Bireysel Emeklilik Sisteminde Katılımcı Memnuniyetinin Artırılması. Mert C. Demir, Ph.D. Emeklilik Gözetim Merkezi

Ebat: px

Şu sayfadan göstermeyi başlat:

Download "Bireysel Emeklilik Sisteminde Katılımcı Memnuniyetinin Artırılması. Mert C. Demir, Ph.D. Emeklilik Gözetim Merkezi"

Erol Kaynarca
8 yıl önce
İzleme sayısı:

1 Bireysel Emeklilik Sisteminde Katılımcı Memnuniyetinin Artırılması Mert C. Demir, Ph.D. Emeklilik Gözetim Merkezi

2 Anahat Bireysel Emeklilik Sistemi, tanımı Bireysel Emeklilik Sistemi, bugünü Emeklilik Gözetim Merkezi Katılımcı memnuniyetine etki eden faktörler Ayırıcı hiper-düzlem (separating hyperplane) metoduyla uygunluk saptama Soru ve öneriler 2

3 Bireysel Emeklilik Sisteminin Amaçları Kamu sosyal güvenlik sisteminin tamamlayıcısı olarak emeklilik döneminde refah düzeyini yükseltmek Ekonomiye uzun vadeli kaynak yaratarak istihdamı artırmak Sermaye piyasalarını derinleştirmek 3

4 Bireysel Emeklilik Sisteminin Özellikleri Belirlenmiş katkı esaslı Bireylerin ve işverenlerin gönüllü katılımı Bireysel hesaplara dayalı ve fonlu Katılımcının seçim hakkı (şirket + fon) Uzmanlaşma Emeklilik Şirketi Portföy Yönetim Şirketi Bireysel Emeklilik Aracıları Etkin gözetim ve denetim (Hazine, SPK, Takasbank, EGM) Şeffaf 4

5 Nisan 2007 itibarıyla; Hızlı Büyüme 1,1 milyonun üzerinde katılımcı 3 milyar YTL fon büyüklüğü Katılımcı Sayısı ve Yatırıma Yönlenen Toplam Tutar Gelişimi % % Yıl 2.Yıl 3. Yıl Katılımcı Sayısı (bin kişi) Yatırıma Yönlenen Toplam Tutar (milyon YTL) 5

6 Emeklilik Yatırım Fonları Konsolide Portföy Dağılımı 5% 9% 21% Hisse Senedi Kamu Borçlanma Ters Repo Diğer 65% 2 Mayıs 2007 itibarı ile 6

7 Emeklilik Gözetim Merkezi Kuruluş 11 Emeklilik Şirketi Hazine Müsteşarlığı nın ortaklığı ile 10 TEMMUZ 2003 de kuruldu 7

8 Emeklilik Gözetim Merkezi Amaçlar Gözetim ve Denetim Alt Yapısını oluşturmak ve İşletmek Tarafsız Bilgilendirme Yapmak ve Katılımcı Şikayetlerini Yönlendirmek Özel Nüfus Katmanı İstatistikleri Üretmek Sistem İşleyiş Analizleri Yapmak Bireysel Emeklilik Aracıları Sınavını Gerçekleştirmek ve Sicil Kaydını Tutmak 8

9 Katılımcı Memnuniyetine Etki Eden Faktörler 9

10 Ayırıcı hiperdüzlem Amaç : İki kümeyi birbirinden ayırmak. min #misclassified A + s.t. T x 0 T x 0 Her küme hiper-düzlemin bir yanında tüm A tüm A için için Bu bir DP olarak yazılabiliyor A - 10

11 Katılımcı Verileri Demografik Yaş, cinsiyet, medeni durum, eğitim, Finanssal gelir durumu, taahhüt edilen katkı payı, İşlemler Katkı payı ödemeleri, katkı payı artışları, kaç aydır sistemde, hala sistemde olup olmadığı, 11

12 Veriyi Konuşturmak Bu veriden almamız gereken bilgiler : 1. Katılımcı sistemden memnun mu? ( o ya da x ) 2. Memnun olma/olmama durumunu açıklayan faktörler neler? (uzaydaki konumu) 12

13 BES 2006 sonu verisi ~ katılımcıdan oluşan örnek veri (%39 memnun, %61 değil) Memnun katılımcı = en az 15 aydır sistemde ve taahhüt ettiği katkı payını ödüyor Memnun olmayan katılımcı = 15 ay içinde sistemden çıkmış ya da taahhüt ettiği katkı payının ½ sinden fazlasını ödememiş 13

14 Senaryo 1 Burada katılımcı verilerinden seçilmiş 7 adet özellik kullanıldı Doğru tahmin oranı : Memnun katılımcılarda : %30 Memnun olmayanlarda : %88 Tüm katılımcılarda : % 65 14

15 Senaryo 2 Burada daha küçük bir özellik kümesi (4 adet özellik) kullanıldı Doğru tahmin oranı : Memnun katılımcılarda : %13 Memnun olmayanlarda : %93 Tüm katılımcılarda : %62 15

16 Senaryo 3 Çok daha küçük bir özellik kümesi (2 adet özellik) kullanıldı Doğru tahmin oranı : Memnun katılımcılarda : %10 Memnun olmayanlarda : %93 Tüm katılımcılarda : %61 16

17 Örnek Uygulama (Senaryo2) %13 A + A + %7 x Yeni katılımcı Klasifikasyon sistemi (, ) A - %87 Eğer katılımcı A - kümesine düşerse önlem al: -Katılımcıyı daha fazla bilgilendir -Katılımcıya emin olup olmadığını sor -Parametrelerini değiştirmeye çalış, vb. %93 A - 17

18 Ayırıcı hiper düzleme uzaklık 18

19 Bayes Analizi (Senaryo 2) Memnun olmayan katılımcılar içinde A- olarak klasifiye edilenlerin oranı nedir? Senaryo 1 : %84 Senaryo 2 : %91 Senaryo 3 : %90 19

20 Sonuç Güçlü ve kullanımı kolay bir klasifikasyon sistemi Güvenilirliği yüksek (memnun olmayanlar için %90 ın üzerinde) DP tabanlı olduğu için öğrenme çok hızlı (240,000 veri için 1 dakikadan az) 20

21 Araştırma Konuları Memnun/Memnun olmama durumu daha detaylı tanımlanabilir. Bulanık mantık işletilebilir (ki gerçek hayatta da olan bu) Pozitif/negatif geri besleme çemberleri kullanılabilir Özellik kümesini değiştirerek toplam doğruluğu artırmak 21

22 Referanslar O.L.Mangasarian, G. Fung; A Feature Selection Newton Method for Support Vector Machine Classification,2002 Y.-J. Lee, O. L. Mangasarian and W. H. Wolberg, Breast Cancer Survival and Chemotherapy: A Support Vector Machine Analysis, 1999 B. Tümer, Mert C. Demir, A Genetic Approach to Data Dimensionality Reduction Using a Special Initial Population, Iwinac,

Benzer belgeler

PİYASA HAREKETLERİ. Faiz Oranları(%) 21 Temmuz 2011 23 Haziran 2011

PİYASA HAREKETLERİ. Faiz Oranları(%) 21 Temmuz 2011 23 Haziran 2011 TEMMUZ 2011 PİYASA HAREKETLERİ PARA PİYASASI Faiz Oranı Gelişmeleri Faiz Oranları(%) 21 Temmuz 2011 23 Haziran 2011 Borçlanma 1,50 1,50 Borç verme 9,00 9,00 Politika faizi 6,25 6,25 Fiyat Gelişmeleri Temmuz