Türk bankacılık sektöründe kredi riski yönetimi ve riskin ölçülmesi

Banka iflaslarını doğru bir şekilde tahmin edebilmek hem yerel hem de global ekonomide hayati bir öneme sahiptir. İflas eden bankaların yarattığı etkiler yalnızca banka müşterilerini ve çalışanlarını değil, aynı zamanda finans sistemi içerisinde yer alan diğer paydaşları da derinden etkilemektedir. Potansiyel krizlerin ve olası etkilerinin önceden tespit edilerek önüne geçilmesi finansal istikrarın sürdürülebilir kılınması açısından avantaj sağlamaktadır. Çalışmada Türkiye'deki banka iflaslarını sınıflandırmak amacıyla 6 farklı makine öğrenmesi algoritması kullanılmış olup, çalışma örneklemini 1998 – 2000 yılları arasında Türkiye'de faaliyette bulunan 37 özel ticari bankanın finansal verileri oluşturmaktadır. Bu araştırmaya devam etmek için en iyi sınıflandırıcıların bulunmaya çalışıldığı bir dizi ön deneyden sonra Lojistik regresyon, Çok Katmanlı Algılayıcı (MLP), Rastgele Orman, J48, XGBoost (Gradient Boosting), GLMBoost (Genel Doğrusal Model) modelleri kullanılmıştır. Modelleme sonrasında tahmin başarısı en yüksek modelin %97 başarı ile Çok Katmanlı Algılayıcı modeli olduğu görülmüştür. Diğer taraftan genel doğrusal model ile Çok Katmanlı Algılayıcı yapılan çalışmada en yüksek AUC değerine sahip modeller olarak karşımıza çıkmaktadır. Her iki modelin sınıfları ayırt etmedeki kabiliyetlerinin oldukça yüksek olduğu görülmektedir.