Bankacılıkta dijitalleşme kapsamında, öğrenen yapay zekâ desteğiyle sorunlu kredilerin belirlenmesi
Within the scope of digitalization in banking, determination of problem loans through the support of learning artificial intelligence
- Tez No: 535650
- Danışmanlar: PROF. DR. SERPİL BÜLBÜL ERGÜN
- Tez Türü: Doktora
- Konular: Bankacılık, Maliye, İşletme, Banking, Finance, Business Administration
- Anahtar Kelimeler: Bankacılıkta Dijitalleşme, Finansal Değişkenler, Finansal Başarısızlık, Kredi Analizi ve Tahsisi, Sorunlu Krediler, Yapay Zekâ, Yapay Sinir Ağı Modelleri, Makine Öğrenimi, Banka kredileri, Bankacılık sektörü, Bankalar, Krediler, Sayısallaştırma, Takipteki krediler, Yapay zeka, Öğrenen becerileri, Öğrenen durum makineleri, Digitalization in Banking, Financial Variables, Financial Failure, Loan Analysis and Assignment, Problem Loans, Artificial Intelligence, Artificial Neural Network Models, Machine Learning, Bank credits, Banking sector, Banks, Credits, Digitization, Non-performing loans, Artificial intelligence, Learning skills, Learning automata
- Yıl: 2019
- Dil: Türkçe
- Üniversite: Marmara Üniversitesi
- Enstitü: Bankacılık ve Sigortacılık Enstitüsü
- Ana Bilim Dalı: Bankacılık Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Günümüzde yerine getirdiği işlevle finans dünyasının merkezinde bulunan bankalar; yönettikleri bilançoların başarılı bir performans gösterebilmesi adına, bu bilançoların en hacimli bölümünü oluşturan kredilerin doğru bir şekilde analiz edildiğinden, sağlıklı bir tahsis sürecinden geçirildiğinden ve sürekli olarak yakın izlemeye tabi tutulduğundan emin olmak durumundadırlar. Bu çalışma bütünüyle, söz konusu ihtiyaca belirli ölçüde cevap verilmesine ve çeşitli olumsuzlukların önceden giderilmesine yönelik örnek teşkil edecek değerlendirmeleri içinde barındırmaktadır. Bu çalışmada, bankaların kredi analizi ve tahsisi sürecini yönetirken dikkate alabilecekleri sistematik yol haritaları sunulmuş olup; çalışmanın uygulama bölümünde, 112 adet firmanın bu çalışmaya özgü kredi değerleme yöntemleriyle hazırlanmış finansal tablo formatlarından üretilen 34 adet bağımsız değişkenle yer aldığı bir veri seti yapay sinir ağları yöntemi kullanılarak analiz edilmiştir. Çalışmada firmaların yarısı başarılı, diğer yarısı da başarısız firmalardan oluşturulmuştur. UFRS 9'un bankalara etkisi dikkate alınarak, firmaların başarısızlık kriteri;“30 günü aşan kredi geri ödemesi gecikmeleri”olarak belirlenmiştir. Türk Ekonomisi'nin hem temin ettiği kredi hacmi hem de takipteki kredi hacmi açısından en önemli sektörlerinden olan üretim sektörü, çalışmanın hedef kitlesini oluşturmuştur. Rastgele seçim yöntemiyle %66'sı deney grubu (73 firma) olarak belirlenen veri seti üzerinden geliştirilen model; eğitim sürecini %98,63 oranında başarıyla tamamlamış, geçerlilik testini ise %89,74 öngörü gücüyle geçmiştir. Modelin tüm örneklemdeki genel başarısının da %95,54 oranında olduğu görülmüştür. Makine öğrenimini merkez alan bu çalışma, yapay zekâ desteğiyle bankaların sorunlu kredileri önceden belirlemesine yönelik başarılı bir model çıktısı sunmuştur. Dijitalleşmenin her geçen gün yaygınlaştığı günümüz dünyasında, bankacılık sektörünün bu çalışma benzeri araştırmalara yönelik gerekli teknolojik yatırımlara öncelik vermesi, banka bilançolarının daha sağlıklı yönetimi açısından yararlı olacaktır.
Özet (Çeviri)
Banking organizations, that are in the center of global finance with their functions, should be sure that loans, forming the biggest portions of their balance sheets, are properly analyzed, passed through a sound assignment process and closely-monitored permanently in order to provide that these balance sheets managed by them show a prosperous performance. This study entirely includes the evaluations as a reference intended for responding to the aforementioned necessity to a certain extent and getting rid of various negativities before they happen. In this study, systematic route maps that can be taken into consideration by banks within the management of loan analysis and assignment process were submitted and a dataset containing 34 independent variables produced from the financial statement formats of 112 companies, that had been prepared through the credit assessment techniques peculiar to this study, was analyzed via artificial neural network method, in the application part of the study. Half of the companies were formed as successful companies while the remaining half of them were formed as unsuccessful companies in the study. Taking the effect of IFRS 9 on banks into consideration,“credit repayment delinquencies with 30 days past due”was specified as the failure criterion of the companies. Manufacturing industry, one of the most significant industries regarding the total credit volume and non-performing loan volume in Turkish Economy, was determined as the target of the study. The model, developed from the dataset of whom 66% of the total (73 companies) had been specified as experiment group through random selection method, completed training session with 98.63% success and passed validation test with 89.74% forecasting power. It was noticed that the general success of the model on the whole sample was 95.54%. Centering the machine learning, this study has generated a successful model output through the support of artificial intelligence, intended for the determination of the problem loans by banks before they happen. As nowadays the digitalization has become prevalent with each passing day, the prioritization of essential technologic investments for the researches like this study by banking industry would be beneficial with regard to the healthier management of the bank balance sheets.
Benzer Tezler
- Bankacılıkta robotik süreç otomasyonu projeleri için makine öğrenmesi yöntemleri ile karmaşıklık tahmini
Complexity estimation with machine learning methods for robotic process automation in banking
EBRU DEMİR
Yüksek Lisans
Türkçe
2024
Elektrik ve Elektronik MühendisliğiYıldız Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. TÜLAY YILDIRIM
- Dijitalleşmenin kadın istihdamına etkileri: Bankacılık sektörü örneği
The effects of digitalisation on women's employment: The case of banking sector
NİL HÖKE
Doktora
Türkçe
2024
Çalışma Ekonomisi ve Endüstri İlişkileriPamukkale ÜniversitesiÇalışma Ekonomisi ve Endüstri İlişkileri Ana Bilim Dalı
PROF. DR. HACER SİMAY KARAALP ORHAN
- An analysis of the use of service banking-based mobile banking solutions
Hizmet bankacılığı tabanlı mobil bankacılık çözümlerinin kullanımına ilişkin bir analiz
EYLÜL AKKAŞ
Yüksek Lisans
İngilizce
2026
Bankacılıkİstanbul Teknik Üniversitesiİşletme Mühendisliği Ana Bilim Dalı
PROF. DR. HURİYE ŞEBNEM BURNAZ
- Bankalarda dijital liderliğin banka çalışanlarının güçlendirilmesine etkisinde dijital dönüşümün aracılıkrolü
The mediating role of digital transformation in the effect of digital leadership in banks on the empowerment of bank employees
HÜLYA HORZUM
Yüksek Lisans
Türkçe
2026
BankacılıkÇankırı Karatekin ÜniversitesiBankacılık ve Finans Ana Bilim Dalı
DR. ÖĞR. ÜYESİ HASAN DAĞLAR
- Dijital bankacılık uygulamalarına ilişkin müşteri yorumlarının metin madenciliği yöntemleri ile incelenmesi
Başlık çevirisi yok
BURCU SAYIN OKATAN