Using predictive analytics methods for credit risk analysis

Günümüzün teknoloji odaklı ortamı, tüketicilerin ihtiyaçlarına anında ve doğrudan ulaşmalarını sağlar. Bu çeviklik, büyük miktarda talep ve en azından aynı oranda da arz yaratır. Şirketler dalgayı yakalamak için birbirleriyle rekabet ederken, aynı zamanda bu hızlı eylemlerin neden olduğu çeşitli riskleri yönetebilmek için, organizasyonları içerisinde bir takım zorluklarla yüzleşirler. Bu nedenle, şirketlerin performanslarını artırmak için doğru risk yönetimi uygulamalarını takip etmeleri gerekir. Benzer şekilde, risk yönetiminin önemi, risk yönetiminin kârı maksimize etme veya başka bir deyişle kaybı minimize etmenin bir yolu olarak görülmesi nedeniyle finansal şirketler tarafından daha fazla vurgulanmaktadır. Kredi riski değerlendirmesi, tüm risk yönetimi konusu içerisinde özellikli bir öneme sahiptir ve bilhassa bankaların varoluş amaçları nedeniyle onlar için daha fazla önem arz etmektedir. Günümüzün finansal hizmetler endüstrisi bir hayli dinamiktir ve buna bağlı olarak bankalar halktan daha fazla kredi veya kredi kartı başvurusu almaktadır. Bu, bankalar için olumlu bir işaret olsa da, borç verme prosedürlerinin hızlı bir şekilde yürütülmesini sağlarken, beraberinde gelen riskleri de yönetmeleri gerekir. Ayrıca, uzun vadeli istikrarın sağlanması için, müşteri davranışının daha iyi anlaşılması gerekir. Bu nedenle, pazar paylarını korumak veya geliştirmek ve varlıklarını sürdürmek için geleceğe yönelik doğru tahminler yapmak zorunlu bir öncelik haline gelmektedir. Müşterileri aracılığıyla bankalara sürekli bir işlemsel ve operasyonel veri akışı vardır. Buna ek olarak, bankalar periyodik olarak müşterilerinden bilgi toplamaktadır. Bunun nedeni ister müşteri memnuniyeti, hizmet kalitesini arttırma, yeni müşteri kazanımı veya isterse de müşteri kaybını önleme olsun, sonuç çok büyük miktardaki veridir. Takip eden süreçte, bu büyük verileri işlemek için tahmine dayalı analiz teknikleri kullanılır ve kredi risklerini tahmin etmek için içgörü sağlayan sonuçlar elde edilir. Bu çalışmada I-Cheng Yeh tarafından UCI veri deposuna yüklenen ve erişime açık olan Tayvan kredi verisinin veri setine tahmine dayalı analitik yöntemleri uygulanmıştır. Amaç, müşterinin tarihsel kredi ödeme verilerini, on bir farklı algoritmik yöntemle inceleyerek, müşterinin kişisel kredisinin taksitlerini zamanında ödeyip ödemeyeceğini tahmin etmektir. Bu veri kümesinde 30000 müşteri bulunmaktadır. Veri seti, verilen kredi miktarını ve Nisan-Eylül 2005 arasındaki altı aylık geçmiş ödeme kayıtlarını içerir. Sonuç olarak müşterinin kredibilitesinin belirlenmesi amaçlanmaktadır. Anahtar Kelimeler: kredi, kredi riski, tahmine dayalı analitik, makine öğrenimi, veri madenciliği, büyük veri, bankacılık