Tüketici kredi risklerinin, meta-sezgisel yaklaşımlar ileiyileştirilmiş rastgele ormanlar yöntemi aracılığıyla değerlendirilmesi

2007-2009 yıllarına dayanan küresel finans krizi, kredi risklerinin değerlendirilmesi analizlerine yönelik artan bir ilgiyi de beraberinde getirmiştir. Geri ödeme gücü zayıf çok sayıda hane halkına verilen konut kredilerini, bir diğer deyişle eşik altı kredileri ipoteğe dayalı türev ürünlere çevirerek başka yatırımcılara satan köklü ve büyük bankalar, birer sistemik risk kaynağı haline gelmiş ve maruz kaldıkları temerrüt risklerinin bütün finansal sisteme yayılmasına sebep olmuşlardır. Kredi talebinde bulunanlara ilişkin bilgi toplama ve değerlendirme yapmaya yönelik modern çalışmaların geçmişi 1940'lı yılları bulsa da istatistiksel yöntemlerin kullanımına ilişkin ilk örnekler 1960'ların sonuna doğru ortaya çıkmıştır. O zamanlardan günümüze kadar, hızla artan kredi miktarları ve kredi kullanan kişi sayısı ile paralel olarak borçlananlar ile ilgili daha fazla veri depolanmaya başlanmıştır. Bu verileri analiz edecek ve yoğun matematiksel hesaplamaya dayalı gelişmiş yöntemler de bilgisayar bilimi ile birlikte gelişme göstermiştir. İhtiyaçların ve çözümlerin bir sarmal şeklinde etkileşerek bugünlere gelmesiyle birlikte de kredi başvurularını değerlendirme yöntemlerine ilişkin geniş bir yazın ortaya çıkmıştır. Yazının çok büyük bir bölümünü istatistiksel ve makine öğrenme yöntemleri oluşturmaktadır. Bu yöntemlerin birçoğu, çok fazla değişken ve gözlem içeren karmaşık veri kümelerinden yorumlanabilir bilgi ve doğru tahmin ortaya çıkartmakta oldukça başarılı olmaktadır. Ancak yöntem başarılarında ortaya çıkan çok küçük farklılıklar şirket kar veya zararlarında ve hatta sistemin sürdürülebilirliği üzerinde çok büyük etkiler yaratabilecektir. Bu nedenle mevcut yöntem ve yaklaşımları iyileştirme ve geliştirme çabaları halen sürmektedir. Söz konusu çabaların bir parçası olarak bu çalışmada, performans kıyaslamasına imkân vermesi sebebiyle birçok çalışmada incelenmiş olan bir tüketici kredi veri kümesi hibrit bir yaklaşım ile analiz edilmiştir. Veri kümesinin öğrenimi ve tahminler, biyoloji ve tıp gibi alanlarda yapılan analiz çalışmalarında yoğun olarak kullanılmakla birlikte finans alanında kendine yeni yeni yer bulmaya başlayan bir makine öğrenme yöntemi olan Rastgele Ormanlar ile gerçekleştirilmiştir. Yöntemin iyileştirilmesi amacıyla da Genetik Algoritma ve Tavlama Benzetimi meta-sezgisel yaklaşımları ile değişken seçimi yapılmıştır. Böylelikle yöntemin eğitim sürecini olumsuz etkileyerek tahmin performansını düşüren değişkenlerin analizlerden elenmesi amaçlanmıştır. Tez ile önerilen bir dizayn ile birleştirilen meta-sezgisel yaklaşımların içerisinde Rastgele Ormanlar yöntemi gömülü olarak kullanılmıştır. Birleştirilmiş dizayn ile meta-sezgisel yaklaşımların güçlü yönleri kullanılarak zayıflıklarının bertaraf edilmesi sağlanmıştır. Kredi değerlendirme çalışmalarında, Genetik Algoritma sıklıkla kullanılmakla birlikte Tavlama Benzetimi uygulama örneği bulunmamaktadır. Sonuçlar Rastgele Ormanlar yönteminin hibritleştirilerek kullanımında, tek başına kullanımına göre tahmin performanslarında istatistiksel olarak anlamlı artışlar sağlandığını göstermektedir. Aynı veri kümesi ile analiz yapılan yazındaki diğer çalışmalar ile karşılaştırıldığında da önerilen hibrit yöntemin yüksek bir performans gösterdiği görülmektedir. Yöntem kredi başvuru değerlendirmelerinde karar vericilere büyük faydalar sağlayacaktır.