Predicting financial well-being using behavioral transactional data
Müşterilerin finansal refahlarını tahmin etmek için mekânsal-zamansal hareketlilik modellerinin kullanımı
- Tez No: 520335
- Danışmanlar: Prof. Dr. BURÇİN BOZKAYA
- Tez Türü: Yüksek Lisans
- Konular: Bankacılık, İşletme, Banking, Business Administration
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2018
- Dil: İngilizce
- Üniversite: Sabancı Üniversitesi
- Enstitü: Sosyal Bilimler Enstitüsü
- Ana Bilim Dalı: Belirtilmemiş.
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 75
Özet
Müşterilerin finansal refahlarını tahmin etmek için mekânsal-zamansal hareketlilik modellerinin kullanımı yakın tarihli bir çalışmada bir OECD ülkesinin banka verisi üzerinde önemli sonuçlar ortaya çıkardı. Bu araştırmada, aynı konsepti başka bir büyük bankanın işlemsel veri setini kullanarak doğrulamaya ve genelleştirilip genelleştirilemeyeceğini araştırıyoruz. 2014 ve 2015 yıllarını kapsayan 1 yıllık bir veri seti üzerinde literatürdeki ilgili mekânsal-zamansal endeksleri hesaplayarak ve torbalama algoritmasını kullanarak tahmin modellerini çalıştırdık. Sonuçlar, bir müşterinin aşırı harcama ve mali sıkıntı durumunu tahminlemede, mekansal-zamansal hareketlilik özelliklerinin tahmin modellerinde hala etkin olduğunu göstermektedir. Geç kredi kartı ödemelerinde finansal sıkıntı belirtileri olması durumunda, demografik özelliklerin mekansal-zamansal hareketlilik özelliklerinden daha etkin olduğu kanıtlanmıştır. Bu modellerin tahmin doğruluğunu iyileştirmek amacıyla, alışveriş ve kanal kategorileri ile ilgili yeni girdi değişkenleri tanımladık ve analizlerimizi genişlettik. Sonuçlar, denediğimiz tüm yeni değişkenler arasında, entropi değişkeni olarak kullanılan ve ikili gösterge değişkeni olarak kullanılan alışveriş kategorilerinin, aşırı harcamaları tahmin etmede en etkin olanlar olduğunu göstermektedir. Bu çalışmanın sonuçları, mekânsal-zamansal davranışsal özelliklerin farklı veri setlerinde finansal refahı başarılı bir şekilde tahmin edebildiğini ve dolayısıyla finansal sektördeki karar vericiler tarafından kullanılabileceğini doğrulamaktadır.
Özet (Çeviri)
The recent introduction of using customers' spatio-temporal mobility patterns to predict their financial wellbeing proved to show significant results when examined on an OECD country's bank data. In this research, we attempt to validate the same concept using another large bank's transactional data set and see if it can be generalized. We examine a 1-year dataset spanning 2014 and 2015, calculate the relevant features from the literature and run prediction models using the bagging algorithm. The results show that the models built on spatio-temporal mobility features are still significant when predicting a customer's overspending and the status of financial trouble. In the case of late credit card payments as signs of financial trouble, demographics prove to be more significant than the spatio-temporal mobility features. We conduct further analysis to introduce new input variables related to shopping and channel categories, in an effort to improve the prediction accuracies of these models. The results show that among all the new features we experiment with, shopping categories used as an entropy variable and used as a binary indicator variable were the most significant ones in predicting overspending. The results of this study further validate that spatio-temporal mobility and other behavioral features can successfully predict financial wellbeing across different datasets, and hence can be used by decision makers in the financial industry.
Benzer Tezler
- Analyzing large-scale human mobility data to address societal issues
Sosyal sorunlari ele almak için büyük ölçekli insan hareketliliği verilerinin analiz edilmesi
HASAN ALP BOZ
Doktora
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSabancı ÜniversitesiBilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
PROF. DR. SELİM SAFFET BALCISOY
- Big five personality traits as predictors of financial wellbeing: A big data approach
Finansal refahın tahminlenmesinde kestirimci unsur olarak büyük beşli kişilk özelliklerinin kullanılması: Büyük veri yaklaşımı
OSMAN CAN GENÇYÜREK
Yüksek Lisans
İngilizce
2019
İşletmeSabancı ÜniversitesiYönetim Bilimleri Ana Bilim Dalı
PROF. DR. BURÇİN BOZKAYA
DR. ASUMAN BÜYÜKCAN TETİK
- Hizmet pazarlamasında yapay zekâ kullanımı ve dijitalleşme: Hizmet sektöründe bir model
Using AI and digitalization in service marketing: An application in the service industry
İPEK YALIÇ
- Kaos analizi: Bir finansal sektör uygulaması
Başlık çevirisi yok
CAFER ERCAN BOZDAĞ
Doktora
Türkçe
1998
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET HALUK ERKUT