A modular approach for SMEs credit risk analysis
KOBİ kredi risk analizinde modüler yaklaşim
- Tez No: 246248
- Danışmanlar: PROF. FİKRET GÜRGEN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Kredi riski, Risk modellemesi, Temerrüt, Veri madenciliği, Yapay sinir ağları, Credit risk, Risk modelling, Default, Data mining, Artificial neural networks
- Yıl: 2009
- Dil: İngilizce
- Üniversite: Boğaziçi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Bölümü
- Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Kredi risk analizi, finansal alanda ilgi duyulan problemlerden biridir ve müsteriyekredi verildiğinde olusacak riski tahmin etmeyi hedefler. Risk tahmini hem müsteridavranısına, hem de ekonomik duruma bağlıdır. Buradaki zorluk, kredi uzmanlarınınmüsterilerden hangi verileri toplaması gerektiği, hangi kosullarda müsterilerin iyi olaraksınıflandırıldığı ve müsteriye kredi verildiğinde ne kadar risk alındığının tahminedilmesidir. Bu nedenle, kredi uzmanları ilgili kararları verirken müsteri tipine özel riskanaliz modüllerine ihtiyaç duyarlar.Bu tezde, gerçek Küçük ve Orta Boylu ?sletmeler (KOBI) için, kademeli çok tabakalıyapay sinir ağı-sinirsel kural çıkarıcı ve lojistik regresyon modeli sunuyoruz. Önhazırlıkasamasında, KOBI veritabanının öznitelikleri; karar ağacı, özyinelemeli öznitelik çıkarıcı,faktör analizi ve temel bilesen analizi ile seçiliyor. En iyi öznitelik kümesi özyinelemeliöznitelik çıkarıcı ile elde ediliyor. Ilk modülde, sınıflama metodu çok tabakalı yapay sinirağı, k-yakin komsu ve destek vektör makinesi arasından seçilmistir. Optimal sınıflayıcıolarak çok tabakalı yapay sinir ağı elde edilmis ve takip eden modüller bunun üzerinekurulmustur. Ikinci modülde, sınıflandırma amacıyla çok tabakalı yapay sinir ağını sinirselkural çıkarıcı takip etmektedir. Sinirsel Kural Çıkarıcı, müsteriler için ?iyi? kararının nasılverildiğini ortaya çıkarır. Temerrüt olasılığının tahmin edilmesi için, üçüncü modülde,lojistik regresyon tarafından takip edilen kademeli çok tabakalı yapay sinir ağı modeliniöneriyoruz. Son modülde, skor kartı elde etmek için, çok tabakalı yapay sinir ağı-lojistikregresyon modeli kümeleme metodu tarafından takip edilmistir. Deneylerde, özel TürkKOBI veritabanı kullanılmıstır. Kademeli çok katmanlı yapay sinir ağı-lojistik regresyonmodeli yüksek doğruluk oranı sağlamaktadır ve genel olarak kullanılan klasik lojistikregresyondan daha üstündür.
Özet (Çeviri)
Credit risk analysis is a challenging problem in financial analysis domain. It aims toestimate the risk occurred when a customer is granted. The risk estimation depends on bothcustomer behavior and economical condition. The challenge is how the credit expert willdetermine which information should be collected from applicants, under which condition acustomer will be classified as good and how much risk will be taken if the credit is grantedto the customer. Consequently, credit experts need intelligent customer-specific riskanalysis modules to support them when they make these decisions.In this thesis, we present a cascaded multilayer perceptron (MLP) rule extractor anda logistic regression (LR) model a for real-life Small and Medium Enterprises (SMEs). Inthe preprocessing phase, the features of Turkish SME database are selected by decisiontree (DT), recursive feature extraction (RFE), factor analysis (FA) and principalcomponent analysis (PCA) methods. The best feature set is obtained by RFE. In the firstmodule, the classifier is selected among MLP, k-nearest neighbor (KNN) and supportvector machine (SVM). The optimal classifier is obtained as MLP and the followingmodules are built on MLP. For classification purpose, MLP is followed by neural ruleextractor (NRE) in the second module. NRE reveals how the decision is made forcustomers as being ?good?. For the probability of default estimation (PD), we propose acascaded MLP which is followed by a LR model in the third module. MLP-LR model isfollowed by clustering method in the last module for scorecard development purpose. Inexperiments, confidential Turkish SME database is used. The cascaded MLP-LR modelprovides high accuracy rate and outperforms commonly used classical LR
Benzer Tezler
- An Object oriented approach to design of a modular shop floor controller
Başlık çevirisi yok
HAKKI ÖZGÜR ÜNVER
Yüksek Lisans
İngilizce
1996
Makine MühendisliğiOrta Doğu Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. ÖMER ANLAĞAN
- A Modular approach to designing English-Turkish translation courses for adult learners of english at post-intermediate level
İleri-orta düzeydeki yetişkin İngilizce öğrencileri için İngilizce'den Türkçe'ye çeviri kursu oluşturmaya modüler bir yaklaşım
HAKAN GÜR
- Fon ve nakit akım tablolarının düzenlenmesinde yeni bir yaklaşım olarak zorunlu modüler doğru yapma modeli önerisi
An unavoidable verifying modular model proposal, as a new approach for preparation of statements of cash flow and of funds flow
KAZIM KÖROĞLU
- A Modular ESP course design for the advanced learners of English at the Army Academy
Kara Harp Okulu`nda ileri düzey İngilizce öğrencileri için bir modüler ESP programı
REMZİ ULUŞAN
- Development of a systems based modular approach to link complex diseases
Kompleks hastalıkları birbirine bağlamak için sistem bazlı bir modüler yaklaşım geliştirilmesi
DENİZ RENDE
Doktora
İngilizce
2010
BiyomühendislikBoğaziçi ÜniversitesiKimya Mühendisliği Ana Bilim Dalı
PROF. BETÜL KIRDAR
