Predicting fraudulent financial activities through neural network algorithms
Hileli finansal aktivitelerin sinir ağları algoritmaları ile öngörülmesi
- Tez No: 593609
- Danışmanlar: DOÇ. DR. FATMA DİLVİN TAŞKIN YEŞİLOVA, DOÇ. DR. YASEMİN KARAİBRAHİMOĞLU
- Tez Türü: Doktora
- Konular: İşletme, Business Administration
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2019
- Dil: İngilizce
- Üniversite: Yaşar Üniversitesi
- Enstitü: Sosyal Bilimler Enstitüsü
- Ana Bilim Dalı: İşletme (İngilizce) Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 106
Özet
Dünya çapında yasal düzenlemelere rağmen (Sarbanes-Oxley Yasası, Fransa Finansal Güvenlik Yasası, Birleşik Krallık 2006 yılı Hile Yasası) finansal hileler bugünün sermaye piyasaları için hala ana sorunlardan birisidir. Bu çalışma, Amerika Birleşik Devletleri borsalarında (NYSE ve NASDAQ) çapraz listelenen firmaların hileli finansal aktivite risklerinin Sinir Ağları temelli algoritmalar kullanılarak tahminlenmesini amaçlamaktadır. Bu çalışmada, kapsamlı bir veriseti oluşturabilmek için finansal hile davaları, finansal tablo verileri, kurumsal yönetim verileri ve makroekonomik gösterge verileri toplanmıştır. Bu yöntem sayesinde bu çalışma hile tespitinde sadece firmaya özgü yönlere odaklanmak yerine ülkelere özgü kurumsal etmenleri de kapsayan oldukça geniş çaplı bir çerçeve geliştirmeye çalışmaktadır. Bu çalışma makine öğrenme temelli dört sınıflandırma algoritmasını kullanmaktadır. Rassal Orman ve C4.5 algoritmaları diğer kullanılan algoritmalardan daha iyi sonuçlar elde etmiştir. Dahası, bu çalışma literatürdeki önceki çalışmaların sınıflandırma performanslarından daha iyi sonuçlara ulaşmıştır.
Özet (Çeviri)
Despite worldwide regulatory efforts (e.g., Sarbanes – Oxley Act, Financial Security Law of France, Fraud Act 2006 of the United Kingdom), fraud is still a major concern of today's capital markets. This study aims to forecast the risk of fraudulent financial activities of cross-listed companies in US stock exchanges (NYSE, NASDAQ) by employing a Neural Network based algorithm. Data of financial fraud filings, financial statements, corporate governance variables, and macroeconomic indicators are collected to construct a comprehensive study. By this method, this study tries to develop a broader framework on fraud detection that does not focus only on firm-specific aspects, instead of covering a more comprehensive dataset, which incorporates country-specific institutional factors into consideration. This study employs four machine learning based classification algorithms. Random Forest and C4.5 algorithm outperformed others with superior classification power. Moreover, this study mostly exceeds the classification ability of the previous literature.
Benzer Tezler
- Kredi kartları riskleri ve güvenlik önlemlerinin sigortacılık açısından incelenmesi
Research on the risks of credit cards and security implementations in the view of insurance
AYŞEGÜL BÖLÜKBAŞI
- Hile riskinin tespitinde f-skor modeli ve hile beşgeni teorisi üzerine BIST'de yapılan bir araştırma
An investigation in BIST on f-score model and pentagon theory for the detection of fraud risk
ECE ÇEVİK
- Makine öğrenmesi yöntemleri ile çevrimiçi kredi kartı işlemlerinde Fraud analizi tahmini
Fraud analysis prediction in online credit card transactions using machine learning methods
YASİN DİKBIYIK
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. OSMAN NURİ UÇAN
- Anomaly detection using machine learning techniques: A comparative study on first payment default prediction in retail loans
Yapay öğrenme yöntemleriyle anomali saptanması: Bireysel kredilerde ilk ödemede batma tahmini üzerine karşılaştırmalı bir çalışma
AHMET TALHA YİĞİT
Yüksek Lisans
İngilizce
2022
Bankacılıkİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. ALP ÜSTÜNDAĞ
- Privacy and security enhancements of federated learning
Federe öğrenme uygulamalarında mahremiyet ve güvenlik geliştirmeleri
ŞÜKRÜ ERDAL
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilişim Uygulamaları Ana Bilim Dalı
PROF. DR. ENVER ÖZDEMİR
DR. FERHAT KARAKOÇ