Bankacılık sektöründe sorunlu kredi̇ oluşumunun tespi̇ti̇ne bi̇li̇msel yaklaşım

Abstract

Dijitalleşmenin iş dünyasındaki önemi son zamanlarda artmaktadır. Yapay zekâ tabanlı uygulamaların kullanımı yaygınlaşmakta ve sektör içi rekabette başarının sağlanmasında bu uygulamalar ön plana çıkmaktadır. Bankacılık sektörünün de sorunlu kredi oluşumuna engel olmak adına, söz konusu trende uyarak, kredi analizi ve tahsisi süreçlerini dijital yapılarla kuvvetlendirmesi gerekmektedir. Bu sayede, olumsuz sonuçların meydana gelmesi öncesinde bertaraf edilmesi mümkün hale gelecektir. Bu çalışmada; kredilerin sorunlu hale gelmesi, bu kredileri kullanan işletmelerin finansal başarısızlıklarıyla ilişkilendirilmekte ve sorunlu kredi oluşumunun tespitine ilişkin uygulanabilecek bilimsel çalışmalar değerlendirilmektedir. Sonuçta, “yapay sinir ağlarının” sorunlu kredi oluşumunun tespitinde başarılı bir bilimsel yöntem olacağı ve bu yöntemin işletmelerin finansal verilerinin bir işleme sürecinden geçirilerek gerçekleştirilmesiyle daha başarılı çıktılar üreteceği öne sürülmektedir.The significance of digitalization in the business world has been rising, recently. The usage of artificial intelligence based applications has become prevalent and these applications have come into prominence for providing success in intra-industry competition. Banking industry should fortify loan analysis and assignment processes by digital frameworks, in order to prevent problem loans, keeping up with this trend, as well. Thus, it will be possible to get rid of negative results before they happen. In this study, problem loans are being associated with the financial failures of the companies that utilize these loans and scientific studies, which can be applied on determination of problem loans, are being evaluated. As a result, it is set forth that “artificial neural networks” shall be a prosperpous scientific method in determination of problem loans and this method will generate more successful outputs realizing it after passing the financial data of the companies through a sifting process.