Credit scoring methods and accuracy ratio
Kredi skorlaması ve doğruluk rasyosu
- Tez No: 167350
- Danışmanlar: PROF.DR. HAYRİ KÖREZLİOĞLU, Y.DOÇ.DR. KASIRGA YILDIRAK
- Tez Türü: Yüksek Lisans
- Konular: Matematik, Mathematics
- 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
- Yıl: 2005
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Uygulamalı Matematik Enstitüsü
- Ana Bilim Dalı: Finansal Matematik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- 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
- Makine öğrenmesi yöntemleri ile kredi risk analizi
Credit risk analysis using machine learning algorithms
SACİDE KALAYCI
Yüksek Lisans
Türkçe
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. MUSTAFA ERSEL KAMAŞAK
- Türkiye'de ödeyememe riskinin ölçülmesine ekonometrik bir yaklaşım
Başlık çevirisi yok
MEHMET SALMAN
Yüksek Lisans
Türkçe
2004
EkonomiYıldız Teknik Üniversitesiİktisat Ana Bilim Dalı
DOÇ.DR. MELİKE BİLDİRİCİ
- 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
2016
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. ERKAN ÜLKER
- Comparison of machine learning algorithms on consumer credit classification
Tüketici kredilerinin sınıflandırması üzerinde makineöğrenimi algoritmalarının karşılaştırması
OĞUZ KOÇ
Yüksek Lisans
İngilizce
2019
İstatistikOrta Doğu Teknik ÜniversitesiFinansal Matematik Ana Bilim Dalı
PROF. DR. AYŞE SEVTAP KESTEL
PROF. DR. ÖMÜR UĞUR
- Privacy and security enhancements of federated learning
Federe öğrenme uygulamalarında mahremiyet ve güvenlik geliştirmeleri
ŞÜKRÜ ERDAL
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilişim Uygulamaları Ana Bilim Dalı
PROF. DR. ENVER ÖZDEMİR
DR. FERHAT KARAKOÇ