Only in USA Stock Exchanges, daily avarage trading volume is about 7 billion units. Justdepending on this statistics, the necessity of information discovery hidden in data is areality to tackle the problems in strategic, tactical and operational decision processes withlower costs and higher reliability. Information discovery from databases, namely, datamining appears as a method harbouring probability, statistics and machine learningtechniques.In this dissertation, stock, company and insider transaction data which have been acquiredfrom three different databases covering a period between the years of 2003-2013 have beenpre-processed. Insider transactions have been evaluated with a `trading vector` withinfinancial theoretical framework. To identify outlying transactions, Mahalanobis distancewhich is a multivariate outlier detection technique is employed. Distance scores based onclassical and robust estimation have been calculated and compared. Insider transactionshave been separated into sale and purchase portfolios and return performance of portfolioshave been evaluated separately. It has been shown that outlying transactions are`opportunistic` which have preferential information and earn higher abnormal returns than`normal` transactions by using event study methodology. Also, the variables constituting`trading vector` are discriminative factors to flag insider transactions as opportunistic.Key Words: Insider Trading, Data Mining, Fraud Detection, Outlier Analysis, EventStudy.

Sadece Amerika Birleşik Devletleri hisse senedi piyasalarında günlük ortalama işlemmiktarı 7 milyar adet olarak gerçekleşmektedir. Bu istatistik bile baz alındığında, stratejik,taktik ve operasyonel karar süreçlerindeki problemlerin daha düşük maliyetle ve yüksekgüvenilirlikle çözülebilmesi için veri içerisinde saklı bulunan bilgilerin keşfedilmesigerektiği bir gerçektir. Veri madenciliği olarak adlandırılan bu bilgi keşfi süreci; olasılık,istatistik ve makine öğrenimi tekniklerini barındıran bir yöntem olarak karşımızaçıkmaktadır.Bu tez çalışmasında, üç farklı veritabanından elde edilen ve 2003 – 2013 döneminikapsayan hisse senedi, şirket ve içeriden öğrenenler verisi, `veri önişleme` sürecindengeçirilmiş ve teorik altyapıya bağlı kalınarak oluşturulan içeriden öğrenenler `işlemvektörü` ile değerlendirilmiştir. Aykırı işlemlerin belirlenmesinde, çok değişkenli aykırıdeğer tespiti tekniklerinden biri olan Mahalanobis ölçütü kullanılmıştır. Klasik vedayanıklı ölçüte dayalı uzaklık skorları hesaplanmış ve karşılaştırmalar yapılmıştır.İçeriden öğrenenler işlemleri alım ve satım portföylerine ayrılarak, getiri performanslarıaçısından ayrı ayrı değerlendirilmiştir. `Aykırı işlemler` olarak tespit edilen portföyünayrıcalıklı bilgiyi içeren `fırsatçı` işlemler olduğu, piyasanın ve `normal` işlemlergrubunun üzerinde anormal getiri sağladığı, hisse senedi getiri tespit yöntemlerinden biriolan `olay çalışması` ile gösterilmiştir. Ayrıca, işlem vektörünü oluşturan değişkenlerinfırsatçı işlemleri ayırt etmede kullanılabilecek faktörler olduğu belirlenmiştir.Anahtar Sözcükler: İçeriden Öğrenenler Ticareti, Bilgi Suistimali, Veri Madenciliği, HileTespiti, Aykırı Değer Analizi, Olay Çalışması.