Kredi taksit ödemesini aksatmış müşterilerden kötü niyetli olmayanların makine öğrenmesi yöntemleri ile tespiti
Determination of non-malicious customers who have failed to pay credit installments with machine learning methods
- Tez No: 859358
- Danışmanlar: PROF. DR. HAMZA EROL
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Bilim ve Teknoloji, Ekonomi, Computer Engineering and Computer Science and Control, Science and Technology, Economics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Mersin Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 99
Özet
Müşterilerine borç veren her finans kurumunun sık karşılaştığı olumsuz durumlardan bir tanesi bu borcu vaktinde tahsil edememesidir. Alacağı aksamış bir finans kurumunun ilk amacı bu ödemeyi çeşitli yöntemlerle en kısa zamanda alabilmektir. Kurum bu amaçla müşterileri ile hızlıca irtibata geçerek yeni ödeme tarihi sözü almak veya müşterinin imkanlarına göre yeni yapılandırma seçenekleri sunmak ister. Ancak müşterilerden bazıları yeni yapılandırma seçeneklerini de reddederek normal yollarla ödeme yapmayacaktır. Finans kurumları bu tür müşterilerle vakit kaybetmeden önceliğini ödeme yapabilecek müşterilerine vermek istemektedirler. Bu tez çalışmasında, farklı sebeplerden dolayı aksatmış olduğu borcunu ödemeye devam edebilecek müşterilerin yapay zeka ve makine öğrenmesi metotları ile tespiti çalışması yapılmıştır. Kurumların hangi müşterilere öncelik verilmesi gerektiği hesaplanmıştır. Çalışmada ham veri setlerinin yapay zeka modelinde ve makine öğrenmesinde kullanılabilmesi için ön işlemler ve analizler uygulanmış, çok katmanlı algılayıcı ağları ağı, K-en yakın komşu ve rastgele orman yöntemleri kullanılmıştır. Hesaplama işlemlerinden daha hızlı sonuçlar alabilmek adına paralel programlama yöntemleri uygulanmıştır. Geliştirmelerde yapay zeka ve makine öğrenmesi programlamaya en uygun teknolojilerden olan Python programlama dili ve yapay zeka kütüphaneleri kullanılmıştır. Çalışmada %95'lik başarı oranları elde edilmiştir. Yapılan çalışmanın tutarlılığını gösterebilmek için 3 farklı gerçek finans veri seti ile çalışılmıştır. Literatürde bu konu ile ilgili açıklanmış bir çalışma henüz mevcut olmadığı için konusu yönüyle tamamen özgün bir çalışmadır. Bu sayede finans sektörü için önem arz eden ve henüz çalışılmamış bir konu literatüre kazandırılmıştır.
Özet (Çeviri)
One of the most common negative situations faced by every financial institution lending to its customers is the inability to collect this debt on time. The first purpose of a disrupted financial institution is to receive this payment as soon as possible by various methods. For this purpose, the company wants to contact its customers quickly to get a new payment date promise or to offer new configuration options according to the customer's possibilities. However, some customers reject new configuration options, nor will they pay normally. Financial institutions want to give priority to their customers who will can do payments without wasting time with such customers. In this thesis study, artificial intelligence and machine learning methods has been used to determine customers who may continue to pay their disrupted debt due to different reasons. It has been calculated customers should be given priority. In the Study, data pre-processing operations analyses are applied to raw dataset to use in, multilayer perceptron, K nearest neighbors and random forest methods are used. Parallel programming methods have been applied in order to get faster results from computational operations. In the developments, Python programming language and artificial intelligence libraries, which are the most suitable technologies for artificial intelligence and machine learning programming, were used. 95% success rate was achieved in the study. In order to show the consistency of the study, it has been studied with 3 different real finance data sets. It is a completely original study in terms of its subject, since there is no study on this subject explained in the literature yet. In this way, an important, has not been studied and need for the financial sector has been brought to the literature.
Benzer Tezler
- Kredi temerrüt swapları ve Türkiye'nin kredi temerrüt swap priminin belirlenmesine yönelik bir çalışma
Credit default swaps and a study to determine the credit default swap premium for Turkey
ABDULLAH SELİM KUNT
- Bankalarda kartlı ödeme sistemleri ve muhasebesi
Card payment systems of the banks and accounting
MESUT AK
- Gelişen ülkelerin 1973 sonrası dış borç sorunları ve çözüm önerileri
Başlık çevirisi yok
BURHAN AYDEMİR
