Kredi skorlama
Credit scoring
- Tez No: 266324
- Danışmanlar: DOÇ. DR. M. FEDAİ KAYA
- Tez Türü: Yüksek Lisans
- Konular: Bankacılık, Banking
- Anahtar Kelimeler: Diskriminant analizi, Kredi değerliliği, Lojistik regresyon analizi, Sinir ağları, Discriminant analysis, Credit worthiness, Logistic regression analysis, Nerve net
- Yıl: 2010
- Dil: Türkçe
- Üniversite: Selçuk Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İstatistik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Gelişmekte olan bankacılık sektöründe kredi kartları gündelik hayatta önemli bir ürün olarak yerini almıştır. Müşteriye kredi kartı verilmesi-verilmemesi ise banka açısından dikkatle incelenerek alınması gereken bir karardır ve kredi kartı talebi arttıkça başvuruların değerlendirilmesi daha da karmaşık bir hal almaktadır. Değerlendirmeyi yapan kişiler farklı kriterleri dikkate alabilecekleri için alınan kararlar sübjektif olabilir. Bu durumda, hem artan başvuru sayısına doğru zamanda cevap vermek, hem de sübjektif kriterlerden arınıp objektif kararlar alabilmek için çeşitli istatistiksel ve istatistiksel olmayan teknikler kullanılmaktadır. Bu çalışmada, bir bankanın kredi kartı müşterilerine ait on üç değişken ile iyi müşteri-kötü müşteri ayırımı yapılmaya çalışılmıştır ve uygulama sonuçları birbirleri ile kıyaslanmıştır.Uygulamada kullanılan bazı istatistiksel teknikler; diskriminant analizi, lojistik regresyon, en yakın komşu yaklaşımı'dır ve istatistiksel olmayan tek teknik ise yapay sinir ağlarıdır.Uygulamalarına yer verilmeden teorik bilgi olarak sunulan teknikler ise doğrusal programlama ve tam sayılı programlama konularına değinilmiştir.Modellerin uygulamasında çeşitli avantajlar-dezavantajlar mevcut olmasıyla birlikte kullanılan veri setine göre tahmin başarısı en yüksek olan modelin lojistik regresyon olduğu söylenebilir. İlgili veri setine göre tüm modellere giren AYLIK NET GELİR değişkeni ise bu çalışma için kredi skorlamada etkili değişkenler olarak gözlemlenmiştir.
Özet (Çeviri)
Nowadays,credit cards in daily life become the most important product in developing finance sector.On behalf of banks, to issue or not to issue credit cards to clients should be decided after carefully investigating their backgrounds. By increasing credit card demands, the evaluation of credit card applications become more complex system. Because credit cards specialist consider different criteria, the decisions can be subjective. So, the statistical and non-statistical methods are used to both respond increasing credit card applications at right time and make objective decisions by getting rid of subjectivity.In this work, good-bad clients are tried to be separated by regarding thirteen variables belongs to credit card clients of a specific bank and the results of aplication are compared between each other.The statistical methodsused to in this work are discriminant analysis,logistic regression,nearest neighbour approach and the only non-statistical method is neural networks.Moreover, the subjects, lineer programming and integer programming, are theoretically mentioned in this study without giving their applications.Wheares there are some advantages and disadvantages of implementing those methods, the estimation rate of logistic regression is the highest among them in accordance with used data sets. Because MONTHLY NET INCOME is common variables in all models regarding to related data set, those are observed as the most effective variables in the credit scoring in this work.
Benzer Tezler
- Kredi skorlamada kullanılan yöntemler ve uygulamaları
Methods and applications in credit scoring
NURŞAHVER TURANGİL
- Lojistik regresyon ile kredi skorlama ve bir uygulama
Credit scoring with logistic regression and an application
HANDAN ÖZDEMİR
Yüksek Lisans
Türkçe
2010
İstatistikYıldız Teknik Üniversitesiİstatistik Ana Bilim Dalı
YRD. DOÇ. DR. DOĞAN YILDIZ
- Doğrusal ve lojistik regresyon yöntemleri ile kredi skorlama sistemleri ve bir uygulama
Credit scorecards with linear and logistic regression and an aplication
MELİH EMRE TURAN
Yüksek Lisans
Türkçe
2019
İstatistikMimar Sinan Güzel Sanatlar Üniversitesiİstatistik Ana Bilim Dalı
DOÇ. DR. SEMRA ERPOLAT TAŞABAT
- Kredi skorlama süreçlerinde veri madenciliği ve bankacılık sektöründe bir uygulama
Data mining implementaion in credit scoring processes and an aplication in banking sector
NİHAN GÜLSOY
Doktora
Türkçe
2019
Endüstri ve Endüstri MühendisliğiErciyes ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. SİNEM KULLUK
- Kredi skorlaması ve kullanılan yöntemlerin karşılaştırılmasına yönelik bir uygulama
An application for comparing credit scoring and methods used
DİŞRA PELİN KANGAL