Abstract
Finans ve bankacılık endüstrisinde kredi skorlama son yıllarda önemli bir araştırma alanı haline gelmiştir. Kredi skorlama probleminin türüne bağlı olarak çeşitli istatistik metotları kullanılabilmektedir. Bu problem temel olarak iki kategoriye ayrılabilir. Birinci kategori, kredi almak için başvuran kişileri risk gruplarına göre sınıflayan ve bir kredi başvurusunun kabul edilebilir olup olmadığına karar veren "başvuru skoru"dur. İkinci kategori ise, bir bankanın mevcut müşterileri ile ilgilenen "davranış skoru"dur; bu skor müşterilerin ödeme geçmişleri ile de ilgilenmektedir. Bu çalışmada birinci kategori olan başvuru skoru ele alınmıştır. Çalışmanın birinci bölümünde kredi skorlamanın öneminden bahsedilmiş, ikinci bölümünde ise kredi skorlama ve bu problem için kullanılan metotlar açıklanmıştır. Üçüncü bölüm literatür araştırmasını içermektedir. Dördüncü bölümde yapay sinir ağları, beşinci bölümde ise genetik algoritma hakkında detaylı bilgiler verilmiştir. Altıncı bölümde bu çalışmada uygulanan prosedür açıklanmıştır. Son bölüm ise uygulama bölümüdür. Bu bölümde ilk olarak klasik yapay sinir ağları ile kredi skorlama modelleri oluşturulmuştur. Ardından daha başarılı sonuçlar elde edebilmek için hibritleşme yaklaşımı denenmiştir. Son olarak, hibrit yapay sinir ağları, kredi skorlama verileri üzerindeki performansları bakımından klasik yapay sinir ağları ve lojistik regresyonla karşılaştırılmıştır. Yapılan analiz sonucunda, doğrusal olmayan ve esnek bir yapıya sahip olan yapay sinir ağlarının lojistik regresyon analizinden üstün olduğu ve ağ hibritleştirildiğinde daha da iyi sonuçlar elde edildiği görülmüştür.