Geri Dön

Finans sektöründe yapay sinir ağı uygulaması

Artificial neural network application in finance sector

  1. Tez No: 166392
  2. Yazar: BORA ÇEKYAY
  3. Danışmanlar: YRD. DOÇ. DR. ŞULE ÖNSEL ŞAHİN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2005
  8. Dil: Türkçe
  9. Üniversite: İstanbul Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 76

Özet

FİNANS SEKTÖRÜNDE YAPAY SİNİR AĞI UYGULAMASI ÖZET Günümüz dünyasında ülke ve dünya ekonomileri açısından fînans sektörünün önemi, tartışılmazdır. Finans sektörünün, en önemli aktörleri ise bankalar ve tabiî ki sigorta tırmalandır. Sigorta firmaları, piyasadan topladığı likiditeyi, toplumdaki hasarların ve riskin azaltılmasında kullanmaktadır. Bu açıdan verimlilik artarımı için sağlıklı işleyen bir sigorta sektörü hayatidir. Sigorta sektörünün hayatta kalabilmesi için karşılaşılan riskin tanımlanması ve ölçülmesi gerekmektedir. Çünkü bu riske göre müşterilerden para (prim) alınacaktır ve primler ile müşterilerin hasarları (sağlık sigortasında da oluşan tedavi masrafları“hasar”diye isimlendirilir) karşılanacaktır. En ideal durumda hesaplanan primin gerçekleşecek hasara eşit olması gerekmektedir. Ancak günlük hayattaki belirsizlik gerçekleşecek hasan tam olarak tahmin etmeyi imkânsız hale getirmektedir. Bu açıdan istatistiksel yasalardan ve tekniklerden yararlanılarak prim hesabı yapıla gelmektedir. Ancak bu teknikler de dikkate alınması gereken değişken sayısı, arttıkça uygulanması zor hale gelmektedir. Bu nedenle alternatif yöntemlere ihtiyaç duyulmaktadır. Bu tez kapsamında da sağlık sigortasında prim hesabının yapılması için yapay sinir ağlarını kullanan bir alternatif yöntem önerilmiş ve uygulanabilirliği gösterilmiştir. Sağlık sigortasının seçilmesinin sebebi hasar miktarım etkileyen değişken sayısının çok fazla olmasıdır. Yöntemde iki farklı sinir ağı, iki farklı amaç için kullanılmaktadır. Kullanılan ilk sinir ağı Kohonen'in Özörgütlenmeli Harita Ağı' dır (KÖHA). Bu ağ kullanılarak mevcut müşteriler, 8 farklı kümeye ayrılmıştır. Daha sonra elde edilen her küme için hasar yapma olasılığı hesaplanmıştır. Kullanılan ikinci ağ ise Çok Katmanlı İleri Beslemeli Yapay Sinir Ağı'dır (ÇKA). Bu ağ ile kişilerin demografik bilgileri ile gerçekleşen hasar miktarları arasında var olduğu varsayılan fonksiyona yakınsanmaya çalışıldı. Eğitilen bu iki ağ kullanılarak yeni gelen bir kişinin demografik bilgileri kullanılarak prim hesabı yapılmıştır. KÖHA kullanılarak, kişinin hangi kümeye girdiği ve böylece hasar olasılığı belirlenmiştir. ÇKA kullanılarak da kişinin eğer hasar yaptıysa bu hasarın beklenen değeri hesaplanmıştır. Bu iki değerin çarpımı ise prim olarak kabul edilmiştir. Modelin uygulanabilirliğinin gösterilebilmesi için Türkiye'deki bir sigorta firmasından alman veriler kullanılmıştır. Analiz sonucunda önerilen yöntemin firma uygulanan skorlama yöntemiyle paralel sonuçlar verdiği görülmüştür. Bu skorlama tekniğinin dezavantajları (güncelleme zorluğu, hasar tahminlerinin dayandığı anlamlı bir temel eksikliği) dikkate alındığında önerilen yöntem başarılı bulunmuş ve firmaya karar destek sistemi olarak önerilmiştir. ıx

Özet (Çeviri)

ARTIFICIAL NEURAL NETWORK APPLICATION IN FINANCE SECTOR SUMMARY In today's world, the importance of finance sector in national and global economy is obvious. The most important actors of finance sector are banks and insurance com panies. Insurance firms, use the money which they collect from the policyholders to reduce the loss and risk in the society. Therefore, an insurance sector whose mechanisms work properly is vital to increase the efficiency in a country. For the survival of insurance sector, measuring and defining the faced risk is needed, because risk premiums taken from customers are determined using these risk measures and claim costs are paid with the premiums. Ideally, calculated premium and claim cost should be equal. On the other hand, uncertainty in life makes it impossible to predict the claim cost with high probability. Thus, to evaluate the premium, statistical techniques have been used. However, the more variables are taken into consideration, the more difficult to apply these statistical techniques. In this respect, alternative methods are required. In this thesis, an alternative method which uses Artificial Neural Networks is introduced and its applicability is shown. The reason why the health insurance is selected in this thesis is the large number of variables that affect the claim cost. The proposed method integrates two different neural nets which are used for different purposes. One of the neural networks used is Kohonen's Self-organizing Map (SOM). All customers are clustered into 8 segments using this tool. After that, for each set, probability of loss is calculated. The second neural network which is used in the model is Multi-Layer Feedforward Neural Network (MLFNN). This network is used to converge to the function which is assumed to exist between the demographic data and claim costs of people. After training, through use of demo graphic data, these two networks are used to assess the premium. With SOM, the cluster to which individual belongs and thus the claim probability of him/her is determined. Given that the claim has occurred, the expected value of the claim cost is evaluated by using MLFNN. The premium is taken as the product of these two values. To demonstrate the applicability of the model, a real-world dataset which belongs to a Turkish insurance firm is used. After the analysis, it is observed that the proposed model and the scoring system in present use in the firm give similar results. Due to the disadvantages of scoring system (upgrade problem, lack of ready explanation of the basis of deriving the predicted claim) the proposed method is more successful and it is proposed as a decision support system for the insurance firm.

Benzer Tezler

  1. Elektronik basında tüketici tercihleri analizi:Yapay sinir ağları ile lojit modelin performans değerlendirilmesi

    Electronic media consumer choice analysis: Artificial neural networks to evaluate the performance of the model with lojit

    PINAR BAYRU

    Doktora

    Türkçe

    Türkçe

    2007

    Ekonometriİstanbul Üniversitesi

    Ekonometri Ana Bilim Dalı

    PROF. DR. KARUN NEMLİOĞLU

  2. Exploiting clustering patterns in training sets to improve classification performance of fully connected layers

    Tam bağlantılı katmanların sınıflandırma performansını iyileştirmek için eğitim setlerindeki kümeleme örüntülerinden faydalanma

    TOLGA AHMET KALAYCI

    Doktora

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    DOÇ. DR. UMUT ASAN

  3. Geniş ölçekli veriler üzerinde sınıflandırma ve bölütleme amaçlı evrişimsel sinir ağı ve istatistiksel modellerin geliştirilmesi

    Development of convolutional neural network and statistical models for classification and segmentation on large-scale data

    NURULLAH ÇALIK

    Doktora

    Türkçe

    Türkçe

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    PROF. DR. LÜTFİYE DURAK ATA

  4. Short term electricity load forecasting with deep learning

    Derin öğrenme ile kısa dönemli elektrik yük talep tahmini

    İBRAHİM YAZICI

    Doktora

    İngilizce

    İngilizce

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ÖMER FARUK BEYCA

  5. Equity portfolio optimization using reinforcement learning: An emerging market case

    Pekiştirmeli öğrenme ile hisse senedi portföyü optimizasyonu: Gelişmekte olan piyasa örneği

    MERT CANDAR

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Endüstri ve Endüstri Mühendisliğiİstanbul Teknik Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    PROF. DR. ALP ÜSTÜNDAĞ