Makine ve ekipman imalatı sektöründe izolasyon ormanı ve yeniden örnekleme yöntemleri kullanılarak finansal başarısızlığın tespit edilmesi
Detecting financial failure in the machinery and equipment manufacturing sectorusing isolation forest and resampling methods
- Tez No: 860353
- Danışmanlar: PROF. DR. MEHMET AKİF BAKIR
- Tez Türü: Yüksek Lisans
- Konular: İstatistik, Statistics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Gazi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İstatistik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 114
Özet
Girişimler dönem dönem finansal başarısızlık/iflas ile karşı karşıya gelmektedir. Finansal başarı durumunun öngörülebilmesi sayesinde girişimler erken dönemlerde önlem alabilir ve finansal sıkıntı dönemini daha kolay geçirebilirler. Literatürde finansal başarı durumunun öngörülmesi amacıyla yapılmış çok fazla çalışma bulunmaktadır. Bu çalışmada ise finansal başarı durumunun öngörülmesi üzerine makine öğrenmesi tabanlı bir uygulama yapılmıştır. Çalışma kapsamında Türkiye'de 2010-2020 yılları arasında Makine ve Ekipman İmalatı Sektörü'nde faaliyet gösteren girişimler kullanılmıştır. Çalışmanın ilk aşamasında, girişimlere ait finansal oranlar hesaplanmış ve daha sonra izolasyon ormanı yöntemi kullanılarak finansal başarılı/finansal başarısız şeklinde etiketlenmiştir. Veri etiketleme işleminin sonrasında dengesiz veri problem ile karşılaşıldığı için bu soruna çözüm olarak yeniden örnekleme yöntemleri kullanılmıştır. Yeniden örnekleme yöntemi ile üç farklı veri seti elde edilmiş ve her bir veri seti için XGBoost algoritması eğitilerek her algoritmanın performansı değerlendirilmiştir. Yeniden örnekleme yöntemlerinin performansları karşılaştırıldığında eğitim sonucunda en iyi öngörünün elde edilmesini sağlayan yöntem sentetik azınlık aşırı örnekleme (SMOTE) yöntemi olarak belirlenmiştir. Bu yöntem ile oluşturulan veri seti kullanılarak eğitilen XGBoost modelinin finansal başarısızlığı: bir yıl öncesinde %78, iki yıl öncesinde %81 ve üç yıl öncesinde %83 doğru sınıflandırdığı sonucuna ulaşılmıştır. Çalışmayı literatür çalışmalarından ayıran finansal başarı durumu bilinmeyen girişimler üzerinde çalışılarak veri etiketleme işleminin yapılması ve yeniden örnekleme yöntemlerinin kullanılmasıdır. Ayrıca çalışma literatür kapsamında incelenen diğer çalışmalar ile karşılaştırıldığında veri seti boyutunun oldukça büyük olduğu söylenebilmektedir.
Özet (Çeviri)
Startups face financial failure/bankruptcy from time to time. By predicting financial success, enterprises can take precautions in the early stages and get through the period of financial distress more easily. There are many studies in the literature on predicting financial success. In this study, a machine learning-based application on predicting financial success has been made. Within the scope of the study, enterprises operating in the Machinery and Equipment Manufacturing Sector in Turkey between 2010 and 2020 were used. In the first stage of the study, the financial ratios of the enterprises were calculated and then labeled as financial success/financial failure using the isolation forest method. Since the unbalanced data problem was encountered after the data labeling process, resampling methods were used as a solution to this problem. Three different data sets were obtained by resampling method and the performance of each algorithm was evaluated by training the XGBoost algorithm for each data set. When the performances of the resampling methods were compared, it was determined that the synthetic minority oversampling (SMOTE) method provided the best prediction. It was concluded that the XGBoost model trained using the dataset created with this method correctly classified financial failure: 78% one year ahead, 81% two years ahead and 83% three years ahead. What distinguishes this study from other studies in the literature is the use of data labeling and resampling methods by working on startups with unknown financial success status. In addition, when the study is compared to other studies examined in the literature, it can be said that the data set size is quite large.
Benzer Tezler
- Türbomakinalarda akış analizi ile ilgili bir araştırma
Başlık çevirisi yok
MEHMET ALİ GÜNAY
Yüksek Lisans
Türkçe
1987
Makine MühendisliğiAkdeniz ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. HÜSEYİN ŞALVARLI
- Isparta'da jeneratör gazı üretimi ve dağılımı
Başlık çevirisi yok
HALİS YAVUZ
Yüksek Lisans
Türkçe
1987
EnerjiAkdeniz ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. Z. KAZIM TELLİ
- Güneş enerjisi ile ısıtma ve soğutma sistemleri (Antalya ilinde uygulama)
Başlık çevirisi yok
NURCAN ERGÖNEN
Yüksek Lisans
Türkçe
1989
Makine MühendisliğiAkdeniz ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
DOÇ. DR. HÜSEYİN ŞALVARLI
- Her diesel motoruna uygulanabilecek süper şarj sisteminin araştırılması
Başlık çevirisi yok
M. ORHAN TUYGUN
Yüksek Lisans
Türkçe
1987
Makine MühendisliğiAkdeniz ÜniversitesiMakine Ana Bilim Dalı
YRD. DOÇ. DR. MUSTAFA BAYHAN
- Sürekli sistemlerde çok bileşenli gaz difuzyonu
Başlık çevirisi yok
HAVVA CEYLAN
Yüksek Lisans
Türkçe
1988
Makine MühendisliğiAkdeniz ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. Z. KAZIM TELLİ