Çok Boyutlu Ortamda Konumlandırma Modellerinin Geliştirilmesi ve

Report
Çok Boyutlu Ortamda Konumlandırma
Modellerinin Geliştirilmesi
ve
Türkiye Uygulaması
29.05.2013
Kerem Özgür Araç
Genel Müdür Yardımcısı
AJANDA
•
•
•
•
•
Finar Hakkında
Finar’ın Avantajları
Uluslararası Uzmanlık
Çok Boyutlu Ortamda Konumlandırma Modelleri
Türkiye Uygulaması – Finar - Çek Endeksi
Finar Hakkında
•
•
•
•
•
•
Ticari ve finansal bilgi gereksinimini
karşılamak üzere 1989 yılında
İstanbul’da kuruldu
D&B Turkey’in kardeş kuruluşu ve
Kompass Türkiye’nin sahibi
Türkiye’de yerleşik kuruluşların
kredi değerliliği raporlarını üretiyor
70,000+ Türk şirketine rating verdi
Veritabanında 1.2 milyon Türk
şirketi var
1997’den beri banka, finansal
kurumlar ve reel sektör kredi
değerlendirme süreçlerine yönelik
modellerin kurulması konusunda
danışmanlık hizmeti veriyor, yazılım
çözümleri sunuyor
• Finar Türkiye’nin ilk;
Ticari krediler için istatistiki skorkartını ve
Küçük ve mikro işletme kredileri için skorkart bazlı
otomatik karar modelini geliştirdi
• 1997 – Mart 2013 arasında
Skorkart Bazlı Kredi Karar ve Yönetim Sistemleri
Kurumsal Segment
: 11
Ticari Segment
: 14
Küçük/Micro Segment
: 23
Bireysel
:5
Validasyon/Kalibrasyon
: 10
Basel Uyum Çalışmaları
:7
toplam 70 proje gerçekleştirdi.
Finar’ın KKB için Geliştirdiği Modeller
"Çek Endeksi" ve "Ticari Kredi Notu"
(Lansman tarihi 21 Mart 2013)
Uluslararası Uzmanlık
Aralık 2012’den itibaren
Finar İtalya merkezli Crif
grubunun %100
iştirakidir.
•
•
1988 yılında İtalya’da kurulan CRIF 13 ülkede faaliyetlerini sürdürmekte ve 1900’ü
finansal kurum olmak üzere 25.000’i aşkın şirkete hizmet vermektedir.
Sağladığı kredi bilgi ürünleri, hizmetleri ve çözümleri ile finansal, ticari kuruluşlar ve
tüketicilerin karar alma süreçlerine hızlı ve etkin bir şekilde destek olmaktadır.
Çok Boyutlu Ortamda Konumlandırma Modelleri
• Finans ve bankacılık sektöründeki hızlı gelişmelere paralel olarak
değerlendirilen müşteri sayıları da artmaktadır.
• Ayrıca değerlendirmelerde kullanılmak üzere daha yüksek sayıda
öngörü gücü yüksek ve tanımlayıcı özelliğe sahip olan veri
parçacıklarına da ulaşılması mümkün olmuştur.
• Değerlendirmeye uygun veri parçacıklarındaki artışa banka içi
uygulamaların geliştirilmesi, veri tabanlarına yatırım yapılması, Kredi
Kayıt Bürosunun etkin kullanımı ve kredi kullanımındaki artış sebep
olmuştur.
• İşlemlerdeki ve veri parçacıklarındaki bu artış "Big Data" içinde
kaybolmadan karar verilebilmesi için "Çok Boyutlu Ortamda
Konumlandırma Modelleri" nin geliştirilmesinde rol oynamıştır.
Çok Boyutlu Ortamda Konumlandırma Modelleri
• Bu modeller sayesinde farklı boyuttaki bir çok göstergeyi kullanarak
amaçlanan en son, en temel ve yorumlanması kolay olan sinyalleri gün
ışığına çıkarma ve bu sinyaller doğrultusunda karar verme yetkinliğine
sahip olunması mümkün olmaktadır.
• Bir çok farklı yöntemin kullanılmakta olduğu kredi değerlendirme
literatüründe çok boyutlu konumlandırma modelleri;
• bireyler/firmalar
arasındaki
hassas
farkları
ölçerek
bireylerin/firmaların birbirlerinden ne kadar farklı olduklarını
• tüm populasyon göz önüne alındığında ise diğer bireylere /
firmalara göre populasyon içerisinde aldıkları yeri belirtir.
• Bir başka deyişle müşterilerin hem kendi içlerinde hem de tüm
popülasyon bazında karşılaştırmalı değerlendirilmesini sağlayan
modeller olarak yorumlanabilmektedir.
Çok Boyutlu Ortamda Konumlandırma Modelleri
Türkiye Uygulaması – Finar - Çek Endeksi
Çek Endeksi
Model Geliştirme Süreci
• Firma ve Bireylere ilişkin KKB tarafından sağlanan veri parçacıkları;
zamanında ödenmiş, gecikme ile ödenmiş, halen ödenmemiş çek
bilgileri zaman, tutar, frekans ve tüm kullanıcılar dikkate alındığında çok
boyutlu bir yapıya sahiptir.
• Sözü edilen çok boyutlu ortamda birey ve firmaların konumlarının
belirlebilmesi amacı ile Çek Endeksi modeli geliştirilmiştir.
• Modelin kurulması için tüzel ve gerçek kişiler için toplam 1.423.085 kayıt
rastsal olarak seçilmiştir.
• Model geliştirme penceresi olarak son 36 ay seçilmiştir. (2009/08 2012/08)
• Gerçek Kişi ve Tüzel Kişiler için farklı modeller geliştirilmiştir.
Çek Endeksi
ADET
Karşılıksız çıkan / Gecikmeli
ödenen / İbrazında ödenen
çeklerin günümüze
BUGÜNE
uzaklığı
OLAN
YAKINLIK
Kaç adet çek tarihinde
Ödendi, gecikme ile ödendi veya
ödenmedi?
TUTAR
FREKANS
Karşılıksız çıkan /
Gecikmeli ödenen / İbrazında
ödenen çeklerin tutarları?
Ortalamaların
neresinde?
Karşılıksız çıkan / Gecikmeli ödenen
İbrazında ödenen çeklerin belirli
bir zaman dilimi içinde yoğunlaşması
Çek Endeksi
• Çek Endeksi, ilgili tüzel veya gerçek kişinin sorgu anında zamanında
ödenen, gecikme ile ödenen ve halen karşılıksız olan çek bilgilerinden
(adet, tutar, frekans, günümüze yakınlık) hareketle hesaplanan 0 ile
1.000 arasında bir değerdir.
• Başka bir ifade ile Çek Endeksi; keşidecilerin çek ödeme
davranışlarının sorgu anı itibariyle gösterdikleri karakteristiklerin
matematiksel bir göstergesidir.
• Çek Endeksi ilgili tüzel veya gerçek kişinin çok boyutlu ortamdaki
konumlarını ölçülebilir ve karşılaştırılabilir hale getirir.
Çek
Kullanıcılarına
İlişkin
Göstergelerin
Türetilmesi
Açıklayıcı
Veri
Analizleri
Faktör
Analizi
Konumlandırma Algoritması
Çek Endeksi Model Geliştirme Süreci
Konumlandırma
Sonuçlarının
Endekse
Dönüştürülmesi
ÇEK
ÖDEME
ENDEKSİ
Çek Endeksi Model Geliştirme Süreci
Tutarların
Ortalamalardan
Uzaklığı
Frekans
Konumlandırması
Tutar
Konumlandırması
Frekans
Grup 1
Frekans
Grup 2
Frekans
Grup 1
Frekans
Grup 2
Frekans
Grup 1
Frekans
Grup 2
Frekans
Grup 3
Frekans
Grup 4
Frekans
Grup 3
Frekans
Grup 4
Frekans
Grup 3
Frekans
Grup 4
Tutar
Grup 1
Tutar
Grup 2
Tutar
Grup 1
Tutar
Grup 2
Tutar
Grup 1
Tutar
Grup 2
Tutar
Grup 3
Tutar
Grup 4
Tutar
Grup 3
Tutar
Grup 4
Tutar
Grup 3
Tutar
Grup 4
1 – 12 Ay
13 – 24 Ay
25 – 36 Ay
ÇEK ÖDEME
ENDEKSİ
Zaman
Çek Endeksi Model Geliştirme Süreci
Son 36 Aylık Dönem İçinde
500 501
1
Karşılıksız
Çeki Olanlar
•
•
•
999 1000
Gecikmeli
Ödeyenler
Karşılıksız
Gecikmeli
İbrazında
•
•
Gecikmeli
İbrazında
Çek Endeksi
Açıklama
0
Tüm çekler karşılıksız
1 – 500
Karşılıksız çekler var
501 – 999
Gecikmeli ödenmiş çekler var
1000
Tüm çekler zamanında ödenmiş
Tüm çeklerini
İbrazında Ödeyenler
Tüm çekleri
karşılıksız olanlar
0
Çek Endeksi Kullanımının Faydaları
Finansal Kurumlara Faydaları:
•
Bankaların ve finansal kurumların çoğu bireysel ve ticari kredi karar
süreçlerinde derecelendirme algoritmaları kullanmaktadırlar. Karşılıksız çek
bilgisi hali hazırda bu algoritmalara veya otored kurallarına, adet, tutar,
frekans ve bugüne yakınlık bileşenleriyle birlikte karmaşık bir yapıda dahil
edilmektedir.
•
Çek Ödeme Endeksi tüm karmaşık yapıyı basit bir hale getirmekte ve tek bir
değişken halinde algoritmalara dahil edilmesini kolaylaştırmaktadır.
•
Bankalar bir süre sonra kullanımına başlanacak olan Ticari Kredi Notu’nun
yanısıra Çek Ödeme Endeksi’ni de kullanarak kredi müşterilerinin dışsal
davranışlarını kolaylıkla izleme olanağına sahip olacaklar, kendi bünyelerinde
hesaplayacakları içsel davranış / başvuru notlarıyla birlikte bu Endeksi de karar
süreçlerine dahil edebileceklerdir.
Çek Endeksi Kullanımının Faydaları
Firmanın Kredi
Başvurusu
Çek Endeksi
Sorgulaması
Çek Endeksi>=
350
Evet
Başvuru Bilgileri
Girişini Yap
Hayır
Başvuru
Sürecini
Sonlandır
•
Kredi
tahsis
süreçlerinde
firmaların dışsal davranışlarının
da kolaylıkla dikkate alınması
mümkün olabilecektir.
•
Belirli Çek Endeksi’nin altındaki
firmalar ile başvuru sürecinin
sonlandırılması, ancak belirli
onay mekanizmaları ile işleme
devam edilmesi kurum nezdinde
yapılandırılabilir.
Çek Endeksi Kullanımının Faydaları
• Kredi tahsis süreçlerinde belirli
skor seviyeleri için belirli limit ve
firma ölçeğinde sistemsel red /
kabul
kararlarının
verilmesi
mümkün olacaktır.
ÇEK ENDEKSİ
DÜŞÜK
0
AA / A
BB / B
CC / C
1 - 100
AA / A
BB / B
CC / C
101 - 250
AA / A
BB / B
CC / C
251 - 500
AA / A
BB / B
CC / C
501 - 750
AA / A
BB / B
CC / C
751 - 999
AA / A
BB / B
CC / C
1000
AA / A
BB / B
CC / C
• Çek Endeksi başvuru skorları ile
birleştirilerek otomatik kabul /
red matrisleri oluşturulabilir.
Kırmızı alan
Yeşil alan
YÜKSEK
YÜKSEK
BAŞVURU SKORU
DÜŞÜK
: Otored
: Otokabul
Çek Endeksi Kullanımının Faydaları
• Bankalar ve finansal kurumlarda
teminata çek alımlarında ve çek bazlı
işlem hacimleri yüksek olan faktoring
şirketlerinde Çek Endeksi’nin karar
süreçlerini hızlandıracağı ve sağlıklı
sonuçların üretileceği beklenmektedir.
Teminata
Verilen Çekler
Çek Endeksi
Sorgulaması
Çek Endeksi>=
500
Evet
Çekleri
Teminata
Kabul Et
Hayır
Çekleri
Teminata
Kabul Etme
• Teminata verilen çeklerde belirli Çek
Endeksi’nin altındakilerin teminata
kabul edilmemesi, toplam içinde belirli
bir oranın üzerinde red edilme oranına
göre işlemi tümden sonlandırma
kurum nezdinde yapılandırılabilir.
Çek Endeksi Kullanımının Faydaları
Kredi izleme süreçlerinde firmaların dışsal davranışlarının da anlık ve/veya periyodik
olarak kolaylıkla izlenebilmesi ve kurum politikaları doğrultusunda gerekli aksiyonların
alınabilmesi Çek Endeksi’nin de etkin kullanımı ile mümkün olacaktır.
KREDİ İZLEME SÜRECİ
PORTFÖY BAZLI İZLEME SORGULAMA
KRİTERLERİ
Dönemsel – Tümü
Daha sık – Belirli Rating Grubundakiler
ANLIK SORGULAMA KRİTERLERİ
İçsel Davranış Skorunun Düşmesi
Kurum İçi Geri Ödemelerde Sıkıntı
Çek Endeksi Sorgulama
AKSİYON MODELLERİ
Yakın İzlemeye Al / Limite Blokaj Koy / Başvuru Skorunu Yenile /
Teminatı Artır vb.
Farklı Skorların Toplu Kullanımı
Başvuru
Skoru
AA
KKB Çek KKB Ticari İçsel Davranış
Endeksi Kredi Notu
Notu
960
750
8
Mevcut durumun fotoğrafını çeken
"Çek Endeksi" ile
geleceğe dönük sorunlu olma olasılığını
hesaplayan
"Finansal Kurum Başvuru Skoru"
"Finansal Kurum İçsel Davranış Notu" "KKB
Ticari Kredi Notu"
toplu kullanımının sinerjisiyle;
•
•
•
•
•
Sağlıklı
Tutarlı
Etkin
Hızlı
Objektif
kredi tahsis ve izleme kararları almak
mümkün olacaktır.
Farklı Skorların Toplu Kullanımı
D&B Viability (İş Yapılabilirlik) RatingTM
"Viability Score"
Firmanın önümüzdeki 12 ay içerisinde kapanması, faaliyetlerini
durdurması ya da iflas etmesi olasılığını D&B veri tabanındaki 30
milyon Amerikan firmasına kıyasla ölçen 1 – 9 arasında bir
değerlendirmedir. 1 en düşük olasılığı, 9 en yüksek olasılığı ifade
eder.
"Portfolio Comparison" – Portföy Karşılaştırması
Firmanın önümüzdeki 12 ay içerisinde kapanması, faaliyetlerini
durdurması ya da iflas etmesi olasılığını firma ile aynı
segmentteki firmalara kıyasla ölçen 1 – 9 arasında bir
değerlendirmedir. 1 en düşük olasılığı, 9 en yüksek olasılığı ifade
eder.
"Data Depth Indicator" – Data İçerik Indeksi
Firmaya A – G arası verilen derecelendirme firmanın öngörü yeteneği yüksek data bileşenlerine sahip olma derecesini
ifade eder. A derecesi, karşılaştırmalı finansallar, finansal olmayan veriler ve detaylı ödeme verisi gibi en kapsamlı
bilgileri; G ise belirli başlı finansal olmayan verileri ifade eder. H – M arası verilen derecelendirme ise iflas, faaliyet dışı
vb. gibi özel durumları ifade eder.
"Company Profile" – Firma Profili
Firmaya A – Z arası verilen derecelendirmedir. A en büyük (ciro / çalışan sayısı), uzun süredir faaliyet
gösteren ve en kapsamlı bilgisine ulaşılabilen firmaları ifade ederken; X en küçük (ciro / çalışan
sayısı), en genç ve en az veriye sahip firmaları ifade eder. Y şubeler için; Z ise bağlı ortaklıklar için
kullanılmaktadır.
TEŞEKKÜR EDERİM.
Kerem Özgür Araç
Genel Müdür Yardımcısı
[email protected]

similar documents