Bağımsız denetimde veri madenciliği tekniklerinin kullanılması

Abstract

Yatırımcılar ve karar alıcılar, kendilerine sunulan bilgilerin doğrudan kaynağında araştırma yapma imkanları bulunmadığından, bilgilerin güvenilir ve şeffaf olduğuna inanmak durumundadırlar. Ulusal ve uluslararası standartlar doğrultusunda bağımsız denetimden geçmemiş finansal tabloların hata ve hile içerme olasılığı yüksek olacaktır. Bu nedenle yatırımcılar ve karar alıcılar, kuruluşun mali durumuna ilişkin objektif bir değerlendirmeye sahip olmak isterler. Şeffaf ve güvenilir mali tabloya olan gereksinim bağımsız denetim ihtiyacını ortaya çıkarmıştır. Bağımsız denetim işletmenin finansal tablolarının uygulanabilir finansal raporlama çerçevesine uygun olarak hazırlandığı konusunda makul güvence verir ve finansal raporlama sürecinde şeffaflığı artırır. Yapay sinir ağları, karmaşık bilgileri analiz etmeye yarayan yapay zekânın bir alt dalı olup nitel yöntemlerden birisidir. Ağlar, mantıksal ve analitik tekniklerle çözülemeyen sorunları standart yazılımlarla çözme konusunda büyük potansiyele sahiptir. Yapay zekâ (AI), finansal kurumların çalışma şeklini hızla değiştirmektedir. Maliyet tasarrufları ve operasyonel verimlilikler nedeniyle işletmenin temel işlevlerini giderek daha fazla devralması beklenmektedir. Bu çalışmanın amacı yapay sinir ağı modelinin denetimin planlama aşamasında kullanılmasının denetçiye sağlayacağı avantajları açıklamaktır. Bu amaç doğrultusunda yapay sinir ağı modeli oluşturulmuştur. Bu model oluştururken 2 katmanlı ağ yapısında 8 adet nöron 10.000 iterasyon kullanılmıştır. Çeşitli denemeler sonucu en iyi tahmin performans gösteren ağ yapısı tercih edilmiştir. Çalışmanın uygulama bölümünü BİST-Spor endeksinde işlem gören anonim şirketler oluşturmaktadır. Çalışmanın veri setini şirketlerin KAP'da yayınlanan finansal raporlarından elde edilen finansal bilgiler oluşturmaktadır. Şirketlerin 2013-2018 yılları arasındaki finansal tablolarındaki veriler baz alınmıştır. Bağımsız denetimde kullanılan veri madenciliği tekniklerinden yapay sinir ağı modeli kullanılarak 2019 yılı verileri tahmin edilmeye çalışılmıştır. Bu bağlamda 2013-2016 yılları eğitim seti, 2017-2018 yılları ise test seti olarak kullanılmıştır. 2 katman 8 nörondan bir model oluşturarak 2019 yılına ait hesaplar tahmin edilmiştir. Yapılan analizde denetçi tarafından tahmin edilen değer ile gerçek değer arasındaki farkın bazı hesaplarda az bazılarında ise çok olduğu gözlemlenmiştir. Böylece denetçi planlamayı gerçekleştirirken farkın çok olduğu hesaplara ağırlık verebilecektir. Tahmin performans ölçümlerinden MAPE değeri hesaplanmıştır. Buna göre MAPE değeri % 20'nin üzerinde olan hesaplar için detaylı bir inceleme yapılırken % 10'un altında kalan hesaplar göz ardı edilebilir. Bu sayede denetçi risk değerlendirme prosedürleri çerçevesinde denetimi daha kısa sürede tamamlayarak zamandan tasarruf sağlayacak, denetim risk azalacak ve denetim kalitesi artacaktır.

Investors and decision makers have to believe that the information is reliable and transparent since they do not have the opportunity to research directly at the source of the information presented to them. üFinancial statements that have not been independently audited in line with national and international standards will have a high probability of containing errors and fraud. For this reason, investors and decision makers want to have an objective assessment of the financial situation of the organization. The need for transparent and reliable financial statements has revealed the need for independent auditing. An independent audit provides reasonable assurance that the entity's financial statements are prepared in accordance with the applicable financial reporting framework and increases transparency in the financial reporting process. Artificial neural networks are a sub-branch of artificial intelligence that is used to analyze complex information and is one of the qualitative methods. Networks have great potential to solve problems that cannot be solved with logical and analytical techniques with standard software. Artificial intelligence (AI) is rapidly changing the way financial institutions work. AI is expected to increasingly take over the core functions of the business due to cost savings and operational efficiencies. The aim of this study is to explain the advantages of using the artificial neural network model in the planning phase of the audit. For this purpose, an artificial neural network model was created. While creating this model, 8 neurons 10,000 iterations were used in the 2-layer network structure. As a result of various trials, the network structure with the best estimation performance was preferred. The application part of the study consists of joint stock companies traded in the BIST-Spor index. The data set of the study consists of the financial information obtained from the financial reports of the companies published on the Public Disclosure Platform. It is based on the data in the financial statements of the companies between 2013-2018. Using the artificial neural network model, one of the data mining techniques used in independent auditing, the data for 2019 were tried to be estimated. In this context, the years 2013-2016 were used as the training set and the years 2017-2018 as the test set. Calculations for 2019 were estimated by creating a model from 2 layers of 8 neurons. In the analysis made, it has been observed that the difference between the value estimated by the auditor and the actual value is less in some accounts and more in others. Thus, the auditor will be able to focus on the accounts where the difference is large while performing the planning. The MAPE value was calculated from the estimation performance measurements. Accordingly, while a detailed examination is made for accounts with a MAPE value above 20%; Accounts with a value below 10% can be ignored. In this way, the auditor will save time by completing the audit in a shorter time within the framework of risk assessment procedures, audit risk will be reduced and audit quality will increase.