Bulanık regresyon fonksiyonları yöntemi ile konut kredisi riski modellemesi
Home credit risk modelling with the fuzzy regression functions method
- Tez No: 836774
- Danışmanlar: DOÇ. DR. FURKAN BAŞER
- Tez Türü: Yüksek Lisans
- Konular: Bankacılık, Ekonomi, İstatistik, Banking, Economics, Statistics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Ankara Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Gayrimenkul Geliştirme ve Yönetimi Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 96
Özet
Kredi riskinin değerlendirilmesi son yıllarda yaşanan finansal krizler nedeniyle önemli bir konu halini almıştır. Kredi riskinin doğru tespit edilmesiyle finansal kuruluşlar, kredi başvurusu yapan kişi ve kurumlara kredi vermemeyi ya da ek teminatlar talep etmeyi tercih ederek; kredi kaynaklı risklerini mümkün olduğunca aza indirebilmektedir. Finansal kuruluşların veriye dayalı doğru kredi verme kararı alabilmeleri için kredi riski değerlendirme modelleri kullanılmaktadır. Ancak kredi riski verileri genelde riskli ve riskli olmayan bireylerin oranına göre dengesiz bir dağılım sergilemektedir. Sınıflandırma modellerinde bu tür dengesiz form, çoğunluk sınıfı lehine yanlı tahminler ile sonuçlanmakta ve sınıflandırma doğruluğu riskli bireylerin yer aldığı azınlık sınıfı için çok düşük kalmaktadır. Bununla birlikte, göreceli olarak yüksek riskinden ve ciddi finansal kayıplara yol açmasından dolayı bankalar ve finans kurumları, pratikte azınlıkta olan sınıf vakalarının tespitine daha fazla önem vermektedir. Bu çalışmada konut kredisi riskinin değerlendirilmesi amacıyla Bulanık Regresyon Fonksiyonları (BRF) yaklaşımından faydalanılmıştır. Yeniden örnekleme yöntemi ile dengesiz veri setinin getirmiş olduğu dezavantajlardan kaçınmak ve azınlık sınıfına ait doğruluğu daha yüksek tahminler elde etmek amaçlanmış olup, BRF yaklaşımı ile geleneksel makine öğrenmesi yöntemlerinin performansında iyileştirme gerçekleştirilmesi hedeflenmiştir. Açık kaynaktan temin edilen gerçek konut kredisi veri seti kullanılarak elde edilen bulgular farklı performans ölçütleri ile değerlendirilmiştir. Dengesiz bir dağılım gösteren konut kredisi veri setinde yeniden örnekleme yöntemine göre gerçekleştirilen farklı uygulamalarda, BRF yaklaşımının klasik makine öğrenmesi yöntemlerine göre daha üstün sınıflandırma doğruluğuna ulaştığı belirlenmiştir.
Özet (Çeviri)
The assessment of credit risk has become an important issue due to the financial crises experienced in recent years. By determining the credit risk correctly, financial institutions can reduce their credit-related risks as much as possible by choosing not to give credit to individuals or institutions that apply for credit or to demand additional collateral. Credit risk assessment models are used to enable the financial institutions to make the right decision based on data. However, credit risk data generally show an unbalanced distribution with respect to the ratio of risky and non-risky individuals. In classification models, an unbalanced form results in biased predictions in favor of the majority class, and the classification accuracy remains very low for the minority class which includes risky individuals. Due to its relatively high risk and resulting serious financial losses, banks and financial institutions, in practice, attach greater importance to determining minority class cases. In this study, Fuzzy Regression Function (BRF) approach was used to evalaute the home credit risk. It is aimed to avoid the disadvantages brought by the unbalanced data set and to obtain higher accuracy estimates of the minority class by using the resampling method, as well as to improve the performance of traditional machine learning methods with the BRF approach. The findings obtained using the open source home credit dataset were evaluated using different performance criteria. Different applications using the resampling method for the unbalanced home credit data set show that BRF approach achieves superior classification accuracy compared to classical machine laarning methods.
Benzer Tezler
- Ridge regresyona dayalı tip 1 bulanık regresyon fonksiyonları yaklaşımı ile yabancılara yapılan aylık konut satışı öngörüsü
Forecasting mountly housing sales to foreigners with type 1 fuzzy regression functions approach based on ridge regression
MİNEL DEMİRKAN PİŞKİN
- Learning of interval Type-2 fuzzy logic systems using big bang – big crunch optimization
Aralık değerli Tip-2 bulanık sistemlerin büyük patlama – büyük çöküş optimizasyonuyla eğitilmesi
CİHAN ÖZTÜRK
Yüksek Lisans
İngilizce
2014
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiKontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. ENGİN YEŞİL
- Les applications de régression floue et d'optimisation floue aux problemes de sélection de la technologie
Bulanık regresyon ve bulanık optimizasyonun teknoloji seçimi problemlerine uygulamaları
ZEYNEP YILMAZ
Yüksek Lisans
Fransızca
2005
Endüstri ve Endüstri MühendisliğiGalatasaray ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF.DR. ERTUĞRUL KARSAK
- Bulanık regresyon fonksiyonları yaklaşımı ile giresun ili aylık ortalama rüzgâr hızı tahmini
Monthly average wind speed forecasting in giresun province with fuzzy regression functions approach
ABDULLAH YILDIRIM
- Fuzzy regression modeling of defect rates in a metal casting process
Bir metal döküm sürecindeki hata oraninin bulanik regresyon yöntemi ile modellenmesi
TUNA KILIÇ
Yüksek Lisans
İngilizce
2009
Endüstri ve Endüstri MühendisliğiÇankaya ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. GÜLSER KÖKSAL
YRD. DOÇ. DR. ÖZLEM TÜRKER BAYRAK
