Geri Dön

ATM cash stock prediction using different machine learning approaches

Farklı makine öğrenmesi yöntemleri ile ATM para çekim miktarı tahmini

  1. Tez No: 680377
  2. Yazar: D. ECE GÖKÇAY
  3. Danışmanlar: PROF. DR. AYŞE BERRİN YANIKOĞLU YEŞİLYURT, DOÇ. DR. ABDULLAH DAŞÇI
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2021
  8. Dil: İngilizce
  9. Üniversite: Sabancı Üniversitesi
  10. Enstitü: Mühendislik ve Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Bilgisayar Bilimleri Bilim Dalı
  13. Sayfa Sayısı: 55

Özet

ATM nakit tahmini, banka sistemlerindeki en yaygın problemlerden biridir. ATM'de yeterli nakit bulunmaması, müsteri memnuniyetini azaltırken, gereginden fazla para olması ise bankanın kar payını negatif etkiler. Bu çalısmada ATM'lerden çekilen para miktarını tahmin eden bir sistem gelistirilmistir. Tahmin asamasında dogrusal regresyon, destek vektör makinesi, yapay sinir agları, derin ögrenme tekniklerinden olan Uzun Kısa Vadeli Hafıza Agları ve istatiksel analiz (ARIMA) methodları kullanılarak modeller olusturulmus ve aynı ATM verisi üzerinde deneyler yapılmıstır. Bu deneyler sonucunda makine ögrenmesi metotlarının, kullanılan istatiksel methoda göre çok daha iyi performans sergiledigi gösterilmistir. Ayrıca, makine ögrenmesi metotları içerisinde de LSTM modelinin çok daha az öznitelik kullanarak daha basarılı tahminler yaptıgı belirlenmistir.

Özet (Çeviri)

One of the most common problems related to banking systems is the Automated Teller Machine (ATM) cash demand forecasting. Cash shortage adversely affects customer satisfaction, while too much cash reduces bank's profitability. We have developed an ATM cash prediction system using different traditional statistical and machine learning approaches, including linear regression, support vector machines, artificial neural networks, LSTMs and traditional statistical analysis (ARIMA) on the same ATM data. We compared the results of these methods and showed that machine learning methods in comparison with ARIMA have higher accuracy. Also it was shown that among the machine learning models, LSTM gives the most accurate predictions and use less features compared to other models.

Benzer Tezler

  1. Kredi kartları riskleri ve güvenlik önlemlerinin sigortacılık açısından incelenmesi

    Research on the risks of credit cards and security implementations in the view of insurance

    AYŞEGÜL BÖLÜKBAŞI

    Yüksek Lisans

    Türkçe

    Türkçe

    1995

    BankacılıkMarmara Üniversitesi

    DOÇ.DR. ÖMÜR Ş. BABAOĞLU

  2. ATM'lerde bulundurulacak günlük para miktarının veri madenciliği teknikleri kullanılarak optimize edilmesi

    Optimization of daily ATM money stock using data mining techniques

    EREN BERK AYTAÇ

    Yüksek Lisans

    Türkçe

    Türkçe

    2014

    BankacılıkMaltepe Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. TURGAY TUGAY BİLGİN

  3. Cash inventory management at automated teller machines under incomplete information

    Otomatik ödeme makinelerinde eksik bilgi ile nakit envanter yönetimi

    YAŞAR ALTUNOĞLU

    Yüksek Lisans

    İngilizce

    İngilizce

    2010

    Endüstri ve Endüstri Mühendisliğiİhsan Doğramacı Bilkent Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. ALPER ŞEN

    YRD. DOÇ. DR. OSMAN ALP

  4. Cash replenishment strategies and vehicle routing problem for automated teller machines

    Otomatik vezne makineleri için araç rotalama problemi ve nakit ikmal stratejileri

    DENİZ ORHAN

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Endüstri ve Endüstri MühendisliğiGalatasaray Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    PROF. DR. MÜJDE GENEVOIS

  5. Muhabir bankacılık

    Correspondent banking

    CANAN DAĞISTAN

    Yüksek Lisans

    Türkçe

    Türkçe

    1992

    BankacılıkMarmara Üniversitesi

    PROF.DR. İLHAN ULUDAĞ