Hileli Finansal Raporlama Riskini Ortaya Çıkaran Faktörler: BIST’da Bir Uygulama (Determinants of Fraudulent Financial Reporting Risk: Evidence from Istanbul Stock Exchange (ISE))

Hata, finansal tablolarda kasıtlı olmayan tutar veya açıklamalarda yapılan yanlışlıkları ifade eder (IFAC, 2014:20). Kamuya açıklanan finansal tablolarda yer alan bilgilerin yanlış sunulması, açıklanması gereken bilgilerin finansal tablolardan çıkartılması şeklinde yapılan yanlışlıklarda kasıt olmaması durumunda bunların sadece muhasebe hatalarından kaynaklandığı düşünülür (Mulford ve Comiskey, 2002:36).

Sermaye Piyasası Kurulu’nun (SPK) Sermaye Piyasasında Bağımsız Denetim Standartları Hakkında Tebliği (Seri:X, No:22) hileyi; “işletme yöneticileri ile yönetimden sorumlu kişilerin, işletmenin çalışanları veya üçüncü kişilerin kasıtlı olarak adil veya yasal olmayan bir çıkar elde etmek amacıyla aldatma içerikli davranışlarda bulunmaları” olarak tanımlamaktadır (SPK, 2006:25). Hilede “hile üçgeni” olarak bilinen üç temel unsur bulunmaktadır. Bunlar; baskı, fırsat ve haklı göstermedir (Coenen, 2008:10). Bu üç unsur Şekil 1.’de gösterilmiştir.

Hile eylemi, kişiyi hile yapmaya yönlendiren bir motivasyon ile başlamaktadır (Bozkurt, 2011:113). Hilenin arkasındaki itici gücün baskı olduğu söylenebilir (Biegelman ve Bartow, 2006:33). İşletmelerde kontrollerdeki eksiklikler, gerçekleşen kontrollerdeki başarısızlıklar ve yönetimin kontrolleri dikkate almaması hile için fırsat oluşturur (Ramos, 2003:28). Fırsat ile hile arasında direkt ilişki olması, işletmelerde belirlenecek hile riskinde fırsatların dikkate alınmasını gerektirir (Vona, 2008:8). Hile üçgeninin üçüncü parçası olan haklı gösterme, hile yapanın yaptıkları hakkında kendi kendini haklı çıkarmaya çalıştığı iç diyaloğudur. Hileyi yapan, işverenin bu bedeli kendisine borçlu olduğu konusunda kendi kendini ikna eder (KPMG, 2009:15).

Hata ve hileyi birbirinden ayıran manevi unsur fiilin kasten yapılmış olmasıdır (Bayraklı vd., 2012:92). Hatalar istenmeyen yanlışlıklardan meydana gelirken, hileler kasıtlı fiiller sonucu oluşur (Colbert, 2000:97). Şekil 2.’de görüldüğü baskı, fırsat ve haklı göstermenin kesiştiği alanda yüksek hile riski söz konusudur. Bu kısımda hilenin üç unsuru bir araya gelmiştir.

Türkiye Denetim Standartları Tebliği iki tür hileden bahsetmektedir. Bunlar hileli finansal raporlama ve varlıkların kötüye kullanılmasıdır (BDS 240, 2013:6). ACFE tarafından hazırlanan raporda ise hile üç kategoriye ayrılmıştır (ACFE, 2014: 4):

1. Varlıkların kötüye kullanımı (asset misappropriations)

2. Yolsuzluk (corruption)

3. Finansal tablo hilesi (financial statement fraud)

Hazırlanan raporda kategori bazında hilelerin vaka yüzdeleri ve kayıp tutarları aşağıdaki gibidir (ACFE, 2014:12):

ACFE tarafından hazırlanan rapor 2014 yılı için incelendiğinde Şekil 3.’te görüldüğü gibi vakaların % 85’i varlıkların kötüye kullanımı ile ilgilidir. Fakat bu hile türünün maliyetine Şekil 4.’ten bakıldığında en düşük maliyete sahip olduğu görülmektedir.

Finansal tablo hilelerine bakıldığında 2014 yılında gerçekleşen olayların sadece %9’luk kısmını oluşturmaktadır. Fakat 1 milyon dolarlık kayıp ile üç kategori içinde en yüksek rakama sahiptir. Finansal tablolardaki hilenin maliyetinin yüksek olduğu söylenebilir.

Finansal tablolardaki hile riskini tespit etmek için yapılan çalışmalar Tablo 1. de özetlenmiştir. Tablo 1.’de çalışmayı yapan yazar/yazarlar, çalışmanın hangi yılda ve hangi ülkede yapıldığı, analizlerde kullanılan veri setinin nereden elde edildiği, kullanılan yöntem bilgileri, veri setindeki bağımlı değişkenin kategorik dağılımı, bağımsız değişkenlerin sayısı ve analiz sonucu elde edilen bulgulara yer verilmiştir. Literatürde yapılan çalışmaların hile riskini belirleyen faktörleri ortaya koymaya ve kullanılan yöntemlerin başarılarını karşılaştırmaya yönelik olduğu görülmektedir. Aşağıdaki tabloda hile riskini belirleyen faktörleri tespite yönelik yapılan çalışmalar özetlenmiştir.

Liou (2008), Ata ve Seyrek (2009), Huang vd. (2014) yaptıkları çalışmalarda hile riskinin tespitinde Cari Oran (Dönen Varlık/Kısa Vadeli Yabancı Kaynaklar) değişkenin istatistiksel olarak anlamlı olduğunu tespit etmişlerdir.

Terzi (2012) alacak devir hızının finansal tablolardaki hile riskinin tespitinde önemli bir değişken olduğunu belirlemiştir. Varıcı ve Er (2013) hile riski ile Satış Gelirleri/Alacaklar arasında pozitif ilişki olduğunu ortaya koymuştur.

Liou (2008) 52 bağımsız değişken ile yaptığı çalışmada stok devir hızının hile riskinin belirlenmesinde önemli bir değişken olduğunu ortaya koymuştur.

Beneish (1997) hile riski taşıyan firmaları borç ağırlıklı firmalar olarak tanımlamıştır. Fanning ve Cogger (1998), Kirkos vd. (2007) finansal kaldıraç oranının (Borç/Özkaynak) hile riskini belirleyici bir değişken olduğunu vurgulamışlardır.

Fanning ve Cogger (1998) brüt kar marjının geçen yıla göre %1,10 artmış olmasının hile riski göstergesi olduğunu belirtmiştir. Beneish (1999), Küçüksözen ve Küçükkocaoğlu (2005), Liou (2008) brüt kar marjı endeksinin hile riskini belirleyici olduğunu istatistiksel olarak ortaya koymuşlardır.

Beneish (1997) hile riski düşük olan firmaların piyasa performanslarının düşük olduğunu ifade etmiştir.

Gupta ve Gill (2012) toplam varlıkların hile riskinin tespitinde istatistiksel olarak anlamlı bulmuştur. Nor vd. (2010) firma büyüklüğünün ölçüsü olarak aldığı satışların doğal logaritması ile hile riski arasında anlamlı bir ilişki çıkmıştır.

Beneish (1997) hile riski taşıyan firmaları genç firmalar olarak tanımlamıştır. Carcello ve Nagy (2004) yaptıkları çalışmada firmaların borsada kote oldukları süre ile finansal tablolardaki hile riski arasında negatif ilişki olduğunu tespit etmişlerdir.

Suyanto (2009) firmaların dört büyük denetim firması tarafından denetlenmiş olmasının hile riskini düşürdüğünü tespit etmiştir. Nor (2010), firmaların dört büyük denetim firması tarafından denetlenmiş olmasının hile riskinin tespitinde önemli olduğunu tespit etmiştir.

Spathis (2002), Kirkos vd. (2007), Huang vd. (2014) finansal tablolardaki hile riskinin tespitinde finansal başarısızlığın (Z-Skor) önemli bir değişken olduğunu tespit etmişlerdir.

Bu çalışmada, BIST’da 2009-2013 yılları arasında faaliyet gösteren firmaların finansal tablolarındaki hile riski araştırılmıştır. Araştırmanın amacı finansal tablolardaki hile riski taşıyan firmalar ile hile riski taşımayan firmaları karşılaştırıp, hile riskini belirleyen faktörleri ortaya koymaktır.

Çalışmada kullanılacak firmaların listesi Kamuyu Aydınlatma Platformundan elde edilmiştir. 18.05.2016 tarihi itibariyle BIST’de kote olan toplam firma sayısı 567’dir. Çalışmanın kapsamı olan 2009-2013 yılları arasında faaliyetleri süreklilik göstermeyen ve finans sektöründe faaliyet gösteren firmalar analizden çıkarılmıştır. İflas, birleşme nedeni ile verisine ulaşılamama veya herhangi bir nedenle BIST kotasyonundan çıkarılan firmalarda süreklilik kısıdını sağlayamadıklarından araştırma dışında bırakılmıştır. Çalışmada çeyrek dönemlik finansal tablolar incelenmiştir.

Bağımlı değişken belirlenirken denetçi görüşleri, denetim raporları, KAP bildirimleri ve SPK bültenleri incelenmiştir. Finansal tabloları hile riski taşıyan firmalar (1), diğerleri (0) olarak kodlanmıştır. Çalışmada hile riski taşıyan 32 firmaya ait 408 dönem tespit edilmiş, kontrol grup olarak da 20 firmaya ait 400 dönem seçilmiştir.

Bağımsız değişkenler olarak likidite oranlarından cari oran, firma faaliyet oranlarından alacak devir hızı ve stok devir hızı, mali yapı oranlarından finansal kaldıraç, karlılık oranlarından brüt kar marjı, piyasa performans oranlarından PD/DD oranları seçilmiştir. Firma büyüklük ölçüsü olarak toplam varlıkların doğal logaritması alınmıştır. Firmaların borsada işlem gördükleri süre aylık olarak hesaplanmıştır. Dört büyük denetim firması tarafından denetlenen firmalar (1) diğerleri (0) olarak kodlanarak kukla değişken oluşturulmuştur. Finansal başarısızlık ölçütü olarak Altman Z skor alınmış, firmalar başarısız (1) ve başarısız olmayanlar (0) olarak ikiye ayrılmıştır. Bağımsız değişkenlerin hesaplama formülleri ve literatürde daha önce kullanan referanslar aşağıdaki tabloda verilmiştir.

Model, bir olayla ilgili bilgi yada düşüncelerin belli kurallara bağlı olarak şekillenmesidir. Modelin amacı, bağımlı ve bağımsız değişken arasındaki ilişkiyi, en az değişken ile en iyi uyuma sahip olacak biçimde tanımlayabilen, kabul edilebilir en uygun modeli oluşturmaktır (Çokluk, 2010:1359). Lojistik regresyon, istatistikte kullanılan bir model oluşturma tekniği olup bağımlı değişkenin kategorik olarak, ikili(binary, dichotomous), üçlü ve çoklu kategorilerde gözlendiği durumlarda bağımsız değişkenlerle sebep-sonuç ilişkisini belirlemede yararlanılan bir yöntemdir (Özdamar, 2004: 589).

Bu çalışmada bağımlı değişkenimiz iki seçenekli(Var/Yok) kategorik olduğundan dolayı İkili Lojistik Regresyon Analizi kullanılmıştır. Genel olarak çok değişkenli lojistik regresyon modeli aşağıdaki gibi tanımlanmaktadır (Özdamar, 2004:590);

$P(Y)=\frac{e^z}{1+e^z}$

Burada Z, bağımsız değişkenlerin doğrusal kombinasyonudur.

$\mathrm{Z}=\beta_0+\beta_1 \mathrm{X}_1+\beta_2 \mathrm{X}_2+\cdots+\beta_{\mathrm{p}} \mathrm{X}_{\mathrm{p}}$

$\beta_0, \beta_1, \beta_2$ ve $\beta_n$ regresyon katsayılarıdır.

Lojistik regresyon katsayılarının hesaplanması aşağıdaki gibi yapılır. $Q(Y)=1-P(Y)$ olmak üzere,

$\frac{P(Y)}{P(Q)}=e^{\beta_0+\beta_1 X_1+\beta_2 X_2+\cdots+\beta_p X_P}$

bulunur. Üstünlük oranı eşitliğinin her iki tarafının doğal logaritması alınırsa aşağıdaki formül elde edilir:

$\operatorname{In} \frac{P(Y)}{P(Q)}=\beta_0+\beta_1 X_1+\beta_2 X_2+\cdots+\beta_p X_P$

$\mathrm{OR}=\frac{\mathrm{P}(\mathrm{Y})}{\mathrm{P}(\mathrm{Q})}=\mathrm{e}^{\mathrm{Z}}=\mathrm{e}^{\beta_0+\beta_1 \mathrm{X}_1+\beta_2 \mathrm{X}_2+\cdots+\beta_{\mathrm{p}} \mathrm{X}_{\mathrm{P}}}=\operatorname{Exp}(\beta)$

eşitliğindeki her bir parametrenin $\operatorname{Exp}(\beta)$ değerleri OR değerleri olarak ele almurlar. Böylece $\operatorname{Exp}\left(\beta_P\right)$, Y değişkeninin Xp değișkeninin etkisi ile kaç kat daha fazla ya da yüzde kaç oranda fazla gözlenme olasılığına sahip olduğunu belirtir. $\beta_P$ katsayısının önemliliği aynı zamanda $O R_p=\operatorname{Exp}\left(\beta_P\right)$ 'nın da önemliliği olarak değerlendirilir.

Lojistik regresyon standart(Enter) ve adımsal(Stepwise) olmak üzere iki temel yöntemle yapılabilmektedir. Adımsal yöntemler de kendi içerisinde ileriye doğru(forward) ve geriye doğru(backward) olmak üzere ikiye ayrılmaktadır. Lojistik regresyon analizinde tam (enter) ve adımsal (stepwise) model seçimi “method” bölümünden yapılmaktadır. Buradan üç ileriye doğru (Conditional, LR ve Wald) ve üç geriye doğru (Conditional, LR ve Wald) olmak üzere toplam altı ayrı adımsal regresyon modeli geliştirilebilmektedir. Bu çalışmada model seçiminde çalışmanın keşfedici nitelikte olmasından dolayı, adımsal bir yöntem olan Olabilirlik Oran İstatistiği ile İleriye Doğru Yöntemi (Forward:LR) kullanılmıştır.

İki ya da daha çok değişken arasında ilişki olup olmadığını, ilişki varsa yönünü ve gücünü inceleyen “korelasyon analizi” -1 ve +1 arasında değişim gösterir. Bağımsız değişkenler arasındaki ilişkinin yüksek olması aynı olguları ifade etme ihtimalinin yüksek olduğunu gösterir. Tablo 3’e bakıldığında değişkenler arasında yüksek korelasyon olmadığı görülmektedir.

Analizde bağımsız değişkenler arasında çoklu bağlantı (multicollinearity) probleminin olup olmadığını tespit etmek için tolerans (tolerance) ve varyans artış faktörleri (Variance Inflation Factor-VIF) incelenir. VIF değerinin 10’a eşit veya daha büyük olmasının çoklu bağlantı probleminin varlığını göstermektedir. Tolerans değerinin 0,10’dan büyük olması durumunda, değişkenler arası çoklu bağlantı probleminin olmadığına işaret eder (Çokluk, 2012:35-36).

Yukarıdaki tablo incelendiğinde bağımsız değişkenlere ait standart hataların 2’den küçük olduğu görülmektedir. Tolerans değerleri incelendiğinde tüm değişkenler için 0,10’dan büyük olduğu görülmektedir. VIF değerleri incelendiğinde ise bütün değişkenler için değerlerin 10’dan küçük olduğu tespit edilmiştir. Bütün bu değerler değişkenler arasında çoklu bağlantı probleminin olmadığını gösterir.

Tablo 5.’ten tanımlayıcı istatistik bilgilerine bakıldığında hile riski taşıyan firmaların diğer firmalara göre cari oranı daha düşük, alacak devir hızı ve stok devir hızı daha yüksek, borç oranı ve brüt kar marjı daha yüksek, piyasa performansı daha iyi olan firmalar olduğu görülmektedir. olan firmalar olduğu görülmektedir. Varlıklarının büyüklüğü açısından kıyaslandığında hile riski taşıyan firmaların daha büyük olduğu görülmektedir. Firmaların borsada işlem gördüğü süreye bakıldığında ise hile riski taşıyan firmaların daha yeni firmalar olduğu görülmektedir.

Tablo 6. İncelendiğinde dört büyük denetim şirketi tarafından denetlenen 378 dönemin 214 (%57) dönemi hile riski taşıyan firmalara aittir. Finansal başarısızlığın yaşandığı 415 dönemin 262 (%63) dönemi hile riski taşıyan firmalara aittir. Hile riski taşıyan firmaların

% 52,45 i dört büyük denetim firması tarafından denetlenirken, % 64’ü finansal başarısızlık göstermektedir.

Bağımsız değişkenlerin Kolmogorov-Smirnov ve Shapiro-Wilk testleri sonucu normal dağılmadığı görülmektedir. İlk sekiz bağımsız değişkendeki gruplar arası farklılığın istatistiksel olarak anlamlı olduğu Mann-Whitney U testi sonucu ortaya çıkmıştır. Kukla değişkenlerin de ki-kare testi sonucu hile riski taşıyan grup ile hile riski taşımayan grup arasında farklılık gösterdiği Tablo 5’te görülmektedir.

Omnibus Tests 0.000

Nagelkerke R Square 0.393

Hosmer and Lemeshow Test 0.000

Omnibus testi sonucu bağımlı değişken ile bağımsız değişkenler arasında ilişki desteklenmiştir. Modele ait Nagelkerke R Square değeri 0,393 olarak bulunmuştur. Kurulan lojistik modelin kullanılan değişkenler ile açıklanma oranı % 39,3’tür.

Lojistik regresyon analizi sonucu alacak devir hızı ile hile riski arasında pozitif ve istatistiksel olarak anlamlı bir ilişki tespit edilmiştir. Satış gelirleri ile ilgili yapılacak hileli işlemler sonucu hayali alacak hesapları oluşturulacaktır. Gerçek olmayan satış gelirleri bu oranı artıracaktır. Bu orandaki artış hile riski belirtisi olarak algılanır.

Hile riski ile pozitif ilişkiye sahip olan diğer bir değişken ise brüt kar marjıdır. İşletmeler satış gelirlerini yüksek gösterirken satışların maliyetini düşük göstererek işletmeyi olduğundan daha karlı raporlamış olurlar. Satışların maliyetinin düşük gösterilmesi, işletme varlıklarından stokların olduğundan daha yüksek gösterilmesini sağlayacaktır. Analiz sonuçlarına göre brüt kar marjının artması ile hile riski artmaktadır.

Finansal kaldıraç oranı (Borç/Özkaynak) bir işletmenin yatırımlarının borçlarla mı yoksa özkaynaklarla mı karşılandığını gösterir. Analiz sonuçlarından finansal tablolardaki hile riskinin belirlenmesinde finansal kaldıracın önemli olduğu ve negatif ilişki olduğu tespit edilmiştir. Finansal kaldıraç düştükçe hile riski artmaktadır.

Finansal tablolardaki hile riski ile PD/DD değeri arasında pozitif ilişki çıkmıştır. Piyasa performansı arttıkça firmaların hile riski artmaktadır.

Firma büyüklüğünün bir göstergesi olan toplam varlıklar ile hile riski arasında pozitif ilişki ortaya çıkmıştır. Firmaların varlıklarının doğal logaritması hile riskinin tespitinde önemli bir faktör olarak tespit edilmiştir. Firma varlıklarının artması hile riskini artırmaktadır.

Firmaların borsada işlem gördükleri süre ile hile riski arasında negatif ilişki ortaya çıkmıştır. Borsadaki kote süresi düşük olan firmalarda hile riski artmaktadır. Ayrıca firmaların dört büyük denetim şirketi tarafından denetleniyor olması ile hile riski arasında negatif yönlü ilişki çıkmıştır. Dört büyük denetim firmasının denetlediği firmalarda hile riskinin düştüğü söylenebilir. Finansal başarısızlığı ölçtüğümüz Z-skor değişkeni analiz sonucunda anlamlı çıkmış, firmaların finansal başarısızlıkları arttıkça hile riskinin arttığı söylenebilir.

Modelin doğru sınıflandırma tablosu incelendiğinde modelin hile riskini doğru tespit etme oranı % 72,5, hile riski olmayan firmaları doğru sınıflandırma oranı % 77,8’dir. Modelin genel başarı oranı % 75,1 olarak tespit edilmiştir.

Muhasebenin çıktısı olan finansal tabloların bilgi kullanıcılarını yanıltmak ve yanlış yönlendirmek amacıyla kasıtlı olarak yanlış hazırlanması finansal tablolara olan güveni azaltmakta muhasebe skandallarının yaşanmasına neden olmaktadır. Bu çalışmada BIST’da işlem gören firmalara ait finansal tablolardaki hile riski araştırılmış, hile riskini belirleyen faktörlerin neler olduğu tespit edilmeye çalışılmıştır. Yöntem olarak lojistik regresyon analizinin kullanıldığı çalışmada firmalara ait 2009-2013 yılları çeyrek dönem denetçi görüşleri, denetim raporları, KAP bildirimleri ve SPK bültenleri incelenerek hile riski taşıyan firmalar (1), hile riski taşımayan firmalar (0) kodlanarak kategorik bağımlı değişken oluşturulmuştur. Literatürden seçilen 10 bağımsız değişken ile veri seti oluşturulmuştur.

Analiz sonuçlarına göre değişkenlerin normal dağılım göstermedikleri gruplar arası farklılıkların ölçüldüğü parametrik olmayan testlerden Mann-Whitney U ve Ki-Kare testleri sonucu anlamlı çıkmış, bütün değişkenlerin hile riski taşıyan ve hile riski taşımayan gruplar arasında farklılık gösterdiği tespit edilmiştir.

Analize dahil edilen alacak devir hızı, finansal kaldıraç oranı, brüt kar marjı, PD/DD, Firma büyüklüğü, firmanın borsada işlem gördüğü süre değişkenleri ile hile riski arasında istatistiksel olarak anlamlı bir ilişki ortaya çıkmıştır. Kukla değişkenler olan firmaların dört büyük denetim firması tarafından denetlenmiş olması ile hile riski arasında negatif ilişki ortaya çıkarken, z skor ile hile arasında pozitif ilişki tespit edilmiştir. Kullanılan lojistik regresyon yönteminin hile riskinin tespitinde doğru sınıflandırma oranı % 75,1 olmuştur.