Akademik Veri Yönetim Sistemi
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: Marmara Üniversitesi, Türkiye
Tezin Onay Tarihi: 2019
Tezin Dili: Türkçe
Öğrenci: Cenk Ali Nevruz
Danışman: AHMET METE ÇİLİNGİRTÜRK
Özet:Çalışmanın özü, ticari nitelikli kredi taleplerinin bankalarca değerlendirme süreçlerinde müşterilerini, edimlerine bağlı “iyi” müşteriler ile edimlerini yerine getiremeyen “kötü” müşterilerin ayrımının yapılmasını sağlayan kredi skorlama modeli önerisi geliştirilmesidir. Müşterileri kendi içlerinde iyi ve kötü olarak gruplandırma işlemi istatistiki olarak gözlem birimlerinin sınıflandırmasıdır. İstatistik teknikleri arasında gözlem birimlerinin sınıflandırılması için en yaygın kullanılan teknikler kümeleme analizi, diskirimant analizi ve lojistik regresyondur. İstatistiki olarak gözlem birimlerinin sınıflandırılması hususu, konumuz itibari ile müşterilerin sınıflandırılmasıdır. Sınıflandırma işleminin yapılabilmesi için iyi müşterilerin, kötü müşterilerinden farklılaştırması gerekmektedir. Farklılaştırma riskin sayısallaştırılması ile yapılabilmektedir. Kredi taleplerinin skorlanması yolu ile riskin sayısallaştırılması ve müşterilerini farklılaştırılmış gruplara atamasının yapılması için bir model öneren çalışmada lojistik regresyon modeli kullanılarak bir skorlama sistemi geliştirilmiştir. Modelde istatistik teknik olarak lojistik regresyon yönteminin önerilmesinin nedeni, konuyla ilgili olarak toplanan verilerin önemli kısmının kategorik veri niteliğinde olmasından kaynaklanmaktadır. -------------------- The essence of the study is the development of a credit scoring model proposal that enables banks to distinguish their customers from “good customers” in the process of evaluating commercial credit demands and “bad”customers who cannot fulfill their actions. The process of grouping customers as good and bad within themselves is the statistical classification of observation units. Among the statistical techniques, the most commonly used techniques for the classification of observation units are cluster analysis, discriminant analysis and logistic regression. Classification of observation units is the classification of customers according to the subject. In order to perform the classification process, good customers must differentiate from bad customers. Differentiation can be done by digitizing the risk. In our study, which proposes a model for quantifying risk by scoring loan demands and assigning its customers to differentiated groups, a scoring system has been developed by using logistic regression model. The reason why logistic regression method is proposed as statistical technique in the model stems from the fact that most of the collected data on the subject is categorical.