Destek vektör makineleri: Banka başarısızlığının tahmini üzerine bir uygulama
Support vector machines: An application on prediction of bank failure
- Tez No: 215449
- Danışmanlar: PROF. DR. ÖNER ESEN
- Tez Türü: Doktora
- Konular: İşletme, Business Administration
- Anahtar Kelimeler: Veri madenciliği, İflas, Data mining, Bankruptcy
- Yıl: 2008
- Dil: Türkçe
- Üniversite: İstanbul Üniversitesi
- Enstitü: Sosyal Bilimler Enstitüsü
- Ana Bilim Dalı: İşletme Bölümü
- Bilim Dalı: İşletme Ana Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu çalışmada istatistik, makine öğrenmesi ve sinir ağlarından çeşitli teknikleri kombine eden Destek Vektör Makineleri incelenmiştir ve banka başarısızlığının tahmin edilmesinde kullanılabilirliği araştırılmıştır. Analizde kullanılan veri seti, Türkiye'de 1995-2001 yılları arasında faaliyet gösteren özel sermayeli ticaret bankalarını kapsamaktadır. Söz konusu dönem için 37 bankaya ait 64 adet değişken (finansal rasyolar ve makroekonomik değişkenlerden oluşan) kullanılmıştır. Banka başarısızlık tahmini için oluşturulan model; değişkenlere ait 1 yıllık (t), 2 yıllık (t-1) ve 3 yıllık (t-2) verileri barındırmaktadır. Analize ilişkin her bir veri seti için dört farklı model çalıştırılmış ve destek vektör makineleri ile elde edilen sonuçlar yapay sinir ağlarıyla karşılaştırılmıştır.Çalışmada, Destek Vektör Makineleri yönteminin banka başarısızlığının tahmin edilmesinde tutarlılık ve tahmin gücü açısından tatmin edici sonuçlar verdiği görülmüştür.
Özet (Çeviri)
This study focuses on the feasibility of support vector machines combining several techniques from statistics, machine learning and neural networks, in prediction of bank failure. The sample set of the analysis consists of privately owned commercial banks operating in the period 1995-2001. For the mentioned period 64 variables (financial ratios and macroeconomic variables), belonging to 37 banks, have been used. The analysis generated for prediction of bank failure is composed of annual (t), biennial (t-1) and triennial (t-3) data of variables. For each data set, four different models have been performed and the results obtained from the support vector machines have been compared with the ones of neural networks.In this dissertation, it?s been spotted that support vector machines gives satisfactory results in terms of consistency and rate of accuracy in predicting bank failure.
Benzer Tezler
- Uzaktan algılamalı görüntülerin bant çıkarımı ve matematiksel biçim bilim ön işlemleri kullanılarak sınıflandırılması
The classification of remote sensed images with band extraction and mathematical morphology preprocessing operations
ZAFER KIZILTOPRAK
Yüksek Lisans
Türkçe
2008
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik ÜniversitesiBilgisayar Mühendisliği Bölümü
YRD. DOÇ. DR. BANU DİRİ
- Beyin bilgisayar arayüzü uygulamalarina yönelik EEG işaretleri için öznitelik çikarma
Feature extraction for EEG signals towards brain computer interface applications
ÖNDER AYDEMİR
Yüksek Lisans
Türkçe
2008
Elektrik ve Elektronik MühendisliğiKaradeniz Teknik ÜniversitesiElektrik ve Elektronik Mühendisliği Bölümü
DOÇ. DR. TEMEL KAYIKÇIOĞLU
- Destek vektör makineleri çoklu sınıf problemleri için çözüm önerileri
Propasals to solve support vector machines multiclass problems
EMRE ÇOMAK
Yüksek Lisans
Türkçe
2004
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ.DR. AHMET ARSLAN
- Destek vektör makineleri sınıflayıcısının aşamalı eğitimi
Incremental learning with support vector machines classifier
ZEKİ ERDEM
Doktora
Türkçe
2005
Elektrik ve Elektronik MühendisliğiSakarya ÜniversitesiPROF.DR. FİKRET GÜRGEN
Y.DOÇ.DR. NEJAT YUMUŞAK
- Destek vektör makineleri ile ses tanıma uygulaması
Speech recognition application with support vector machines
OSMAN ERAY
Yüksek Lisans
Türkçe
2008
Elektrik ve Elektronik MühendisliğiPamukkale ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. SERDAR İPLİKÇİ