Fuzzy logic and data mining techniques in evaluating of credit risks of companies

Abstract

Bu çalışmada bankaya kredi talebinde bulunan şirketler için verilecek kredi miktarı ve alınacak teminat miktarının belirlenmesi için bulanık mantığa dayalı bir yöntem önerilmiştir ve bu yöntemin bilgisayar programı tasarlanmıştır. Yöntemin geliştirilmesinde Türkiye genelinde şubeleri bulunan bir bankaya kredi talebinde bulunan 54 adeti finansal açıdan mali başarısızlığa uğramış olan toplam 109 adet KOBİ (Küçük ve Orta Büyüklükteki İşletmeler) incelenmiştir._x000B_İlk aşamada eğitmenli (supervised) sınıflandırma yapılarak kredi tahsisleri ?başarılı? ve ?başarısız? sınıflarına ayrıştıran model üretilmiştir. Bu amaçla SPSS Clementine 10.1 programının Karar Ağacı modeli kullanılmış, 33 adet bağımsız değişken ve bu değişkenlerin yardımı ile kredi tahsisinde karar verme mekanizmasını oluşturan kurallar tanımlanarak 8 adet kural bulunmuştur. Daha sonra ilgili kurallar bulanıklaştırılarak Matlab 7.0.1 programının FIS (Fuzzy Inference System) çıkarsama modelinde kullanılmıştır. FIS modeli olarak Mamdani metodu esas alınmış ve oluşturulan modelde, 7 adet girdi ve 2 adet çıktı (firmaya verilecek kredi miktari ve firmadan alinacak teminat miktarı) değişkeni kullanılmıştır._x000B_Önerilen yöntemin hesapladığı kredi sonuçları ile gerçekte bankanin elde ettigi sonuçlar karşılastırılmıştır ve yöntemin önerdiği kredi uygulamasının banka uygulamasından yaklaşık olarak 25 Milyon TL daha az zarara yol açtığı belirlenmiştir. In this study, a method that is based on fuzy logic is proposed to determine the credit rate and to be taken assurance amount for the companies which they apply to the bank to get credit and a program is developed for that method. Totaly 109 SMEs (Small and Medium Sized Enterprises ) applied for the credit to the bank which it has branch offices around Turkey and 54 of them are failed in terms of financially, have been examined._x000B_At first stage, a model, which classifies as successes and as failed for the credit granting, has been created with supervised education. For that purpose, C&RT decision tree model of SPSS Clementine 10.1 has been used, 33 inputs and 1 output have been evaluated. 8 rules, which establish decision tree mechanism for credit granting, have been found by using C&RT algorithm. Later, fuzzification has been applied to these rules on FIS (Fuzzy Inference System) Editor of Matlab 7.0.1. Mamdani approch has been used based on FIS model, and on created model, 7 inputs and 2 outputs (?to be given credit amount to the company? and ?to be taken assuarance amount from the company?) have been used._x000B_Calculated credit results of the proposed method and the results of applied bank credit policy have been compared and it is defined that credit policy of new method is reduced the loss approximately 32% of applied bank credit policy.