Big data applications in banking credit risk audits: Sampling through machine learning
Bankacılık kredi riski denetimlerinde büyük veri uygulamaları: Makine öğrenimi yoluyla örnekleme
- Tez No: 781788
- Danışmanlar: DR. ÖĞR. ÜYESİ TAMER UÇAR
- Tez Türü: Yüksek Lisans
- Konular: Bankacılık, Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Banking, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: İngilizce
- Üniversite: Bahçeşehir Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Büyük Veri Analitiği ve Yönetimi Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 54
Özet
Bankacılık, büyük veri analitiği uygulamalarının yaygın olarak kullanıldığı sektörlerden biridir. Bankalar, sahip oldukları müşteri bilgileri ve çevrimiçi veya çevrimdışı kanallar yoluyla gerçekleştirdikleri işlemlerin kayıtları sayesinde hem nicelik hem nitelik açısından çok değerli verilere sahiptir. Bu verilerin makine öğrenmesi algoritmaları ile işlenmesi ve karar alma süreçlerinde etkin bir şekilde kullanılması çok faydalı olacaktır. Bankalar, en önemli bankacılık risklerinden biri olan kredi risklerini denetlemek için büyük veri uygulamalarını kullanabilirler. Bu çalışmada bankaların kredi riski denetimlerinde büyük veri uygulamaları hakkında bilgi verilmiş ve bunların denetim örneklemesinde nasıl kullanılabileceği makine öğrenmesi modelleri ile anlatılmıştır. Özel bir bankadan alınan kurumsal müşteri verilerine karar ağaçları ve rastgele ormanlar gibi farklı sınıflandırma modelleri uygulanmış ve sonuçları karşılaştırılmıştır. Çalışma sonucunda en iyi performansı rastgele orman modeli göstermiştir. Bunun yanında büyük veri analitiği ve makine öğrenmesi uygulamalarının kredi riski denetimlerinin örneklem seçiminde önemli katkılar sağladığı sonucuna varılmıştır.
Özet (Çeviri)
Banking is one of the industries where big data analytics applications are widely used. Banks have precious data in quantity and quality, thanks to customer information and transaction records obtained through online and offline channels. It will be very beneficial to process those data via machine learning algorithms and exploit them effectively in decision-making processes. Banks can use big data applications to audit credit risks, one of the most significant banking risks. In this study, information about big data applications in credit risk audits of banks is provided, and how these can be used in audit sampling is explained through machine learning models. Different classification models, such as decision trees and random forests, were applied to corporate customer data obtained from a private bank, and their results were compared. As a result of the study, the random forest model showed the best performance. In addition, it has been concluded that big data analytics and machine learning applications significantly contribute to the sample selection of credit risk audits.
Benzer Tezler
- Kredi kartları ve Türkiye'deki uygulaması: karşılaşılan sorunlar ve çözüm önerileri
Başlık çevirisi yok
BEDİ TÜRETKEN
- Hizmet pazarlamasında yapay zekâ kullanımı ve dijitalleşme: Hizmet sektöründe bir model
Using AI and digitalization in service marketing: An application in the service industry
İPEK YALIÇ
- Kredi risklerinde veri madenciliği sınıflandırma algoritmaları
Data mining classification algorithms in credit risk
BEGÜM ÇIĞŞAR
Yüksek Lisans
Türkçe
2017
İstatistikÇukurova Üniversitesiİstatistik Ana Bilim Dalı
DOÇ. DR. DENİZ ÜNAL ÖZPALAMUTCU
- Banka kredi kartı süreçlerinde kişisel verilerin büyük veri yöntemleri ile gizliliğinin korunması
Privacy and use of big data in bank credit card processes
MAHBUB DİLAN KOYUNCU KAYA
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilişim Uygulamaları Ana Bilim Dalı
PROF. DR. ENVER ÖZDEMİR