Risk management at commercial credits and alternative credit scoring model
Yükleniyor...
Tarih
2012
Yazarlar
Dergi Başlığı
Dergi ISSN
Cilt Başlığı
Yayıncı
İstanbul Bilgi Üniversitesi
Erişim Hakkı
Attribution-NonCommercial-NoDerivs 3.0 United States
info:eu-repo/semantics/openAccess
info:eu-repo/semantics/openAccess
Özet
In this thesis a credit scoring model is suggested in order to predict probability of default of banks client companies. By using real data obtained from one of the Turkey's largest commercial banks about manufacturing firms, default prediction logistic regression model was built. After credit scoring model was built, cut off values are used to map probability of default obtained from logistic regression. Cut off point is a score where credits with risk scores smaller than this point are predicted as good credit and others beyond this point are predicted as bad credit. In order to define optimum cut off point, bad credit ratio of prediction curve is constructed where actually bad credit ratio is plotted against the good credit percentage of prediction for all cut off values. Bad credit ratio of prediction curve used in order to show the trade off between risk and volume. Finally, Receiver Operating Characteristic (ROC) curve and Gini coefficient are used to test the result. Keywords: Credit Scoring, Logistic Regression, Commercial Credits
Bu çalışmada banka müşterisi olan firmaların kredilerini ödeyememe olasılıklarını tahmin eden bir skorlama modeli önerilmektedir. Üretim firmaları hakkında Türkiye'deki bir bankadan elde edilen gerçek veri seti kullanılarak borcu ödememe tahmini yapan bir lojistik regresyon modeli oluşturulmuştur. Model oluşturulduktan sonra, kesim noktaları kullanılarak, model sonucu hesaplanan kredilerin ödenmeme olasılıkları sınıflandırılmıştır. Her kesim noktası için bu noktanın üzerinde kalan krediler kötü kredi, altında kalan krediler iyi kredi olarak belirtilmiştir. En uygun kesim noktasını bulmak amaçlı, her kesim noktası için iyi kredi olarak tahmin edilen kredi yüzdesi ve gerçekte kötü kredi olup iyi kredi olarak tahmin edilen bu kredilerin içinde kalan kredi oranından oluşan grafik çizilmiştir. Bu grafik risk ve hacim karşılaştırması yapmak amaçlı kullanılmıştır. Sonuç olarak ise ROC doğrusu ve Gini katsayısı ile modelin sonuçları ve performansı değerlendirilmiştir. Anahtar kelimeler: Kredi Skorlama, Lojistik Regresyon, Ticari Krediler
Bu çalışmada banka müşterisi olan firmaların kredilerini ödeyememe olasılıklarını tahmin eden bir skorlama modeli önerilmektedir. Üretim firmaları hakkında Türkiye'deki bir bankadan elde edilen gerçek veri seti kullanılarak borcu ödememe tahmini yapan bir lojistik regresyon modeli oluşturulmuştur. Model oluşturulduktan sonra, kesim noktaları kullanılarak, model sonucu hesaplanan kredilerin ödenmeme olasılıkları sınıflandırılmıştır. Her kesim noktası için bu noktanın üzerinde kalan krediler kötü kredi, altında kalan krediler iyi kredi olarak belirtilmiştir. En uygun kesim noktasını bulmak amaçlı, her kesim noktası için iyi kredi olarak tahmin edilen kredi yüzdesi ve gerçekte kötü kredi olup iyi kredi olarak tahmin edilen bu kredilerin içinde kalan kredi oranından oluşan grafik çizilmiştir. Bu grafik risk ve hacim karşılaştırması yapmak amaçlı kullanılmıştır. Sonuç olarak ise ROC doğrusu ve Gini katsayısı ile modelin sonuçları ve performansı değerlendirilmiştir. Anahtar kelimeler: Kredi Skorlama, Lojistik Regresyon, Ticari Krediler
