Kredi Riski Sınıflandırmasında Kelimelerin Gücü: Alternatif Kredi Derecelendirme Aracı Olarak Sentiment Analizi

Read full text Summarise with VIRAT
Authors: Yunus Emre Akdoğan
Cited by: 0
References: 48

Summary

No summary yet. VIRAT can read this paper and write a plain-language summary of its aim, methods, key findings and limitations.

Summarise with VIRAT Free to try with your Science Catalogs account.

Abstract

Giriş: Bu çalışma, kredi derecelendirme raporlarında yer alan nitel anlatıların makine öğrenmesi ile sistematik biçimde yapılandırılıp yapılandırılamayacağını ve bu anlatıdan türetilen göstergelerin ulusal kredi notunu öngörmede ne ölçüde bilgi taşıdığını incelemektedir. Araştırma, derecelendirme süreçlerinde merkezi rol oynayan ancak çoğu zaman nicel modellere doğrudan entegre edilemeyen anlatı temelli değerlendirmeleri ölçülebilir ve analitik olarak işlenebilir hale getirmesi bakımından önemlidir. Yöntem: Bu çalışma, kamuya açık kurumsal kredi derecelendirme raporlarını incelemektedir. Raporlardaki ifadeler transformer tabanlı bir modelle güçlü yönler ve kısıtlar olarak sınıflandırılarak anlatı göstergelerine dönüştürülmüştür. Yalnızca bu özellikler kullanılarak ulusal kredi notu çok sınıflı bir problem olarak tahmin edilmiş, veri sızıntısını önlemek için firma bazlı ayrım uygulanmış ve performans accuracy, precision, recall ve F1-skoru ile değerlendirilmiştir. Sonuçlar ya da Bulgular: Güçlü yönler-kısıtlar sınıflandırması yüksek performans üretmiştir (accuracy=0,977; F1=0,981). Ulusal kredi notu tahmininde ise örneklem dışı doğruluk 0,517; macro-F1 0,403; weighted-F1 0,500 olarak elde edilmiştir. Sınıf bazında AA (F1=0,605) ve BBB (F1=0,591) sınıflarında görece daha istikrarlı sonuçlar görülürken, AAA’da düşük duyarlılık ve BB’de düşük destek nedeniyle zayıf performans dikkat çekmektedir. Tartışma ya da Yapılan Çıkarımlar: Bulgular, rapor anlatılarından türetilen göstergelerin kredi notuna ilişkin anlamlı ancak tek başına yeterli olmayan bir sinyal taşıdığını göstermektedir. Önerilen yaklaşım, yeni yayımlanan raporların hızlı özetlenmesi, güçlü yönler-kısıtlar dengesindeki değişimlerin izlenmesi ve ölçeklenebilir kredi gözetimi/erken uyarı sistemleri için kullanılabilir. Gelecek araştırmaların, anlatı göstergelerini finansal ve makro değişkenlerle birleştirmesi gibi yöntemler önerilmektedir.

Fields of Study & Subjects

Financial Distress and Bankruptcy Prediction Credit Risk and Financial Regulations Sentiment Analysis and Opinion Mining

Publication details

Journal / source
Journal of Applied and Theoretical Social Sciences
Volume
8
Issue
1
Pages
189–212
Publication date
25 March 2026
Language
TR