Geri Dön

Credit scoring methods and accuracy ratio

Kredi skorlaması ve doğruluk rasyosu

  1. Tez No: 167350
  2. Yazar: AYŞEGÜL İŞCANOĞLU
  3. Danışmanlar: PROF.DR. HAYRİ KÖREZLİOĞLU, Y.DOÇ.DR. KASIRGA YILDIRAK
  4. Tez Türü: Yüksek Lisans
  5. Konular: Matematik, Mathematics
  6. Anahtar Kelimeler: Kredi Skorlama, Diskriminant Analiz, Regresyon, Probit Re gresyon, Logistik Regresyon, Klasifikasyon and Regresyon Ağaçları, Yapay Sinir Ağlan, Geçerlilik Teknikleri, Doğruluk Rasyosu iv, Credit Scoring, Discriminant Analysis, Regression, Probit Regression, Logistic Regression, Classification and Regression Tree, Semiparametric Regres sion, Neural Networks, Validation Techniques, Accuracy Ratio. m
  7. Yıl: 2005
  8. Dil: İngilizce
  9. Üniversite: Orta Doğu Teknik Üniversitesi
  10. Enstitü: Uygulamalı Matematik Enstitüsü
  11. Ana Bilim Dalı: Finansal Matematik Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 148

Özet

oz kredi skorlamasi ve doğruluk rasyosu İşcanoğlu, Ayşegül Yüksek Lisans, Finansal Matematik Bölümü Tez Yöneticisi: Prof. Dr. Hayri KÖREZLİOĞLU Eş Danışman: Yard. Doç. Dr. Kasırga YILDIRAK Ağustos 2005, 132 sayfa Kredi skorlama, klasifikasyon metodlarının yardımı ile kredi verme işlemlerinde kolay ve çabuk karar verilmesini sağlamaktadır. Fakat en iyi kredi skorlama metodlarının hangi koşullarda iyi performans gösterdikleri ve bunlardan hangisinin en iyi olduğu hakkında kesin bir yargı bulunmamaktadır. Bu alanda bir çok değişik metot kullanılmasına rağmen, lojistik regresyon önemli bir araç olarak görülmekte ve uygulamalarda yoğun bir şekilde kullanılmaktadır. Bu çalışma Monte Karlo simulasyonları kullanılarak lojistik regresyonun parametre tahmininde ki doğruluk ve yanlılık özelliklerini verinin boyut, uzunluk, veri içindeki temerrütteki gözlem oranı ve değişkenlerin tahmin üzerindeki etkileri olmak üzere 4 farklı açıdan incelemeyi amaçlamaktadır. Bu çaışma buna ek olarak Türkiye temerrüt verisi üzerinde, önemli bazı istatistiksel ve istatistiksel olmayan metotlar uygulanmış ile kredi skorlama yapılmakta ve bu veri için metotlar karşılaştırılmaktadır. Son olarak, receiver operating characteristic eğrisi kullanılarak, en iyi method sonuçları kullanılarak derecelendirilmiştir.

Özet (Çeviri)

ABSTRACT CREDIT SCORING METHODS AND ACCURACY RATIO İşcanoğlu, Ayşegül M.Sc, Department of Financial Mathematics Supervisor: Prof. Dr. Hayri KÖREZLİO?LU Co- Advisor: Assist. Prof. Dr. Kasırga YILDIRAK August 2005, 132 pages The credit scoring with the help of classification techniques provides to take easy and quick decisions in lending. However, no definite consensus has been reached with regard to the best method for credit scoring and in what conditions the meth ods performs best. Although a huge range of classification techniques has been used in this area, the logistic regression has been seen an important tool and used very widely in studies. This study aims to examine accuracy and bias properties in parameter estimation of the logistic regression by using Monte Carlo simulations in four aspect which are dimension of the sets, length, the included percentage defaults in data and effect of variables on estimation. Moreover, application of some important statistical and non-statistical methods on Turkish credit default data is provided and the method accuracies are compared for Turkish market. Finally, ratings on the results of best method is done by using receiver operating characteristic curve.

Benzer Tezler

  1. Makine öğrenmesi yöntemleri ile kredi risk analizi

    Credit risk analysis using machine learning algorithms

    SACİDE KALAYCI

    Yüksek Lisans

    Türkçe

    Türkçe

    2018

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. MUSTAFA ERSEL KAMAŞAK

  2. Türkiye'de ödeyememe riskinin ölçülmesine ekonometrik bir yaklaşım

    Başlık çevirisi yok

    MEHMET SALMAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2004

    EkonomiYıldız Teknik Üniversitesi

    İktisat Ana Bilim Dalı

    DOÇ.DR. MELİKE BİLDİRİCİ

  3. Finans sektörü için yapay öğrenme teknikleri kullanarak kredi kullanabilirliğin tespiti

    Using machine learning techniques of detect the credit availability for the financial sector

    ALİ TUNÇ

    Yüksek Lisans

    Türkçe

    Türkçe

    2016

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ERKAN ÜLKER

  4. Comparison of machine learning algorithms on consumer credit classification

    Tüketici kredilerinin sınıflandırması üzerinde makineöğrenimi algoritmalarının karşılaştırması

    OĞUZ KOÇ

    Yüksek Lisans

    İngilizce

    İngilizce

    2019

    İstatistikOrta Doğu Teknik Üniversitesi

    Finansal Matematik Ana Bilim Dalı

    PROF. DR. AYŞE SEVTAP KESTEL

    PROF. DR. ÖMÜR UĞUR

  5. Privacy and security enhancements of federated learning

    Federe öğrenme uygulamalarında mahremiyet ve güvenlik geliştirmeleri

    ŞÜKRÜ ERDAL

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilişim Uygulamaları Ana Bilim Dalı

    PROF. DR. ENVER ÖZDEMİR

    DR. FERHAT KARAKOÇ