Decision making approaches for financial accounting fraud : case study for small and medium sized enterprises (SMEs) in Turkey

Abstract

Finansal muhasebe dolandırıcılığı, finansal ekosistemdeki tüm paydaşlar için başa çıkılması gereken en büyük sorunlardan biridir. Paydaşlar arasında güven ve itibara zarar verir. Ayrıca finansal muhasebe dolandırıcılığının finansal ekosistemde neden olduğu yaralar, şirketlerin ve ülkelerin ekonomik büyümelerini olumsuz etkilemektedir. Bu tez çalışmasında, finansal muhasebe dolandırıcılığı sorununun üstesinden gelmek için karar verme yaklaşımları önerilmiştir. Hileli finansal tablolar üzerinde en büyük etkiye sahip finansal oranların belirlenmesinde özellik seçim yöntemleri olarak farklı bulanık kümeler ile entegre Çok Kriterli Karar Verme yöntemleri, T-testi ve Genetik Arama uygulanmıştır. Finansal oranların sıralamasına ilişkin karar verme sürecindeki belirsizliklerin üstesinden gelmek için Küresel Bulanık Kümeler (aralık değerli ve tek değerli bulanık sayılar dahil), Dairesel Sezgisel Bulanık Kümeler ve Tip-1 bulanık kümeler kullanılmaktadır. Finansal oranların önceliklendirilmesinin belirlenmesinden sonra, aşırı örnekleme ve alt örnekleme olmak üzere iki örnekleme yöntemi gerçekleştirilir. Daha sonra Destek Vektör Makineleri, Naive Bayes, Yapay Sinir Ağları, K-En Yakın Komşuluk, Rastgele Orman, Lojistik Regresyon ve Torbalama olmak üzere yedi farklı sınıflandırıcının performansları performans metrikleri kullanılarak karşılaştırılmıştır. Sınıflandırıcılar ayrıca herhangi bir özellik seçme yöntemi kullanılmadan karşılaştırılır. Rastgele Orman sınıflandırıcısının, dikkate alınan tüm performans ölçütleri boyunca yedi sınıflandırıcı arasında sürekli olarak en iyi veya ikinci en iyi performansı gösterdiği bulunmuştur. Naive Bayes ve Destek Vektör Makineleri de incelenen tüm sınıflandırıcılarda en kötü performansı gösteren iki sınıflandırıcı olarak bulunmuştur. Bu tezin bir başka bulgusu, aşırı örnekleme yönteminin Rastgele Orman sınıflandırıcısının genel doğruluğunu önemli ölçüde arttırmasıdır.Financial accounting fraud is one of the biggest problems to be overcome for all stakeholders in the financial ecosystem. It damages trust and reputation among stakeholders. Moreover, the wounds caused by financial accounting fraud on the financial ecosystem adversely affect the economic growth of companies and countries. In this dissertation, decision making approaches are proposed to deal with the problem of financial accounting fraud. Integrated Multi Criteria Decision Making methods with different fuzzy sets, T-test, and Genetic Search are applied as feature selection techniques to identify financial ratios having the greatest impact on fraudulent financial statements. Spherical Fuzzy Sets (including interval-valued and single-valued fuzzy numbers), Circular Intuitionistic Fuzzy Sets and Type1 fuzzy sets are employed to overcome uncertainties in decision-making process regarding the ranking of financial ratios. After determination of the prioritization of financial ratios, two sampling methods of oversampling and undersampling are performed. Then, the performances of seven different classifiers, which are Support Vector Machine, Naive Bayes, Artificial Neural Network, K-Nearest Neighbour, Random Forest, Logistic Regression and Bagging, are compared by employing performance measures. Classifiers are also compared without using any feature selection method. It is found that Random Forest classifier consistently performs the best or the second best among seven classifiers throughout all considered performance measures. Naive Bayes and Support Vector Machines are also found as two classifiers that perform the worst in all examined classifiers. Another finding of this dissertation is that oversampling method significantly enhances overall accuracy of the Random Forest classifier.