Anomali tespitinde makine öğrenmesi tekniklerinin kullanılması: BIST 100 endeksi'ndeki işletmeler üzerine bir araştırma

Abstract

Makine öğrenmesi, çok sayıda değişken ve fonksiyonel formlar hakkında sınırlı önsel bilgi içeren muhasebe veri kümelerini incelemek için ampirik yöntemler sunmaktadır. Bu çalışmada, bu yöntemlerin anomalileri tespit etmeye ve yorumlamaya yardımcı olduğu gösterilmiştir. Makine öğrenmesi tabanlı anomali tespit yöntemlerinin karşılaştırmalı olarak değerlendirilmesi amacıyla, Türkiye'de faaliyet gösteren seçili şirketlerin finansal muhasebe verileri kullanılmıştır. Analizde kullanılan veri seti, Borsa İstanbul'da (BIST) işlem gören finansal ve finansal olmayan sektörlerde faaliyet gösteren şirketlerin 2018–2025 yılları arasındaki finansal tablolarından türetilmiştir. Önemli anomalileri tespit etmek için şirketlerin finansal verilerinden oluşan geniş bir değişken kümesi kullanılmıştır. Bu çalışmanın temel amacı, makine öğrenmesi tabanlı yöntemler kullanılarak anomalilerin etkin bir şekilde tespit edilmesini sağlamaktır. Özellikle finansal, dijital ve sistemsel veri kümeleri üzerinde karşılaşılan anormal örüntülerin tespitinde farklı makine öğrenmesi algoritmalarının performansları karşılaştırmalı olarak analiz edilmektedir. Bu doğrultuda çalışmada, denetimli ve denetimsiz öğrenme tekniklerinin anomalilerin belirlenmesindeki etkinliği değerlendirilmekte; ayrıca bu tekniklerin avantajları, sınırlılıkları ve uygulama alanlarına katkıları ortaya konulmaktadır.