Türk bankacılık sektöründe kredi riski yönetimi ve riskin ölçülmesi
Credit risk management and credit risk measurement in the Turkish banking sector
- Tez No: 865960
- Danışmanlar: PROF. DR. HÜSEYİN DAĞLI, PROF. DR. AHMET KURTARAN, PROF. DR. KEMAL EYÜBOĞLU
- Tez Türü: Yüksek Lisans
- Konular: İşletme, Business Administration
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Karadeniz Teknik Üniversitesi
- Enstitü: Sosyal Bilimler Enstitüsü
- Ana Bilim Dalı: İşletme Ana Bilim Dalı
- Bilim Dalı: Finans Bilim Dalı
- Sayfa Sayısı: 90
Özet
Banka iflaslarını doğru bir şekilde tahmin edebilmek hem yerel hem de global ekonomide hayati bir öneme sahiptir. İflas eden bankaların yarattığı etkiler yalnızca banka müşterilerini ve çalışanlarını değil, aynı zamanda finans sistemi içerisinde yer alan diğer paydaşları da derinden etkilemektedir. Potansiyel krizlerin ve olası etkilerinin önceden tespit edilerek önüne geçilmesi finansal istikrarın sürdürülebilir kılınması açısından avantaj sağlamaktadır. Çalışmada Türkiye'deki banka iflaslarını sınıflandırmak amacıyla 6 farklı makine öğrenmesi algoritması kullanılmış olup, çalışma örneklemini 1998 – 2000 yılları arasında Türkiye'de faaliyette bulunan 37 özel ticari bankanın finansal verileri oluşturmaktadır. Bu araştırmaya devam etmek için en iyi sınıflandırıcıların bulunmaya çalışıldığı bir dizi ön deneyden sonra Lojistik regresyon, Çok Katmanlı Algılayıcı (MLP), Rastgele Orman, J48, XGBoost (Gradient Boosting), GLMBoost (Genel Doğrusal Model) modelleri kullanılmıştır. Modelleme sonrasında tahmin başarısı en yüksek modelin %97 başarı ile Çok Katmanlı Algılayıcı modeli olduğu görülmüştür. Diğer taraftan genel doğrusal model ile Çok Katmanlı Algılayıcı yapılan çalışmada en yüksek AUC değerine sahip modeller olarak karşımıza çıkmaktadır. Her iki modelin sınıfları ayırt etmedeki kabiliyetlerinin oldukça yüksek olduğu görülmektedir.
Özet (Çeviri)
Analyzing bank failures accurately is vital for both the local and global economy. The effects of bankrupt banks on the financial system deeply affect not only depositors and bank employees, but also other stakeholders of the financial system. Identifying and preventing potential crises and their possible effects early provides an advantage in terms of making financial stability sustainable. In this study, 6 different machine learning algorithms were used to classify bank failures in Turkey, and the sample of the study consists of financial data of 37 private commercial banks operating in Turkey between 1998 and 2000. To continue this research, after a series of preliminary experiments to find the best classifiers, Logistic regression, Multilayer Perceptron (MLP), Random Forest, J48, XGBoost (Gradient Boosting), GLMBoost (General Linear Model) models were used. After modeling, it was seen that the model with the highest prediction success was the Multi-Layered Perceptron model with 97% success. On the other hand, the study using the general linear model and Multilayer Perceptron appears as the models with the highest AUC value. It can be seen that both models have high ability to distinguish classes.
Benzer Tezler
- Bankacılıkta faiz ve kur riski yönetimi ve Türkiye uygulamaları
Interest rate and currency risk management in banking and practices in Turkey
CENGİZ UZUN
- A stress testıng framework for the Turkısh bankıng sector: an augmented approach
Türk bankacılık sektörü için bir stres testi çerçevesi: Bir genişletilmiş yaklaşım
BAHADIR ÇAKMAK
Doktora
İngilizce
2014
BankacılıkOrta Doğu Teknik Üniversitesiİktisat Ana Bilim Dalı
PROF. DR. NADİR ÖCAL
- Türkiye'de ve Dünya'da mevduat sigorta sistemi
Deposit protection system in Turkey and in the world
ÖZGÜR DÖKDÖK
- Bankacılık sektöründe kredi riski yönetimi: Türk bankacılık sektöründe kredi riskini belirleyen değişkenler üzerine bir uygulama
Credit risk management in banking sector: An application of variables determining credit risk in Turkish banking sector
TUNAHAN AVCI
Yüksek Lisans
Türkçe
2011
BankacılıkÇukurova Üniversitesiİşletme Ana Bilim Dalı
PROF. DR. YILDIRIM BEYAZIT ÖNAL