Reassessment and monitoring of loan applications with machine learning
Yapay öğrenme ile kredi başvurularının yeniden değerlendirilmesi ve takibi
- Tez No: 478645
- Danışmanlar: PROF. DR. ŞEVKET İLKER BİRBİL, YRD. DOÇ. DR. DİLEK GÜNNEÇ DANIŞ
- Tez Türü: Yüksek Lisans
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2017
- Dil: İngilizce
- Üniversite: Sabancı Üniversitesi
- Enstitü: Mühendislik ve Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 54
Özet
Kredi skorlaması, kredi kurumlarının karar verme sürecinin en önemli boyutlarından biridir. Başvuru sahiplerinin kredi değerliliğini niceleştirmeye odaklanmaktadır. Bu tezin ilk bölümünde, başvuru sahiplerinin yeniden değerlendirilmesinde yapay öğrenmenin rolünü araştırmayı amaçlıyoruz. Bir anlamda, mevcut değerlendirme sisteminin hata riskini azaltmak için tamamlayıcı bir değerlendirme sistemi öneriyoruz. Bunun için, Türkiye'nin önde gelen kredi şirketlerinden biri tarafından temin edilen gerçek bir veri seti ile çalışıyoruz. Şirket tarafından iyi veya kötü olarak etiketlenmis¸ olan mevcut ve geçmis¸ müşteriler kümesini kullanarak, önemli özellikleri belirlemek ve bu etiketleri başvuru aşamasında tahmin edebilmek için bir takım sınıflandırma algoritmaları uyguluyoruz. Kullanılan veri seti, bir değerlendirme sisteminden geçen müşterilere ait olduğundan, iyi ve kötü etiketleri dengesiz bir dağılım izlemektedir. Sorunun bu dengesiz yapısıyla başa çıkabilmek ve uygulanan modellerin öngörme performanslarını iyileştirebilmek için de bir dizi çözüm yöntemi uyguluyoruz. Tezin ikinci bölümünde, mevcut müşterilerin statik ve dinamik bilgilerini kullanarak ileri dönemlerdeki ödeme davranışlarını öngörmeyi amaçlıyoruz. Davranıs¸sal puanlama, kredi kararından sonraki finansal riske odaklanır. Mevcut müşterilerin ödeme davranışları izlenerek gerektiğinde ilgili önlemlerin alınmasına destek olur. Bunun için müşterilerin dönemsel ödeme davranışlarını özetleyen bilgiler ile genel demografik ve finansal bilgilerini içeren bilgileri göz önünde bulunduruyoruz. Bu amaçla yine birçok sınıflandırma yönteminden faydalanıyoruz. Ayrıca, performans ve hedef periyotlarını değiştirerek, incelenen müşteri geçmişinin uzunluğunun model performansları üzerindeki etkisini ve kurulan modellerin tahmin performanslarını ne kadar süre koruduğunu da inceliyoruz.
Özet (Çeviri)
Credit scoring is one of the most important dimensions of the decision-making process for the loan institutions. It focuses on quantifying the credit worthiness of applicants. In the first part of the thesis, we aim to investigate the role of machine learning for the reassessment of the applicants. In a sense, we propose a complementary screening step to an existing scoring system. We use a real data set from one of the prominent loan companies in Turkey. The information provided by the applicants form the variables in our analysis. The company's experts have already labeled the clients as bad and good according to their ongoing payments. Using this labeled data set, we execute several classification algorithms to determine the important variables. As the data set consists of applicants who have passed who have passed the initial scoring system, most of the clients are marked as good. To deal with this imbalanced nature of the problem, we employ a set of different approaches to improve the performance of predicting the applicants who are likely to default. In the second part of this thesis, we aim to predict the payment behaviors of the clients based on their static and dynamic information. Behavioral scoring focuses on the financial risk after the loan decision. It corresponds to monitoring the payment behaviors of the existing clients and taking the related actions when necessary. We consider the payment behaviors as well as the general demographic and financial information of the clients. We employ several classification methods. Furthermore, we also analyze the effect of the length of the event history and the staying power of the prediction models.
Benzer Tezler
- Diferansiye tiroid kanserlerinin takibinde kullanılan tiroglobulin testinin analitik performansının değerlendirilmesi
Evaluation of the analytical performance of the thyroglobulin test used in the follow-up of differentiated thyroid cancers
TUBA SAADET DEVECİ BULUT
Tıpta Uzmanlık
Türkçe
2023
BiyokimyaGazi ÜniversitesiTıbbi Biyokimya Ana Bilim Dalı
PROF. DR. ÖZLEM GÜLBAHAR
- Project céramique / Maastricht; reassessment of a regeneration project
Proje céramique / Maastricht; yeniden canlandırma projesi için bir değerlendirme
DENİZ MUTLU
Yüksek Lisans
İngilizce
2015
MimarlıkOrta Doğu Teknik ÜniversitesiMimarlık Ana Bilim Dalı
PROF. DR. ALİ CENGİZKAN
- Yapay zekâ ve demokrasi
Artificial intelligence and democracy
AYŞE NUR YAZICILAR
Yüksek Lisans
Türkçe
2023
HukukGalatasaray ÜniversitesiKamu Hukuku Ana Bilim Dalı
PROF. DR. ŞULE ÖZSOY BOYUNSUZ
- Serebral palsili çocuklarda Tc-99m HMPAO ile beyin perfüzyon SPECT'nin değerlendirilmesi
Başlık çevirisi yok
MERYEM KAYA
Tıpta Uzmanlık
Türkçe
1997
Radyoloji ve Nükleer TıpTrakya ÜniversitesiNükleer Tıp Ana Bilim Dalı
PROF. DR. ŞAKİR BERKARDA
- Development of a risk management decision support system for international construction projects
Uluslararası inşaat projeleri için bir risk yönetim karar destek sistemi geliştirilmesi
ARİF ERDEM ARIKAN
Yüksek Lisans
İngilizce
2005
İnşaat MühendisliğiOrta Doğu Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DOÇ. DR. İREM DİKMEN TOKER
PROF. DR. MUSTAFA TALAT BİRGÖNÜL