Bankacılıkta kredi derecelendirme modeli

Abstract

Bir kredi derecelendirme modeli, her başvuru sahibi veya belirli koşulları karşılayan mevcut her müşteri için temerrüt olasılığına (probabilty of default - PD) sahiptir. Bu, bankaların daha objektif, tutarlı, hızlı ve verimli borç verme kararları almalarını ve daha az idari çalışma ve düşük risk ile kredi operasyonlarını yönetmelerini sağlar. Ayrıca, bankacılık sektörünün yönetim kurumlarının da bir gereğidir. Bu amaçla oluşturulan skorkart da açıklayıcı değişkenler ile başvuranın temerrüt olasılığı arasındaki ilişkiyi yansıtır. Uygulamadan sonra, eğitimli model, yeni bir başvuruya veya her başvuru sahibine veya belirli koşulları karşılayan mevcut her müşteriye temerrüt olasılığı kullanılarak elde edilen bir skor atar. Bu tezin amacı, özel banka müşterilerinin kredi derecelerinin geliştirilen bir model ile tespit edilmesi ve bu modelin gerçekleşen sonuçlar ile ne derecede uyumlu olduğunun, bir başka ifade ile model tutarlılığı ve güvenilirliğinin test edilmesidir. Kredi derecelendirmesi için çeşitli son teknoloji makine öğrenimi ve gelişmiş istatistiksel yöntemler kullanılmaktadır ve çalışmamızda, çıktılarda yeterli doğruluk, verimlilik ve yorumlanabilirlik dengesi sağladığı için endüstride en yaygın kullanılan tahmin yöntemlerinden birisi olan lojistik regresyon yöntemi tercih edilmiştir. Tezin bundan sonraki bölümlerinin yapısı şu şekildedir: 2. Bölüm’de kredi derecelendirme kavramına genel bir bakış sunulmuş, tarihsel gelişim süreci, uygulama alanları ve yeni trendler hakkında bilgiler paylaşılmıştır. Bölümün devamında bankacılık sisteminde kredi derecelendirme üzerine yapılmış çalışmalardan bir kesit sunularak yaygın olarak kullanılmış modellerin literatürdeki karşılaştırılmasına yer verilmiştir. Bölümün sonunda ise kredi derecelendirme modellerinin teknik ayrıntıları paylaşılmış, çalışmanın ana odağında yer alan lojistik regresyon modellerinin üzerinde durulmuştur. 3. Bölüm ampirik sonuçların paylaşıldığı bölümdür. Burada çalışmada kullanılan veri sözlüğü paylaşılmış, devamında bağımlı ve bağımsız değişkenlerin seçim süreci hakkında detaylar verilmiştir. Modelin geliştirilmesi ve performans analizlerinin ardından model geçerliliğinin test edilmesi ile ampirik bölüm tamamlanmıştır. Sonuç bölümünde ise çalışmanın amacı, kullanılan veri seti ve elde edilen bulgular özetlenmekte; son olarak çalışmaya dair çeşitli kısıtlardan bahsederek gelecek araştırmalar için tavsiyelerde bulunulmaktadır. temerrüt olasılığı (PD), kredi derecelendirme modelleri, kredi puanlama modelleri, lojistik regresyon, kredi riski, risk yönetimi, Türk bankaları.

Bir kredi derecelendirme modeli, her başvuru sahibi veya belirli koşulları karşılayan mevcut her müşteri için temerrüt olasılığına (probabilty of default - PD) sahiptir. Bu, bankaların daha objektif, tutarlı, hızlı ve verimli borç verme kararları almalarını ve daha az idari çalışma ve düşük risk ile kredi operasyonlarını yönetmelerini sağlar. Ayrıca, bankacılık sektörünün yönetim kurumlarının da bir gereğidir. Bu amaçla oluşturulan skorkart da açıklayıcı değişkenler ile başvuranın temerrüt olasılığı arasındaki ilişkiyi yansıtır. Uygulamadan sonra, eğitimli model, yeni bir başvuruya veya her başvuru sahibine veya belirli koşulları karşılayan mevcut her müşteriye temerrüt olasılığı kullanılarak elde edilen bir skor atar. Bu tezin amacı, özel banka müşterilerinin kredi derecelerinin geliştirilen bir model ile tespit edilmesi ve bu modelin gerçekleşen sonuçlar ile ne derecede uyumlu olduğunun, bir başka ifade ile model tutarlılığı ve güvenilirliğinin test edilmesidir. Kredi derecelendirmesi için çeşitli son teknoloji makine öğrenimi ve gelişmiş istatistiksel yöntemler kullanılmaktadır ve çalışmamızda, çıktılarda yeterli doğruluk, verimlilik ve yorumlanabilirlik dengesi sağladığı için endüstride en yaygın kullanılan tahmin yöntemlerinden birisi olan lojistik regresyon yöntemi tercih edilmiştir. Tezin bundan sonraki bölümlerinin yapısı şu şekildedir: 2. Bölüm’de kredi derecelendirme kavramına genel bir bakış sunulmuş, tarihsel gelişim süreci, uygulama alanları ve yeni trendler hakkında bilgiler paylaşılmıştır. Bölümün devamında bankacılık sisteminde kredi derecelendirme üzerine yapılmış çalışmalardan bir kesit sunularak yaygın olarak kullanılmış modellerin literatürdeki karşılaştırılmasına yer verilmiştir. Bölümün sonunda ise kredi derecelendirme modellerinin teknik ayrıntıları paylaşılmış, çalışmanın ana odağında yer alan lojistik regresyon modellerinin üzerinde durulmuştur. 3. Bölüm ampirik sonuçların paylaşıldığı bölümdür. Burada çalışmada kullanılan veri sözlüğü paylaşılmış, devamında bağımlı ve bağımsız değişkenlerin seçim süreci hakkında detaylar verilmiştir. Modelin geliştirilmesi ve performans analizlerinin ardından model geçerliliğinin test edilmesi ile ampirik bölüm tamamlanmıştır. Sonuç bölümünde ise çalışmanın amacı, kullanılan veri seti ve elde edilen bulgular özetlenmekte; son olarak çalışmaya dair çeşitli kısıtlardan bahsederek gelecek araştırmalar için tavsiyelerde bulunulmaktadır. temerrüt olasılığı (PD), kredi derecelendirme modelleri, kredi puanlama modelleri, lojistik regresyon, kredi riski, risk yönetimi, Türk bankaları. ABSTRACT CREDIT RATING MODEL IN BANKING MURAT CEYLAN A credit rating model has the probability of default (PD) for every applicant or every existing customer who meets certain conditions. This enables banks to make more objective, consistent, fast and efficient lending decisions and manage their credit operations with less administrative work and lower risk. It is also a requirement of the management institutions of the banking sector. The scorecard created for this purpose also reflects the relationship between the explanatory variables and the default probability of the applicant. After implementation, the trained model assigns a score using the probability of default to a new application or to each applicant, or to each existing customer that meets certain conditions. The aim of this thesis is to determine the credit ratings of private bank customers with a developed model and to test the consistency and reliability of the model, in other words, to what extent this model is compatible with the actual results. Various state-of-the-art machine learning and advanced statistical methods are used for credit rating, and in our study, logistic regression method, which is one of the most widely used estimation methods in the industry, was preferred because it provides a sufficient balance of accuracy, efficiency and interpretability in the outputs. The structure of the next parts of the thesis is as follows: In the 2nd part, an overview of the concept of credit rating is presented, information about the historical development process, application areas and new trends are shared. In the continuation of the section, a section of the studies on credit rating in the banking system is presented and a comparison of widely used models in the literature is given. At the end of the chapter, the technical details of the credit rating models are shared and the logistic regression models, which are the main focus of the study, are emphasized. Section 3 is the section where empirical results are shared. Here, the data dictionary used in the study is shared, and then the details about the selection v process of dependent and independent variables are given. After the development of the model and performance analysis, the empirical part was completed by testing the validity of the model. In the conclusion part, the purpose of the study, the data set used and the findings obtained are summarized; Finally, recommendations for future research are made by mentioning various limitations of the study.