Using of Artificial Neural Networks As an Analytical Investigation Technique at Audit Planning Stage: A Company Application

Öz

The purpose of this research is, the application of artificial neural network technique at planning stage of independent audit process. In this respect, auditing process, analytical investigation procedures and techniques are mentioned and the conveniences of artificial neural networks for auditor and audit process are exhibited. The controlled financial statements of a corporation which is treated in manifacturing sector at Borsa Istanbul, for 8 years period of March 2004 and December 2012 are used. At the end of the study it is noticed that, artificial neural network technique made a good estimation

Anahtar Kelimeler

• Artificial neural networks, independent audit, analytical investigation procedure

Denetim Planlaması Aşamasında Analitik İnceleme Tekniği Olarak Yapay Sinir Ağları Kullanımı: Bir Firma Uygulaması

Öz

Bu araştırmanın amacı, bağımsız denetim sürecinin planlama aşamasında analitik inceleme tekniği olarak yapay sinir ağı yönteminin kullanımının gösterilmesidir. Bu bağlamda çalışmada, denetim süreci, analitik inceleme prosedürü ve tekniklerinden bahsedilmekte ve yapay sinir ağlarının denetçiye ve denetim sürecine sağladığı kolaylıklar ortaya konulmaktadır. Borsa İstanbul’da imalat sektöründe işlem gören bir işletmenin Mart 2004–Aralık 2012 dönemindeki denetimden geçmiş 8 yıllık finansal tabloları kullanılmaktadır. Çalışmanın sonucunda yapay sinir ağları yönteminin iyi bir tahmin aracı olduğu görülmektedir

Anahtar Kelimeler

• Yapay sinir ağları, bağımsız denetim, analitik inceleme prosedürü

Kaynakça

1. ACFE, (2010) “Report To The Nations On Occupa- tional Fraud and Abuse” http://www.acfe.com/rttn/rttn- 2010.pdf, (05.07.2013)
2. Arens, A., Ejder, R. ve Beasley, M. (2011) Auditing and Assurance Services, Prentice Hall, Fourteenth Edition: 221.
3. Bilge, U. (2008) “Tıpta Yapay Zeka ve Uzman Sis- temler” Tıp Bilişimi 4. Ulusal Tıp Bilişimi Kongresi, An- talya.
4. Bozkurt, N. (1998) Muhasebe Denetimi, 2. Baskı, Alfa Yayınları.
5. Busto, B. ve Weinberg, R. (1998) “ Using Benfrod’s Law and Neural Networks As a Review Procedure” Ma- nagerial Auditing Journal, 13(6): 356-357.
6. Chan, HJ., Huang, SY. ve Kuo, C.L. (2009) “Using The Artifical eural Network To Predict Fraud Ligition: Some Empirical Evidence From Emerging Markets” Ex- pert System With Applications, 36:1478-1484.
7. Chen, W.S., Du, Y.K. (2009) “Using Neural Net- works and Data Mining Techiques for the Financial Dist- ress Prediction Model” Expert System With Applications, 36:4075-4086.
8. Cho, V. (2003) “A Comparison Of Three Different Approaches To Tourist Arrival Forecasting” Tourism Ma- nagement, 24: 323-330.

9. Çabuk, A. ve Lazol, İ. (2008) Mali Tablolar Analizi, 5. Baskı, Ankara, Nobel Yayınları.
10. Çuhadar, M. ve Kayacan, C. (2005) “Yapay Sinir Ağları Kullanılarak Konaklama İşletmelerinde Doluluk Oranı Tahmini: Türkiye’deki Konaklama İşletmeleri Üze- rine Bir Deneme” Anatolia: Turizm Araştırmaları Dergisi, 16(1):24-30.
11. Davutyan, N. ve Kavut, L. (1997) “Bağımsız Dene- timde Müşteri Kabul Riskinin Veri Zarflama Analizi Yo- luyla Ölçülmesi” İMKB Dergisi, 9: 33-87.
12. De Lurgio, A.S. (1998) Forecasting Principles And Applications, Singapore, Irwin McGraw-Hill.
13. Dönmez, A. ve Ayten, E. (2011) “Bağımsız Dene- tim Sürecinde Analitik İnceleme Prosedürleri: Türkiye’de SPK’dan Yetki Almış Denetim Firmaları Üzerine Bir Araştırma” Bilgi Türk Sosyal Bilimler Dergi, (56):121-142.
14. Efendigil, T., Önüt, S. ve Kahraman, C. (2009) “A Decision Support System For Demand Forecasting With Artificial Neural Networks And Neuro-Fuzzy Models: A Comparative Analysis” Expert Systems with Applications, 36: 6697–6707.
15. Etherdig, H.L., Siriram, R.S. ve Hsu, H.Y.K. (2000) “Acomprasion of Selected Artifical Neural Networks that help Auditors Evaluate Client Financial Viability” Decisi- on Sciences,31(2): 531-550.
16. Gaganis, C., Pasiouras, F. ve Daumpos, M. (2007) “Probabilistic Neural Networks For The Identification” Expert System With Applications, 32:114-124.
17. Gürbüz, H. (1995) Muhasebe Denetimi, 4. Baskı, Es- kişehir, Bilim Teknik Yayınevi.
18. Güredin, E. (2008) Denetim ve Güvence Hizmetleri, 12. Baskı, İstanbul, Arıkan Yayınları.
19. Hamid, S.A. ve Iqbal, Z. (2004) “Using Neural Net- works For Forecasting Volatility Of S&P 500 Index Fu- tures Prices” Journal of Business Research, 57: 1116-1125.
20. Hamzaçebi, C. (2011) Yapay Sinir Ağları, Bursa, Ekin Yayınevi.
21. Huss, H.F., Jacobs, F.A ve Patterson, D.M. (2000) “An Integrative Model of Risk Management in Auditing” American Business Review, 18(2):113-122.
22. Kepekçi, C. (2004) Bağımsız Denetim, İstanbul, Av- cıol Basım Yayın.
23. Krambia, M., Christodoulou, C. ve Agathocleous, M. (2010) “NEURAL Networks: The Panacea In Fraud Detection” Managerial Auditing Journal, 25(7): 659-678.
24. Koskivaara, E. (1996) “Artificial Neural Network Mo- dels for Predicting Patterns in Auditing Monthly Balan- ces” Turku Centre for Computer Science, TUCS Techni- cal Report No 67.
25. Koskivaara, E. (2004) “Artificial Neural Networks in Analytical Review Procedures”, Managerial Auditing Jour- nal, 19(2): 191-223.
26. Kutlu, B. ve Badur, B. (2009) “Yapay Sinir Ağları ve Borsa Endeksi Tahmini” Yönetim Dergisi, 63: 25-40.
27. Küçükkocaoğlu, G., Benli, Y.K. ve Küçüksözen, C. (2009) “Finansal Bilgi Manipülasyonunun Tespitinde Ya- pay Sinir Ağı Modelinin Kullanımı” İMKB Dergisi, 36.
28. Okab, R. ve Taha, H. (2012) “The Possibility of Using Artificial Neural Networks in Auditing-Theoritical Analytical Paper” European Journal of Economics, Finance and Administrative Sciences, 47 :43-56.
29. Özalp, A. ve Anagün, S. (2003) “Yapay Sinir Ağı Per- formansına Etki Eden Faktörlerin Analizinde Taguchi Yöntemi: Hisse Senedi Fiyat Tahmini Uygulaması” İsta- tistik Araştırma Der gisi, 2(1): 29-45.
30. Pourheydari, O., Nezamabadi-Pour, H. ve Aazami, Z. (2012) “Identifying Qualified Audit Opinions By Artifi- cial Neural Networks” African Journal of Business Mana- gement, 6(44): 11077-11087.
31. Samaha, K. ve Hegazy, M. (2009) “Empirical Invers- tigation of The Use Of ISA 520 Analytical Procedures Among Big 4 Versus Non-Big 4 Audit Firms In Egypt” Managerial Auditing Journal, 25(9): 882-911.
32. Selimoğlu, S.K. ve Uzay, Ş. (2008) Muhasebe Deneti- mi, Ankara, Gazi Yayınları.
33. TUDESK (2008) Uluslararası Denetim ve Güvence Standartları, Uluslar arası Denetim Standardı 520, Anka- ra, TURMOB Yayınları.
34. Puttick,G., Sandy Van Esch, S. ve Van Esch, S.D. (2008) The Principles and Practice of Auditing, Jute and Company.
35. Usta, Ö. ve Uçma, T. (2011) “Hileli Finansal Rapor- lamada Bağımsız Denetçi Sorumluluğunun Belirlenmesi- ne Yönelik Yapısal Eşitlik Modeli Uygulaması” Muhasebe ve Denetime Bakış Dergisi, 34:13-38.
36. Usul, H. (2013) Türkiye Finansal Raporlama Muha- sebe Standartları Uygulamalı Bağımsız Denetim, Ankara, Detay Yayıncılık.
37. Wang, J. ve Takefuji, Y. (1993) Neural Networks In Design and Manufacturing, Singapore, World Scientific Pub.
38. Wang, S., Dong, X. ve Renjin Sun, R. (2010) “Pre- dicting Saturates Of Sour Vacuum Gas Oil Using Arti- ficial Neural Networks And Genetic Algorithms” Expert Systems with Applications, 37:4768-4771.
39. Yılancı, F. M., Yıldız, B. (2008) “Denetimde Kontrol Riskinin Belirlenmesi: Yapay Sinir Ağı Yaklaşımı” İktisat, İşletme ve Finans Dergisi, 23(273): 119-132.
40. Zhang, G. ve Hu, M.Y. (1998) “Neural Network Fo- recasting of the British Pound/US Dollar Exchange Rate” Omega Int. J. Mgmt. Sci, 26(4): 495-506.
41. Padilla and Company LLP, (2013) “Analytical Revi- ew Importance and Risks”
42. http://www.padillacpa.com/index.php?option=com_ content&view=article&id=24:analytical-revie, (19.03.2013)
43. Şirin, M. (2014) “Uluslar arası Denetim Standartları Çerçevesinde Denetim Kanıtları, Kanıt Toplama Teknik- leri ve İstatistiki Örnekleme Yöntemleri”, www.hazine. org.tr/tr/images/uluslararasi%20denetm%20standartlari. pdf, (14.04.2014)