Comparison of Random Forest and XGBOOST implementation's success to predict bank profitability: Evidence from Turkish deposit banks
Rassal Orman ve XGBOOST algoritmalarının banka kârlılığını tahmin etme başarısının karşılaştırılması: Türk mevduat bankalarından kanıt
- Tez No: 775765
- Danışmanlar: DOÇ. DR. ÖMER FARUK RENÇBER
- Tez Türü: Yüksek Lisans
- Konular: İşletme, Business Administration
- Anahtar Kelimeler: Sınıflandırma, Banka Kârlılığı, Rassal Orman, XGBOOST, Classification, Bank Profitability, Random Forest, XGBOOST
- Yıl: 2022
- Dil: İngilizce
- Üniversite: Gaziantep Üniversitesi
- Enstitü: Sosyal Bilimler Enstitüsü
- Ana Bilim Dalı: İşletme Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Makine öğrenimi teknikleri regresyon, sınıflandırma, kümeleme veya birliktelik kural çıkarımları olarak kullanılmaktadır. Dolayısıyla makine öğrenmenin en önemli uygulama alanlarından bir tanesi sınıflandırma olduğu ifade edilebilir. Bu çalışmada bankaların karlılığını etkileyen faktörlerin incelenmesi amaçlanmıştır. Bunun için 2010 ile 2020 yılları arası Türkiye'de faaliyet gösteren 27 banka, çalışmanın kapsamını oluşturmaktadır. Çalışmada hedef değişkenler aktif kârlılığı (ROA) ve özkaynak kârlılığı (ROE) kullanılmıştır. Girdi değişkenler ise; sermaye yeterliliği, varlık kalitesi, likidite, yönetim verimliliği ve banka büyüklüğüdür. Bu çalışmada bankaların karlılıklarını etkileyen faktörlerin ile birlikte Rassal Orman, XGBOOST algoritmaları ve Çoklu Doğrusal Regresyon ile incelenmesi amaçlanmıştır. Yöntemler her bir hedef değişkeni için hata ve açıklama düzeylerine göre karşılaştırılmıştır. Daha sonra“target shuffling”tekniği ile hedef değişkenin üzerinde etkili olan faktörler incelenmiştir. Sonuç olarak, ROA için yönetim verimliliği, banka büyüklüğü ve sermaye yapısının; ROE için yönetim verimliliği, banka büyüklüğü oranlarının en etkili olduğu bulgularına ulaşılmıştır. Jel Kodu: C38 – G00
Özet (Çeviri)
Machine learning techniques are used as regression, classification, clustering or association rule inference. Therefore, one of the most important application areas of machine learning is classification. In this study, it is aimed to examine the factors affecting the profitability of banks. For this, 27 banks operating in Türkiye between the years 2010 and 2020 constitute the scope of the study. In the study, target variables return on assets (ROA) and return on equity (ROE) were used. Input variables are capital adequacy, asset quality, liquidity, management efficiency, and bank size. This study is aimed to examine the factors affecting the profitability of banks with Random Forest and XGBOOST algorithms along with Multi Linear Regression. Methods were compared according to error and explanation levels for each target variable. Then, the factors affecting the target variable were examined with the“target shuffling”technique. As a result, it has been found that management efficiency (activity), bank size, and capital structure are the most significant for ROA; while management efficiency and size are the most effective for ROE. JEL Classification Numbers: C38–G00
Benzer Tezler
- Konteyner liman operasyonlarının makine öğrenmesi yöntemleri ile analizi
Analysis of container port operations using machine learning methods
ÜSTÜN ATAK
Doktora
Türkçe
2022
Denizcilikİstanbul Teknik ÜniversitesiDeniz Ulaştırma İşletme Mühendisliği Ana Bilim Dalı
PROF. DR. YASİN ARSLANOĞLU
PROF. DR. TOLGA KAYA
- Etkin bina emlak vergi değerinin belirlenebilmesi için makine öğrenme temelli bir değerleme modeli önerisi
A proposal for a machine learning based valuation model for determining efficient building property tax value
ELİF ŞEVVAL TAŞTAN
Yüksek Lisans
Türkçe
2025
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. REHA METİN ALKAN
- Machine learning for big data in financial fraud detection
Finansal dolandırıcılık tespitinde büyük veriler için makine öğrenimi
ABUBAKAR AKINTOMIWA NUREINI
Yüksek Lisans
İngilizce
2026
Yönetim Bilişim SistemleriBahçeşehir ÜniversitesiBüyük Veri Analitiği ve Yönetimi Ana Bilim Dalı
PROF. DR. MUSTAFA ÖZBAYRAK
- Açı temelli öznitelik çıkarımı ile üst vücut postür sınıflandırması
UPPER-BODY POSTURE CLASSIFICATION USING ANGLE-BASED FEATURE EXTRACTION
RABİA AYŞE GÜZEL
Yüksek Lisans
Türkçe
2026
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. İSMAİL ÖZTEL
- Solunum sesi sınıflandırması için klasik ve derin öğrenme modellerinin karşılaştırılması
Comparison of classical and deep learning models for respiratory sound classification
EREN AYGÜN
Yüksek Lisans
Türkçe
2026
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGümüşhane ÜniversitesiYapay Zeka ve Akıllı Sistemler Ana Bilim Dalı
DR. ÖĞR. ÜYESİ HAYATİ TÜRE