A model to determine credit rating

Abstract

Türkiye'de kurum tabanlı bir finansal sistem bulunmaktadır. Bu sistemde her çeşit işletmeler ihtiyaç duydukları fonları çoğunlukla bankalardan temin etmektedirler. Bundan dolayı, bankalar Türkiye'deki en önemli finansal kurumlardır. Bu bakımdan bankaların yüz yüze oldukları en önemli risk de, alınan kredinin geri ödenmemesi olasılığı ve bunun sonucunda bankanın uğrayacağı zarar olarak tanımlanabilecek, kredi riskidir. Bu nedenle bankaların kredi riskleri etkili bir şekilde yönetmeleri çok önemlidir. Bunu başarmanın yollarından birisi, kredi ve kredi limiti için başvuran işletmelerin kredibilitelerinin değerlendirilmesidir. Bu değerlendirme süreci kredi derecelendirimesi olarak isimlendirilir. Bu tezde, bir bankanın kredi müşterisi olabilecek işletmelerin kredi derecelendirmelerinin yapılmasını sağlayacak çok değişkenli istatistiksel bir model geliştirilmiştir. Bir bankaya yapılan kredi başvuralarından özgün bir veri seti oluşturulmuştur. Kredi başvurusu kabul edilen ve kredi başvurusu reddedilen işletmeler veri setine dahil edilmiştir. Bu işletmeler modelin vakalarını oluşturmuştur. Bağımsız değişken olarak finansal veriler (finansal oranlar ve yüzde değişimler) kullanılmıştır. Kredi derecelendirme için en iyi model lojistik regresyon modeli (logit modeli) olduğu tespit edilmiştir. Kredi başvrusu kabul edilen reddedilen işletmeleri ayıran en önemli değişkenlerin net kâr marjı ve borçluluk oranı olduğu belirlenmiştir. Net kâr marjının artışı kredi başvurusunun kabul edilmesi olasılığını artırmaktadır. Borçluluk oranının artışı kredi başvurusunun reddedilmesi olasılığını artırmaktadır.

Turkey has an institution-based finance system. In this system all types of businesses acquire the necessary funds mostly from the banks. That is why banks are the most important financial institutions in Turkey. In this regard the most important risk that the banks face is credit risk, which can be defined as the probability of default by the customer and subsequent loss incurred by the bank as a result of the default. For this reason it is of utmost importance by the banks to manage their credit risks efficiently. One of the ways to accomplish this objective is to evaluate the credibility of the businesses that apply for a loan or a line of credit. This evaluation process is called credit rating. In this thesis a multivariate statistical model is developed to accomplish the credit ratings of the businesses that are the potential loan customers of a bank. A unique data set is formed from the loan applications of a bank. Businesses whose loan applications are accepted and businesses whose loan applications are rejected are included in this data set. These businesses form the cases of the model. Independent variables are financial data (financial ratios and percentage changes). The best model for credit rating is found to be the logistics regression model (logit model). The most important variables that distinguish accepted and rejected businesses are found to be the net profit margin and debt ratio. As net profit margin increases, probability of acceptance increases. As the debt ratio increases probability of rejection increases.