Firma Başarısızlığının Tahmin Edilmesi İçin Kümelemeye Dayalı Bir Sınıflandırıcı Topluluğu Yaklaşımı
Abstract
Firma başarısızlıklarının tahmin edilmesi, finansta önemli bir araştırma yönüdür. Güvenilir başarısızlık tahmin etme modelleriningeliştirilmesi, aralarında yönetim organizasyonlarının, devlet kurumlarının ve hisse senedi sahiplerinin de yer aldığı birçok farklıpaydaş için oldukça yararlı olabilmektedir. Topluluk öğrenmesi yöntemi, genelleştirme hatasını azaltarak ve doğru sınıflandırmaoranını artırarak, sınıflandırma algoritmalarının tahmin etme başarımını artıran önemli bir tekniktir. Topluluk öğrenmesi, firmabaşarısızlıklarının tahmin edilmesinde kullanılan yaygın kullanıma sahip bir yöntemdir. Yüksek başarımlı sınıflandırıcıtopluluklarının oluşturulmasında çeşitlilik önemli bir rol oynamaktadır. Bu çalışmada, firma başarısızlıkların tahmin edilmesi içinkümelemeye dayalı bir sınıflandırıcı topluluğu yaklaşımı sunulmaktadır. Önerilen tasarıda, k-ortalama algoritması kullanılarak,çeşitlendirilmiş eğitim alt kümeleri oluşturulmaktadır. Bu eğitim alt kümelerine dayalı olarak, sınıflandırıcı topluluğunda yer alanher bir temel öğrenme algoritması eğitilmekte ve temel öğrenme yöntemlerinin bireysel çıktıları çoğunluk oylaması aracılığıylabirleştirilmektedir. Deneysel analizlerde, dört sınıflandırma algoritması (C4.5 algoritması, k-en yakın komşu algoritması, destekvektör makineleri ve lojistik regresyon) ve üç topluluk öğrenmesi yöntemi (Bagging, AdaBoost ve rastgele alt uzay)değerlendirilmiştir.