Affiliation:
1. Bursa Uludağ Üniversitesi
Abstract
Bankalar ve çeşitli finans kuruluşları tarafından karşılanan kredilerin, müşteri tarafından geri ödenememesi hem kredi veren kuruluşun sermaye kaybını hem de genel ekonomide oluşabilecek çeşitli risk faktörlerini beraberinde getirmektedir. Bu süreçte, oldukça kritik öneme sahip olan kredi riskinin doğru yönetilebilmesi ve uluslararası finans istikrarının sağlanması için Basel Komitesi ve BDDK (Bankacılık Düzenleme ve Denetleme Kurumu) gibi finans denetimi kuruluşları, kredi veren kurumların kredi verme karar aşamasında çeşitli regülasyon politikaları belirlemektedir. Ayrıca, kredi veren kurumlar analitik risk birimleri aracılığıyla kredi değerlendirme modelleri geliştirerek, müşterilere ait kredi risk skorunu hesaplamaktadır.
Bu çalışmada makine öğrenmesi yöntemiyle kredi skorlama sistemlerinde kullanılabilecek en başarılı tahmini gerçekleştiren algoritmanın belirlenmesi amaçlanmıştır. Bu kapsamda, Gradyan Artırma, Yapay Sinir Ağları, Lojistik Regresyon, Rassal Orman, Karar Ağacı, Destek Vektör Makineleri, K-En Yakın Komşu ve WOE dönüşümleriyle Lojistik Regresyon algoritmaları için modeller kurulmuş ve temerrüde düşen ve temerrüde düşmeyen müşteriler için en iyi sınıflandırma performansı gösteren Gradyan Artırma algoritması olmuştur.
Publisher
European Journal of Science and Technology
Subject
General Earth and Planetary Sciences,General Environmental Science
Reference28 articles.
1. Altan, G., & Demirci, S. (2022). Makine Öğrenmesi ile Nakit Akış Tablosu Üzerinden Kredi Skorlaması: XGBoost Yaklaşımı. Journal of Economic Policy Researches, 9(2), 397-424.
2. Apostolik, R., Donohue, C.,& Went, P., (2009). Foundations of Banking Risk: An Overview of Banking, Banking Risks, and Risk-Based Banking Regulation, Hoboken, New Jersey: John Wiley & Sons, Inc.
3. Barboza, F., Kimura, H., & Altman, E., (2017). Machine learning models and bankruptcy prediction, Expert Systems with Applications 83: 405–417.
4. BDDK, (2012), “Bankaların İç Denetim ve Risk Yönetimi Sistemleri Hakkında Yönetmelik”, https://www.resmigazete.gov.tr/eskiler/2012/06/20120628-17.htm (Erişim Tarihi: 24 Haziran 2020).
5. Bell, J., (2014), Machine Learning Hands-On for Developers and Technical Professionals, John Wiley & Sons, Inc., Indianapolis, Indiana.
Cited by
1 articles.
订阅此论文施引文献
订阅此论文施引文献，注册后可以免费订阅5篇论文的施引文献，订阅后可以查看论文全部施引文献