Credit risk analysis using hidden Markov model

---

Tezin Türü: Yüksek Lisans

Tezin Yürütüldüğü Kurum: Boğaziçi Üniversitesi, FEN BİLİMLERİ ENSTİTÜSÜ, FEN BİLİMLERİ ENSTİTÜSÜ, Türkiye

Tezin Onay Tarihi: 2009

Tezin Dili: İngilizce

Öğrenci: HASAN TAHSİN OĞUZ

Danışman: SADIK FİKRET GÜRGEN

Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu

Özet:

Bu çalışmanın temel amacı kredi müşterilerini kesin bir şekilde iyi (kredi borcunu geri ödeyen) ya da kötü (kredi borcunu aksatan) diye ayıran bir sınıflandırma yöntemini ve bu yöntemden farklı olarak müşterilerin kredi borcunu geri ödememe (iflas etme) olasılığını hesaplayan temerrüt olasılığı (TO) yöntemini kullanarak Saklı Markov Modeliyle kredi risk analizi yapılabilirliğinin araştırılmasıdır. TO süreci, kredi müşterilerinin bazı verilerini kullanarak kredi verme ya da vermeme kararından önce müşterinin kredi borcunu zamanında ödememe olasılığını hesaplamak suretiyle kredi verilmesi kararı konusunda banka ve kredi şirketlerine ışık tutar. Bu çalışmanın ilk bölümünde HMM yönteminin sınıflandırma kabiliyeti geleneksel yöntemler olan Lojistik Regresyon (LR) ve Yakın k Komşu (YkK) yönteminin sınıflandırma kabiliyetiyle karşılaştırılmaktadır. İkinci bölümde ise HMM yöntemiyle TO modellemesi yapılmış ve oluşturulan modelin performansı en popüler yöntemlerden biri olan LR kullanılarak oluşturulmuş TO modellemesiyle karşılaştırılmıştır. Serbest erişime açık olan Alman ve Avusturalya Kredi Veri tabanları bu tez çalışmasında kullanılmıştır. Yukarıda bahsedilen yöntemlerin sınıflandırma işlemindeki etkinlikleri doğruluk, hata maliyeti ve Alıcı İşletim Karakteristiği (AİK) ölçütlerine göre altılı çapraz doğrulama testleriyle belirlenmiştir. LR ve HMM yöntemleriyle oluşturulan TO modellerinin performansları ise iyi ve kötü müşterilerin ortalama TO değerlerine bakılarak belirlenmiştir. Matlab'ın Kevin Murphy tarafından geliştirilen HMM paketiyle HMM analizleri yapılırken, LR analizleri için internet tabanlı LR hesaplayıcı kullanılmıştır. YkK analizi için yine Matlab kullanılmıştır. Bu çalışmada HMM yöntemi kullanarak geleneksel yöntemlerle rekabet edecek düzeyde kredi risk analizi yapmaya yarayan algoritmaların bulunması hedeflenmiştir. Deneylerin gösterdiği kadarıyla HMM oldukça etkin bir kredi risk analizi yöntemidir ve finansal kuruluşlarca da kullanılabilir.