Makine öğrenmesi yöntemlerinin temerrüt oranı içsel derecelendirme modellerinde uygulanması
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: İstanbul Üniversitesi, Sosyal Bilimler Enstitüsü, İktisat Bölümü, Türkiye
Tezin Onay Tarihi: 2022
Tezin Dili: Türkçe
Öğrenci: ARDA AKI
Danışman: Erdinç Altay
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:Ekonomik kriz dönemlerinde finansal sistemin çökmesi tarihte de örnekleri görüldüğü üzere küresel çapta uzun süren ve ağır etkiler bırakmaktadır. Finansal sistemin en önemli unsurlarından biri olan bankaların da olası bir kötüleşen makroekonomik ortamda her zaman hazır durumda olmaları finansal sistemin devamlılığı açısından oldukça kritik bir öneme sahiptir. Bankaların ekonomik kriz zamanlarını finansal sistemin geneline etki etmeden atlatabilmeleri adına sahip oldukları sermaye miktarları ve yapısı oldukça önemlidir. Bankaların sermaye ve diğer konularda daha güçlü ve sağlam bir hale getirebilmek adına uygulamaya sokulan Basel kuralları, bankalara ne kadar miktarda ve oranda sermaye ayırmaları gereklilikleri gibi çeşitli gereksinimler getirmektedir. Bankalar için Basel kuralları ile gelen yeniliklerden biri ise, bankaların risk ağırlıklı varlıklar gibi hesaplamaları yapmakta kullandıkları parametreleri kendi içsel modelleri ile hesaplama özgürlüğü getirmeleridir. Bankaların bu bağlamda kendi içsel modelleri ile hesaplayabileceği parametreler başlıca Temerrüt Oranı, Temerrüt Halinde Kayıp ve Temerrüte Maruz Değer olarak öne çıkmaktadır. Bu modeller geçmişe dayalı veri ile kurulan istatiksel modellerdir. Çalışmada İçsel Derecelendirme Modelleri ile hesaplanabilen Temerrüt Oranı parametresinin çeşitli makine öğrenmesi algoritmaları ile modellenmesi yapılmış olup sonuçları mevcut uygulama olan Lojistik Regresyon modeli ile de nicel ve niteliksel olarak karşılaştırılmıştır. Anahtar Kelimeler: Kredi Riski, BASEL Yönergeleri, Makine Öğrenmesi, İçsel Derecelendirme Modelleri