Geri Dön

Alternatif model teknikleri ile kredi skorlaması

Credit scoring with using altenative model techniques

  1. Tez No: 561981
  2. Yazar: ZEYNEP BAL
  3. Danışmanlar: PROF. DR. MEHMET AYDIN ERAR
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bankacılık, İstatistik, Banking, Statistics
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2019
  8. Dil: Türkçe
  9. Üniversite: Mimar Sinan Güzel Sanatlar Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: İstatistik Ana Bilim Dalı
  12. Bilim Dalı: İstatistik Bilim Dalı
  13. Sayfa Sayısı: 64

Özet

Kredi vermek bankaların ana faaliyet geliri kaynağı olması sebebiyle, bu faaliyetten oluşabilecek kredi riski bankaların üzerine yoğunlaştığı bir risk koludur. Bu risk kolunun yönetilmesi kapsamında bankalar analitik birimleri aracılığıyla müşteriye özel risklilik modelleri kurmaktadır. Bu bağlamda, kredi skorlamasında kullanılan modeller, kuruluşların tüketiciye kredi kullandırma kararının verilmesi esnasında büyük bir paya sahiptir. Bu çalışmada, makine öğrenmesine dayalı modeller ile kredi skorlaması gerçekleştirilmiş olup batma olasılığını tahminleyen en uygun modelin ve tekniğin bulunması amaçlanmıştır. Lojistik regresyon, dönüştürülmüş değişkenlerle lojistik regresyon, destek vektör makinesi ve rastgele orman yöntemleri ile modelleme gerçekleştirilmiş olup rastgele orman ve değişken dönüşümüyle lojistik regresyonun daha iyi sonuçlar verdiği gözlemlenmiştir. Gerçekleştirilen kredi skorlaması esnasında yapılan analizlerde, veri gizliliği ve kullanımı kapsamında imzalanan kabuller çerçevesinde Türkiye'nin önde geleni bankalarından birinin verileri kullanılmıştır. Banka ile yapılan gizlilik anlaşması gereği tez çalışmasında sadece analiz sonuçlarına yer verilmiştir. Modelleme ve analizler için SAS Enterprise Miner, SAS Enterprise Guide ve R studio programları kullanılmıştır.

Özet (Çeviri)

Credit is the main operating income of the banks so the credit risk that may arise from this activity is the most critical risk area on which banks focus. Within the scope of managing this risk area, banks develop customer specific risk models through their analytical units. In this context, the models used in credit scoring have the most important share in the banks making the decision to provide loans to the consumer. In this study, it was aimed to find the most appropriate model and technique for the probability of default. Logistic regression, logistic regression with transformed variables, support vector machine and random forest methods have been performed. As a result, random forest and transformed logistic regression gives better results. In the analysis conducted during the credit scoring, one of the most important Bank's data was used within the framework of the acceptances signed within the scope of data privacy and usage. According to the confidentiality agreement, only the results of the analysis are included in the thesis study. SAS Enterprise Miner, SAS Enterprise Guide and R studio programs were used for modeling and analysis.

Benzer Tezler

  1. Kredi skorlamada yapay zeka teknikleri ile çok aşamalı lojistik modellemeyi temel alan hibrit yaklaşımlar

    Hybrid approaches based on artificial intelligence and multilevel logistic model in credit scoring

    DAMLA İLTER

    Doktora

    Türkçe

    Türkçe

    2021

    İstatistikMimar Sinan Güzel Sanatlar Üniversitesi

    İstatistik Ana Bilim Dalı

    DOÇ. DR. EYLEM DENİZ HOWE

  2. Bankalarda kredi portföyü ve kredi riski yönetimi

    Credit portfolia and credit risk management in bank

    TANER GÜRKAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2005

    BankacılıkKadir Has Üniversitesi

    Finans ve Bankacılık Ana Bilim Dalı

    Y.DOÇ.DR. HASAN EKEN

  3. A psychometric and financial factors based framework suggestion for an integrated credit risk assessment information system

    Entegre kredi risk değerlendirme bilgi sistemi için psikometrikve finansal faktörler temelli sistem önerisi

    BÜŞRA ALMA ÇALLI

    Doktora

    İngilizce

    İngilizce

    2019

    Bilim ve TeknolojiSakarya Üniversitesi

    Yönetim Bilişim Sistemleri Ana Bilim Dalı

    PROF. DR. ERMAN COŞKUN

  4. Efficient simulations in finance

    Verimli finansal simülasyonlar

    HALİS SAK

    Doktora

    İngilizce

    İngilizce

    2008

    Endüstri ve Endüstri MühendisliğiBoğaziçi Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    DOÇ. DR. WOLFGANG HÖRMANN

  5. Factors affecting the profitability of Turkish deposit banks

    Türk mevduat bankalarının kârlılığını etkileyen faktörler

    MÜJGAN KILAVUZ

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    EkonomiÇankaya Üniversitesi

    Ekonomi Ana Bilim Dalı

    PROF. DR. MEHMET METE DOĞANAY