Tekstil Endüstrisinde Finansal Sıkıntının Tahmini: Meta Modellerin ve Tek Sınıflandırıcıların Karşılaştırmalı Analizi

Abstract

Bu çalışma, Türk tekstil sektöründeki finansal sıkıntıları tahmin etmede meta modellerin etkinliğini değerlendirmektedir. Araştırma, 2013'ten 2023'e kadar olan finansal verileri kullanarak Kement, Ridge, Rastgele Orman, Gradyan Arttırma Makineleri (GBM) ve Destek Vektör Makinelerini (DVM) temel modeller olarak entegre eden ve XGBoost'un meta öğrenici olarak hizmet ettiği bir meta model uygulamaktadır. Sonuçlar, meta modelin, özellikle finansal sıkıntının erken tespiti için kritik olan yanlış negatifleri en aza indirmede bağımsız bir XGBoost sınıflandırıcıdan daha iyi performans gösterdiğini göstermektedir. Meta model, tekstil gibi değişken sektörlerde finansal istikrarsızlığı tahmin etmek için daha güvenilir bir araç sunarak üstün hatırlama ve F1 puanları elde etmiştir. Bununla birlikte, çalışma aynı zamanda model seçimi yanlılığı, hiperparametre ayarının karmaşıklığı ve yaklaşımın topluluk doğası nedeniyle yorumlanabilirliğin azalması gibi sınırlamaları da kabul etmektedir. Bulgular, meta modellemenin sektöre özgü finansal risk tahmini için potansiyelini vurgularken, model şeffaflığı ve genelleştirilebilirliğinde gelecekte yapılabilecek iyileştirmelere dair önerilerde bulunmaktadır.