Bankalarda Kobi kredilerini değerlendirmeye ilişkin bir yaklaşım : Yapay sinir ağları

Abstract

Bankaların karsı karsıya oldugu riskler nedeni ile yükümlülüklerini yerinegetiremeyecek duruma düsmesini önlemek ve standart uygulamalar gelistirmekamacıyla global düzeyde düzenlemelere gidilmektedir. Bu düzenlemeler ile bankalarınve ekonomik sistemin saglıklı islemesine yönelik muhtemel risklerin izlenmesi vekontrolünü saglamak üzere olusturacakları iç denetim ve risk yönetim sistemlerineiliskin esas ve usullerin belirlenmesi, tasınan risklere karsılık yeterli sermayeninbulundurulması amaçlanmaktadır. Sorunlu kredilerin olumsuz etkilerinin önünegeçilmesi, kaynakların optimal dagılımı ve verimli kullanılması ancak karsılasılmasımuhtemel ve öngörülebilir risklerin bugünden tespit edilerek riskin dogru yönetilmesive gerekli aksiyonların bugünden alınmasına baglıdır. Bu çalısmanın amacı; riskdegerlendirmesinin büyük ölçekli kurumsal firmalara oranla daha zor olduguKOB'lerde mali basarısızlıgın tahmini ile ilgili olarak alternatif bir yöntem ortayakoymaktır. Yapılmıs olan bu tez çalısmasında, ekonomimizin temelini veBankalarımızın son dönemdeki odak noktasını olusturan ve KOB'lerle ilgilibasarısızlık tahminlerinde mali verilerin tek basına yeterli olmadıgından hareketle, dahaönce basarı ile uygulanmıs olan Diskriminant Analizi, Lojistik Regresyon ve YapaySinir Agı yöntemleri ile birer uygulama yapılarak sonuçlar karsılastırılmıs, iyi ve kötükredi ayrımının Yapay Sinir Agı modeli ile daha basarılı sekilde yapıldıgı sonucunaulasılmıstır

Global regulations take effect to prevent banks from a position where they arenot able to meet their requirements because of risks they encounter and to set standardprocedures. With these regulations, in order to achieve sound and reliable banks andeconomic systems, it is intended to determine internal auditing and risk managementprinciples and procedures that enable banks to monitor and control potential risks and topossess funds that can match risks taken. Preventing micro and macro economicproblems, distributing resources optimally, and using resources efficiently may only bepossible by determining and managing foreseeable risks and taking necessary actionstoday. The objective of the current study was to establish a novel method to forecastfinancial failure in SME?s, where risk evaluation is more complex and difficultcompared to large scale organizations. In this dissertation, from a standpoint thatfinancial variables are not adequate to predict financial failure in SME?s, which receivefocal attention from banks in recent years, Discriminant Analysis, Logistic Regression,and Artificial Neural Networks methods were utilized separately and compared.Comparing these three techniques, it was found that the discrimination of good and badcredit was best achieved by the Artificial Neural Networks model