Kredi skorlamada yapay zekâ teknikleri ile çok aşamalı lojistik modellemeyi temel alan hibrit yaklaşımlar

Abstract

Gelişen teknolojiyle birlikte finans dünyasındaki verinin akış hızının ve hacminin artması son yıllarda bu alanda kullanılan istatistik ve yapay zekâ tekniklerine olan ilgiyi arttırmıştır. Özellikle süper bilgisayar sistemlerindeki depolama hacmi ve işlemci hızındaki artış yukarıda bahsi geçen tekniklerle beraber hibrit yapay zekâ tekniklerinin kullanımının önünü açmıştır. Bununla birlikte, veri boyutundaki artış verinin derlenmesi, model kestirimi, modeller üzerinden yapılan çıkarımların testi ve güvenilirliği bakımından sorun teşkil etmektedir. Bu sorunlara çözüm ararken izlenmek istenen yol, yapay zekâ teknikleri analizlerinde yer alan alternatif modellerin içerisinde en iyi olan modelin değişkenleri ile kurulan çok aşamalı lojistik modelleme sonuç modelinin standart uyum kriterlerinden Akaike bilgi kriteri ve Bayes bilgi kriteri tarafından değerlendirilmesi ve yorumlanmasıdır. Finansal modelleme yaparken, kredi skorlamada kullanılabilecek etkin bir karar destek sisteminin geliştirilmesi ve verinin yorumlama gücünü artırmak bu çalışmanın amacıdır. Çözüm olabilmesi adına kredi skorlamada yapay zekâ teknikleri ile çok aşamalı lojistik modellemeyi temel alan hibrit yaklaşımlar elde edilmeye çalışılmış ve finansal açıdan veri detaylandırılmıştır. Geliştirilen yaklaşım ile hem yapay zekâ tekniklerinin hem de çok aşamalı lojistik modellemenin hibritleşen model kestirimi elde edilmiştir. Bu amaç doğrultusunda, kredi skorlamada öne çıkmış yapay zekâ teknikleri ile doğruluk oranı yüksek olan, finansal veriyi açıklamada kullanılacak özellik seçimi detaylı olarak incelenmiştir. Elde edilen modelin, finansal yorumlama açısından kredi skorlamasını değerlendirebilme bağlantısının kurulmasında çok aşamalı lojistik modellemenin avantajlarına da yer verilmiştir.