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: 89
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
- Makine öğrenmesi teknikleriyle kredi risk analizi
Credit risk analysis with machine learning techniques
EMİNE BAHÇE ÇİZER
Yüksek Lisans
Türkçe
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMarmara ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. AYÇA AK
DOÇ. DR. VEDAT TOPUZ
- 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
- Makine öğrenmesi teknikleriyle mobil ödemede sahtekarlık tespiti
Fraud detection in mobile payment with machine learning methods
ÖZLEM GÜVEN
Yüksek Lisans
Türkçe
2021
EkonometriDokuz Eylül ÜniversitesiEkonometri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SERKAN ARAS
- Vadeli mevduat hesabı aboneliği tahmini makine öğrenmesi yaklaşımı
Machine learning approach to time deposit account subscription prediction
HİKMET SELİM TALU
Yüksek Lisans
Türkçe
2023
BankacılıkYıldız Teknik Üniversitesiİstatistik Ana Bilim Dalı
PROF. DR. FATMA NOYAN TEKELİ
- Evaluation of stacking for predicting credit risk scores
Kredı̇ rı̇sk puanı tahmı̇nlemenı̇n yığınlama ı̇le değerlendı̇rı̇lmesı̇
ELİF YAĞMUR DALL'ASTA RIGO
Yüksek Lisans
İngilizce
2020
İstatistikTED ÜniversitesiUygulamalı Veri Bilimi Bilim Dalı
DR. ÖĞR. ÜYESİ CEYDA YAZICI