Risk management based on machine learning
Makine öğrenimine dayalı risk yönetimi
- Tez No: 850327
- Danışmanlar: PROF. DR. FERDA NUR ALPASLAN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 110
Özet
Etkin risk yönetimi, potansiyel tehditleri belirleme ve hedeflere ulaşmayı engelleyebilecek unsurları kontrol etmede kuruluşlara yardımcı olduğu için çok önemli bir faktördür. Karar verme sürecine katkıda bulunur ve genel performansı artırır. Bu tez, mevcut risk yönetimi uygulamalarını incelemekte ve bunlara makine öğrenmesi entegre etmenin uygunluğunu araştırmaktadır. Araştırma, risk yönetiminde kullanılan çeşitli makine öğrenmesi algoritmalarını ele almaktadır. İlk adım, birden fazla devlet kurumundan riskleri belirleme ve kategorize etme, 24 risk ve 139 ilgili risk göstergesi belirleme şeklinde gerçekleştirilmiştir. Bu riskleri değerlendirmek için göstergeler için günlük, haftalık, aylık ve yıllık veriler üretilmiş ve alan bilgisine dayalı olarak analiz edilmiştir. Bu göstergeler kullanılarak bir Risk Değerlendirme endeksi geliştirilmiş ve her bir riskin olasılık ve etki puanlarını belirlemek için bir hesaplama formülü oluşturulmuştur. Bulguları doğrulamak için çeşitli veri senaryoları oluşturulmuş ve Destek Vektör Makinesi, Gaussian Naive Bayes, Multinomial Naive Bayes, Karar Ağaçları ve Rastgele Orman gibi gelişmiş algoritmalar aracılığıyla işlenmiştir. Sonuçları sunmak için Doğruluk, Kesinlik, Geri Çağırma, F1 puanı ve Cohen'in Kappa gibi metrikler kullanılmıştır. Destek Vektör Makinesi'nin diğer algoritmalarla karşılaştırıldığında riskleri tespit etmede üstün performans gösterdiği görülmüştür.
Özet (Çeviri)
Efficient risk management is a crucial factor for organizations as it assists in identifying and controlling potential threats that may impede the achievement of objectives. It helps inform decision-making and enhances overall performance. This thesis examines existing risk management practices and explores the feasibility of integrating machine learning to augment them. The research delves into various machine learning algorithms used in risk management. The initial step involved identifying and categorizing risks from multiple government institutions, identifying 24 risks and 139 corresponding risk indicators. Daily, weekly, monthly, and annual data were generated for the indicators to assess these risks, and they were analyzed based on domain knowledge. Using these indicators, a Risk Evaluation index was developed, and a calculation formula was formulated to determine each risk's probability and impact scores. To validate the findings, diverse data scenarios were created and processed through advanced algorithms, including Support Vector Machine, Gaussian Naive Bayes, Multinomial Naive Bayes, Decision Trees, and Random Forest. Metrics such as Accuracy, Precision, Recall, F1-score and Cohen's Kappa were employed to present the results, with the Support Vector Machine demonstrating superior performance in detecting risks over other algorithms.
Benzer Tezler
- Konteyner liman operasyonlarının makine öğrenmesi yöntemleri ile analizi
Analysis of container port operations using machine learning methods
ÜSTÜN ATAK
Doktora
Türkçe
2022
Deniz Bilimleriİstanbul Teknik ÜniversitesiDeniz Ulaştırma Mühendisliği Ana Bilim Dalı
PROF. DR. YASİN ARSLANOĞLU
PROF. DR. TOLGA KAYA
- Ulusal elektronik sağlık kayıtları üzerinde makine öğrenmesi ile kanser risk faktörlerinin incelenmesi
Analysis of cancer risk factors with machine learning on national electronic health records
ESRA TOKUR SONUVAR
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAkdeniz ÜniversitesiBiyoistatistik ve Tıbbi Bilişim Ana Bilim Dalı
DOÇ. DR. KEMAL HAKAN GÜLKESEN
PROF. DR. HAKAN ŞAT BOZCUK
- Özdevimli öğrenme yaklaşımı ile bilgi güvenliği risklerinin nitel değerlendirilmesine yönelik bir model
A proposed model for qualitative information security risk assessment based on machine learning
METE EMİNAĞAOĞLU
Doktora
Türkçe
2011
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolTrakya ÜniversitesiBilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
PROF. DR. ŞABAN EREN
YRD. DOÇ. DR. ERDEM UÇAR
- Bankacılık sektöründe kredi ödemelerinin makine öğrenme algoritmaları ile analizi ve tahminlemesinin yapılması
Analysis and prediction of loan payments by machine learning algorithms in banking sector
ENES GEZER
Yüksek Lisans
Türkçe
2019
Bilim ve Teknolojiİstanbul ÜniversitesiEnformatik Ana Bilim Dalı
DOÇ. DR. ZÜMRÜT ECEVİT SATI
- Ticari alacak riski yönetimi ve makine öğrenmesi algoritmaları ile modelleme: Bir model önerisi
Credit risk management and modelling with machine learning algorithms: A model suggestion
SÜMEYYE KAYA
Yüksek Lisans
Türkçe
2024
Bilim ve TeknolojiAnkara Sosyal Bilimler ÜniversitesiDenetim ve Risk Yönetimi (Disiplinlerarası) Ana Bilim Dalı
DOÇ. DR. HALİS KIRAL