Sınıflandırma analizleri ve kredi notları üzerine bir uygulama
Classification analysis and an application on credit notes
- Tez No: 576008
- Danışmanlar: DOÇ. DR. SELAY GİRAY YAKUT
- Tez Türü: Yüksek Lisans
- Konular: Ekonometri, İstatistik, Econometrics, Statistics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2019
- Dil: Türkçe
- Üniversite: Marmara Üniversitesi
- Enstitü: Sosyal Bilimler Enstitüsü
- Ana Bilim Dalı: Ekonometri Ana Bilim Dalı
- Bilim Dalı: İstatistik Bilim Dalı
- Sayfa Sayısı: 88
Özet
Kredi derecelendirme kuruluşları tarafından periyodik aralıklarla, bir ülkenin yatırım risk seviyesini belirleyen kredi notları verilir. Kredi notları verilirken nicelik ve/veya niteliksel olarak en önemli risk faktörleri dikkate alınır. Kredi notları hükümetlerin kamu borcunu zamanında geri ödeme kabiliyetinin ve istekliliğinin bir değerlendirmesi olduğundan, yatırımcılar, borç veren kuruluşlar ve ilgili piyasa katılımcıları yayınlanan raporlar doğrultusunda yatırım kararları alabilmektedir. Bu nedenle verilen notlar oldukça önemlidir. Kredi derecelendirme kuruluşları olarak Moody's, Fitch ve S&P küresel piyasanın hâkim şirketlerindendir. Zaman zaman yatırım“yapılabilir ülkeler”kategorisinde yer alsa da kredi derecelendirme kuruluşu Moody's, 2018 Ağustos ayında Türkiye'nin kredi notunu Ba2'den Ba3'e, 2019 Haziran ayında ise B1'e düşürerek not görünümünü durağandan negatife düşürmüştür. Kredi notları ile ilgili yürütülen literatür taraması sonucunda çalışmaların kredi derecelendirme kuruluşlarının duyurduğu notların tutarlı ve objektif olarak verilip verilmediği, kredi derecelendirmesinde temel belirleyicilerin bulunması, kredi notlarının kriz öncesi-sonrası değerlendirmeleri, notların piyasa ve yatırım oranlarına etkileri, yeni derecelendirme metodolojisi oluşturma gibi konular üzerine yoğunlaştığı görülmüştür. Bu çalışmanın amacı ise en güncel veriler ile 85 dünya ülkesi için kredi notunu etkileyen faktörlerin literatürde çok kullanılmamış olan alternatif ÇDA yöntemleri ile kredi notları üzerinde etkili olan değişkenlerin belirlenmesi ve ülkelerin yatırım yapılabilirlik düzeylerine göre sınıflandırılmasıdır. Moody's veri kaynağını Uluslararası Para Fonu (IMF), Ekonomik İşbirliği ve Kalkınma Teşkilatı (OECD), Avrupa Komisyonu (Eurostat ve Yıllık Makro Ekonomik Veritabanı - AMECO), Uluslararası Yerleşimler Bankası (BIS), Dünya Bankası, Haver Analytics ve bir dizi uluslararası kaynaktan aldığını açıklamıştır. Çalışma kapsamında kullanılan veri seti Moodys'in resmi internet sitesinden derlenmiştir. 85 ülkenin 2017 yılına ait verisi analiz edilmiştir. Değişken seçiminde literatür taraması da göz önünde bulundurulmuş olup çalışmada kullanılan değişkenler ekonomik yapı ve performans, devlet finansmanı, dış ödemeler ve borç ana başlıkları altında değerlendirilebilecek temel değişkenlerdir. Çalışmanın amacı doğrultusunda veriler Lojistik Regresyon Analizi ve Yapay Sinir Ağları teknikleri kullanılarak analiz edilmiş ve ülkeler yatırım yapılabilirlik durumuna göre sınıflara ayrılmıştır. Ayrıca bulgularda bu sınıflamada hangi yöntemin daha iyi performans gösterdiği yorumlanmış ve yatırım yapılabilirliği etkileyen önemli değişkenler belirlenmiştir.
Özet (Çeviri)
The credit notes determine that the level of investment risk in a country is given by credit rating agencies. The most important risk factors are taken into account in quantitative and / or qualitatively. Since credit ratings are an assessment of the governments' ability and willingness to repay the public debt on time, investors, lenders and related market participants can make investment decisions in line with the published reports. Therefore, the notes given are very important. As credit rating agencies, Moody's, Fitch and S&P are the dominant companies in the global market. Although sometimes in the investment grade category of countries has accrued, a credit rating agency Moody's, in August 2018, Turkey's credit rating to“Ba3”from“Ba2”to and in June 2019 to B1 downgrading the rating outlook to“stable”from“negative”to have turned. As a result of the literature review on the subject, it was observed that the studies focused on the following subjects; whether the notes announced by credit rating agencies are consistent and objective, basic determinants of credit rating, evaluation of credit ratings pre and post the crisis, such as the effects of notes on market and investment rates. The aim of this study is to determine the factors that affect credit rating for 85 countries with the most recent data and to determine the variables that affect credit ratings with alternative multivariate analysis methods, which have not been widely used in the literature, and to classify them according to investment grade levels. Moody's has announced that its data source received from the International Monetary Fund (IMF), the Organization for Economic Co-operation and Development (OECD), the European Commission (Eurostat and the Annual Macro Economic Database AMECO), the Bank of International Settlements (BIS), the World Bank, Haver Analytics, and a number of international sources. The data set used in the study was compiled from Moodys' official website. The data of 85 countries in 2017 were analyzed. The literature review is also taken into consideration in the selection of variables and the variables used in the study are the basic variables that can be evaluated under the main headings of economic structure and performance, government finance, external payments and debt. For the purpose of the study, data were analyzed using Logistic Regression Analysis and Artificial Neural Networks techniques and countries were divided into classes according to their investment feasibility. In the findings, which method is superior in the classification was interpreted and important variables that affect the investability were determined.
Benzer Tezler
- Finans sektörü için yapay öğrenme teknikleri kullanarak kredi kullanabilirliğin tespiti
Using machine learning techniques of detect the credit availability for the financial sector
ALİ TUNÇ
Yüksek Lisans
Türkçe
2016
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. ERKAN ÜLKER
- Credit risk analysis using hidden Markov model
Saklı Markov modeli ile kredi risk analizi
HASAN TAHSİN OĞUZ
Yüksek Lisans
İngilizce
2009
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBoğaziçi ÜniversitesiSistem ve Kontrol Mühendisliği Ana Bilim Dalı
PROF. FİKRET GÜRGEN
- Finansal başarısızlığı belirlemede istatistiksel yöntemlerin sınıflandırma performanslarının karşılaştırılması: Borsa İstanbul'da bir uygulama
The comparison of classification capabilities of statistical methods in identifying financial failure: An application in istanbul Stock Exchange Market
SEDA ABACIOĞLU
Yüksek Lisans
Türkçe
2018
İstatistikOndokuz Mayıs Üniversitesiİşletme Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ELİF BULUT
- Analysis of information security frameworks for small and medium-sized enterprises (SMEs): Investigation of attacks and mitigation proposals
KOBİ'ler için bilgi güvenliği çerçevelerinin analizi, saldırıların incelenmesi ve çözüm önerileri
GİZEMNUR TAŞKIN
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MEHMET TAHİR SANDIKKAYA
- Erzurum Damızlık Sığır Yetiştiricileri Birliği'ne üye olan işletmelerin yapısal özelliklerinin incelenmesi ve buzağıbakım-besleme ile yetiştirme uygulamaları üzerine bir araştırma
An investigation on structural characteristics of enterprises members of Erzurum Cattle Breeders' Associati on and research on calf care-feeding and breeding practices
AYDIN EŞSİZ