Geri Dön

Model selection in bankruptcy prediction using oversampling techniques

Oversamplıng teknikleri kullanarak şirket iflas tahmini model seçimi

PDF İndir

  1. Tez No: 688480
  2. Yazar: ÜMİT ERDEM SALTAN
  3. Danışmanlar: DR. ÖĞR. ÜYESİ CEMAL OKAN ŞAKAR
  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: Bahçeşehir Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Büyük Veri Analitiği ve Yönetimi Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 69

Özet

İşletmeler hayatlarına sonsuza kadar devam edecekleri konseptiyle kurulurken, çeşitli nedenlerle belirlenen hedeflerine ulaşamadan iflas ettikleri ve ortadan kalktıkları görülmektedir. Giderek artan rekabet ortamı, hızlı teknolojik gelişmeler ve küreselleşme gibi nedenlerle işletmeler, varlıklarını sürdürmekte zorlanmaktadır. Bu araştırmada, XGBoost, LightGBM ve Catboost algoritmalarının iflas tahmininde nasıl çalıştığına odaklanılmaktadır. Bu algoritmalardan en doğru sonuçları elde etmek için, üretilen çıktıların varsayılan parametreler ve hiperparametre ayarlama çıktıları ile karşılaştırılmaktadır. İflas sayıları daha az olan veri setinde dengesiz dağılıma sahip olan verinin yüksek hızda örnekleme (oversampling) yöntemleriyle dengelenerek, kullanılan algoritmalardan üretilen çıktıların varsayılan parametreler ve hiperparametre ayarlama sonrası çıktıları ile karşılaştırılmaktadır. Yüksek sayıda değişken olan veri setinde daha az sayıda değişkenle, kullanılan algoritmalardan daha doğru sonuçlar alınıp alınmadığına bakılarak, her algoritma için daha doğru sonuç elde edilen değişken sayısı ile kullanılan algoritmaların üretilen çıktıları, varsayılan parametreler ve hiperparametre ayarlama sonrası çıktıları ile karşılaştırılmaktadır. İflas sayıları daha az olan ve daha az değişkenli veri setinde dengesiz dağılıma sahip olan verilerin yüksek hızda örnekleme yöntemleriyle dengelendiği ve kullanılan algoritmalardan üretilen çıktıların varsayılan parametreler ve hiperparametre ayarlama sonrası çıktıları ile karşılaştırılmaktadır.

Özet (Çeviri)

While businesses are established with the concept that they will continue their lives forever, it's seen that they're going bankrupt and disappear before they will achieve their established goals for various reasons. Thanks to reasons like the increasingly competitive environment, rapid technological developments, and globalization, businesses have difficulties in maintaining their existence. We focus in this study on how the algorithms XGBoost, LightGBM, and Catboost work in predicting bankruptcy. To obtain the most accurate results from these algorithms, by cross-validating the training data, we compare the outputs produced with default parameters and the hyperparameter tuning outputs. We balanced our imbalance data with oversampling methods so the bankruptcy numbers are fewer in the data set we use and compared the outputs of our algorithms with default parameters and hyperparameter tuned by cross-validating the parameters. In the data we used in our study, there are 95 features, we run the algorithms we use in the order of importance of the feature, generate our data according to the number of features we achieve the highest accuracy, and compare the outputs of hyperparameter tuning and default parameters. By cross-validating the parameters, we balance the imbalanced data, which is also in the dataset we generated, with oversampling methods, and compare the outputs produced by our algorithms with default parameters and the outputs of hyperparameter tuning.

Benzer Tezler

  1. Tez No

    668950

    İşletmelerin iflas tahmininde makine öğrenmesi algoritmalarının karşılaştırmalı analizi

    Comparison analysis of machine learning algorithms in bankruptcy prediction

    GİZEM DİLKİ

    Yüksek Lisans

    Türkçe

    Türkçe

    2021

    İstatistikİstanbul Ticaret Üniversitesi

    İstatistik Ana Bilim Dalı

    PROF. DR. ÖZLEM DENİZ BAŞAR

  2. Tez No

    432709

    İflas öngörüsünde değişken seçimi: Borsa İstanbul örneği

    Feature selection in bankruptcy prediction: The case of Borsa iİstanbul

    SİNAN AYDIN

    Doktora

    Türkçe

    Türkçe

    2016

    İşletmeDumlupınar Üniversitesi

    İşletme Ana Bilim Dalı

    DOÇ. DR. SONER AKKOÇ

  3. Tez No

    866596

    İflas olasılığının genelleştirilmiş doğrusal modeller ve birleşik aktüeryal yapay sinir ağları için değerlendirmesi: Tamamlayıcı sağlık sigortası uygulaması

    Evaluation of ruin probability using generalized linear model and combined actuarial neural networks methods: A complementary health insurance application

    NERMİN ÖDÜL OKUNAKOL

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Aktüerya BilimleriHacettepe Üniversitesi

    Aktüerya Bilimleri Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ BAŞAK BULUT KARAGEYİK

  4. Tez No

    66735

    Mali yapı analizlerinde çok boyutlu modeller

    Multi-dimensional models in financial structural analyses

    SERKAN ANIL

    Yüksek Lisans

    Türkçe

    Türkçe

    1997

    Mühendislik Bilimleriİstanbul Teknik Üniversitesi

    İşletme Mühendisliği Ana Bilim Dalı

    DOÇ. DR. MEHMET BOLAK

  5. Tez No

    315256

    Türkiye'de bölgesel havayolu şirketi kurulması

    Incorporation of a regional airline company in Turkey

    ATAÇ TUNÇ

    Yüksek Lisans

    Türkçe

    Türkçe

    2012

    Ulaşımİstanbul Teknik Üniversitesi

    Uçak ve Uzay Mühendisliği Ana Bilim Dalı

    PROF. DR. İBRAHİM ÖZKOL

Geri Dön