Predicting participant risk profiles in private pension funds using machine learning techniques
Makine öğrenmesi teknikleri kullanılarak bireysel emeklilik sisteminde katılımcının risk profilinin tahminlenmesi
- Tez No: 793574
- Danışmanlar: DOÇ. DR. SERKAN AYVAZ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: İngilizce
- Üniversite: Bahçeşehir Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Büyük Veri Analitiği ve Yönetimi Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bireysel emeklilik sisteminde katılımcılar birikimlerini hangi fona yönlendireceklerine karar vermeden önce isteğe bağlı olarak risk profil değerlendirme anketine katılırlar. Böylece sistem risk profiline uygun fonları katılımcıya önerir. Bireysel emeklilik sistemi içerisinde bu anketi doldurmayan katılımcılar çoğunlukta yer almaktadır. Bu çalışmanın amacı anketi doldurmayan katılımcıların risk profil seviyelerini, anketi dolduran katılımcıların diğer bilgilerinden yola çıkarak tahmin etmeye çalışmaktadır. Bu kapsamda özel bir emeklilik şirketi ile çalışılarak anketi dolduran ve doldurmayan müşterilerin ortak demografik, finansal ve diğer bilgilerini içeren veri seti üzerinden makine öğrenimi teknikleri kullanılarak model kurulmuştur. Neredeyse dengeli dağılan dört farklı risk kategorisi için uygulanan sınıflandırma algoritmalarında en iyi sonucu XGBoost (F-1 Score: %59, Doğruluk: %60) göstermiştir. Kurulan model hem emeklilik şirketi sistemlerinde hem de müşteri danışmanları tarafından test edilerek yardımcı bir araç olarak kullanabildiği kanıtlanmıştır.
Özet (Çeviri)
Individuals in the private pension system can voluntarily participate in the risk profile assessment survey before they decide to direct which funds are eligible for their savings. Thus, the system proposes suitable funds in accordance with the result of the questionnaire. Nevertheless, participants who do not fill out this questionnaire are in the majority within the private pension system. The aim of this thesis is to predict the risk profile level of participants who do not fill out the survey by utilizing the information of others ones who have already filled out the survey. In this scope, the model has been built by using machine learning techniques through data including financial, demographics, and other features which belong to the customers who completed or did not complete the questionnaire. It has been shown that the XGBoost algorithm (F! Score: 59%, Accuracy: 60%) which has been applied to four risk categories distributing almost balanced is the best one among the machine learning model for prediction. The built model has proven its usability as a supplementary tool by testing both the private pension company and the fund advisors.
Benzer Tezler
- Finansal ürünlerin vergilendirme ve yasal düzenlemeler açısından değerlendirilmesi
Başlık çevirisi yok
ATİLLA UYANIK
- Davranışsal finans açısından kadınların yatırım alışkanlıkları: Manisa örneği
Investment habits of women in terms of behavioral finance: Case of Manisa
MUNA RAJAB ABDULLAHI
Yüksek Lisans
Türkçe
2021
İşletmeManisa Celal Bayar Üniversitesiİşletme Ana Bilim Dalı
DR. ÖĞR. ÜYESİ UMUT BURAK GEYİKÇİ
- Financial stability and credit risk management of Turkish participation banks
Türkiye'deki katılım bankalarının finansal istikrarı ve kredi risk yönetimi
İNAN GİDİŞ
Yüksek Lisans
İngilizce
2023
BankacılıkAnkara Sosyal Bilimler Üniversitesiİslam Ekonomisi ve Finansı Ana Bilim Dalı
DOÇ. DR. ZEYNEP BURCU UĞUR
- Hipotiroidizmi olan ve olmayan erişkinlerin kardiyovasküler hastalık risklerinin Plazma Aterojenik İndeksi ve Trigliserid-Glikoz İndeksleri ile karşılaştırılması
Comparative evaluation of cardiovascular risk in hypothyroid and euthyroid adults using the plasma atherogenic index and triglyceride–glucose indices
FERHAT KUŞ
Tıpta Uzmanlık
Türkçe
2026
Aile HekimliğiSağlık Bilimleri ÜniversitesiAile Hekimliği Ana Bilim Dalı
UZMAN ÖZLEM SUVAK
- Metabolik sağlıklı ve sağlıksız obez çocuklarda sonografi bulguları ve FGF 21 düzeylerinin karşılaştırılması
Comparison of sonographic findings and FGF 21 levels in metabolically healthy and unhealthy obese children
CAN KURŞUN
Tıpta Uzmanlık
Türkçe
2025
Çocuk Sağlığı ve HastalıklarıZonguldak Bülent Ecevit ÜniversitesiÇocuk Sağlığı ve Hastalıkları Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ZÜHAL ÖRNEK