Dr. Bahadır Fatih Yıldırım

Özgeçmiş Akademik Blog Portfolyo Dokümanlar Kütüphane

M14

Kredi Kartı Kullanım İstatistiklerinin Gri Tahmin ve Genetik Algoritma Tabanlı Gri Tahmin Metodu İle Tahmini: Karşılaştırmalı Analiz

Araş. Gör. Bahadır Fatih Yıldırım

İstanbul Üniversitesi İşletme Fakültesi Sayısal Yöntemler Anabilim Dalı

Doç. Dr. Timur Keskintürk

İstanbul Üniversitesi İşletme Fakültesi Sayısal Yöntemler Anabilim Dalı

Özet

Bu çalışmada Gri Tahmin GM(1,1) ve Genetik Algoritma tabanlı Gri Tahmin GA-GM(1,1) yöntemleri karşılaştırılmıştır. Bu amaçla 2009/1-2014/2 dönemleri arasında yerel kredi kartlarının kullanımına ait sekiz farklı veri seti ele alınarak her iki yöntem için de modeller kurulmuştur. Modeller, elde edilen MAPE istatistiği değerleri kullanılarak karşılaştırılmıştır. Ayrıca her iki model için de 2014/3 dönemi tahmin edilmiştir. Sonuç olarak, farklı veri setlerine ait kurulan tüm modellerde GA-GM(1,1) yönteminin daha düşük hata ile tahmin yaptığı belirlenmiştir.

Anahtar Kelimeler: Genetik Algoritma, Gri Tahmin, Kredi Kartı, Zaman Serisi

Jel Sınıflandırma: C53, C81, E47

Credit Card Usage Prediction With Grey Model and Genetic Algrotihm Based Grey Model: Comparative Analysis

Abstract

In this study Grey Model-GM(1,1) and Genetic Algorithm based Grey Model GA-GM(1,1) methods was compared. For this purpose, between the period 2009/1-2014/2 on the use of local credit card by taking eight different data sets and the models are established for both methods. Models were compared with values obtained MAPE statistics. It has also been estimated for the period 2014/3 for both models. As a result, all models GA-GM (1,1) method was succeed to make estimates with lower error.

Keywords: Genetic Algorithm, Grey Model, Time Series

  • Akay, D., Atak, M., (2007). “Grey Prediction With Rolling Mechanism For Electricity Demand Forecasting of Turkey”, Energy, 32, 1670-1675.
  • Bankalararası Kart Merkezi (BKM), (2014). “Aylık Basın Bülteni ,Eylül 2014” 9 Mayıs 2015 tarihinde http://www.bkm.com.tr/Upload/… adresinden erişildi.
  • Baş, M., (2010). “İşletmelerde Finansal Başarısızlığın Öngörülmesinde Gri İlişkisel Analiz Tekniği, Tekstil ve Deri Sektöründe Bir Uygulama”, Yayınlanmamış Doktora Tezi, Dumlupınar Üniversitesi Sosyal Bilimler Enstitüsü, Kütahya.
  • Çuhadar, M., Güngör, İ. ve Göksu, A., (2009). “Turizm Talebinin Yapay Sinir Ağları ile Tahmini ve Zaman Serisi Yöntemleri ile Karşılaştırmalı Analizi: Antalya İline Yönelik Bir Uygulama”, Süleyman Demirel Üniversitesi İktisadi ve İdari Bilimler Dergisi, 14 (1), 99-114.
  • Deng, J. L. (1982). Control Problems of Grey Systems. Systems & Control Letters, 1(5), 288-294.
  • Deng, J. L. (1989). Introduction To Grey System Theory. The Journal of Grey System, 1(1), 1-24.
  • Goldberg, D.E, (1989). “Genetic Algorithms in Search Optimization and Machine Learning”, Addison Wesley Publishing Company, USA.
  • Guangli Nie, Wei Rowe, Lingling Zhang, Yingjie Tian, Yong Shi, (2011). “Credit Card Churn Forecasting By Logistic Regression And Decision Tree”, Expert Systems with Applications, 38, 12, 15273-15285.
  • Halvaiee, N. S., Akbari, M. K., (2014). “A Novel Model For Credit Card Fraud Detection Using Artificial Immune Systems”, Applied Soft Computing, 24, 40-49.
  • Hamzacebi, C., Es, H. E., (2014). “Forecasting The Annual Electricity Consumption Of Turkey Using An Optimized Grey Model”, Energy, 70, 1, 165-171.
  • Ho Ha, S., Krishnan, R., (2012). “Predicting Repayment of the Credit Card Debt”, Computers & Operations Research, 39, 4, 765-773.
  • Jong Sik Yoon, Young S. Kwon, (2010). “A Practical Approach To Bankruptcy Prediction For Small Businesses: Substituting The Unavailable Financial Data For Credit Card Sales Information”, Expert Systems with Applications, 37, 5, 3624-3629.
  • Kaya, Feridun, (2009). “Türkiye’de Kredi Kartı Uygulaması”, İstanbul: Türkiye Bankalar Birliği.
  • Kızılot Ş., Kılıç, C., Tokatlıoğlu, İ., (2010). “Kartlı Ödeme Sistemleri Ekonomik Katkılar Raporu ve 2008 Krizinde Kartlı Ödeme Sistemlerinin Olumlu Etkileri”, Gazi Üniversitesi Maliye-Vergi Hukuku Uygulama ve Araştırma Merkezi, 2010, Ankara.
  • Kızılot Ş., Kılıç, C., Tokatlıoğlu, İ., (2011). “Kartlı Ödeme Sistemlerinin Tasarruf Üzerine Etkileri ve Ekonomik Katkıları Raporu, 2011 Özeti”, Bankalararası Kart Merkezi, 2011, İstanbul.
  • Kızılot Ş., Kılıç, C., Tokatlıoğlu, İ., (2014). “Kartlı Ödemelerin Ekonomik Faydaları”, İstanbul Bilgi Üniversitesi Yayınları, 2014, İstanbul.
  • Lee, Y. S., Tong, L. I., (2011). “Forecasting Energy Consumption Using A Grey Model Improved By Incorporating Genetic Programming”, Energy Conversion and Management, 52, 1, 147-152.
  • Lei, M., Feng, Z., (2012). “A Proposed Grey Model For Short-Term Electricity Price Forecasting In Competitive Power Markets”, International Journal of Electrical Power & Energy Systems, 43, 1, 531-538.
  • Lewis, C.D., (1982). “Industrial and Business Forecasting Methods”, London: Butterworths Publishing.
  • Lin, C. S., Tzeng, G. W., Chin, Y. C., (2011). “Combined Rough Set Theory And Flow Network Graph To Predict Customer Churn In Credit Card Accounts”, Expert Systems with Applications, 38, 1, 8-15.
  • Liu, S., Jeffrey F, Yingjie Y., (2011). "A Brief Introduction to Grey Systems Theory" Grey Systems and Intelligent Services (GSIS), 2011 IEEE International Conference, 15-18, 1-9.
  • Liu, S., Lin, Y., (2006). “Grey Information: Theory and Practical Applications”, Londra, Springer.
  • Liu, S., Lin, Y., (2011). “Grey Systems Theory and Applications”, Berlin, Springer.
  • Liu, X., Peng, H., Bai, Y., Zhu, Y., & Liao, L. (2014). Tourism Flows Prediction based on an Improved Grey GM (1, 1) Model. Procedia-Social and Behavioral Sciences,138, 767-775.
  • Mahmoudi, N., Duman, E., (2015). “Detecting Credit Card Fraud By Modified Fisher Discriminant Analysis”, Expert Systems with Applications, 42 (5), 2510-2516.
  • Michalewicz, Z., (1992). “Genetic Algorithms+Data Structure=Evolution Programs”, Springer- Verlag, Berlin.
  • Orhunbilge, N., (2000). “Tanımsal İstatistik ve Olasılık Dağılımları”, 279, İstanbul: İstanbul Üniversitesi İşletme Fakültesi.
  • Panigrahi, S., Kundu, A., Sural, S., Majumdar, A. K., (2009). “Credit Card Fraud Detection: A Fusion Approach Using Dempster–Shafer Theory And Bayesian Learning”, Information Fusion, 10, 4, 354-363.
  • Shen, X., Lu, Z., (2014). “The Application of Grey Theory Model in the Predication of Jiangsu Province's Electric Power Demand”, AASRI Procedia, 7, 81-87.
  • Song, S., (1992). “The Application of Grey System Theory to Earthquake Prediction In Jiangsu Area” Journal of Grey Systems 4(4), 359–367.
  • Tiryaki, G., (2014). “Türkiye’de Bireysel Kredilerin Ekonomik Büyüme ve Cari Açık ile İlişkisi”, Bankacılar Dergisi, 91, 55-74.
  • Tsai, C. H., Chang, C.L., Chen, L. (2003). “Applying Grey Relational Analysis to the Vendor Evaluation Model”, International Journal of The Computer, The Internet and Management, 11, 3, 45-53.
  • Türkiye Bankalar Birliği (TBB), (2008). “Banka Kartları ve Kredi Kartları Uygulamaları Hakkında Yararlı Bilgiler”, İstanbul: Türkiye Bankalar Birliği.
  • Wen, K. L., (2004). “Grey Systems: Modeling and Prediction”, Yang’s Scientific Research Institute, Yang’s Scientific Press, 4.
  • Witt, S.F. and Witt, C. (1992). “Modeling and Forecasting Demand in Tourism”, Academic Press: London.
  • Xie, N., Yuan, C., Yang, Y., (2015). “Forecasting China’s Energy Demand and Self-Sufficiency Rate By Grey Forecasting Model and Markov Model”, International Journal of Electrical Power & Energy Systems, 66, 1-8.
  • Xiong, T., Wang, S., Mayers, A., Monga, E., (2013). “Personal Bankruptcy Prediction By Mining Credit Card Data”, Expert Systems With Applications, 40, 2, 665-676.
  • Yamaguchi, D., Li, G. D., Nagai, M., (2007). “A Grey-Rough Set Approach For Interval Data Reduction of Attributes”, Rough Sets and Intelligent Systems Paradigms, Berlin, Springer Berlin Heidelberg.
  • Yılmaz, E., (2000). “Türkiye’de Kredi Kartı Uygulaması ve Ekonomik Etkileri”, İstanbul: Türkmen Kitabevi.
  • Zhao, Z., Wang, J., Zhao, J., Su, Z., (2012). “Using A Grey Model Optimized By Differential Evolution Algorithm To Forecast The Per Capita Annual Net Income Of Rural Households In China”, Omega, 40, 5, 525-532.
  • Makale
    DOAJ, SOBİAD
    Tüzün, P. (2020). Türk Bankalarında Dijital Bankacılık Uygulamalarının İnsan Kaynakları Stratejileri Kapsamında İşe Alımlar Üzerine Bir Tahmin. IBAD Sosyal Bilimler Dergisi , 2020 Special Issue, 433-452. https://www.doi.org/10.21733/ibad.815477
  • Kitap Bölümü
    Apan, M. & Öztel, A. (2020). “Kredi Kartı Seçimine Yönelik Bütünleşik Entropi-WASPAS Çok Kriterli Karar Verme Yaklaşımı”. içinde Güncel Bankacılık ve Finans Çalışmaları, Akademisyen Kitabevi, Ankara.
  • Makale
    Bayrakçı, E., Aksoy, E. (2019). Gri Tahmin Yöntemi: Bireysel Emeklilik Sistemi Üzerine Bir Uygulama. Avrasya Sosyal ve Ekonomi Araştırmaları Dergisi, 6(1), 20-33.
  • Makale
    Aksoy, E., Akçakanat, Ö. (2019). Bankalarda Bireysel Kredilerin Riskinin GM (1, 1) Modeli İle Tahmin Edilmesi. Kastamonu Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 21(2), 70-98.
  • Yıldırım, B. F. & Keskintürk, T. (). Kredi Kartı Kullanım İstatistiklerinin Gri Tahmin ve Genetik Algoritma Tabanlı Gri Tahmin Metodu İle Tahmini: Karşılaştırmalı Analiz. Bankacılar Dergisi, 26(94), 65-80.