Kredi tahsis sürecinde makine öğrenmesi yöntemlerinin tahmin performanslarının karşılaştırılmasına yönelik bir uygulama
An application to compare the prediction performances of machine learning methods in the loan allocation process
- Tez No: 834983
- Danışmanlar: PROF. DR. MEHMET NİHAT SOLAKOĞLU
- Tez Türü: Yüksek Lisans
- Konular: Bankacılık, Mühendislik Bilimleri, İşletme, Banking, Engineering Sciences, Business Administration
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Çankaya Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Veri Analitiği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 73
Özet
Teknolojik olanakların gelişmesi, kayda değer oranda artan verinin depolanması ve söz konusu veriden stratejik analizler yapılabilmesi imkanını beraberinde getirmiştir. Veri analizi, rekabetçi piyasalarda faaliyet gösteren tüzel/gerçek kişilere karar alma aşamalarında yol gösterici değerlendirmeler yapabilme olanağı sağlamaktadır. Başta bankalar olmak üzere müşteri sayıları son yıllar içerisinde önemli ölçüde artan finansal kuruluşların, gerek mali bünyelerini sağlamlaştırabilmeleri gerekse yasal düzenlemelere uygun olarak faaliyetlerini sürdürebilmeleri amacıyla kredi tahsis kararlarında her geçen dönem daha isabetli kararlar almaları gerekmektedir. Veri madenciliği ve makine öğrenmesi yöntemleri, bankalara ve diğer finansal kuruluşlara, maruz kalabilecekleri risklere karşı ihtiyatlı hareket etme ve tedbir alma fırsatı sunmaktadır.
Özet (Çeviri)
The development of technological possibilities has brought the opportunity to store data that has increased significantly and to make strategic analyzes from that data. Data analysis provides firms/individuals, whom operating in competitive markets, the opportunity to make strategic evaluations during the decision-making phase. Financial institutions, especially banks, whose number of customers have increased significantly in recent years, need to make more accurate decisions in loan allocation process in order to strengthen their financial structure and maintain their activities in accordance with legal regulations. Data mining and machine learning methods offer banks and other financial institutions the opportunity to act prudently and take precautions against the risks they may be exposed to.
Benzer Tezler
- Etkin bina emlak vergi değerinin belirlenebilmesi için makine öğrenme temelli bir değerleme modeli önerisi
A proposal for a machine learning based valuation model for determining efficient building property tax value
ELİF ŞEVVAL TAŞTAN
Yüksek Lisans
Türkçe
2025
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. REHA METİN ALKAN
- Credit evaluation through boosted decision trees
Arttırılmış karar ağaçları ile kredi değerlendirme
BARIŞ ABACI
Yüksek Lisans
İngilizce
2018
BankacılıkBahçeşehir ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. TEVFİK AYTEKİN
- Fatura ödemelerinin makine öğrenimi ile tahmini
Predictive modelling for account receivables using machine learning
YUNUS EMRE MIZRAKÇI
Yüksek Lisans
Türkçe
2022
Endüstri ve Endüstri MühendisliğiYıldız Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET GÜRAY GÜLER
- İran'da kurulacak modüler mobilya fabrikasına ilişkin fizibilite çalışması
Feasibility of modular furniture factory in Iran
SHAHRAM RAHNEMOON
Doktora
Türkçe
2010
Ağaç İşleriİstanbul ÜniversitesiOrman Endüstri Mühendisliği Ana Bilim Dalı
PROF. DR. ERCAN TANRITANIR
- Türk bankacılık sektöründe kredi tahsisi: Kredi değerlendirme sürecinde aktarma arındırma işlemleri
Credit allocation in the Turkish banking sector: Transfer and cleansing processes in the credit evaluation stage
AYKUT DERELİ