Destek vektör makineleri: Banka başarısızlığının tahmini üzerine bir uygulama
Support vector machines: An application on prediction of bank failure
- Tez No: 215449
- Danışmanlar: PROF. DR. ÖNER ESEN
- Tez Türü: Doktora
- Konular: İşletme, Business Administration
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2008
- Dil: Türkçe
- Üniversite: İstanbul Üniversitesi
- Enstitü: Sosyal Bilimler Enstitüsü
- Ana Bilim Dalı: İşletme Bölümü
- Bilim Dalı: İşletme Ana Bilim Dalı
- Sayfa Sayısı: 275
Özet
Bu çalışmada istatistik, makine öğrenmesi ve sinir ağlarından çeşitli teknikleri kombine eden Destek Vektör Makineleri incelenmiştir ve banka başarısızlığının tahmin edilmesinde kullanılabilirliği araştırılmıştır. Analizde kullanılan veri seti, Türkiye'de 1995-2001 yılları arasında faaliyet gösteren özel sermayeli ticaret bankalarını kapsamaktadır. Söz konusu dönem için 37 bankaya ait 64 adet değişken (finansal rasyolar ve makroekonomik değişkenlerden oluşan) kullanılmıştır. Banka başarısızlık tahmini için oluşturulan model; değişkenlere ait 1 yıllık (t), 2 yıllık (t-1) ve 3 yıllık (t-2) verileri barındırmaktadır. Analize ilişkin her bir veri seti için dört farklı model çalıştırılmış ve destek vektör makineleri ile elde edilen sonuçlar yapay sinir ağlarıyla karşılaştırılmıştır.Çalışmada, Destek Vektör Makineleri yönteminin banka başarısızlığının tahmin edilmesinde tutarlılık ve tahmin gücü açısından tatmin edici sonuçlar verdiği görülmüştür.
Özet (Çeviri)
This study focuses on the feasibility of support vector machines combining several techniques from statistics, machine learning and neural networks, in prediction of bank failure. The sample set of the analysis consists of privately owned commercial banks operating in the period 1995-2001. For the mentioned period 64 variables (financial ratios and macroeconomic variables), belonging to 37 banks, have been used. The analysis generated for prediction of bank failure is composed of annual (t), biennial (t-1) and triennial (t-3) data of variables. For each data set, four different models have been performed and the results obtained from the support vector machines have been compared with the ones of neural networks.In this dissertation, it?s been spotted that support vector machines gives satisfactory results in terms of consistency and rate of accuracy in predicting bank failure.
Benzer Tezler
- Ticari banka kredilerinin değerlendirilmesine yönelik bir karar destek modeli
A decision support model for the evaluation of commercial credits
SAİT GÜL
Doktora
Türkçe
2017
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. ÖZGÜR KABAK
PROF. DR. YUSUF İLKER TOPCU
- A rule-based approach for metadata extraction from bank documents
Banka belgelerinden meta veri çekimi için kural bazlı yaklaşım
MOHAMED AMIN ABDISAMAD
Yüksek Lisans
İngilizce
2022
Aktüerya BilimleriKocaeli ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ALEV MUTLU
- Finansal başarısızlık tahmininde makine öğrenmesi yöntemlerinin kullanımı: Türkiye'deki KOBİ'ler üzerine bir uygulama
Using machine learning methods in financial distress prediction: An application for SMEs in Turkey
YUSUF AKER
- Augmenting authentication with behavioral biometrics in a mobile banking application
Mobil bankacılık uygulamasında davranışsal biyometri ile artırılmış kimlik doğrulama
OKAN ENGİN BAŞAR
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGalatasaray ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. ÖZLEM DURMAZ İNCEL
- Yığın topluluk öğrenme temelli oltalama saldırıları tespit sistemi
Stack ensemble learning based phishing attacks detection system
RAMAZAN SAMİ ÇINAR
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAfyon Kocatepe ÜniversitesiBilgisayar Ana Bilim Dalı
DR. ÖĞR. ÜYESİ AHMET HAŞİM YURTTAKAL