Kredi skorlama süreçlerinde veri madenciliği ve bankacılık sektöründe bir uygulama
Data mining implementaion in credit scoring processes and an aplication in banking sector
- Tez No: 602488
- Danışmanlar: DOÇ. DR. SİNEM KULLUK
- Tez Türü: Doktora
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Kredi skorlama, veri madenciliği, metasezgisel algoritma, kobi-ticari-kurumsal müşteri, Credit scoring, data mining, metaheuristic algorithm, SME-commercial-corporate customer
- Yıl: 2019
- Dil: Türkçe
- Üniversite: Erciyes Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 135
Özet
KREDİ SKORLAMA SÜREÇLERİNDE VERİ MADENCİLİĞİ VE BANKACILIK SEKTÖRÜNDE BİR UYGULAMA Nihan GÜLSOY Erciyes Üniversitesi, Fen Bilimleri Enstitüsü Doktora Tezi, Aralık 2019 Danışman: Doç. Dr. Sinem KULLUK ÖZET Risk değerlendirme, bankacıların kredilerin geri ödenip-ödenmeyeceği tahminini yapmaya çalışmaları sebebiyle, bankacılık sektörünün en önemli problemlerinden biridir. Bankaların temel fonksiyonlarından birisi de ekonomi içinde yer alan hane halkları ile muhtelif sektörlerde faaliyet gösteren kredi ihtiyacı olan firmaların fonlanmasıdır. Kredinin verilmesiyle de bankalar açısından risk süreci başlar. Bankalar özellikle diğer sektörlerde faaliyet gösteren şirketlere borç verdikleri zaman büyük bir kredi baskısı altında kalırlar. Halihazırda bankaların risklerini kontrol altında tutabilmek için sektör ve tecrübelere dayalı analiz yöntemleri mevcuttur. Literatürdeki birçok çalışma bireysel müşterilerin kredilendirme sürecine yönelik olup, kobi-ticari-kurumsal müşterilerin kredilendirme sürecine yönelik çok az çalışma mevcuttur ve bu alanda bir boşluk bulunmaktadır. Bu boşluğu doldurmak amacıyla, bu çalışmada kobi-ticari-kurumsal müşterilerin kredilendirme sürecine yönelik objektif bir risk ölçme yöntemi önerilmiştir. Çalışmada bir bankanın kredi değerlendirme süreci üzerinde, mevcut müşteri verileri toplanarak veri madenciliği sınıflandırma işlemi gerçekleştirilmiştir. Bu amaçla ilk olarak analistler tarafından müşteriler için belirlenen riskler dikkate alınarak, yeni bir risk ölçütü önerilmiş ve mevcut her müşteri için tarafsız bir risk skoru elde edilmiştir. Bu risk skorları sınıflandırma işleminde hedef değişken olarak kullanılarak risk skoru bilinmeyen müşterilerin, risk skorlarının tahminlenmesine yönelik sınıflandırma işlemleri gerçekleştirilmiş ve sınıflandırma kuralları oluşturulmuştur. Çalışma için bir bankanın mevcut müşteri verileri toplanmış, ardından WEKA veri madenciliği yazılımı ve metasezgisel bir algoritma kullanılarak sınıflandırma yapılmıştır. WEKA yazılımında veriler 6 ayrı sınıflandırma algoritması ile sınıflandırılmış, en iyi sonuçlara ise % 78,64 doğrulukla Multi Objective Evolutionary Fuzzy Classifier algoritması ile ulaşılmıştır. Ayrıca veriler iyon hareketi algoritması ile oluşturulan bir algoritma ile sınıflandırılmış ve sonuçlar WEKA ile elde edilen sonuçlarla kıyaslamıştır. Çalışma sonucunda gerçek hayat verisi üzerinde oldukça yüksek doğruluk değerleri elde edilmiş ve bankacılık sisteminde kobi-ticari-kurumsal müşterilerin kredilendirme sürecine yönelik kullanılabilecek objektif bir ölçme sisteminin veri madenciliği ile oluşturulabileceği gösterilmiştir.
Özet (Çeviri)
Daha sonra doldurulacaktırDATA MINING IMPLEMENTAION IN CREDIT SCORING PROCESSES AND AN APLICATION IN BANKING SECTOR Nihan GÜLSOY Erciyes University, Graduate School of Natural and Applied Sciences Phd Thesis, December 2019 Superviser: Assoc. Prof. Dr. Sinem KULLUK ABSTRACT Risk evaluation is a very big problem for banking sector, because bankers try to guess that non-repayment of the loans. One of the basic functions of the banks is the funding of the households in the economy and the companies that need credit in various sectors. When the credit is given, the risk process starts in terms of banks. Especially, banks have very large credit exposure when lending other businesses. Currently there are sector and experience-based analysis methods to control the risks of banks. Many studies in the literature are related to the individual client's lending process and it is seen that there are very few studies focusing on the lending process of SME-commercial-corporate customers and there is a gap in this area. In order to fill this gap, an objective risk measurement method for the lending process of SME-commercial-corporate customers has been proposed in this study. In the study, classification task of data mining is performed by collecting existing customer data on the credit evaluation process of a bank. For this purpose, firstly a new risk measure is proposed by taking into consideration the risks identified by the analysts for the customers, and an objective risk score is obtained for each existing customer. By using these risk scores as the target variable in the classification, classification task is performed and the rules are extracted for estimating the risk scores of the customers. In this context, the current customer data of a bank was collected, and then tried to be classified by using WEKA data mining software and a metaheuristic algorithm. In WEKA software, data were classified with 6 different classification algorithms and the best results were obtained with Multi Objective Evolutionary Fuzzy Classifier algorithm with 78.64% accuracy. In addition, the data were classified with an algorithm created by ion movement algorithm and the results were compared with the results obtained with WEKA. As a result of the study, very high accuracy rates are obtained on the real life data and it has been shown that an objective measurement system which can be used for the lending process of SME-commercial-corporate customers in the banking system can be constructed by data mining.
Benzer Tezler
- 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
2019
Bilim ve TeknolojiSakarya ÜniversitesiYönetim Bilişim Sistemleri Ana Bilim Dalı
PROF. DR. ERMAN COŞKUN
- Lojistik regresyon ile KOBİ''lerin kredibilite ölçümü
Credibility measurement of SME's wi̇th logistics regression
CENK ALİ NEVRUZ
Yüksek Lisans
Türkçe
2019
BankacılıkMarmara ÜniversitesiEkonometri Ana Bilim Dalı
PROF. DR. AHMET METE ÇİLİNGİRTÜRK
- Makine öğrenmesi algoritmaları ile kredi temerrüt riskini tahmin etme
Predicting default probability in credit risk with machine learning algorithms
TOPRAK ENES TÜTÜNCÜ
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBursa Uludağ ÜniversitesiEkonometri Ana Bilim Dalı
PROF. DR. SEVDA GÜRSAKAL
- İhtiyaç kredilerinde yapay sinir ağları uygulaması
Application of artificial neural networks in consumer loans
SELİM CANER SAYICI
Doktora
Türkçe
2017
BankacılıkKadir Has ÜniversitesiUluslararası Ticaret Ve Finansman Ana Bilim Dalı
PROF. DR. NURHAN DAVUTYAN
- An application of credit scoring based on logistic regression
Lojistik regresyon kullanılarak bir kredi skorlama uygulaması
BERKER MORALAR
Yüksek Lisans
İngilizce
2019
EkonometriBoğaziçi ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. WOLFGANG HÖRMANN