Kredi skorlamada kullanılan yöntemler ve uygulamaları

Gelişmekte olan bankacılık sektöründe kredi kartları önemli bir ürün olarak yerini almıştır.Müşteriye kredi kartı verilmesi-verilmemesi ise banka açısından dikkatle incelenerek alınmasıgereken bir karardır ve kredi kartı talebi arttıkça başvuruların değerlendirilmesi daha da karmaşıkbir hal almaktadır. Değerlendirmeyi yapan kişiler farklı kriterleri dikkate alabilecekleri içinalınan kararlar subjektif olabilir. Bu durumda, hem artan başvuru sayısına doğru zamanda cevapvermek hem de subjektif kriterlerden arınıp objektif kararlar alabilmek için çeşitli istatistiksel veistatistiksel olmayan yöntemler kullanılmaktadır.Bu çalışmada, bir bankanın kredi kartı müşterilerine ait on üç değişken ile iyi müşteri-kötümüşteri ayırımı yapılmaya çalışılmıştır ve uygulama sonuçları birbirleriyle kıyaslanmıştır.Uygulamada kullanılan bazı istatistiksel teknikler; Diskriminant Analizi, Lojistik Regresyon,Kümeleme Analizi (Cluster Analysis), Sınıflandırma Ağaçları (Classification Tree)'dır veistatistiksel olmayan tek teknik ise Yapay Sinir Ağları'dır. Çalışmada bu tekniklerin uygulamalarıele alınmış, teorik ayrıntılara değinmekten kaçınılmıştır. Uygulamalarına yer verilmeden teorikbilgi olarak sunulan teknikler ise Lineer Programlama ve Tamsayı Programlama konularıdır. Butekniklerle ilgili uygulamalar ileride yapılacak çalışmalara bırakılmıştır.Modellerin uygulamasında çeşitli avantajlar-dezavantajlar mevcut olmasıyla birlikte kullanılanveri setine göre tahmin başarısı en yüksek olan modelin lojistik regresyon olduğu söylenebilir.lgili veri setine göre tüm modellere giren AYLIK NET GEL R değişkeni ise bu çalışma içinkredi skorlamada etkili değişkenler olarak gözlemlenmiştir.Anahtar kelimeler: Kredi Skorlama, Lojistik Regresyon, Diskriminant Analizi, KümelemeAnalizi, En Yakın Komşu, Karar Ağaçları, Yapay Sinir Ağları