Income estimation model for individual customers
Bireysel müşteriler için gelir tahmin modeli
- Tez No: 670452
- Danışmanlar: PROF. DR. CENKTAN ÖZYILDIRIM
- Tez Türü: Yüksek Lisans
- Konular: Ekonometri, İşletme, Econometrics, Business Administration
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: İngilizce
- Üniversite: İstanbul Bilgi Üniversitesi
- Enstitü: Lisansüstü Programlar Enstitüsü
- Ana Bilim Dalı: İşletme Ana Bilim Dalı
- Bilim Dalı: Finans Ekonomisi Bilim Dalı
- Sayfa Sayısı: 71
Özet
Bu tez çalışmasının amacı finansal piyasalarda bireysel ürün tahsisi sırasında kullanılan gelir tahmin modelinin machine learning modelleme teknikleri kullanılarak tahmin gücünün yükselişini göstermektir. Bir müşterinin gelirini etkileyen yüzlerce faktör bulunmaktadır. Bu faktörlerin büyük bir bölümü müşterinin kendine ait bilgileri olmakla birlikte makroekonomik göstergelerde kişilerin gelirlerinde etkiye sebep olabilmektedir. Literatürde genel olarak geleneksel modelleme teknikleri kullanılarak müşterilerin gelirleri tahmin edilmeye çalışılmış olup bu çalışmada ise boosting ve bagging algoritmaları kullanılarak modelleme çalışması gerçekleştirilmiştir. Regresyon bazlı modelleme performanslarına kıyasla boosting tabanlı modellerin performanslarının daha fazla açıklayıcılığa sahip olduğu görülmüştür. Bu çalışma ile müşteriler için daha doğru bir gelir tahmin mekanizmasının oluşturulması amaçlanmıştır. Bu sayede müşterilere ödeyebilme güçleriyle doğru orantıda kredi limitleri tanımlanabilecek ve doğru ürün tahsisi ile portföydeki batık oranları minimum seviyeye gelebilecektir. Çalışma kapsamında model validasyon testleri gerçekleştirilmiş ve fazladan örneklem kitlesi için model performansının XGBoost algoritması ile en açıklayıcı sonuçları sağladığı tespit edilmiştir.
Özet (Çeviri)
The aim of this thesis is to show the increase in predictive power of the income estimation model used during individual product allocation in financial institutions by using machine learning modeling techniques. There are hundreds of factors that affect a customer's income. Although most of these factors are the customer's own information, macroeconomic indicators can cause an impact on individuals' income. In the literature, generally traditional modeling techniques have been used to estimate the income of the customers, and in this study, a modeling study has been carried out by using boosting and bagging algorithms. Compared to regression-based modeling performances, it has been observed that the performance of boosting-based models has more explanatory power. With this study, it is aimed to create a more accurate revenue estimation mechanism for customers. In this way, credit limits will be defined to customers in direct proportion to their ability to pay, and default rates in the portfolio will be minimized with correct product allocation. Within the scope of the study, model validation tests were performed and it was determined that the model performance for the validation sample provided the most descriptive results with the XGBoost algorithm.
Benzer Tezler
- Markov zincirleri ile pazar payı tahmini ve renkli televizyon pazarına ilişkin bir uygulama
Market share estimation of colored TV with markov chains for the period of 1990-1995
BÜLENT MENGÜÇ
- Bankacılık uygulamalarında iş analizi uygulama teknikleri
Business analysis application techniques in banking applications
ÇİSEM ÖZKAN
Yüksek Lisans
Türkçe
2019
BankacılıkYıldız Teknik ÜniversitesiMatematik Mühendisliği Ana Bilim Dalı
PROF. DR. HÜLYA ŞAHİNTÜRK
- MAKİNE ÖĞRENMESİ KULLANAN BİREYSEL GELİR TAHMİN MODELİ
Individual Income Estimation Model Using Machine Learning
MUHAMMED ENES YILDIZ
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. NİZAMETTİN AYDIN
DR. AHMET ELBİR
- Makina öğrenmesi teknikleri ile hukuki alacak tahsilat kuruluşu dosya kapatılabilirlik tahmini ve atama modeli ile dosya ataması: Telekomünikasyon sektörü örneği
Predicting case closeability of legal debt collecti̇on agency with machine learni̇ng teqniques and assignment of cases with closibility based assignment model: A case study on telecomunication sector
NİLÜFER ALTINOK
Yüksek Lisans
Türkçe
2022
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. BAŞAR ÖZTAYŞİ