Hibrit yapay sinir ağları yaklaşımı ile kredi skorlama
A hybrid artificial neural network approach for the credit scoring
- Tez No: 374662
- Danışmanlar: YRD. DOÇ. DR. OZAN KOCADAĞLI
- Tez Türü: Yüksek Lisans
- Konular: Bankacılık, İstatistik, Banking, Statistics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2014
- Dil: Türkçe
- Üniversite: Mimar Sinan Güzel Sanatlar Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İstatistik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 99
Özet
Finans ve bankacılık endüstrisinde kredi skorlama son yıllarda önemli bir araştırma alanı haline gelmiştir. Kredi skorlama probleminin türüne bağlı olarak çeşitli istatistik metotları kullanılabilmektedir. Bu problem temel olarak iki kategoriye ayrılabilir. Birinci kategori, kredi almak için başvuran kişileri risk gruplarına göre sınıflayan ve bir kredi başvurusunun kabul edilebilir olup olmadığına karar veren“başvuru skoru”dur. İkinci kategori ise, bir bankanın mevcut müşterileri ile ilgilenen“davranış skoru”dur; bu skor müşterilerin ödeme geçmişleri ile de ilgilenmektedir. Bu çalışmada birinci kategori olan başvuru skoru ele alınmıştır. Çalışmanın birinci bölümünde kredi skorlamanın öneminden bahsedilmiş, ikinci bölümünde ise kredi skorlama ve bu problem için kullanılan metotlar açıklanmıştır. Üçüncü bölüm literatür araştırmasını içermektedir. Dördüncü bölümde yapay sinir ağları, beşinci bölümde ise genetik algoritma hakkında detaylı bilgiler verilmiştir. Altıncı bölümde bu çalışmada uygulanan prosedür açıklanmıştır. Son bölüm ise uygulama bölümüdür. Bu bölümde ilk olarak klasik yapay sinir ağları ile kredi skorlama modelleri oluşturulmuştur. Ardından daha başarılı sonuçlar elde edebilmek için hibritleşme yaklaşımı denenmiştir. Son olarak, hibrit yapay sinir ağları, kredi skorlama verileri üzerindeki performansları bakımından klasik yapay sinir ağları ve lojistik regresyonla karşılaştırılmıştır. Yapılan analiz sonucunda, doğrusal olmayan ve esnek bir yapıya sahip olan yapay sinir ağlarının lojistik regresyon analizinden üstün olduğu ve ağ hibritleştirildiğinde daha da iyi sonuçlar elde edildiği görülmüştür.
Özet (Çeviri)
In recent years, the credit scoring is an important research area in financial and banking industry. Various statistical methods can be used depending on the structure of credit scoring problem. This problem mainly splits into two categories. The first category is“application scoring”that classifies the credit applicants into the risk groups and decides whether a credit application should be worthy to approve or not. The second category is“behavioral scoring”that interests in the existing customers of bank, and their payment history is also available. This study deals with the first one. In the first chapter of this study, the importance of credit scoring is highlighted, then the credit scoring and the methods used for this problem are explained in the second chapter. The third chapter covers the literature survey related to the history of credit scoring, artificial neural network (ANN) implementations to credit scoring and the hybrid approaches made on it. In the fourth and fifth chapters, ANNs and the genetic algorithms are explained in detail. The sixth chapter includes a detailed procedure about how to use the hybrid approach of artificial neural networks in the credit scoring. The last chapter contains the application part. In this chapter, firstly credit scoring models are estimated by means of classical neural networks. Then, the hybridization approach is tried to make the results better. The ANNs are compared with the logistic regression analyze that one of the widely used and traditional statistical techniques in terms of their analysis performances on the credit scoring data. From the analysis results, it can be seen that ANNs are superior to the logistic regression analyze because they have the non-linear flexible structures to model the application scoring problem accurately. Besides, according to analysis results, it can be seen that the hybrid ANNs give better results than the classic approaches.
Benzer Tezler
- Fake news classification using machine learning and deep learning approaches
Makine öğrenimi ve derin öğrenme yaklaşımlarını kullanarak sahte haber sınıflandırması
SAJA ABDULHALEEM MAHMOOD AL-OBAIDI
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ TUBA ÇAĞLIKANTAR
- Deep hybrid recommender system
Derin hibrit öneri sistemi
DİDEM TÜRKER
Yüksek Lisans
İngilizce
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ŞULE ÖĞÜDÜCÜ
- Bir halı firmasında cağ değişim sürelerinin yapay sinir ağı yaklaşımı ile tahminlenmesi
Prediction of creel change delays in carpet production via artificial neural network approach
KÜBRA NUR MARAŞLIOĞLU
Yüksek Lisans
Türkçe
2021
Endüstri ve Endüstri MühendisliğiÇukurova ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. YUSUF KUVVETLİ
- Fiber optic sensors and analysis of sensor parameters with Artificial Neural Network based optimization algorithm
Fiber optik sensörler ve sensör parametrelerinin Yapay sinir ağları tabanlı optimizasyon algoritması ile analizi
İLHAN ERDOĞAN
Yüksek Lisans
İngilizce
2023
Elektrik ve Elektronik MühendisliğiSivas Bilim ve Teknoloji ÜniversitesiSavunma Teknolojileri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ YUSUF DOĞAN
- Enerji sistemlerinde rüzgar hızı modellemesi için geliştirilen Finsler geometrisi tabanlı yeni bir yaklaşım analizi ve uygulaması
Analysis and application of a novel approach based on Finsler geometry for wind speed modelling in energy systems
EMRAH DOKUR
Doktora
Türkçe
2017
Elektrik ve Elektronik MühendisliğiBilecik Şeyh Edebali ÜniversitesiEnerji Sistemleri Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET KURBAN
YRD. DOÇ. DR. SALİM CEYHAN