Makine öğrenmesi algoritmaları ile Türkiye'deki zorunlu deprem sigortası eğiliminin tahminlenmesi

Bu çalışma, Türkiye'deki konut sahiplerinin Zorunlu Deprem Sigortası (ZDS) yaptırma eğilimlerini, dokuz farklı makine öğrenmesi (ML) sınıflandırma algoritması kullanarak tahmin etmeyi amaçlamaktadır. Veri seti; demografik, yapısal ve coğrafi özellikleri yansıtan 11 bağımsız değişken ile ikili (evet/hayır) bir bağımlı değişkenden oluşmaktadır. Veriler çevrim içi anket yoluyla toplanmış, eksik yanıtlar çalışmadan çıkarılarak ön işleme tabi tutulmuştur. En yüksek doğruluk oranına (%70) Gradient Boosting (GB) algoritması ulaşmıştır. SHAP (SHapley Additive exPlanations) analizine göre "Aylık Net Gelir", "Dairenin Metrekaresi", "Bina Kat Sayısı" ve "Binanın İnşa Yılı" en belirleyici değişkenler olmuştur. Odds Ratio (OR) analizleri ise, yüksek gelirli, büyük metrekareli ve yeni binalarda yaşayan bireylerin ZDS yaptırma olasılığının anlamlı derecede yüksek olduğunu göstermektedir. Buna karşılık, eğitim düzeyi yüksek bireylerin ZDS yaptırma olasılığı eğitim düzeyi düşük kişilere göre daha düşüktür. Elde edilen bulguların, sigorta sektörü ve kamu kurumları için daha etkili politikalar geliştirilmesine katkı sağlaması beklenmektedir.