İhtiyaç kredilerinde yapay sinir ağları uygulaması

Abstract

Türkiye ekonomisinde finansal sektör ve bankacılık sektörü önemli bir role sahiptir. Özelikle 2001 krizi sonrasında Türk bankacılık sektörünün aktifinde yaşanan artış ile bankacılık sektörünü bölgedeki en güçlü bankacılık sektörlerinden birisi olmuştur. 2001-2015 arasına sektör ciddi oranda yüksek bir artış yakalamıştır. Sektörün aktif büyüklüğe ulaşmasında kredilerde yaşanan artışların ciddi katkısı olmuştur.Artan kredi portföyü bankalardaki riskinde artmasına neden olmuştur. Bankalar artan kredi risklerini düşürmek amacıyla farklı kredi skorlama modelleri denemektedir. Söz konusu kredi skorlama modelleri bankaların kredi süreçlerinde önemli bir yere sahiptir. Günümüzde geleneksel modellerin yanı sıra modern istatistiki tekniklere de yer verilmektedir.Çalışmada modern istatistiki yöntemlerden birisi olan yapay sinir ağları uygulamasına yer verilmiştir. Çalışma da bir bankanın ihtiyaç kredisi kullanan müşterilerine ilişkin veriler ile makro verilere yer verilerek analizler yapılmıştır. Analizlerde yapay sinir ağları içerisindeki veri setinin kısımları ile gizli katmanda yer alan nöron sayıları değiştirilerek başarı oranı yüksek modeller elde edilmeye çalışılmıştır. Sonrasında gri bölge tanımlaması ve ihtiyaç kredileri özelinde finansal analiz yapılmıştır. Sonuç kısmında ise tüm modeller birbirleriyle karşılaştırılarak en başarı model bulunmaya çalışılmıştır.Anahtar Kelimeler: Krediler, İhtiyaç Kredileri, Yapay Sinir Ağları

The financial sector and the banking sector have an important role in Turkish economy. Especially after the crisis in 2001, with the increase in the asset sizes, Turkish banking sector became one of the strongest banking sector in the region. Assets size has increased sharply in banking sector between 2001-2015. Extension of loan has a positive contribution to asset size of banks in banking sector. Increased credit portfolio caused has also increased the risks in the banks. Banks apply different methods to minimize the credit risk. These credit scoring models has a crucial role in lending process of banking. Nowadays, traditional models as well as modern statistical methods are used by credit scoring models.This study includes artificial neural networks as one of the modern statistical methods. In the study, analysis were made by using a bank's data about the customers who use loans and the macroeconomic data. In the analyses, through changing the dataset of the artificial neural networks and the number of neurons in the hidden layer, high success rate models were tried to be obtained. Financial analysis was performed with respect to consumer loans. Then, a grey area was defined to increase the success of the model. At the end, all models were compared to find most successful model.Keywords: Loans, Consumer Loans, Neural Network