Kredi skorlaması ve kullanılan yöntemlerin karşılaştırılmasına yönelik bir uygulama
An application for comparing credit scoring and methods used
- Tez No: 498844
- Danışmanlar: YRD. DOÇ. HAKKI ÖZTÜRK
- Tez Türü: Yüksek Lisans
- Konular: Bankacılık, İşletme, Banking, Business Administration
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2017
- Dil: Türkçe
- Üniversite: Bahçeşehir Üniversitesi
- Enstitü: Sosyal Bilimler Enstitüsü
- Ana Bilim Dalı: İşletme Ana Bilim Dalı
- Bilim Dalı: İşletme Bilim Dalı
- Sayfa Sayısı: 68
Özet
Finans sektöründe ve bankacılık endüstrisi için kredi skorlamanın önemi, son yıllara bakıldığında büyük bir araştırma alanına sahip konumdadır. Kredi skorlama problemlerinde, problemlerin tür ve özelliklerine göre birçok farklı istatistik metoduna başvurulmaktadır. Bu problemler temel hali ile iki kategoride incelenebilir. İlk olarak kredi almak için başvuranları sınıflandıran başvuru skoru, ikincisi ise bankaların müşterileri ile olan ilişkilerini ilgilendiren davranış skorudur. Davranış skorunda müşterilerin ödeme geçmişleri önem taşımaktadır. Bu çalışmada bankaların kredi riskine en az maruz kalabileceği bir skorkart modeli oluşturulmak istenmiştir. Çalışmada ilk olarak Basel süreci ve kredi skorlama kavramlarına genel bir bakış yapılmaktadır. Bu bağlamda genel hatları ile kredi skorlama; kredi skorlama nedir, kredi skorlama kavramının tanımı ve ortaya çıkışı, Basel süreçleri ve kredi skorlamanın Basel süreçlerindeki değişimi, kredi ve skorlama kavramlarının incelenmesi ile başvuru ve davranış skorlamasının tanımlarına yer verilmiştir. İkinci bölümde ise kredi skorlama metotlarına genel bir bakış yapılıştır. Bu bağlamda ilk olarak kredi skorlamada kullanılan metotlar incelenmiştir. Bu metotlar diskriminant analizi, iki grup kare diskriminant analizi, kovaryans matrislerinin eşitliğinin sınanması, yeni gözlemleri sınıflandırılması; lojistik regrasyon, logit modelinin tahmin edilmesi; en yakın komşu yaklaşımı, yapay sinir ağları; avantajları, tek katmanlı sinir ağları, çok katmanlı sinir ağları; doğrusal programlama ve son olarak tam sayılı programlama başlıkları ile incelenmiştir. Son bölümde ise oluşturulacak model için Lojistik Regresyon, Diskriminant Analizi ve Multilayer Perceptron modelleri ayrışım gücüne göre karşılaştırılmıştır. Diskriminant Analizi ve Multilayer Perceptron analizi için hangi değişkenlerin modelde anlamlı bir değişken olarak yer alacağının saptanması amacıyla PCA(Principal Component Analysis) analizi yapılmıştır. Modellerin değerlendirilmesi için sınıflandırma başarı yüzdeleri, ROC eğrileri ve Gini Katsayıları karşılaştırılmıştır.
Özet (Çeviri)
iv ABSTRACT AN APPLICATION FOR COMPARING CREDIT SCORING AND METHODS USED Dişra Pelin KANGAL Advanced … Thesis Advisor: Asst. Prof. Dr. Hakkı Öztürk December 2017, 55 pages The importance of credit scoring in the finance sector and the banking industry is a major research area in recent years. In credit scoring problems, many different statistical methods are used according to the type characteristics of the problems. These problems can be examined under two basic categories. The first is the application score, which classifies the applicants for loans, and the second is the behavior score, which relates the relationship of banks to their customers. In the behavior score, customers' payment histories are important. In this study, it is aimed to create a scorecard model that banks can be exposed to credit risk least. In the first part of the study, an overview is given to the concepts of basel process and credit scoring. In this context, credit scoring with general outlines; the definition of credit scoring, the definition and emergence of the concept of credit scoring, the changes in basel processes and basel processes of credit scoring, the examination of credit and scoring concepts, and the definition of application and behavior scoring. In the second part, an overview of credit scoring methods is made. In this context, firstly the methods used in credit scoring are examined. These methods include discriminant analysis, two-group square discriminant analysis, testing of equality of covariance matrices, classification of new observations; logistic regression, estimation of logit model; nearest neighbors approach, artificial neural networks; advantages, single-layer neural networks, multi-layer neural networks; linear programming and finally integer programming. In the last part, Logistic Regression, Discriminant Analysis and Multilayer Perceptron models are used for the models to be created. PCA (Principal Component Analysis) analysis was performed to determine which variables would be a significant variable in the model for Discriminant Analysis and Multilayer Perceptron analysis. Classification success rates, ROC curves and Gini coefficients were compared for the evaluation of models.
Benzer Tezler
- Tüketici kredisi taleplerinin yapay öğrenme modelleriyle değerlendirilmesi
Evaluation of consumer credit requests via machine learning models
NECATİ ALPEREN
Yüksek Lisans
Türkçe
2019
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik Üniversitesiİşletme Mühendisliği Ana Bilim Dalı
DOÇ. DR. TOLGA KAYA
- Privacy and security enhancements of federated learning
Federe öğrenme uygulamalarında mahremiyet ve güvenlik geliştirmeleri
ŞÜKRÜ ERDAL
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilişim Uygulamaları Ana Bilim Dalı
PROF. DR. ENVER ÖZDEMİR
DR. FERHAT KARAKOÇ
- Alternatif model teknikleri ile kredi skorlaması
Credit scoring with using altenative model techniques
ZEYNEP BAL
Yüksek Lisans
Türkçe
2019
BankacılıkMimar Sinan Güzel Sanatlar Üniversitesiİstatistik Ana Bilim Dalı
PROF. DR. MEHMET AYDIN ERAR
- Kredi riskinin hesaplanmasında skorlama yaklaşımı
Scoring approache in credit risk calculation
BEGÜM KASAPOĞLU
- Kedi ve köpeklerde ekstremite kırıklarının suprakutan plaka ile sağaltımı
Treatment of extremity fractures in cats and dogs using supracutaneous plate
ZARİFE SELİN AKBAŞ
Doktora
Türkçe
2023
Veteriner Hekimliğiİstanbul Üniversitesi-CerrahpaşaVeterinerlik Cerrahisi Ana Bilim Dalı
PROF. DR. KEMAL ALTUNATMAZ