Geri Dön

Credit scoring in consumer credits

Bireysel kredilerde kredi skorlaması

  1. Tez No: 254620
  2. Yazar: BOĞAÇ DEVRİMCİ
  3. Danışmanlar: YRD. DOÇ. DR. ORHAN ERDEM
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bankacılık, Banking
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2009
  8. Dil: İngilizce
  9. Üniversite: İstanbul Bilgi Üniversitesi
  10. Enstitü: Sosyal Bilimler Enstitüsü
  11. Ana Bilim Dalı: Ekonomi Bölümü
  12. Bilim Dalı: Finans ve Bankacılık Ana Bilim Dalı
  13. Sayfa Sayısı: 35

Özet

Bu çalışmanın amacı kredi skorlama teknikleri hakkında genel bir özet sunmak ve taşıt kredileri ile nakit ödemeli bireysel krediler için başvuru skorkart modelleri oluşturmaktır. Kredi skorlarının modellemesinde lojistik regresyon yöntemi kullanılmış olup, her bir kredi türü için ayrı veri kümeleri kullanılmıştır. Modellerin geliştirilmesinden sonra, üzerinde kalan kredi başvurularının olumlu; altında yer alan kredi başvurularının ise olumsuz olarak değerlendirildiği kesim puanları belirlenmiştir. Kesim puanlarının belirlenmesinde, risk ve hacim karşılaştırmasını yapabilmek için her bir kredi türü için beklenen temerrüt oranı ile beklenen kredi kabul oranlarının yer aldığı strateji doğruları oluşturulmuştur.Sonuç olarak ise, model sonuçları ve model performansı ROC doğruları ile test edilip GINI katsayıları hesaplanmıştır.

Özet (Çeviri)

The purpose of this paper is to make a summary of the credit scoring techniques and to present two different credit application scoring models for vehicle and general purpose loans. We used logistic regression technique in developing our models and we used two different data sets for the two kinds of loans. After developing the models, we tried to define the cutoff score where applicants with scores greater than or equal to this score are accepted and others below this are rejected. In order to define the cutoff score, we constructed strategy curves for each credit type where the expected bad rate is plotted against the acceptance rate in order to show the tradeoffs between risk and volume.Finally we have tested the results by using Receiver Operating Characteristic (ROC) curve and calculated the Gini coefficients.

Benzer Tezler

  1. Risk minimization in consumer credit sector

    Tüketici kredisi sektöründe riskin en aza indirilmesi

    YASEMİN DEMİRDAĞ

    Doktora

    İngilizce

    İngilizce

    2004

    Endüstri ve Endüstri MühendisliğiMarmara Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    PROF. DR. SAMİ ERCAN

  2. Tüketici finansmanı çerçevesinde taşıt kredilerin işlevselliği

    On the base of consumer credit functionality of car credit

    EKİN ÖZBEK

    Yüksek Lisans

    Türkçe

    Türkçe

    2005

    BankacılıkMarmara Üniversitesi

    Bankacılık Ana Bilim Dalı

    Y.DOÇ.DR. HAYATİ ERİŞ

  3. 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

  4. A model of risk centralization and its EDP applications

    Başlık çevirisi yok

    TUNÇ TEBER TOROSDAĞLI

    Yüksek Lisans

    İngilizce

    İngilizce

    1993

    Mühendislik BilimleriMarmara Üniversitesi

    Mühendislik Yönetimi Ana Bilim Dalı

    DOÇ. DR. NÜKET YETİŞ

  5. Tüketici kredisi taleplerinin yapay öğrenme modelleriyle değerlendirilmesi

    Evaluation of consumer credit requests via machine learning models

    NECATİ ALPEREN

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    Endüstri ve Endüstri Mühendisliğiİstanbul Teknik Üniversitesi

    İşletme Mühendisliği Ana Bilim Dalı

    DOÇ. DR. TOLGA KAYA