Makine öğrenmesi teknikleriyle kredi başvuru skor kartının oluşturulması
Developing credit application skorcard with machine learning techniques
- Tez No: 598991
- Danışmanlar: DOÇ. DR. İBRAHİM DEMİR
- Tez Türü: Yüksek Lisans
- Konular: İstatistik, Statistics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2019
- Dil: Türkçe
- Üniversite: Yıldız Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İstatistik Ana Bilim Dalı
- Bilim Dalı: İstatistik Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Günümüzde gelişen finans sektörü sayesinde hem krediye olan talep hem de finansal kurumlar arasındaki rekabet artmıştır. Bu rekabette öne çıkabilmenin yolu başvuru sahibine hızlı, doğru ve objektif karar verebilmekten geçmektedir. Bu sebeple müşteriyi riskine göre doğru sınıflandırmak kritik derecede önemlidir. Bu amaçla bankalar mevcut yaşayan müşterilerini geri ödeme performanslarına göre modelleyerek skor kartlar geliştirmektedir. Geliştirilen skor kartlar tüm başvuru sahiplerine uygulanır ve müşterinin riski bilinerek hızlı ve objektif karar alınması sağlanmaktadır. Bu çalışmada veri toplanması, temizlenmesi, yorumlanması, modellenmesi detaylı olarak ele alınmıştır. Modelleme aşamasında makine öğrenmesi teknikleri anlatılmıştır. Bu teknikler bir finansal kuruluşun tek çeşit ürün portföyüne uygulanarak başvuru skor kartı geliştirilmiştir.
Özet (Çeviri)
Today, thanks to the developing financial sector, both the demand for credit and the competition among financial institutions have increased. The way to stand out in this competition is to be able to respond fast, accurate and objective decision to the applicant. Therefore, it is critically important to classify the customer correctly according to their risk. For this purpose, banks develop their scorecards by modeling their existing customers according to their repayment performance. The developed scorecards are applied to all applicants. In this thesis; data collection, cleaning, interpretation and modeling stages are discussed in detail. Machine learning techniques are explained in the modeling stage. To develop the application scorecard, these techniques were applied to a single product portfolio of a financial institution.
Benzer Tezler
- Anomaly detection using machine learning techniques: A comparative study on first payment default prediction in retail loans
Yapay öğrenme yöntemleriyle anomali saptanması: Bireysel kredilerde ilk ödemede batma tahmini üzerine karşılaştırmalı bir çalışma
AHMET TALHA YİĞİT
Yüksek Lisans
İngilizce
2022
Bankacılıkİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. ALP ÜSTÜNDAĞ
- Makine öğrenmesi teknikleriyle kredi risk analizi
Credit risk analysis with machine learning techniques
EMİNE BAHÇE ÇİZER
Yüksek Lisans
Türkçe
2018
Elektrik ve Elektronik MühendisliğiMarmara ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. AYÇA AK
DOÇ. DR. VEDAT TOPUZ
- Banka müşterilerinin makine öğrenmesi ile analiz edilerek skorlanması
Analyzing and scoring bank customers with machine learning
FATİH KAZOVA
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Beykent ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. EDİZ ŞAYKOL
- Vadeli mevduat hesabı aboneliği tahmini makine öğrenmesi yaklaşımı
Machine learning approach to time deposit account subscription prediction
HİKMET SELİM TALU
Yüksek Lisans
Türkçe
2023
İstatistikYıldız Teknik Üniversitesiİstatistik Ana Bilim Dalı
PROF. DR. FATMA NOYAN TEKELİ
- Multi-agent planning with automated curriculum learning
Otomatik müfredat öğrenmesi ile çoklu ajan planlaması
ONUR AKGÜN
Doktora
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. NAZIM KEMAL ÜRE