An empirical study on credit early warning systems

Abstract

Mali sıkıntı yaşayan müşterilerin tespiti gerek banka kârı, gerekse de regülasyonlar açısından çok önemli bir konsepttir. Birinci jenerasyon tahminleme modelleri bilanço ve gelir tabloları gibi finansal tablolardan elde edilen dikotom (ikili) değişkenler üzerine kurgulanmış olup zaman boyutunda değişkenleri ihtiva etmemektedir. Borçlunun iflası tabiri ile müşterinin kredisini geri ödeme kapasitesini kaybetmesi ve/veya iflas hali ile birlikte banka tarafından alacağın nakde dönüştürülmesi ile ilgili hukuki süreçlerin başlatıldığı durum ifade edilmektedir. Bu çalışmada, saygın bir Katılım Bankası'ndan 2005 – 2012 yılları arasını kapsayan 15,593 farklı müşteriye ait 202,615 gözlem datası kullanılarak Cox PH – Proportional Hazard yöntemi ile iflasa meyilli olan borçlular önceden tespit edilmeye çalışılmıştır.Bildiğimiz kadarıyla, bu çalışma banka datası üzerinden Cox PH yöntemi kullanılarak iflasa meyilli müşteri tahminlemesinin yapıldığı ilk çalışmadır. Ana bankacılık sisteminden alınan müşteri hesap ve kredi kayıtları ile yapılan ilk çalışma olduğunu da belirtmek gerekir. Geleneksel yöntemlerden farklı olarak müşterinin finansal tabloları çalışmamızda kullanılmamıştır.Çalışmamızda üç farklı tahmin modeli geliştirdik ve modellerimizin birbirine karşı tahmin performansını ölçümleyebilmek için de `seçicilik rasyosu` ile `iflas tutturma oranı` adını verdiğimiz iki değişken kullandık. 2012 yıl sonu datasını kullanarak Model 3 ile yaptığımız tahminlemede 2013 yılının ilk üç ayında iflas eden müşterilerin %72.41'inin, 2013 yılında iflas eden müşterilerin ise %58.37'sinin modelimiz tarafından önceden tahminlendiğini gördük.

Due to its impact on profitability and its potential regulatory consequences, financial distress prediction is vitally important for banks. The first generation of prediction models were based on the dichotomous classification of survival versus failure states and utilized balance sheet figures, and income statements of bank customers to make predictions. However those models were not designed to accommodate the change in the financial situation of bank customers over time. We define default broadly as the bank declaring a loan as non-performing or initiating the legal process to collect the claimed amounts from the borrower. In this study, we use Cox's PH – Proportional Hazard approach to predict the potential defaulters using an unbalanced panel data set from 2005 and 2012. We have 202,615 observations on 15,593 customers obtained from one of the most reputable participation banks.To our knowledge it is the first application of the Cox PH model to predict financial distress of bank borrowers. It is also important to note that it is also the first such study where only core banking information namely accounting and lending records is used. We did not adopt the traditional approach and thus did not use customer financial statements in our study. We create three different financial distress models and use selectivity ratio and success rate for defaulters terminology to analyze which model's predictive performance is better. We conclude that, 72.41% of actual defaulters in the first quarter of 2013 and 58.37% of actual defaulters in 2013 have already been predicted by our Model at the end of 2012.