Geri Dön

Banka kredi derecelendirmesi: Yapay sinir ağları yöntemi ile Türk bankaları üzerine bir uygulama

Bank credit rating: An application of artificial neural networks method on Turkish banks

  1. Tez No: 339247
  2. Yazar: HANDE UZUNOĞLU
  3. Danışmanlar: PROF. DR. ŞEREF KALAYCI
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bankacılık, İşletme, Banking, Business Administration
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2013
  8. Dil: Türkçe
  9. Üniversite: Süleyman Demirel Üniversitesi
  10. Enstitü: Sosyal Bilimler Enstitüsü
  11. Ana Bilim Dalı: İşletme Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 131

Özet

Uzun dönem banka derecelendirmesi, derecelendirme kuruluşları tarafından bankaların yükümlülüklerini zamanında ve tam olarak yerine getirebilme kabiliyeti hakkında görüş bildirmesidir. Çalışmada, Türk bankacılık sektöründe faaliyet gösteren ve Fitch Ratings tarafından derecelendirilen 16 bankanın 2004-2011 yılları arasına ait uzun dönem dereceleri ve finansal oranları kullanılmıştır. Uzun dönem kredi derecesi bağımlı değişken ve finansal oranlar bağımsız değişken olan çalışmada yapay sinir ağları tekniğinin sınıflandırma başarısının ölçülmesi amaçlanmıştır. Çalışmada daha önceki çalışmalarda kullanılan diğer yöntemlere kıyasla en iyi sonuçları vermiş olan yapay sinir ağları modelinde çok katmanlı ağlar ve öğrenme metodu olarak geri yayılımlı algoritma kullanılmıştır. Modelde 103 veri kullanılmıştır. 78 veri öğrenme, 25 veri de test için ayrılmış, öğrenme başarısı yaklaşık %100, test başarısı ise yaklaşık %80 olarak elde edilmiştir. Uygulamada % 70 doğru sınıflandırma sağlanmıştır ve sonuç olarak modele dahil edilen Fitch Ratings bankalara ait finansal oranlar ile banka derecelerinin sınıflandırılmasında geri yayılım algoritmasıyla eğitilmiş ileri beslemeli yapay sinir ağları modelinin uygun olduğu sonucuna ulaşılmıştır.

Özet (Çeviri)

Long-term bank rating is rating agencies expressing their opinions about banks' ability to perform obligations completely and on time. In the study, 16 banks, working at Turkish banking sector and rated by Fitch Ratings, and financial ratios between the years 2004 to 2011 were used. In the study where the dependent variable as long-term credit rating and independent variable as financial ratios, it is aimed to measure the classification success of artificial neural network technique. In the study multi-layer networks of artificial neural networks and as a method learning back propagation algorithm, compared to previous studies which gave the best results, were used. 103 data were used in the model. 78 data is reserved for learning, 25 data is also reserved for testing. The success of learning was found out to be almost 100% and of testing was found out to be approximately 80%. In practice, 68% of correct classification is provided and as a result it is concluded that feed-forward neural network model trained with back-propagation algorithm is appropriate for classifying degrees of banks.

Benzer Tezler

  1. Derecelendirme modelleri ve skor kart uygulaması için istatistiksel model önerisi

    A statistical model proposal for rating models and score card application

    TUĞBA TUNA

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    BankacılıkYıldız Teknik Üniversitesi

    İstatistik Ana Bilim Dalı

    DOÇ. DR. İBRAHİM DEMİR

  2. Kurumsal kredi değerlendirmede bulanık AHP-yapay sinir ağları temelli bir yaklaşım ve bir uygulama çalışması

    Corporate credit evaluation study of fuzzy AHP-artificial neural network based approach and an application

    DUYGU CEBECİ

    Yüksek Lisans

    Türkçe

    Türkçe

    2013

    Endüstri ve Endüstri MühendisliğiYıldız Teknik Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ALEV TAŞKIN GÜMÜŞ

  3. Sınıflandırma analizleri ve kredi notları üzerine bir uygulama

    Classification analysis and an application on credit notes

    AYŞE MİNE ÖRENDER

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    EkonometriMarmara Üniversitesi

    Ekonometri Ana Bilim Dalı

    DOÇ. DR. SELAY GİRAY YAKUT

  4. Modeling internal credit ratings of Turkish companies listed on the ISE

    İMKB'ye kayıtlı Türk firmalarının içsel kredi derecelendirmesinin modellemesi

    MEHMET YÜCE

    Doktora

    İngilizce

    İngilizce

    2011

    EkonomiYeditepe Üniversitesi

    İktisat (İngilizce) Ana Bilim Dalı

    PROF. DR. RUŞEN FERDA HALICIOĞLU

  5. Katılım bankalarında kredi derecelendirmesi ve etkin subjektif kriterlerin anket yöntemi ile ölçümü

    Credit rating at participation banks and the measurement of effective subjective criterias with questionniremethod

    MEHMET YEŞİLYAPRAK

    Doktora

    Türkçe

    Türkçe

    2011

    BankacılıkMarmara Üniversitesi

    Bankacılık Ana Bilim Dalı

    PROF. DR. TİĞİNÇE OKTAR