Geri Dön

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

  1. Tez No: 535650
  2. Yazar: MUSTAFA CERAN
  3. Danışmanlar: PROF. DR. SERPİL BÜLBÜL ERGÜN
  4. Tez Türü: Doktora
  5. Konular: Bankacılık, Maliye, İşletme, Banking, Finance, Business Administration
  6. Anahtar Kelimeler: Bankacılıkta Dijitalleşme, Finansal Değişkenler, Finansal Başarısızlık, Kredi Analizi ve Tahsisi, Sorunlu Krediler, Yapay Zekâ, Yapay Sinir Ağı Modelleri, Makine Öğrenimi, Digitalization in Banking, Financial Variables, Financial Failure, Loan Analysis and Assignment, Problem Loans, Artificial Intelligence, Artificial Neural Network Models, Machine Learning
  7. Yıl: 2019
  8. Dil: Türkçe
  9. Üniversite: Marmara Üniversitesi
  10. Enstitü: Bankacılık ve Sigortacılık Enstitüsü
  11. Ana Bilim Dalı: Bankacılık Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 321

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

  1. Bankacılıkta dijitalleşme ve COVID-19'un getirdiği çalışma şeklindeki değişikliklere farklı nesillerin uyum yeteneklerinin incelenmesi

    Exploring adaptation capabilities of different generations to the changes in way of working brought by digitalization and COVID-19 in banking

    İHSAN TAYFUN TOYGAR

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    BankacılıkBahçeşehir Üniversitesi

    Bilgi Teknolojileri Bilim Dalı

    DR. ÖĞR. ÜYESİ SONAT BAYRAM

  2. Dijitalleşmenin kadın istihdamına etkileri: Bankacılık sektörü örneği

    The effects of digitalisation on women's employment: The case of banking sector

    NİL HÖKE

    Doktora

    Türkçe

    Türkçe

    2024

    Çalışma Ekonomisi ve Endüstri İlişkileriPamukkale Üniversitesi

    Çalışma Ekonomisi ve Endüstri İlişkileri Ana Bilim Dalı

    PROF. DR. HACER SİMAY KARAALP ORHAN

  3. 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

    Türkçe

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    PROF. DR. TÜLAY YILDIRIM

  4. Bankacılık sektöründe dijitalleşme sürecinin müşteri deneyimi ve hizmet kalitesi üzerindeki etkisi

    The effect of the digitalization process in the banking sector on customer experience and service quality

    GAMZE YILDIRIM

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    İşletmeMarmara Üniversitesi

    İş Analitiği Ana Bilim Dalı

    PROF. DR. ÖZGÜR ÇAKIR

  5. Veri madenciliği kapsamında; dijitalleşme yeni nesil teknolojiler ve finans üzerine etkileri

    Within the scope of data mining; digitalization, new generation technologies and its effects on finance

    RABİA KARAHAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    BankacılıkGebze Teknik Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    DOÇ. DR. AYŞENUR BUDAK