Geri Dön

Investment opportunities of countries an application on forecasting

Ülkelerin yatırım yapılabilirliklerinin öngörülmesi üzerine bir uygulama

  1. Tez No: 875877
  2. Yazar: CÜNEYT ERŞAHİN
  3. Danışmanlar: PROF. DR. SÜREYYA AKYÜZ
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bankacılık, Ekonomi, Mühendislik Bilimleri, Banking, Economics, Engineering Sciences
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2024
  8. Dil: İngilizce
  9. Üniversite: Bahçeşehir Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Yapay Zeka Ana Bilim Dalı
  12. Bilim Dalı: Yapay Zeka Bilim Dalı
  13. Sayfa Sayısı: 100

Özet

Bu çalışma, uzun vadeli ülke kredi derecelendirmesi için makine öğrenme modellerinin etkinliğini incelemekte ve Fitch Ratings tarafından değerlendirilen 2012-2020 dönemine ait verilerle bir model oluşturmaktadır. Modelleme sürecinde, farklı makine öğrenme algoritmaları karşılaştırılmış ve açıklanabilir yapay zeka teknikleriyle sonuçlar yorumlanabilir hale getirilmiştir. 1074 gözlemden oluşan veriseti, modelin başarısını test etmek için kullanılmış ve modelin %97.46 başarı oranına ulaştığı belirlenmiştir. Değişken ön işleme süreci ve korelasyon analizi sonucunda, nihai modelde 10 önemli değişken belirlenmiş ve bu değişkenlerin kullanılmasıyla yapılan sınıflandırma çalışmaları, Hibrit Rastgele Orman algoritmasının en uygun sonuçları verdiğini göstermiştir. Sonuçlar, makine öğrenme modellerinin kredi derecelendirmesi alanında etkili bir araç olabileceğini ve XAI tekniklerinin entegrasyonunun modelin güvenilirliğini artırabileceğini vurgulamaktadır.

Özet (Çeviri)

The aim of the study is to assess whether machine learning models are effective in predicting the country's credit rating over a long period of time. The analysis uses data from the 2012-2020 period, evaluated by Fitch Ratings. In the modeling process, different machine learning algorithms are being implemented and explainable artificial intelligence techniques are used to improve the comprehensibility of the results. The data set of 1074 observations was used to evaluate the performance of the model and a success rate of 97.46% was obtained. Using variable preprocessing and correlation analysis, 10 key variables were identified in the last model. In a modeling study using these variables alone, the hybrid Random Forest algorithm has been found to provide the most optimum results. The findings highlight the effectiveness of machine learning models in credit-rating, as well as the importance of using explanatory artificial intelligence techniques to increase the model's reliability.

Benzer Tezler

  1. Sigortada dağıtım ve tutundurma metodları

    Başlık çevirisi yok

    BANU GÖNENÇ

    Yüksek Lisans

    Türkçe

    Türkçe

    1994

    SigortacılıkMarmara Üniversitesi

    Sigortacılık Ana Bilim Dalı

    DOÇ. DR. OSMAN GÜRBÜZ

  2. Portföy yönetiminde dinamik varlık yönetim stratejileri

    Dynamic asset allocation strategies in portfolio management

    MUSTAFA DUMAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2000

    BankacılıkMarmara Üniversitesi

    Sermaye Piyasası ve Borsa Ana Bilim Dalı

    YRD. DOÇ. DR. ÖZLEM KOÇ

  3. Ticari banka yönetimi ve Türk ticari bankalarının temel yönetim sorunları

    The management of the commercial bank and the basic problems of the Turkish comercial bank

    AYŞE ÇİĞDEM ÖNAL

    Yüksek Lisans

    Türkçe

    Türkçe

    1994

    BankacılıkMarmara Üniversitesi

    Bankacılık Ana Bilim Dalı

    PROF. DR. NAZIM EKREN

  4. Cam sektöründe talep tahmin yöntemlerinin uygulanması ve değerlendirilmesi

    Application and assessment of the demand forecasting methods in the glass sector

    NESLİHAN DEMİRCİ

    Yüksek Lisans

    Türkçe

    Türkçe

    2015

    Endüstri ve Endüstri Mühendisliğiİstanbul Teknik Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. MURAT BASKAK

  5. Elektrik enerjisi piyasaları ve çimento sektöründe elektrik enerjisi tüketim tahmininin önemi

    Electricity markets and the importance of electricity consumption forecasting in cement sector

    EZGİ KAYAHAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    Enerjiİstanbul Teknik Üniversitesi

    Enerji Bilim ve Teknoloji Ana Bilim Dalı

    PROF. DR. SERMİN ONAYGİL