Bir Makine Öğrenimi Uygulaması: G7 Ülkelerinde Finansal Kriz Tahminleme

Authors : Merve Mert Sarıtaş, Mert Ural

Pages : 781-804

Doi:10.30784/epfad.1643262

View : 106 | Download : 82

Publication Date : 2025-06-30

Article Type : Research Paper

Abstract :Bu çalışma, sistemik bankacılık krizlerini tahmin etmede makine öğrenmesi yöntemlerinin etkinliğini, özellikle karmaşık ve doğrusal olmayan örüntüleri yakalama yeteneğiyle öne çıkan XGBoost algoritmasını kullanarak araştırmaktadır. 1870-2020 dönemi için G7 ülkelerine ait finansal ve makroekonomik veriler kullanılarak sistemik bankacılık kriz tahmininde XGBoost tabanlı bir model geliştirilmiştir. Ayrıca, modelin \\\'kara kutu\\\' doğasını aşarak karar alma süreçlerini derinlemesine anlamlandırmak amacıyla SHAP (SHapley Additive exPlanations) yöntemleri uygulanarak model sonuçları arasındaki nedensel ilişkiler analiz edilmiş, böylece tahmin edici değişkenler ile kriz riski arasındaki nedensel ilişkiler şeffaf bir şekilde analiz edilmiştir. Bulgular, XGBoost\\\'un yüksek tahmin performansı sergileyerek uygulayıcılar ve politika yapıcılar için kriz riskini değerlendirmede yeni olanaklar sunduğunu göstermektedir. Ek olarak SHAP değerleri, tahmin edici değişkenler ile kriz riski arasındaki karmaşık ilişkileri ortaya çıkararak makine öğrenimi modellerinin şeffaflığını ve hesap verebilirliğini önemli ölçüde artırmaktadır. Bu yaklaşım, finansal krizlerin temel ekonomik itici güçlerini belirleme konusunda sağlam ve güvenilir bir analitik altyapı sunarak finansal kriz tahmininde makine öğrenmesi yöntemlerinin potansiyelini vurgulamaktadır.
Keywords : Finansal Krizler, Makine Öğrenimi, XGBoost, SHAP Değeri, Tahminleme

ORIGINAL ARTICLE URL