Otomatik Para Çekme Makinelerinde (Atm) Nakit Para Yönetimi İçin Optimizasyon Yaklaşımlarının Geliştirilmesi
Yükleniyor...
Dosyalar
Tarih
2023
Yazarlar
Dergi Başlığı
Dergi ISSN
Cilt Başlığı
Yayıncı
Selçuk Üniversitesi Fen Bilimleri Enstitüsü
Erişim Hakkı
info:eu-repo/semantics/openAccess
Özet
ATM Nakit Yönetimi ve Optimizasyonu Model Çalışması bankacılık sisteminde yer alan
ATM’lerin türleri ve modellerine göre her zaman dilimine uygun olacak şekilde ATM bazında en uygun
miktarda nakit para miktarını tutmak için planlanan bir model çalışmasıdır. ATM cihazları Nakit
yatırma/çekme, fatura ödeme, bilgi sorgulama, EFT, havale gibi birçok işlemin yapılabildiği için bir şube
gibi müşteriye hizmet vermektedir. Bundan dolayı müşterilerin ATM’ler üzerinde kesintisiz hizmet
alabilmesi, müşteri memnuniyeti oluşturacağı için bankaların marka değerlerinin artmasına, operasyon
maliyetlerinin azalmasına sebep olmaktadır. ATM sisteminde iki tür kesinti söz konusudur: Birincisi;
donanımsal, elektriksel veya mekanik bir arıza nedeniyle ATM’nin hizmet verememesi durumudur. İkincisi
ise ATM cihazlarında yeterli nakit paranın olmaması yüzünden müşterinin para çekememesi ya da mevcut
paraların bulunduğu kasetler üzerinde boşluk olmaması nedeniyle müşterilerin para yatıramaması anlamına
gelen nakit işlem problemidir. ATM cihazları üzerinde fazla miktarda para bulundurmak hazine maliyetine
sebep olmakta, az miktarda para bulundurmak ise sürekli ATM’lere para ikmal işlemleri yapmak adına
operasyon maliyetlerinin oluşmasına neden olmaktadır. Bu tez çalışmasında ATM nakit yönetimi, bir
optimizasyon problemi şeklinde ele alınarak hazine ve operasyon maliyetlerinin minimum yapacak karar
değişken değerlerinin hesaplanması sağlanmıştır. Bu doğrultuda, problem için bir optimizasyon
modellemesinin yapılması ile bankaların mevcut karlılık değerlerinin arttırılması ve operasyon giderlerinin
azaltılması hedeflenmiştir.
ATM’de bulunması gereken nakit tutarını tahminlemek için Yapay Sinir Ağı (YSA), Uzun Kısa
Süreli Bellek (LSTM), Karar Ağaçları (KA), Destek Vektör Makineleri (DVM), BAYES ve Aritmetik
Optimizasyon Algoritması (AOA) algoritmalarından yararlanmış ve kurulan modeller ile başarılı sonuçlar
bulunmuştur. Çalışmaların başarı sonuçları Ortalama Hata Karesi (MSE) ölçeklemesi ile değerlendirilmiş
ve başarı oranları karşılaştırılarak sunulmuştur. KA algoritması ve YSA algoritması ile birlikte hibrit olarak
uygulanmış AOA algoritması yüksek başarı göstermiştir daha uygulanabilir sonuçlar ortaya koymuştur.
YSA ve LSMT algoritmaları ile kurulan modeller birbirine çok yakın sonuçlar göstermiş iki algoritma da
uygulanabilir başarılı sonuçlar ortaya koymuştur. DVM ve BAYES algoritmaları ise kabul edilebilir
sonuçlar göstermemiştir.
Kupür çeşitlerine göre olması gereken kupür miktarlarının tahmin etmek için Doğrusal Regresyon
(DR), Doğrusal Olmayan Regresyon (DOR) ve LSTM algoritmalarından yararlanılmıştır. Çalışmaların
başarı sonuçları Ortalama Hata Karesi (MSE) ölçeklemesi ile değerlendirilmiş ve başarı oranları
karşılaştırılarak sunulmuştur. DR, DOR ve LSTM algoritmalarıyla hem para yatırma işlemi hem de para
çekme işleminde kupür adetleri tahminlemek için kurulan modellerde kabul edilebilir, başarı oranı yüksek sonuçlar olduğu gösterilmiştir. DR ve DOR algoritmaları ile kurulan modeller ile elde edilen sonuçların
başarı değerinin, LSTM algoritması ile kurulan modelin başarı değerine göre daha olduğu gözlemlenmiştir.
LSTM algoritmasının da sonuçlar bakımından değerlendirildiğinde uygulanabilir başarı da olduğu kabul
edilmiştir.
Önerilen modelleme ile en uygun seviyede nakit akışı sağlandığı için müşteri memnuniyeti adına
da fayda sağlayan bir yaklaşım ön görülmektedir. Çalışmada YSA, LSTM, AOA, KR, DVM, BAYES, DR,
DOR gibi yaygın şekilde kullanılan algoritmalardan yararlanılarak en ideal sonuç bulunmaya çalışılmıştır.
Bunun yanı sıra problemin çözümüne adaptif olarak geliştirilen YSA ve AOA algoritmaları kullanılarak
yeni hibrit çok amaçlı algoritma önerilmiştir. Önerilen modelleme, özel bir bankanın gerçek verileri
kullanılarak kurgulanmıştır. Sunulan optimizasyon çözümü ile bir kuruma bağlı kalmaksızın ATM
süreçlerinin olduğu kurumlarda başarılı sonuçlar ortaya konulacağı öngörülmektedir.
ATM Cash Management and Optimization Model Study is a model study planned to keep the most appropriate amount of cash on an ATM basis by the types and models of ATMs in the banking system. ATM devices serve the customer like a branch, as many transactions such as cash deposit/withdrawal, bill payment, information inquiry, EFT, and money orders can be made. Therefore, the uninterrupted service of customers on ATMs leads to an increase in the brand values of the banks and a decrease in operational costs, as it will create customer satisfaction. There are two types of interruptions in the ATM system: First; It is the situation where the ATM cannot serve due to a hardware, electrical or mechanical failure. The second is the cash transaction problem, which means that the customer cannot withdraw money due to the lack of sufficient cash in the ATM devices or that the customers cannot deposit money due to the lack of space on the cassettes containing the available money. Having a large amount of money on ATM devices causes treasury costs while keeping a small amount of money causes operation costs to constantly replenish money to ATMs. In this thesis, ATM cash management is handled as an optimization problem, and the decision variable values that will minimize the treasury and operation costs are calculated. In this direction, it is aimed to increase the current profitability values of the banks and to reduce the operating expenses by performing an optimization modeling for the problem. To estimate the amount of cash that should be available at the ATM, models that have been established and benefited from Artificial Neural Networks (ANN), Long Short-Term Memory (LSTM), Decision Trees (DT), Support Vector Machines (SVM), BAYES and Arithmetic Optimization Algorithm (AOA) algorithms with successful results. The success results of the studies were evaluated with Mean Squared Error (MSE) scaling, and the success rates were compared and presented. DT algorithm showed high success results and The AOA algorithm, which was applied in a hybrid manner with the ANN algorithm, demonstrated high success and yielded more applicable results. The models established with the ANN and LSTM algorithms showed very close results, and both algorithms showed applicable successful results. SVM and BAYES algorithms did not show acceptable results. Linear Regression (LR), Non-Linear Regression (NLR), and LSTM algorithms were used to estimate the amount of denomination that should be according to denomination types. The success results of the studies were evaluated with Mean Squared Error (MSE) scaling and the success rates were compared and presented. It has been shown that the models established to estimate the number of denominations in both deposit and withdrawal processes with LR, NLR, and LSTM algorithms have acceptable and high success rates. It has been observed that the success value of the results obtained with the models established with the LR and NLR algorithms is higher than the success value of the model established with the LSTM algorithm. When the LSTM algorithm is evaluated in terms of results, it is accepted that it is a viable success. Since the most appropriate level of cash flow is provided with the proposed modeling, an approach that also benefits customer satisfaction is foreseen. In the study, the most ideal result was tried to be found by using commonly used algorithms such as ANN, LSTM, AOA, DT, SVM, BAYES, LR, and NLR. In addition, a new hybrid multi-objective algorithm has been proposed by using ANN and AOA algorithms developed adaptively to the solution of the problem. The proposed modeling is constructed using real data from a private bank. With the offered optimization solution, it is predicted that successful results will be achieved in institutions that have ATM processes without being tied to an institution.
ATM Cash Management and Optimization Model Study is a model study planned to keep the most appropriate amount of cash on an ATM basis by the types and models of ATMs in the banking system. ATM devices serve the customer like a branch, as many transactions such as cash deposit/withdrawal, bill payment, information inquiry, EFT, and money orders can be made. Therefore, the uninterrupted service of customers on ATMs leads to an increase in the brand values of the banks and a decrease in operational costs, as it will create customer satisfaction. There are two types of interruptions in the ATM system: First; It is the situation where the ATM cannot serve due to a hardware, electrical or mechanical failure. The second is the cash transaction problem, which means that the customer cannot withdraw money due to the lack of sufficient cash in the ATM devices or that the customers cannot deposit money due to the lack of space on the cassettes containing the available money. Having a large amount of money on ATM devices causes treasury costs while keeping a small amount of money causes operation costs to constantly replenish money to ATMs. In this thesis, ATM cash management is handled as an optimization problem, and the decision variable values that will minimize the treasury and operation costs are calculated. In this direction, it is aimed to increase the current profitability values of the banks and to reduce the operating expenses by performing an optimization modeling for the problem. To estimate the amount of cash that should be available at the ATM, models that have been established and benefited from Artificial Neural Networks (ANN), Long Short-Term Memory (LSTM), Decision Trees (DT), Support Vector Machines (SVM), BAYES and Arithmetic Optimization Algorithm (AOA) algorithms with successful results. The success results of the studies were evaluated with Mean Squared Error (MSE) scaling, and the success rates were compared and presented. DT algorithm showed high success results and The AOA algorithm, which was applied in a hybrid manner with the ANN algorithm, demonstrated high success and yielded more applicable results. The models established with the ANN and LSTM algorithms showed very close results, and both algorithms showed applicable successful results. SVM and BAYES algorithms did not show acceptable results. Linear Regression (LR), Non-Linear Regression (NLR), and LSTM algorithms were used to estimate the amount of denomination that should be according to denomination types. The success results of the studies were evaluated with Mean Squared Error (MSE) scaling and the success rates were compared and presented. It has been shown that the models established to estimate the number of denominations in both deposit and withdrawal processes with LR, NLR, and LSTM algorithms have acceptable and high success rates. It has been observed that the success value of the results obtained with the models established with the LR and NLR algorithms is higher than the success value of the model established with the LSTM algorithm. When the LSTM algorithm is evaluated in terms of results, it is accepted that it is a viable success. Since the most appropriate level of cash flow is provided with the proposed modeling, an approach that also benefits customer satisfaction is foreseen. In the study, the most ideal result was tried to be found by using commonly used algorithms such as ANN, LSTM, AOA, DT, SVM, BAYES, LR, and NLR. In addition, a new hybrid multi-objective algorithm has been proposed by using ANN and AOA algorithms developed adaptively to the solution of the problem. The proposed modeling is constructed using real data from a private bank. With the offered optimization solution, it is predicted that successful results will be achieved in institutions that have ATM processes without being tied to an institution.
Açıklama
Anahtar Kelimeler
Atm Nakit Yönetimi, Meta-Sezgisel Optimizasyon, Optimizasyon, Sınıflandırma, Yapay Zekâ, Artificial Intelligence, Atm Cash Management, Classification, Metaheuristic Optimization, Optimization
Kaynak
WoS Q Değeri
Scopus Q Değeri
Cilt
Sayı
Künye
Tunç, A., (2023). Otomatik Para Çekme Makinelerinde (Atm) Nakit Para Yönetimi İçin Optimizasyon Yaklaşımlarının Geliştirilmesi. (Doktora Tezi). Selçuk Üniversitesi, Fen Bilimleri Enstitüsü, Konya.
