Lojistik regresyon ile KOBİ''lerin kredibilite ölçümü
Credibility measurement of SME's wi̇th logistics regression
- Tez No: 591890
- Danışmanlar: PROF. DR. AHMET METE ÇİLİNGİRTÜRK
- Tez Türü: Yüksek Lisans
- Konular: Bankacılık, İstatistik, İşletme, Banking, Statistics, Business Administration
- 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: 136
Özet
Çalışmanın özü, ticari nitelikli kredi taleplerinin bankalarca değerlendirme süreçlerinde müşterilerini, edimlerine bağlı“iyi”müşteriler ile edimlerini yerine getiremeyen“kötü”müşterilerin ayrımının yapılmasını sağlayan kredi skorlama modeli önerisi geliştirilmesidir. Müşterileri kendi içlerinde iyi ve kötü olarak gruplandırma işlemi istatistiki olarak gözlem birimlerinin sınıflandırmasıdır. İstatistik teknikleri arasında gözlem birimlerinin sınıflandırılması için en yaygın kullanılan teknikler kümeleme analizi, diskirimant analizi ve lojistik regresyondur. İstatistiki olarak gözlem birimlerinin sınıflandırılması hususu, konumuz itibari ile müşterilerin sınıflandırılmasıdır. Sınıflandırma işleminin yapılabilmesi için iyi müşterilerin, kötü müşterilerinden farklılaştırması gerekmektedir. Farklılaştırma riskin sayısallaştırılması ile yapılabilmektedir. Kredi taleplerinin skorlanması yolu ile riskin sayısallaştırılması ve müşterilerini farklılaştırılmış gruplara atamasının yapılması için bir model öneren çalışmada lojistik regresyon modeli kullanılarak bir skorlama sistemi geliştirilmiştir. Modelde istatistik teknik olarak lojistik regresyon yönteminin önerilmesinin nedeni, konuyla ilgili olarak toplanan verilerin önemli kısmının kategorik veri niteliğinde olmasından kaynaklanmaktadır.
Özet (Çeviri)
The essence of the study is the development of a credit scoring model proposal that enables banks to distinguish their customers from“good customers in the process of evaluating commercial credit demands and”bad "customers who cannot fulfill their actions. The process of grouping customers as good and bad within themselves is the statistical classification of observation units. Among the statistical techniques, the most commonly used techniques for the classification of observation units are cluster analysis, discriminant analysis and logistic regression. Classification of observation units is the classification of customers according to the subject. In order to perform the classification process, good customers must differentiate from bad customers. Differentiation can be done by digitizing the risk. In our study, which proposes a model for quantifying risk by scoring loan demands and assigning its customers to differentiated groups, a scoring system has been developed by using logistic regression model. The reason why logistic regression method is proposed as statistical technique in the model stems from the fact that most of the collected data on the subject is categorical.
Benzer Tezler
- Makine öğrenmesi yöntemleri ile kredi risk analizi
Credit risk analysis using machine learning algorithms
SACİDE KALAYCI
Yüksek Lisans
Türkçe
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. MUSTAFA ERSEL KAMAŞAK
- Örgüt kültürünün ve işletme demografisinin KOSGEB desteklerine etkisi: Burdur ili araştırması
The effect of organizational culture and business demographyon KOSGEB supports: A research in Burdur
LÜTFULLAH BAKIR
Yüksek Lisans
Türkçe
2019
İşletmeBurdur Mehmet Akif Ersoy Üniversitesiİşletme Ana Bilim Dalı
DOÇ. DR. AHMET SARITAŞ
- Küresel doğan işletmelerin uluslararasılaşma sürecinde örgütsel kabiliyetleri ve bunların ihracat performansına etkileri üzerine karşılaştırmalı bir araştırma
A comparative research on the effects of organizational capabilities of the born global companies internationalisation process and the export performance
HAKAN ATLI
- Avrupa Birliği ve Türkiye'de KOBİ'lere yönelik AR-GE teşvikleri: Bursa uygulaması
R&D incentives to SMEs in European Union and Turkey: Application in Bursa
SİMLA GÜZEL
- İşletmelerin yeni ürün geliştirmede başarı faktörleri ve Türk-Alman KOBİ'lerinde başarı faktörlerinin karşılaştırılması üzerine bir uygulama
Erfolgsfaktoren der unternehmen bei der neuproduktentwicklung und eine anwendung über die erfolgsfaktorenvergleiche zwischen den Türkischen-und deutschen Unternehmen
FİLİZ GÜRDER