Bu çalışmanın temel amacı şirketlerde finansal manipülasyon yapılıp yapılmadığını belirlemektir. Bu amaçla, 2018 ile 2021 yılları arasında Borsa İstanbul’da faaliyet gösteren 16 şirket değerlendirilmiştir. Bu şirketlerin sekizi idari ceza alanlar arasından seçilmiştir. Şirketlerin idari ceza alıp almadıkları Sermaye Piyasası Kurulu bildirileri incelenerek elde edilmiştir. Diğer sekiz şirket ise aynı dönemde Borsa İstanbul’da faaliyet gösteren benzer sektörlerden ve alt sektörlerden rastgele seçilmiştir. Bu bilgilerle her bir şirket için çalışma dönemindeki her yıl için finansal manipülasyon yapılıp yapılmadığı belirlenmiştir. Şirket, idari ceza aldığı yıl ve idari ceza öncesindeki yıl manipülatör olarak sınıflandırılırken, diğer yıllarda manipülatör değil olarak sınıflandırılmıştır. İlk olarak, finansal manipülasyonu belirlemek için kullanılan modellerden biri olan Beneish M-Skor modeli ile Sermaye Piyasası Kurulu'ndan elde edilen sınıflar arasında bir karşılaştırma yapıldı. Bu karşılaştırmadan belirlenen farklılıklar nedeniyle rassal orman makine öğrenimi yöntemi kullanılarak bu sınıflamaları tahmin etmek için iki model oluşturuldu. Modellerden birinde sadece Beneish M-Skorundan gelen finansal göstergeler dahil edilmiştir, diğerinde ise bu değişkenlerin yanı sıra GSYİH büyümesi, enflasyon ve döviz kuru da dahil edilmiştir. Çalışmadan elde edilen bulgular, ekonomik değişkenlerle zenginleştirilmiş modelin finansal tablo manipülasyonlarını tespit etmede geleneksel Beneish M-Skor modelini geride bıraktığını göstermektedir.

The main objective of this study is to determine whether companies engage in financial manipulation. For this purpose, 16 companies operating in Borsa Istanbul between 2018 and 2021 were selected. Eight of these companies consist of those that received administrative fines. The companies' receipt of administrative fines was obtained by examining the Capital Market Board bulletins. The other eight companies were randomly selected from similar sectors and sub-sectors that operated in Borsa Istanbul during the same period. With this information, for each company, it was determined whether they engaged in financial manipulation for the operating year. The company is assumed to be classified as a manipulator in the year it receives an administrative fine and the year preceding the administrative fine while being classified as a non-manipulator in other years. Initially, a comparison was made between the Beneish M-Score model, which is one of the models used to identify financial manipulation, and the classes obtained from the Capital Markets Board. Due to the differences identified from this comparison, two models were created using the Random Forest machine learning method to predict these classifications. In one model, only the financial indicators from the Beneish M-Score were included, while in the other, along with these variables, GDP growth, inflation, and exchange rate were also incorporated. The empirical findings derived from the study suggest that the model enriched with economic variables outperforms the traditional Beneish M-Score model in detecting financial statement manipulations.