Ticari alacak riski yönetimi ve makine öğrenmesi algoritmaları ile modelleme: Bir model önerisi

Küreselleşmenin yükselişi ile global ticaretin görünümü değişmiş ve artan ekonomik entegrasyonun bir sonucu olarak kredi piyasasının gelişimi ekonomik büyümenin itici gücü olmuştur. Son yıllarda artan küreselleşme, teknolojik gelişimler, belirsizlik ortamı ve rekabet ile şekillenen yeni dünya düzeni beraberinde kurumların maruz kaldığı riskleri daha öngörülemez hale getirmiştir. Bu nedenle, kredi riski her zamankinden daha önemli hale gelmiş; yaşanan ekonomik şok ve kırılganlıklar kredi riskinin etkin bir şekilde değerlendirilmesini kaçınılmaz bir zorunluluk haline getirmiştir. Firmaların kredi risklerini iyi yönetebilmeleri rekabet güçlerinin artmasını sağlamasının yanında ülke ekonomisinin istikrarına da destek olur. Likidite ihtiyacının ve sermayeye erişim maliyetinin arttığı bu dönemde ticari alacak kredisi piyasayı destekleyici bir enstrüman olmuştur. Bu bağlamda, çalışmanın amacı özel sektörde faaliyet gösteren bir firmanın ticari ilişki içerisinde olduğu müşterilerin verilerinden ve ekonomik göstergelerden faydalanarak; makine öğrenmesi algoritmaları ile kredi riskini tahmin eden bir model geliştirmek ve literatürdeki bu eksikliği gidermektir. Çalışma ile müşterilerden gelen yeni bir siparişe ait borcun zamanında ödenip ödenmeyeceği sorusuna cevap aranmıştır. Böylelikle, borçlunun ödeme performanslarına göre olası zararın önceden görünür hale gelmesi ile karar vericilerin daha hızlı ve doğru karar almalarına destek olunması hedeflenmiştir. Bu kapsamda, kullanılan makine öğrenmesi algoritmaları içerisinden sınıflandırma tahmin gücü ve doğruluk seviyesi en yüksek olan rastgele orman olmuştur. Modelde etkili en önemli ilk altı değişken sırasıyla müşterinin ortalama vade aşım süresi, toplam ödeme tutarı, ödeme için anlaşılan vade süresi, müşteri ile olan ticari faaliyet süresi, son siparişin üzerinden geçen gün sayısı ve dolar kurudur. Ayrıca, ekonomik verilere bağlı özniteliklerin modelde etkili olduğu görülmüştür. İlerleyen çalışmalar için ürün tipi bazında farklı kredi riski modelleri geliştirilebileceği düşünülmektedir.