Credit evaluation through boosted decision trees
Arttırılmış karar ağaçları ile kredi değerlendirme
- Tez No: 491196
- Danışmanlar: YRD. DOÇ. DR. TEVFİK AYTEKİN
- Tez Türü: Yüksek Lisans
- Konular: Bankacılık, Maliye, Mühendislik Bilimleri, Banking, Finance, Engineering Sciences
- Anahtar Kelimeler: Karar ağacı, Tüketici kredileri, Decision tree, Consumer credits
- Yıl: 2018
- Dil: İngilizce
- Üniversite: Bahçeşehir Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu çalışma Türkiye'de kredi sürecinin otomatikleştirilmesi ile ilgilidir. Yazılım odaklı çözümler teknolojik gelişim ile birlikte finansal kuruluşların önemli bir parçası haline gelmiştir. Kredi başvurularının sayısının büyük oranlarda artması, daha karmaşık kredi süreçleri ile beraber değerlendirme sürecinin daha kısa sürede tamamlanması gereksinimini ortaya çıkarmıştır. Bu gereksinim finansal kuruluşları, yarı otomatik veya tamamen otomatikleştirilmiş kredi süreçlerine yönlendirmiştir. Yarı otomatik sistemler, kredi değerlendirmesinde kullanılan kuralların iyi tanımlanmış olmasına ihtiyaç duymaktadır. Bu ihtiyacı karşılamak üzere birçok şirket kendi kural setlerini oluşturmuş ve bunlara dayalı değerlendirme sistemleri kurmuştur. Bu sistemler uzunca bir süredir hayatımızda olmasına rağmen, artan ihtiyaçlar bu tür yapıların bakımını neredeyse imkansız hale getirerek, tam otomatikleştirilmiş sistem gereksinimi zorunlu kılmıştır. Makine öğrenmesi, bu tarz bir ihtiyacı karşılamak için kullanılabilecek önemli bir araçtır. Karar Ağacı algoritması, ihtiyaç duyulan kural setini verilerden oluşturma özelliğine sahip olduğundan, gereksinimi karşılamak için çok uygundur. Bu yaklaşım, Türkiye'deki düzenlemelere de uymaktadır. İlgili düzenleme, her bir kredinin değerlendirme kriterleri ile açıklanabilir olmasını ve kredinin neden tahsis edilip edilmediğinin açıklanmasını gerektirir. Karar Ağacı yapısal bir yaklaşım olduğu için, kural tabanlı süreçlere uygulanabilir ve iyi sonuçlar üretir. Bu çalışma ile Karar Ağaçları algoritmasına odaklanarak, Boosting, Bagging ve Stacking gibi optimizasyon algoritmaları da derinlemesine incelenecektir. Ayrıca, oluşturulan modellerin çıktılarını yeni bir girdi seti olarak kullanan Custom Stacking tekniği kullanılarak yeni bir yaklaşım önerilecektir. Bu yeni veri kümesinin üstüne yeni modeller oluşturulacak ve standart çıktılarla karşılaştırılacaktır.
Özet (Çeviri)
This study deals with the automatization of loan process in Turkey. As technology grows computing became a very important part of financial institutes. Number of loan applications has grown dramatically in years which resulted in requirement of more complex loan process and less amount of time for evaluation. This requirement changed direction to a semi-automated or fully automated loan processes. Well defined rules are prerequisite for semi-automated credit evaluation systems. Many companies created their own rule sets and built evaluation systems based on these rules. These systems hold out for a long time but eventually maintenance of such structures became harder that resulted in requirement of fully automated systems. Machine learning is the key to achieve this kind of system. Decision Tree algorithm satisfies this requirement since it has capabilities to create this rule set from data itself. This approach fits well to regulations in Turkey. These regulations require that every loan should be explained in terms of their evaluation criteria. Decision Tree is a structural approach and most of the time produces good results with data sets applicable to rule based structures. Focusing on this algorithm, this study will dive deep into algorithms that can be applied to Decision Trees such as boosting, bagging and stacking. Also, a new approach will be proposed by using custom stacking technique which uses multiple models' outputs as input features and creates new models on top of this new data set.
Benzer Tezler
- Türkiye'de ticari bankalarda ticari ve kurumsal kredi taleplerinin değerlendirilmesi
Evaluation of commercial and institutional credit's demands in Turkish commercial banks
GÖKHAN AÇIKGÖZ
Yüksek Lisans
Türkçe
2005
BankacılıkDokuz Eylül Üniversitesiİktisat Ana Bilim Dalı
YRD. DOÇ. DR. İSMAİL MAZGİT
- Türkiye'de KOBİ niteliğinde faaliyet gösteren tekstil üretim işletmelerinin basel II kriterleri çerçevesinde kredi derecelendirme metodolojisi uygulaması
The application of credit evaluation methodology according to basel II criteria in textile producing sme's in Turkey
BÜLENT BİNGÖL
- Tüketici kredisi taleplerinin yapay öğrenme modelleriyle değerlendirilmesi
Evaluation of consumer credit requests via machine learning models
NECATİ ALPEREN
Yüksek Lisans
Türkçe
2019
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik Üniversitesiİşletme Mühendisliği Ana Bilim Dalı
DOÇ. DR. TOLGA KAYA
- Bankalar için işletmelerin kredi taleplerinin değerlendirilmesinde yeni bir ölçüt önerisi: Net İşletme Sermayesinin gelecekteki değeri
A suggestion on a new criterion for the banks in the evaluation of credit requisitions: The value of Net working capital in the future
ALİ FARUK AÇIKGÖZ
- Katılım bankalarında kredi derecelendirmesi ve etkin subjektif kriterlerin anket yöntemi ile ölçümü
Credit rating at participation banks and the measurement of effective subjective criterias with questionniremethod
MEHMET YEŞİLYAPRAK