Geri Dön

Predicting fraudulent financial activities through neural network algorithms

Hileli finansal aktivitelerin sinir ağları algoritmaları ile öngörülmesi

  1. Tez No: 593609
  2. Yazar: MUSTAFA REHA OKUR
  3. Danışmanlar: DOÇ. DR. FATMA DİLVİN TAŞKIN YEŞİLOVA, DOÇ. DR. YASEMİN KARAİBRAHİMOĞLU
  4. Tez Türü: Doktora
  5. Konular: İşletme, Business Administration
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2019
  8. Dil: İngilizce
  9. Üniversite: Yaşar Üniversitesi
  10. Enstitü: Sosyal Bilimler Enstitüsü
  11. Ana Bilim Dalı: İşletme (İngilizce) Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. 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

  1. 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

    Yüksek Lisans

    Türkçe

    Türkçe

    1995

    BankacılıkMarmara Üniversitesi

    DOÇ.DR. ÖMÜR Ş. BABAOĞLU

  2. 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

    Doktora

    Türkçe

    Türkçe

    2023

    İşletmeManisa Celal Bayar Üniversitesi

    İşletme Ana Bilim Dalı

    PROF. DR. SEMRA ÖNCÜ

  3. 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

    Türkçe

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş Üniversitesi

    Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. OSMAN NURİ UÇAN

  4. 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

    İngilizce

    2022

    Bankacılıkİstanbul Teknik Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    PROF. DR. ALP ÜSTÜNDAĞ

  5. Privacy and security enhancements of federated learning

    Federe öğrenme uygulamalarında mahremiyet ve güvenlik geliştirmeleri

    ŞÜKRÜ ERDAL

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilişim Uygulamaları Ana Bilim Dalı

    PROF. DR. ENVER ÖZDEMİR

    DR. FERHAT KARAKOÇ