Kurumsal kredilerin geri ödenmeme olasılığının tahminine yönelik Bayes ağı temelli bir erken uyarı modeli
A Bayesian network based early warning model that estimates the probability of non-performing corporate credits
- Tez No: 398128
- Danışmanlar: YRD. DOÇ. DR. UMUT ASAN
- Tez Türü: Yüksek Lisans
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2015
- Dil: Türkçe
- Üniversite: İstanbul Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Mühendislik Yönetimi Bilim Dalı
- Sayfa Sayısı: 143
Özet
Erken uyarı sistemleri, bir problemin gerçekleşme olasılığı ve sonrasında ortaya çıkabilecek potansiyel etkilerin önceden tahmin ederek, buna yönelik uyarılar üreten sistemlerdir. Tarihin bilinen en eski dönemlerinden beri insan, doğası gereği kendini ve sahip olduğu şeyleri koruma güdüsüne sahip olmuştur. Maslov'un ihtiyaçlar piramidinde de kendini gösteren bu güdü yeme-içme gibi yaşamsal faaliyetlerin giderilmesinin ardından tamamlanması gereken ihtiyaçlar arasında ilk sıraya yerleşmiştir. Bu nedenle, insanoğlu karşılaşabileceği olumsuz durumları önceden bilmek ve önlem almak eğilimindedir. Bu açıdan bakıldığında, erken uyarı sistemlerine neden ihtiyaç duyulduğunu anlamak güç olmayacaktır. Daha detaylı bir tanımlama yapmak gerekirse, erken uyarı sistemleri, olumsuz bir durum karşısında, etkilenebilecek kişiler, toplum ve organizasyonlara gelebilecek olası zararı önlemek ya da etkisini azaltmak amacıyla hazırlıklı olmak ve doğru aksiyonu zamanında alabilmek adına anlamlı bilgiyi sağlama kapasitesi olarak ifade edilebilir. Erken uyarı sistemleri, sağlık sektöründen, acil durum afet yönetimine, çevresel faktörlerin tahmin edilmesinden finans alanına kadar bir çok alanda kendisine yer bulmuştur. Finansal alanda erken uyarı sistemleri, finansal krizlerin tahmin edilmesi ve firma başarısızlıklarının tahmin edilmesi amacıyla iki ana grup altında toplanmıştır. Etki alanı ve önemi düşünüldüğünde firmaların mali performanslarının tahmin edilmesi sadece firma açısından değil, aynı zamanda o firmanın çalışanları, yöneticileri, ortakları, müşterileri, tedarikçileri, kredi veren kurumlar, faaliyet gösterdiği sektördeki diğer kurumlar ve bütün bunların sonucunda da ülke ve hatta dünya ekonomisi açısından kritik bir öneme sahiptir. Bu nedenle, bu tez kapsamında, firmaların mali anlamda başarısız olma ihtimallerinin tahmin edilmesine yönelik bir model geliştirilmiş ve uygulaması yapılmıştır. Firma başarısızlıklarının analiz edilmesine yönelik, daha önce bu alanda yapılmış çalışmalar irdelendiğinde, tek değişkenli modeller ile başlayan çalışmalar, sonrasında doğrusal ayırma analizi, olasılık temelli yaklaşımlar ve yapay zeka temelli yaklaşımlar olmak üzere çeşitli yöntemlerin kullanılmış olduğu görülmektedir. İçerisinde bulunduğumuz çevrenin belirsizlik düzeyi dönemler itibarı ile artmaktadır ve piyasa içerisindeki rakiplerin sayısı da gün be gün artmaktadır. Bu durum göz önüne alındığında, firmalarının başarısız olma olasılıklarını önceden tahmin edebilmek, günümüzde günümüz koşulları için oldukça önemli bir problemdir. Bu nedenle, problemin çözümü için oluşturulacak modelde kullanılacak olan yöntemin hem değişen şartlara uyarlanabilmesi hem de belirsizliği modele dahil edebilmesi önemli bir başarı faktörü olmaktadır. Literatür araştırması sırasında bu alanda kullanılmış olan yöntemler incelemiş ve diğer yöntemlere kıyasla, uygulanmasının kolay ve anlaşılır olması, büyük veri kitlelerine ihtiyaç duymaması, model içerisindeki bütün ilişkilerin tanımlanabilir ve gözlemlenebilir olması, çevresel belirsizliği hesaba dahil edebilmesi ve eksik veri olması durumunda da sonuç üretebiliyor olması nedeniyle, Bayes Ağları yöntemi tercih edilmiş ve problem modellenerek uygulaması yapılmıştır. Bu tez kapsmında yapılan çalışmayı literatürdeki diğer çalışmalardan ayıran en önemli özelliklerden biri, sadece firma verilerinin değil, aynı zamanda firma ortağına ilişkin performans göstergelerinin de firma perfromansına etki ettiği varsayımı ile modele girdi olarak dahil edilmiş olmasıdır. Modelde, birden fazla veri kaynağı kullanılarak, modelin veri kaynaklı hatalardan dolayı yanlış tahmin üretme olasılığı azaltılmıştır. Modelde konu edilen değişkenlerin seçimi konusunda literatür araştırmasına ek olarak, alanında uzman, farklı kurumlarda kurumsal kredilerin değerlendirilmesi görevinde çalışanların görüşlerine başvurulmuş ve bu sayede farklı bakış açıları dikkate alınarak literatürde, bu alanda daha önce kullanılmamış olan kriterler de değişken olarak modele dahil edilmiştir. Modelde, bir finans kurumunun kurumsal müşteri portföyünde yer alan 55'i başarısız olarak işaretlenmiş olan, 150 firmaya ait veriler kullanılmıştır. Firmaların başvuru tarihinden itibaren son iki tamamlanmış yıla ait bilanço ve gelir tabloları, başvuru anındaki firmanın bankalardaki çek durumu ve toplam risk derecesi, firmanın yaşı, ortağın Kredi Kayıt Bürosu'ndaki finansal siciline ilişkin göstergeler ve çevrenin belirsizlik durumunu ifade eden değişkenlerden faydalanarak bir veri seti oluşturulmuştur. Modelde kullanılan değişkenlerin, finansal oranlar ve diğer sürekli değişkenlerden oluşması sebebiyle, ilgilenilen sorulardan biri de değişkenlerin nasıl bir referans değer ile kıyaslanarak kesikli hale getirileceği olmuştur. Bunun için finansal oranlar, TCMB'nin yıllık bazda sektörler için açıklamış olduğu bilanço ve gelir tablolarından hareketle, firmaların örnek bazında sektörden yüzdesel olarak ne kadar saptıkları belirlenmiş ve küçükten büyüğe sıralanarak birikimli olasılıkları genel itibarı ile %18.5, %81.5 ve %100 olacak şekilde 3 gruba ayrılarak kesikli hale getirilmiştir. Böylelikle, hem verinin standart hale getirilmesi sağlanmış hem de kesikli hale getirilebilmiştir. Çalışma içerisinde ele alınan bir diğer problem de modelin ürettiği olasılık değerlerinin hangi eşik değerinden itibaren iyi ya da kötü olarak sınıflandırılacağına ilişkin karar verme süreci olmuştur. Literatür araştırması sırasında örnek alınan çalışmalarda kullanılmış olan 1. tip ve 2. tip hatanın en aza indirilmesine yönelik bir en iyileme çalışması ile sınıflamaya yönelik kesme değeri belirlenmiştir. Oluşturulan model, tez çalışması sırasında kullanılan yöntemin geçerliliğinin saptanması amacıyla, aynı veri seti kullanılarak lojistik regresyon yöntemi ile de oluşturularak probleme dair sonuçlar elde edilmiş ve iki farklı yöntemle elde edilen sonuçlar kıyaslanmıştır. Kıyaslamalar sonucunda iki yöntemin, performanslarının başarılı ve başarısız firmaları doğru sınıflandırma oranı bakımından birbirine yakın sonuçlar üretmiştir. Ancak Bayes ağları ile yapılan çalışma,“Başarısız”olarak işaretlenmiş olan firmaları daha yüksek bir oranla doğru olarak tahmin etmiştir. Bu nedenle, Bayes ağları ile oluşturulan modelin hatalı tahmin yapma maliyeti, lojistik regresyon yöntemi ile oluşturulan modele oranla daha düşük olmuştur.
Özet (Çeviri)
Early warning systems are systems that generate signals to predict the probability of the occurrence of a problem and the size of the potential impact of the problem whether it occurs. From the oldest part of the history, human are tend to survive and protect their current savings as a part of human being. This instinct is also mentioned in Maslow's Hierarchy of Needs pyramid as the secondary need of human being that must be fulfilled after vital activities like food and beverage. For that reason, human are tend to know the possible negative situations that might be face off and take precautions about those problems. When viewed from this aspect, it is not hard to understand why it is need to develop early warning systems about negative situations. Early warning systems are defined as the capacity of providing a meaningful information about a problem. These information is about the probability of the occurrence, size, impact and occurrence time of the problem in order to avoid or reduce the effect of the problem on organizations, society, people who might be affected. For that reason, early warning systems have a wide range area of usage such as health industry, disaster recovery and emergency management, predictions of environmental factors and finance industry. Early warning systems in finance industry are grouped in two main area; prediction of financial crisis and prediction of business failure. When it is considered the size of the impact and the importance of the problem, prediction of the financial performance of the companies is not only important for the company itself but also crucial for the employees, managers, shareholders, customers, contractors, creditors of the company and for the other companies in the sector and finally it has a critical importance for the economy of the country. For that reason, in this thesis study, it will be tried to model and predict the probability of business failure of companies. When considering the previous studies about business failure, it can be seen that the first studies are started with single variable models and continued with such different and various methods used in that area such as linear models, probability based models, artificial intelligence based models. The increasing uncertainity level of the environment, the increasing number of competitors in activity area of a company and the hard environmental conditions of a company make the estimation of the probability of business failure of a company a critical problem. For that reason, as a success criterion, it is needed to be that the estimation method of this problem must be useful about modeling the uncertainity of the environment and must be adaptive on changing conditions. Comparing with other methods that are used in the estimation of business failure probability, Bayesian Networks is preferred and used in thesis study due to its advantages of usage that are its usefullness, easiness, apparentness, not needing large amount of data sets at model generating phase, ability of definition and observation of all variables in model, ability to model the uncertainity, ability of generating signals with missing values of variables. One of the most important characteristic of this thesis study that differenciates the study from other studies made in this area is not using only variables about company itself, but also taking into account variables about company's shareholers and environment. These new variables taken into account due to the assumption that it is not possible to consider a company seperately itself and neither without its shareholders nor its environmental conditions. Secondly, more than one source of information about variables are used in the thesis model, so the risk of mistaken results due to the usage of wrong or untrusting data sets is decreased. Third, the variables that are acquired from interviews with speacialists on this subject, beside the literature review are used in the model. So, in that way, it has been possible to combine different points of view together and to use new variables which are so important and not used in the problem of estimation of the probability of business failure before. The data set used in the model is one of the financial companies' corporate customers' data, which 55 of them signed as“non performing”, totally 150 companies' financial data. The data set is composed of companies' balance sheets, income tables and the risk level on other financial companies and the age of the company, the financial background of the shareholders' and the experience level of the shareholders' and some other criteria that can be distincively shows the uncertainity of the environment. Due to the variables are continious in the model such as financial ratios, one of the main questions in the thesis study was which method would be used to discritize the variables and which reference value would be used to compare the level of these variables. To solve this problem, sectoral balance sheets and income tables which show the annual sectoral averages that are published by Central Bank are used for compariastions. The deviation of financial ratios from sectoral average values are calculated and the discritization process is done with these values. Variables are converted to discrete forms into three main groups“Low”,“Middle”and“High”due to their deviation values. This process made the model independent from sectoral limitations such that the companies' variables are compared with their own sectoral averages. Another issue that is taken into account in thesis study is the determination of cut-off points of the target variable that model generates. Determination of the point that is from which value of the target variable, it is defined to be“performing”or“non-performing”is made by solving the minimization problem of the equation of the cost of type I and type II misclassificaiton error. After all, importance level of the variables on the estimation of the target variable is determined, so it would be possible to develop the estimation power and simplication of the model. At last part of the thesis study, the model was established with logistic regression method with same variables and same data set to validate that the Bayesian networks was the correct and strong method for modeling the probability of a company's failure. The results acquired from two methods are compared. The comparison results show that the percentage of correct estimations of two method were pretty similar to each other. But, Bayesian Networks had notably successful performance on estimating the“non-performing”companies from logistic regression. For that reason, when comparing the cost of the mistaken clasifications of the two model, it was said that Beyesian Networks had better performance on estimating the probability of business failure.
Benzer Tezler
- Kredi garanti fonlarının Türk bankacılık sektöründe adaptasyon süreci ve eğitim gerekliliklerinin belirlenmesi
Adaptation process of credit guarantee funds to Turk banking sector and determination of training necessities
BURÇİN ACAR
Yüksek Lisans
Türkçe
2003
BankacılıkGazi Üniversitesiİşletme Eğitimi Ana Bilim Dalı
YRD. DOÇ. DR. MEHMET ARSLAN
- Türk bankacılık sektöründe sorunlu kredilerin analizi ve uygulamaya yönelik politika önerileri
Analysis of nonperforming loans in Turkish banking sector and policy recommendations for implementation
CEMAL KARAMUSTAFA
Yüksek Lisans
Türkçe
2013
BankacılıkGalatasaray Üniversitesiİktisat Ana Bilim Dalı
DOÇ. DR. BURAK GÜRBÜZ
- 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
- Gayrimenkul yatırım fonlarının gayrimenkul geliştirme sektörüne etkileri
Effects of real estate investment funds to real estate development industry
MEHMET ALİ ERGİN
Yüksek Lisans
Türkçe
2018
Ekonomiİstanbul Teknik ÜniversitesiGayrimenkul Geliştirme ve Yönetimi Ana Bilim Dalı
PROF. DR. FUNDA YİRMİBEŞOĞLU
- Finansal tablolardaki hile riskinin belirlenmesi: Yapay sinir ağı modeliyle bir bankada uygulama
Fraud risk determine on financial statement: An application in a bank with artificial neural network model
MUSTAFA UĞURLU