kullanılmaktadır (Sun ve L, 2006: 2). Kök düğümünün dal sayısı, seçlmş olan değşkenn alableceğ değere göre değşmektedr. Karar ağacı algortmasında ana seçm, ağaçtak her düğümde hang değşkenn seçleceğdr. Değşkenn değer, nformaton gan adı verlen

12 76 Fnansal Tablolardak Hle Rsknn Tahmn Edlmesnde Karma Modellern Nsp Başarısı Üzerne Karşılaştırmalı Br Analz statstk br değer le belrlenmektedr. Informaton gan dkkatlce tanımlamak çn nformaton teorsnde genel olarak kullanılan ve br ölçüyü tanımlayan entropy adı verlen br tanımlama kullanılmaktadır. Entropy se, örneklern keyf olarak toplanmasının krllğn karakterze etmektedr (Kök ve Kuloğlu, 2005: ) l yılların başlarında (Çnko, 2006: ) kullanıma alınan AID (Automatc Interacton Detector), karar ağacı temell lk algortmadır. AID teknğ, en kuvvetl ve en y tahmn gerçekleştreblmek çn bağımlı ve bağımsız değşkenler arasındak mümkün bütün lşklern ncelenmesne dayanmaktadır. İlk temeller AID yöntem le atılan karar ağacı modeller, çeştl algortmalar le sürdürülmüştür. Gelştrlen bu algortmalar çersnde CHAID (Ch-Squared Automatc Interacton Detector; G.V. Kass; 1980), C&RT (Classfcaton and Regresson Trees; Breman, Fredman, Olshen ve Stone; 1984), ID3 (Qunlan; 1986), Exhaustve CHAID (Bggs, de Vlle ve Suen; 1991), C4.5 (Qunlan; 1993), MARS (Multvarate Adaptve Regresson Splnes; Fredman), QUEST (Quck, Unbased, Effcent Statstcal Tree; Loh ve Shh, 1997), C5.0 (Qunlan), SLIQ (Supervsed Learnng n Quest; Mehta, Agarwal veve Rssanen), SPRINT (Scalable Parallelzable Inducton of Decson Trees; Shafer, Agrawal ve Mehta) başlıcalarıdır (Akgöbek ve Öztemel, 2006: 1-9). Tahmn edc ve tanımlayıcı özellklere sahp olan karar ağaçları, kuruluşlarının ucuz olması, yorumlanmalarının kolay olması, ver tabanı sstemler le kolayca entegre edleblmeler ve güvenlrlklernn daha y olması nedenler le sınıflama modeller çersnde yaygın br kullanıma sahptr (Türkoğlu ve Toraman, 2007: ; Bozkır vd., 2009). Krkos vd. (2007), çok değşkenl modellerden karar ağacı modeln, fnansal tablo hlelern tespt etmede kullanmış ve Spaths n (2002) çalışmasında kullandığı örneklem ve ver setn bu modeln örneklem ve ver set yapmıştır. Krkos vd. (2007), araştırma kapsamında Spna Research Edton yazılımını kullanmışlar ve modeln anlamlılık düzeyn p=0,05 düzeynde anlamlı olarak ölçmüşlerdr. Çalışmada kurulan model, öğrenlen örneklem üzernden yenden test edlmş ve yapılan çalışmalar sonucunda kurulan modeln, fnansal tablo hles yapan şletmeler % 100 doğru tahmn ettğ; fnansal tablo hles yapmadığı varsayılan şletmeler se % 92 düzeynde doğru tahmn ettğ tespt edlmştr. Kurulan karar ağacı modelnde, Z-score değer lk dal olarak belrlenmş ve karar ağacı bu değşken üzerne dallandırılmıştır. Çalışmada, knc sevyede frma karlılığının ölçülmesnde kullanılan Net Kar / Toplam Aktf ve FVÖK rasyoları yapılandırılmıştır. Yapılan analz sonucunda, fnansal tablo hles yaptığı varsayılan frmalarda Z-score değer ve karlılığın oldukça düşük gerçekleştğ; fnansal tablo hles yapmadığı varsayılan frmalarda se tam ters sonuç çıktığı belrtlmştr. Br başka çalışmada Ata ve Seyrek (2009), fnansal tablo hlelerne başvuran ve başvurmayan şrketlern ayrımını karar ağacı model le tahmn etmeye çalışmışlardır. Bu çerçevede 2005 yılında hsse senetler İMKB de şlem gören 100 frmayı örneklem olarak almışlardır. Söz konusu frmalardan 50 s

13 Uğurlu,M, Sevm,Ş./JSS 14(1) (2015) : fnansal tabloları hlel; 50 s se herhang br hle bulgusu olmayan frmalardan seçlmştr. Frmaların fnansal tablolarının hlel ve hlel olmayan ayrımı se bağımsız denetm kuruluşlarının raporlarındak görüşlere bağlı olarak yapılmıştır. Araştırma kapsamında fnansal tabloların tesptne yönelk değşkenler se lteratürde test edlmş rasyolardan seçlmş olup, bu kapsamda toplam 24 farklı rasyo kullanılmak suretyle analz gerçekleştrlmştr. Araştırma sonucunda kaldıraç oranı ve aktf karlılık oranının fnansal tablo hlesn tespt etmede öneml fnansal oranlar olduğu belrlenmştr. Bayes model Bayesan sınıflandırması, 1974 yılında Thomas Bayes tarafından ortaya atılan statstksel teoreme dayanmaktadır (Demrel ve Bodur, 2004: 81-85). Bayes model, statstk olasılık hesaplamalarına temel oluşturan br yöntemdr. Bu modele göre, sınıf üyelğ blnmeyen ver örneğ, H se bu ver örneğ n C sınıfına at olduğunu öngören br hpotez ken; Bayes model aşağıdak fonksyonla fade edlmştr (Krkos vd., 2007: ): P( ) P( H ) H P( ) H P( ) Ayırma fonksyonu yukarıdak şeklde olan Bayes modelnn çalışma şekl se aşağıda sunulmuştur (Hand vd., 2001: ): 1. Her ver örneğ n boyutlu özellk vektörler le gösterlr, =(x1, x2,..,xn) her ver örneğ n özellklerden alınan örnek üzerndek n ölçümler le tarf edlr(a1,a2,.an) C P( ) P( C ) P( C ) P( ) S 2. P( C ) olablmektedr, burada S, C sınıfına at eğtlen örnek S sayısı ve s se toplam eğtlen örnek sayısıdır. 3. Brçok özelk barındıran ver setler verlrse P ( ) aşırı derece hesap yükü gerektrr. P ( ) şlemnde hesap yükünü azaltmak çn, sınıf koşul C bağımsızlığına at saf varsayım uygulanır. Bu varsayım, özellklere at değerler br dğernden şartlı olarak bağımsızdır, örneğe at verlen sınıf üyelğ, özellkler C

14 78 Fnansal Tablolardak Hle Rsknn Tahmn Edlmesnde Karma Modellern Nsp Başarısı Üzerne Karşılaştırmalı Br Analz k arasında bağımlılık lşks yoktur. Bu P( ) P( ) olasılıklar 1 2 k P ( ), P( ),..., P( ) eğtm örneklernde tahmn edleblrler, burada C C C P k k ( ) burada Sk, Ak çn k değerne sahp olan C sınıfına at eğtm set C S S sayısı ve S, C ye at olan eğtm set sayısıdır. olmasını engellemek çn P C P n k 1 C k k ( ) fadesnn 0 C k k ( ) fades kullanılır. C S S 1 4. P() fades sabt olduğu çn hesaplanmaz, çünkü öneml olan brbrlerne göre oransal büyüklüklerdr. Blnmeyen örnek sınıflandırmak çn, C her C sınıfı P ) P( C ) fades hesaplanır. ( P( ) P( C ) P( ) P( C j ) C C j Burada hangs büyükse, o çn geçerl sınıf olmaktadır. Krkos vd. (2007), fnansal tablo hlelern tespt etmede, bu kez çok değşkenl modellerden Bayes modeln kullanmış ve Spaths n (2002) çalışmasında kullandığı örneklem ve ver setn bu modeln örneklem ve ver set yapmıştır. Krkos vd. (2007), Bayes model çn de BN Power Drector olarak adlandırılan yazılımı kullanmışlardır. Krkos vd. (2007), modeln anlamlılık düzeyn p=0,05 düzeynde anlamlı olarak ölçmüştür. Çalışmada kurulan model, öğrenlen örneklem üzernden yenden test edlmş ve yapılan çalışmalar sonucunda kurulan modeln fnansal tablo hles yapan şletmeler % 97 doğru tahmn ettğ; fnansal tablo hles yapmadığı varsayılan şletmeler se % 92 düzeynde doğru tahmn ettğ tespt edlmştr. Krkos vd. (2007), kurmuş oldukları modelde (1) Z-Score(Altman), (2) toplam borç/özkaynaklar, (3) net kar/toplam aktf, (4) toplam satışlar/toplam aktf, (5) şletme sermayes/toplam aktf değşkenler le fnansal tablo hleler arasında güçlü bağlantılar olduğunu tespt etmşlerdr. Krkos vd. (2007), analz sonucunda bu değşkenlern her brsnn frmanın fnansal durumundak farklılıklara şaret ettğn belrterek, araştırmada Z-Score un, frmada borçlanma ve faz baskısı sınırına; toplam borç/ özkaynak rasyosunun, kaldıraç gücüne; net kar/ toplam aktf rasyosunun, karlılığa; toplam satışlar / toplam aktf rasyosunun, satış performansına; şletme sermayes / toplam aktf rasyosunun se, borç ödeme gücüne şaret ettğ tesptnde bulunmuştur. S S

15 Uğurlu,M, Sevm,Ş./JSS 14(1) (2015) : Böylece Krkos vd. (2007), frmanın fnansal durumunun büyüklüğü le fnansal tablo hleler arasında kuvvetl bağ olduğunu kurduğu Bayes model le ortaya koymuştur. Krkos vd. (2007), yaptığı çalışmanın sonunda se, Bayes model le karar ağacı ve yapay snr ağı modelnn karşılaştırmasını da yaparak yapay snr ağı modelnn dğer modellerden daha etkl olduğunu, bunu se Bayes model le karar ağacı modelnn takp ettğn fade etmştr. Humpherys vd. (2011), hlel fnansal tabloların belrlenmesne yönelk olarak lngustk güvenrlk analz yapmışlar ve halka açık 202 şrketn fnansal raporlarını, kullanılan dl, kelme, abartılı ve hayal mahsulü sözcük kullanımı, hoş göstermeye yönelk sözcük kullanımı, sözcük çeştllğ, grup referansı çerme açısından ncelemşlerdr. Humpherys vd. (2011), bağımsız denetçler tarafından fnansal tablolarında hle bulgusu olduğu açıklanan 101 şletme ve fnansal tablolarında herhang br hle bulgusu bulunmayan 101 şletmenn fnansal raporlarını nceleyerek 24 değşken belrlemşlerdr. Humpherys vd. (2011), belrlenen değşkenler daha sonra t-testne tab tutarak fnansal tablolardak hle rskn belrlemede, kelme çeştllğ, sözcük çeştllğ, hoş gösterme, hayal mahsulü sözcük kullanımı, ortalama kelme uzunluğu, durağanlık, grup referansı çerme, belrleyc kelme mktarı, cümle kaltes, fl kaltes, kelme kaltes değşkenlernn p=0,05 güven sevyesnde anlamlı olduğunu belrtmşlerdr. Humpherys vd. (2011), 24 değşkenden oluşan 202 frmanın ver setn, lojstk regresyon, karar ağacı, Bayes ve ağırlıklı öğrenme modellern kullanarak analz etmş ve fnansal tablolardak hle rskn belrlemede bu modellern tahmn başarılarını karşılaştırmalı olarak ncelemştr. Humpherys vd. (2011), fnansal tablolardak hlelern belrlenmesnde Bayes model le karar ağacı modelnn 202 fnansal tablodan 136 sını doğru tahmn ederek % 67,3 doğru sınıflandırma yaptığını ve en başarılı sonuçlara se bu k model aracılığıyla ulaşıldığını belrtmştr. Humpherys vd. (2011) çalışmalarında ayrıca, hlel fnansal raporlamalarda, kelme ve sözcük çeştllğnn az olduğu, hayal mahsulü fadeler le frmayı olduğundan daha y gösterc fadelern yoğun kullanıldığı, grup referansı çeren sözcük ve kelmelern fazla olduğu tespt de yapılmıştır. Yapay snr ağı metodolojs Yapay snr ağları (YSA), byolojk snr ağlarından esnlenlerek ortaya çıkarılan ve byolojk snr ağlarına benzer bazı performans özellkler çeren br blg şleme sstemdr (Fausett, 1994: 3) YSA, nsan beynnn blg şleme teknolojsnden esnlenerek gelştrlmş br blg şlem metodolojsdr (Clarence, 1997, 5). Dendrte Synaps Axon Soma

16 80 Fnansal Tablolardak Hle Rsknn Tahmn Edlmesnde Karma Modellern Nsp Başarısı Üzerne Karşılaştırmalı Br Analz Şekl 1. Byolojk Snrlern Yapısı (Yıldız, 1999: 87) İk nöronu brbrne bağlayan axon, dentrte, synaps ve soma olmak üzere dört öneml bölüm bulunmaktadır (Yıldız, 1999: 88-89): Axon. Hücre çıktısını göndermeye yarayan uzantıdır. Br hücreye at tek br axon uzantısı ve bu axon uzantıdan da çıkan çok sayıda synapstk bağlantılar bulunmaktadır. Dentrtes. Neuronun ağaç köküne benzeyen ve br hücreye grdler sağlayan uzantılardır. Synapse. Snr hücrelerndek axonların, dğer snr hücreler ve/veya onların dentrteler üzernde sonlanan özelleşmş bağlantı noktalarıdır. Bu bağlantı noktaları, axondak elektrksel letnn dğer hücrelere aktarılmasını sağlamaktadır. Soma. Br neuronun gövdesne soma adı verlmektedr. Soma, nucleus adı verlen hücre çekrdeğn çermekte olup, hücrelern yaşamasını sağlayan şlevler görmektedr. YSA le bast byolojk snr sstemnn çalışma şekl benzetlmektedr. Yapılandırılan snr hücreler nöronlar çerrler ve bu nöronlar çeştl şekllerde brbrlerne bağlanarak ağı oluştururlar. Bu ağlar öğrenme, hafızaya alma ve verler arasındak lşky ortaya çıkarma kapastesne sahptrler (Rud, 2001: 16). Dğer br fadeyle, YSA lar, normalde br nsanın düşünme ve gözlemlemeye yönelk doğal yeteneklern gerektren problemlere çözüm üretmektedr (Öz vd., t.y., 1). Br nsanın, düşünme ve gözlemleme yeteneklern gerektren problemlere yönelk çözümler üreteblmesnn temel sebeb se nsanın sahp olduğu yaşayarak veya deneyerek öğrenme yeteneğdr (Erdem ve Uzun, 2005: 13-19). Byolojk sstemlerde öğrenme, nöronlar arasındak snaptk (synaptc) bağlantıların ayarlanması le olur. Yan, nsanlar doğumlarından tbaren tecrübe ederek öğrenme sürec çersne grerler. Bu süreç çnde beyn sürekl br gelşme göstermektedr. Yaşayıp tecrübe ettkçe snaptk bağlantılar ayarlanır ve hatta yen bağlantılar oluşur. Bu sayede öğrenme gerçekleşr. Söz konusu süreç YSA larda da benzer şeklde gelşm göstermektedr (Kurt, 2003: 31-38). Dolayısıyla YSA lar, brbrler le etkleşm halnde olan çok değşkenl uygulamalarda kullanılan, karşılıklı etkleşmn bulunduğu durumlarda başarılı sonuçlar veren br yapay zekâ metodolojsdr (Kutlu ve Badur, 2009: 25-40). Br YSA nın yapısında, brbrleryle bağlantılı snrlern yer aldığı grd katmanı, çıktı katmanı ve gzl katman olmak üzere üç katman bulunmaktadır (Chen and Du, 2009: 4076; Kutlu ve Badur, 2009: 25-40): Grd katmanı lk katman olup, dışarıdan gelen snyallern yapay snr ağına alınmasını sağlar. Bu snyaller statstk değerlendrmelerde bağımsız değşkenler olarak dkkate alınmaktadır. İknc katman olan gzl katman, grd katmanından aldığı snyaller çıktı katmanına leten dış ortamla bağlantısı olmayan katmandır. Son katman olan çıktı katmanı se, blglern dışarıya letlmesn sağlamaktadır. Çıktı değşkenler de statstkte bağımlı değşkenler olarak değerlendrlmektedr.

17 Uğurlu,M, Sevm,Ş./JSS 14(1) (2015) : YSA dak en öneml unsurlardan br de nöronların brbrlerne ver aktarmalarını sağlayan bağlantılardır. Herhang br () nöronundan (j) nöronuna blg leten br bağlantı, aynı zamanda br ağırlık (wj) değerne sahptr. Ağırlıklar br nöronda grd olarak kullanılacak değerlern görecel kuvvetn gösterr. Yapay snr ağı çnde tüm bağlantıların farklı ağırlık değerler bulunmaktadır (Krkos ve Dğerler, 2007: ). Şekl 2. Toplama ve Aktvasyon Fonksyonu (Tektaş vd., t.y.:4) YSA nın yapısına etk eden toplama fonksyonu, nörona gelen net grdy hesaplayan fonksyon olup, aşağıdak şeklde formüle edlmektedr (Clarence, 1997: 28-31): O f ( W ) j j j Fonksyonda; : Grdler, W : Ağırlıkları, O : Ağırlıklar toplamını fade etmektedr. YSA nın yapısında görev alan aktvasyon (transfer) fonksyonu se, ağırlıklandırılarak toplanan verler, çıktıya dönüştüren fonksyondur. Bu fonksyonun çeştler olmakla brlkte en yaygın kullanılan sgmod aktvasyon fonksyonu olup, aşağıdak şeklde formüle edlmektedr: 1 f ( x) 1 e x Fonksyonda; f(x) : x değerlernn normalze edlmş şekl, x : grd değern fade etmektedr. Sgmod aktvasyon fonksyonunun yaygın kullanım alanına sahp olmasının neden, doğrusal ve doğrusal olmayan fonksyonların her ksnn de modellenmesnde bu fonksyonun dengel çıktılar üretmesdr. Br problemn çözümünde kullanılan değşk aktvasyon fonksyonları, değşk performanslar ortaya koyablmektedr. Br problemn çözümünde kullanılacak olan aktvasyon fonksyonunun seçmne lşkn herhang br kural bulunmamaktadır (Yıldız, 2009, 59). Aktvasyon fonksyonu hesaplandıktan sonra, öğrenme şlem gerçekleşmekte olup, bu açıdan aktvasyon fonksyonu, 0 ve 1 arasında normalze edlen çıktı değerlernn oluşmasını sağlamaktadır (Kaynar ve Taştan, 2009, ).

18 82 Fnansal Tablolardak Hle Rsknn Tahmn Edlmesnde Karma Modellern Nsp Başarısı Üzerne Karşılaştırmalı Br Analz Br problemn çözümünde kullanılacak YSA mmarsnn en öneml belrleycs se, kullanılacak olan öğrenme algortması olup, YSA nın eğtm ve öğrenme, bu algortmalar aracılığıyla gerçekleşmektedr. Öğrenme algortmaları, YSA nın stenen davranışı göstereblmesn veya stenen çıktıları üretmesn sağlamaktadır. Belrl grdlerden beslenen YSA nın stenen çıktıları üreteblmes çn, ağın yapısındak bağlantıların ağırlıkları değştrlmekte ve çıktıların üretlmesn sağlayacak ağırlık değerler bulunmaktadır. Seçlen algortmanın bu görev yerne getreblmes çn örnek çıktılara gereksnm duyulmaktadır. Seçlen öğrenme algortması, stenen çıktıları üretnceye kadar terasyon yapılmakta ve stenen çıktılar ürettğnde se öğrenme gerçekleşmektedr. Dolayısıyla öğrenme algortmalarının temel şlev, stenen çıktıların üretlmes çn YSA nın ağırlıkları üzernde düzeltmeler yapmaktır (Yıldız, 2009, 61). YSA model gelştrmede kesn kabul görmüş br yöntem bulunmamakla brlkte, YSA modelnn gelştrlmes çn aşağıdak adımlar zlenmektedr (Yıldız, 2009: 64-68): Verlern toplanması ve kodlanması, YSA mmarsne karar verlmes, YSA nın eğtm ve test edlmes, Eğtmn sonlanması ve ağırlıkların sabtlenmes. Krkos vd. (2007), yapay snr ağı metodolojsn, fnansal tablolardak hle rskn tespt etmede kullanmış ve Spaths n (2002) çalışmasında kullandığı örneklem ve ver setn bu modeln örneklem ve ver set yapmıştır. Krkos vd. (2007), yapay snr ağı model çn se Nuclass 7 yazılımını kullanmıştır. Çalışmada, lk öğrenme gerçekleştrldkten ve alternatf tasarımlarından brs test edldkten sonra her br gzl katmanın 5 gzl düğüm çerdğ br tpoloj seçmştr. Seçlen ağ, eğtm setnn tekrar tekrar test edlmes ve bütün örnekleme uygulanması le yapılandırılmıştır. Araştırmada, kurulan modeln fnansal tabloları hlel kabul edlen frmaları doğru br bçmde sınıflandırma başarısı % 100 olarak ölçülmüştür. Ancak Krkos vd. (1997) tarafından kullanılan yazılımın, nöronlar arasındak bağlantının snaptk ağırlığını hesaplamaması neden le br nöronda grd olarak kullanılacak değerlern görecel kuvvet tahmn edlememştr. Ravsankar vd. (2011), fnansal tablolardak hle rsknn tesptnde kullanılan ver madenclğ teknklernn, fnansal tablolardak hley tahmn başarısını karşılaştırmalı olarak ncelemşlerdr. Ravsankar vd. (2011), hsse senetler Çn Menkul Kıymetler Borsası nda şlem gören 202 sanay şletmesnn fnansal tablolarını nceleme konusu yapmıştır. Ravsankar vd. (2011), bağımsız denetm kuruluşlarınca yapılan denetmlerde fnansal raporları çn olumsuz veya şartlı görüş bldrlen 101 frmayı fnansal tabloları hlel frma; 101 frmayı da fnansal tablo hles yapmadığı kabul edlen kontrol şrket olarak belrlemştr. Ravsankar vd. (2011), fnansal tablo hlelerne başvuran şrketler belrlemeye yönelk olarak başlangıçta 38 adet fnansal rasyo belrlemş ve bu 38

19 Uğurlu,M, Sevm,Ş./JSS 14(1) (2015) : fnansal rasyoyu araştırma kapsamında olan 202 frmanın fnansal tablolarından temn ederek t-testne tab tutmuştur. Ravsankar vd. (2011), t-test sonuçlarına göre fnansal tablo hlelernn tesptnde statstk olarak anlamlı br farklılık ortaya koyan (p=0,05) (1) net kar, (2) brüt kar, (3) satışlar, (4) satışlar/toplam varlık, (5) brüt kar/toplam varlık, (6) net kar/toplam varlık, (7) stoklar/toplam varlık, (8) stoklar/kısa vadel borçlar, (9) net kar/satışlar, (10) satışlar/duran varlıklar, (11) faalyet karı/son yıl faalyet karı, (12) satışlar/son yıl satışları, (13) duran varlıklar/toplam varlıklar, (14) dönen varlıklar/kısa vadel borçlar, (15) sermaye/toplam borç, (16) uzun vadel borçlar/sermaye, (17) nakt oranı, (18) stoklar/satışlar değşkenlern dkkate alarak fnansal tablolardak hle rsknn tahmn çn analze tab tutmuştur. Ravsankar vd. (2011), bu 18 değşken 202 frma çn hesaplayarak, bu değşkenlern kullanıldığı YSA, genetk algortmalar ve lojstk regresyon modellernn fnansal tablolardak hle rskn tahmn başarısını karşılaştırmalı olarak ncelemşlerdr. Yapılan analz sonuçlarında YSA modelnn % 96 oranında doğru sınıflandırma yaparak en başarılı sonuç veren model olduğu tespt edlmştr. Bunu se % 93 doğru sınıflandırma başarısı le genetk algortmalar takp etmştr. Nga vd. (2011), fnansal hlelern önlenmes ve tesptne lşkn olarak lteratürde yapılan çalışmaları, kronolojk, yöntemsel, çerk ve amaçları tbaryle nceleyerek fnansal tablo hlelernn tesptnde YSA, lojstk regresyon, Bayes ve karar ağacı gb çok değşkenl modellern yaygın olarak kullanıldığını ortaya koymuştur. Türkye de se Küçükkocaoğlu vd. (2007), fnansal tablo hlelerne başvuran ve başvurmayan şrketlern ayrımını yapay snr ağı model le tahmn etmeye çalışmışlardır. Araştırmada Benesh ( ) n çalışmalarında kullandığı değşkenler baz alınmış ve kurulan modeln gücü Yapay Snr Ağı model le test edlmştr. Araştırmanın sonucunda se fnansal tablo hlelernn tesptnde modeln tahmn gücünün % 86,17 düzeynde gerçekleştğn, hatalı sınıflandırma olasılığının se % 13,82 olduğu tespt edlmştr. Çalışmada ayrıca fnansal tablo hlelern ortaya çıkarmaya yarayan değşkenler blndğnde, modele yen katılan şrketlern gelecektek durumlarını tahmn etmek çn yapay snr ağları modelnn br yöntem olarak kullanılableceğ de fade edlmştr. Değerlendrme ve Sonuç Muhasebe sstem çersnde üretlen fnansal tablolar, br takım seçml düzenlemeler yoluyla kşsel ve kurumsal amaçlara hzmet etmek üzere olduğundan farklı gösterleblmektedr. İşletmelere at fnansal tabloların bu şeklde manpüle edlmes, br taraftan yatırımcıların, dğer taraftan se çalışanlar, kredtör kuruluşlar, kamuoyu gb çok genş br kesmn zarar görmesne sebebyet vereblmektedr. Geçmşte yaşanan skandal ntelğndek olaylardan da görüldüğü üzere, fnansal tabloları hlel olan şletmelere kullandırılan kredler neden le bankalar geçmşte mlyarlarca dolar zarar görmüştür.

20 84 Fnansal Tablolardak Hle Rsknn Tahmn Edlmesnde Karma Modellern Nsp Başarısı Üzerne Karşılaştırmalı Br Analz Para ve sermaye pyasası katılımcıları, fnansal blgnn kaltes, doğruluğu ve şeffaflığı konusunda güvence oluşturan etkn kurumsal yönetşme büyük önem vermş; ancak geçmşte yaşanan skandal ntelğndek olaylar pyasa katılımcılarının, denetme tab tutularak yayınlanan fnansal tablolara olan güvenn sarsmış ve bağımsız denetmden geçmş fnansal tablolara ble şüphe le bakılmasına neden olmuştur. Ntekm yaşanan olayların ardından fnansal tablo hleler gündeme gelmş ve son zamanlarda ş dünyası, muhasebe uzmanları, akademsyenler ve pyasa düzenleycler, fnansal tablo hleler konusunda cdd uyarılarda bulunmuştur. Geçmşte yaşanan fnansal tablo hlelernn neden olduğu kayıplar, fnansal tablo hlelernn önceden tesptn sağlayacak erken uyarı sstemlernn gerekllğn ortaya çıkarmış ve lteratürde fnansal tablo hlelernn önceden tesptne yönelk br çok model gelştrlmştr (Nga vd, 2011; Ravsankar vd., 2011; Humpherys vd., 2011; Zhou ve Kapoor, 2011; Perols ve Lougee, 2010; Ata ve Seyrek, 2009; Krkos, 2007; Küçükkocaoğlu vd., 2007; Küçüksözen, 2004; Spaths, 2004; Spaths, 2002; Benesh, 1999; Benesh, 1997). Lteratürdek amprk çalışmalar (Nga vd., 2011; Ravsankar vd., 2011; Dalkılıç, 2010; Yıldız ve Akkoç, 2009; Krkos vd., 2007; Küçükkocaoğlu vd., 2007; Yıldız, 1999) ncelendğnde fnansal tablolardak hle rsknn tahmn edlmesnde ve dğer rsklern öngörülmesnde YSA modelnn dğer modellere (logt, probt, UTADIS, karar ağacı, Bayes vb.) nazaran daha başarılı sonuçlar ortaya koyduğu tespt edlmştr. Lteratürde fnansal tablolardak hley öngörmek ve değerlemek üzere gelştrlen YSA modellernn, y br performans gösterdğ ve tutarlı br yapı sergledğ sonucuna ulaşılmıştır. Ntekm YSA model kullanılmak suretyle hsse sened yatırımcılarına yönelk manpülasyonları tahmn eden Ravsankar vd. (2011), hlel fnansal tabloları % 96; Krkos vd. (2007), hlel fnansal tabloları % 100 ve Küçükkocaoğlu vd. (2007), hlel fnansal tabloları % 86 oranında doğru tahmn etmştr. Ayrıca fnansal tablolardak hle rsknn belrlenmesnde hang değşkenlern nsp ağırlığa sahp olduğuna yönelk gerçekleştrlen lteratür ncelemesnde de lteratürde cdd farklılıkların olduğu tespt edlmştr. Ntekm Perols ve Lougee (2010), alacak devr hızı, alacaklardak büyüme ve satışlardak büyüme değşkenlernn; Ata ve Seyrek (2009) kaldıraç oranı ve aktf karlılık değşkenlernn; Krkos vd. (2007), Altman z score, toplam borç/özkaynak oranı, net kar / toplam aktf, toplam satış / toplam aktf, şletme sermayes / toplam aktf ve FVÖK değşkenlernn; Küçüksözen (2004), tcar alacak endeks, brüt kar marjı endeks, amortsman endeks, fnansman gder/satışlar, aktf kaltes endeks ve stok/satış değşkenlernn; Spaths vd. (2004), toplam borç / toplam aktf, stok / satış, net kar / net satış ve stok / toplam aktf değşkenlernn; Küçüksözen ve Küçükkocaoğlu (2004), net kar / toplam aktf ve fnansman gder / faalyet gder değşkenlernn; Spaths (2002), stok/satışlar, toplam borç / toplam aktf ve Altman Z-score değşkenlernn hlel fnansal tabloların tesptnde anlamlı farklılıklar ortaya koyan değşkenler olduğunu tespt etmşlerdr.