Please use this identifier to cite or link to this item: https://hdl.handle.net/20.500.11851/3511
Title: Finansal bilgi manipülasyonunun denetimli makina öğrenmesi yöntemleri kullanılarak tahmin edilmesi: Destek vektör makinesi, olasılıksal sinir ağı, k-en yakın komşu ve karar ağacı kullanımı
Other Titles: Detecting financial information manipulation by using supervised machine learning technics: Support vector machine, probabilistic neural network, k-nearest neighbor, decision tree
Authors: Aktaş, Ramazan
Aydın, Osman Musa
Keywords: Finansal Bilgi Manipülasyonu
Denetimli Makine Öğrenmesi
SVM
PNN
KNN
DT
Beneish
Financial Information Manipulation
Supervised Machine Learning
Issue Date: 2019
Publisher: TOBB ETÜ Sosyal Bilimler Enstitüsü
Source: Aydın, O. (2019).Finansal bilgi manipülasyonunun denetimli makina öğrenmesi yöntemleri kullanılarak tahmin edilmesi: Destek vektör makinesi, olasılıksal sinir ağı, k-en yakın komşu ve karar ağacı kullanımı. Ankara: TOBB ETÜ Sosyal Bilimler Enstitüsü. [Yayınlanmamış yüksek lisans tezi]
Abstract: Bu tez kapsamında finansal tablolardaki bilgilerin çarpıtılması olarak tanımlanabilecek finansal bilgi manipülasyonunu tahmin etmek için denetimli makina öğrenmesi yöntemleri kullanılmıştır. Geleneksel tahmin algoritmalarına göre daha yüksek performans gösteren destek vektör makinesi (SVM), olasılıksal sinir ağı (PNN), k-en yakın komşu (KNN) ve karar ağacı (DT) algoritmalarından yararlanılmıştır. Sermaye Piyasası Kurumundan elde edilen verilere ayrı ayrı tüm algoritmalarda uygulanarak daha önce benzer çalışmalarda başarısını kanıtlamış destek vektör makinesi ve olasılıksal sinir ağı yöntemlerinin güncel olarak kullanılan k-en yakın komşu ve karar ağacı algoritmalarıyla karşılaştırılmalı analizi yapılmıştır. Böylece finansal bilgi manipülasyonunda hangi algoritmaların daha iyi performans gösterdiği kullanılan yöntemlerin sınıflandırma performansı özgünlük, duyarlılık ve toplam sınıflandırma doğruluğu istatistiklerine bakılarak tespit edilmiştir. Yapılan çalışmalar sonucunda SVM ve PNN'in üstün performans gösterdiği görülmüştür. Bu nedenle, bu algoritmaların manipülasyonları otomatik olarak tespit etmek için kullanılabileceği söylenebilir.
Within the scope of this thesis, traditional estimation algorithms and supervised machine learning methods are used to estimate the manipulation of financial information, which can be defined as distorting information in financial statements. Traditional estimation algorithms, such as logit, and supervised machine learning methods, which are support vector machine (SVM), probabilistic neural network (PNN), k-nearest neighbor (KNN) and decision tree (DT) algorithms, are utilized. According to the previous studies, support vector machine and probabilistic neural network algorithms perform higher than traditional estimation algorithms. Comparative analysis is made to decide better algorithm for classification by applying all algorithms separately to the data obtained from the Capital Market Board. Thus, it is determined which algorithms perform better in financial information manipulation by looking at performance of classification accuracy, sensitivity and specificity statistics. SVM and PNN have shown superior performance. So that it can be said that these algorithms can be used to detect manipulation in automated manner.
URI: https://tez.yok.gov.tr/UlusalTezMerkezi/tezSorguSonucYeni.jsp
https://hdl.handle.net/20.500.11851/3511
Appears in Collections:İşletme Yüksek Lisans Tezleri / Business Administration Master Theses

Files in This Item:
File Description SizeFormat 
607706 (2).pdfOsman Musa Aydın_Tez1.21 MBAdobe PDFThumbnail
View/Open
Show full item record

CORE Recommender

Page view(s)

84
checked on Feb 6, 2023

Download(s)

26
checked on Feb 6, 2023

Google ScholarTM

Check


Items in GCRIS Repository are protected by copyright, with all rights reserved, unless otherwise indicated.