Big five personality traits as predictors of financial wellbeing: A big data approach

Abstract

Bu çalışma, kredi kartı işlemlerinin kart sahibinin kişilik özelliklerine dayandırılabileceğiüzerine temellendirilmiştir. Bu araştırmada, kredi kartı işlemlerinden türetilen müşterilerinbeş büyük kişilik özelliğinin finansal refahlarını öngörüp öngörmediğini araştırıyoruz.Yaklaşımımızda, 911.280 adet işlemle İstanbul'da yaşayan 10.172 tüketicinin demografikve mali kayıtlarını içeren özel bir Türk bankasından elde edilen gerçek verilerikullanıyoruz. Verimizdeki satın alma kategorilerini Matz, Gladstone ve Stillwell'inçalışmasından (2016) büyük beş kişilik özelliği ile ilgili satın alma kategorileri ileeşleştirerek filtreliyoruz. Öncelikle, Matz ve çalışma arkadaşlarının çalışmasını göz önündebulundurarak harcama kategorilerini beş kişilik kişilik özelliği ile ilişkilendirdik (2016).Ardından, müşterilerin büyük beş faktör puanını, işlemlerinin tekil büyük beş puanını aylıkolarak toplayarak hesaplıyoruz. Daha sonra, aylık büyük beş kişilik puanı ile kredi kartıfaturalarının ödenme davranışı arasındaki ilişkiyi araştırıyoruz. Ana modelimizde, aylıkbüyük beş kişilik puanını ve yıllık ve altı aylık trendlerini bağımsız değişkenler olarakkullanıp, müşterilerin fatura bedelinin tamamını zamanında ödeme davranışını rastgeletahminlemeden % 8,8 daha iyi (% 54,4 AUROC değeri ile) tahmin ettik.

Research has posited credit card transactions as highly probable to be grounded on thepersonality of the card holder. In this research, we investigate whether the big fivepersonality traits of customers derived from credit card transactions predict their financialwellbeing. Our approach uses real data from a private Turkish bank, which contain boththe demographic and financial records of 10,172 consumers located in Istanbul with911,280 transactions. We filter purchasing categories related to the big five personalitytraits from Matz, Gladstone, and Stillwell's study (2016). First, we link spendingcategories to the big five personality traits by considering Matz et al.'s study (2016). Thenwe calculate the big five factor scores of customers by monthly aggregating the individualbig five scores of their transactions. Next, we investigate the relationship between themonthly big five personality scores and payment behavior of their credit card statements.In our main model, we estimated customers' on-time payment behavior of the full amountdue 8.8 % better than a random prediction (with 54.4 % AUROC value) by using theirmonthly big five personality scores and yearly and six-month based trends as independentvariables.