Emin Çağlak

Financial manipulation negatively affects market participants. Therefore, various techniques are developed to detect manipulation. One of the most widely used techniques in the literature is the M-score. The study investigates whether the M-score is an effective model across different periods and aims to provide perspective to researchers and market players. In this study, we developed a model to detect financial manipulation. We compared our model results with the M-score results. In the study, we first scanned the US Securities and Exchange Commission's "Accounting and Auditing Practice Bulletins" and identified fifty-one companies (red flags) from the reports. Then, we calculated some ratios from the financial reports of these companies (red flags) and companies with control variables and created the prediction model. The results show that the success of the created manipulation prediction model is eighty-three per cent. The M-score results are lower. The model in the study is the most up-to-date model with many explanatory variables to detect financial manipulation. The study showed that established manipulation detection models may lose effectiveness over time, and the effects of the variables in the model may change. Therefore, the study offers a novel perspective to the literature. In future studies, researchers could investigate how imbalances in the proportion of “1” versus “0” observations affect the detection model.

Finansal raporlarda yapılan hata hile ve usulsüzlükler yıllardır literatüre araştırma konusu olmuş, konuyla ilgili farklı ülkelerde farklı çalışmalar yapılmıştır. Bu çalışmanın amacı, belli bir ülkede elde edilen modellerin diğer ülkeler için de geçerli olup olmayacağını araştıran bir çalışma ortaya koymaktır. Bu amaçla, SPK bültenleri 2009-2019 yılları için incelenmiş, taranan 520 bültenden 45 firma hakkında hata, hile ve usulsüzlük tespit edilmiştir. Bu firmalar için aynı faaliyet alanında ve aktif büyüklüğü birbirine yakın 108 firma ise kontrol değişkeni olarak seçilmiştir. Oluşturulan modelde açıklayıcı değişken sayısı 22 olup bu değişkenlerden 8’i Beneish (1999) tarafından ABD’de yapılan çalışmalarda ortaya konan modelin açıklayıcı değişkenleridir. Analiz sonucu modellerde manipülasyon yapan firma ile eşit sayıda kontrol değişkenli(eşlemeli) modelin başarısı, manipülasyon yapan firmalara karşılık daha fazla sayıda kontrol değişkenli(eşlemesiz) modelin ayrıştırma gücünden daha düşük kalmıştır. Ayrıca eğitim seti ve test veri seçiminde rastgele seçim yapmak, baz yıl (uygulamada 2015 seçilmiştir) kullanarak model oluşturmaya nazaran daha çok açıklayıcı değişken ve daha güçlü ayrıştırma yapan model kurmaya katı sağlamaktadır. Ayrıca oluşturulan her bir modelin performansı, Beneish M-skoru’nun manipülasyon yapan/yapmayan firmaları ayrıştırma yeteneğinden daha yüksek olduğu görülmektedir. Sonuçta manipülasyon tespitinde her ülke için geçerli bir model oluşturmanın mümkün olmadığı görülmüştür.

Forecasting models based on the assumption that returns are normally distributed do not perform sufficiently on shallow markets. These models are more likely to fail in the estimation of the extreme points that can be reached especially at high volatility markets, and this situation is led to investors in predicting volatility. In the volatility forecasting of crypto money, which is seen as an alternative investment tool for the financial investors, single volatility models such as, ARCH, GARCH, T-GARCH, GARCH-M, E-GARCH, and I-GARCH and long memory models (AP-GARCH and C-GARCH) was utilized. In addition, the most suitable model was tried to be tested among the models used for volatility estimation. In this context, the price data of Bitcoin, Ethereum and Ripple cryptocurrency with the highest market value in the crypto money market have been utilized between 24/08/2016-07/05/2018. According to the results of the research, for Bitcoin and Ethereum, the volatility effect of the shocks is permanent and the effect of the positive shocks is more than that of the negative shocks, whereas for Ripple, the volatility effect of the shocks is transient and the passivity of the volatility is short.

Halka açık olmayan firmalar için öz kaynak maliyeti hesaplanması, uzun yıllardır finans literatüründe gündemde olan bir konudur. Özellikle organize bir piyasada işlem görmeyen firmalar için sistematik risk değişkeninin hesaplanma zorluğu, konunun odak noktasını oluşturmaktadır. Muhasebe Betası, problemin çözümü için geliştirilmiş bir teknik olmakla birlikte, yapılan çalışmalarda sektörden sektöre, piyasadan piyasaya modellemenin değişiyor olması bu çalışmanın motivasyonunu oluşturmaktadır. Çalışmanın temel amacı, çimento sektöründe farklı ülkelerde faaliyet gösteren halka açık firmaların mali tablo verileri ile sistematik risk göstergesi olan finansal beta katsayıları arasındaki ilişkinin tespit edilmesidir. Bu amaçla, sektörde dünya lideri olan Türkiye ve Diğer Ülkelerde faaliyet gösteren firmaların 2007-2017 yılları arasındaki çeyreklik muhasebe temelli değişkenleri ile hesaplanan finansal beta katsayıları panel veri analizine tabi tutulmuştur. Elde edilen bulgulara göre, aynı sektörde faaliyet gösterseler dahi beta ile ilişkili finansal değişkenler Türkiye ve diğer ülkeler açısından farklılaşabilmektedir. Çalışma sonuçları, teorik beklentilerle açıklanabilmekte ve literatürdeki birçok çalışma ile paralellik arz etmektedir. Aynı sektörün farklı ülke grupları açısından incelenmesi yönünden özgünlük taşımaktadır.

Uluslararası kredi derecelendirme kuruluşlarının açıklamış olduğu kredi not kararları finansal piyasa aktörlerinin kararlarını etkilemektedir. Günümüzde özellikle gelişmekte olan ülkeler adına yapılan kredi derecelendirmelerinin ilgili ülkelerin finansal piyasalarına olan yatırımcı ilgisine etkisini göz ardı etmek mümkün değildir. Özellikle Türkiye finans piyasalarının da gelişmekte olan bir piyasa olduğu göz önüne alındığında, kredi derecelendirme kuruluşları tarafından yapılan kredi notlarının ilgili piyasaları ne derecede etkilediği önemli bir soru olarak karşımıza çıkmaktadır. Bu durumdan hareketle, çalışmada dünyada tanınırlığı en yüksek üç kredi derecelendirme kuruluşu olan Fitch, Moody’s ve Standart and Poor’s’un Türkiye için kredi notu açıklamalarının etkisi analiz edilmektedir. Bu amaçla, kredi notu kararlarının Borsa İstanbul’da yer alan 14 sektör endeksi (Bist Banka, Bist Bilişim, Bist Elektrik, Bist Gıda İçecek, Bist İletişim, Bist Kimya Petrol Plastik, Bist Kobi Sanayi, Bist Kurumsal Yönetim, Bist Madencilik, Bist Metal Ana, Bist Spor, Bist Taş Toprak, Bist Ulaştırma, Bist Sınai) üzerindeki etkisi olay çalışması yöntemi (Event Study) kullanılarak incelenmiştir. Araştırma kapsamında ele alınan endeksler için anormal getiriler ve kümülatif anormal getiriler hesaplanmış, elde edilen sonuçlar tanınırlığı en yüksek üç kredi derecelendirme kuruluşu açısından karşılaştırılmıştır. Araştırma sonucunda, not açıklamalarının seçilmiş olan endeksler üzerinde etkisi olduğu ve bu etkinin kredi derecelendirme kuruluşları arasında bir farklılık göstermediği tespit edilmiştir.