KRED R SK YÖNET M VE ANAL T K H YERAR PROSES YÖNTEM YLE B R B REYSEL KRED TALEP DE ERLEND RME MODEL Alev TA KIN GÜMÜ Gülcan ÇEL K Merve ÜÇER Y ld z Teknik Üniversitesi Y ld z Teknik Üniversitesi Y ld z Teknik Üniversitesi ÖZET Kredi riski, kredinin klasik bankac l n temel fonksiyonlar ndan birisi olmas nedeniyle, bankac l kta ilk tan mlanan risklerdendir. Bankalar, kredi talep eden mü terilerine kredi kulland rma/kulland rmama kararlar nda ne yönde ve nas l hareket edeceklerini belirleyebilmek için, kredi kulland rma/kulland rmama karar n etkileyen de i kenler aras ili kileri ortaya koyan içsel kredi de erlendirme modelleri olu turmaktad r. Bu çal mada, bir bankaya ba vurarak kredi talep eden bireysel mü terilerin k sa vadeli kredi taleplerinin de erlendirilmesinde, kredi talebinin kabul edilmesi ya da reddedilmesi karar n n verilmesine yönelik, Analitik Hiyerar i Prosesi (AHP) yöntemiyle ili kilendirilen bir model önerilmektedir. Analitik Hiyerar i Prosesi yöntemindeki ana ve alt kriterlerin a rl kland rma hesaplar için Expert Choice yaz l m ndan yararlan lmaktad r. Ard ndan, Ökerin (2007) çal mas nda kulland alt kriter puanlama yöntemiyle alt kriter puanlar saptanarak kredi talep alternatifleri de erlendirilmektedir. Son olarak, önerilen model do rultusunda, bir bankaya gelen bireysel kredi ba vurusuna yönelik verilecek nihai karar nümerik bir örnek üzerinden de erlendirilerek elde edilmektedir. Anahtar Kelimeler: Analitik Hiyerar i Prosesi, Kredi Risk De erlendirme, Risk Yönetimi CREDIT RISK MANAGEMENT AND A CONSUMER LOAN DEMAND ASSESMENT MODEL VIA ANALYTICAL HIERARCHY PROCESS METHOD ABSTRACT Credit risk is one of the first defined risks for banking business, because of being one of the basic functions of the sonsidered sector. The banks compose their internal credit evaluation model displaying the relationship between the variables effect the decision of credit availability. A model associated with Analytic Hierarchy Process (AHP) is proposed in this paper for the assesment of short term individual credit demands of consumers. Expert Choice Software is used for the main and subcriteria weighting calculations. Then, the sub-criteria rating method of Oker (2007) is used to assess the alternative credit demands. Finally, towards the proposed model, the final decision for an individual credit application can be made via a numerical example. Keywords: Analytical Hierarchy Process, Credit Risk Assesment, Risk Management 148
XI. Üretim Ara t rmalar Sempozyumu, 23-24 Haziran 2011 1.G R Sözlük tan m olarak risk, tehlike, kötü sonuç olas l, kay p ans, zarar ihtimaline maruz kalma eklinde tan mlanabilir (Concise Oxford Dictionary; Dowie, 1999, Ward and Chapman, 2003; Taskin Gumus and Guneri, 2007). Bankalar n kar la t riskler, yönetilip yönetilmemelerine göre de iki grupta toplanmaktad r: Birincisi kontrol edilebilir riskler grubu ve ikinci kontrol edilemeyen riskler grubudur. Kontrol edilebilen riskler, risk azalt c tekniklerin kullan lmas veya risk do uracak i lemlere ili kin limitlerin uygulanmas suretiyle bankan n zarara u rama ihtimalinin azalt lmas n n mümkün oldu u riskler olarak tan mlanmaktad r. Kontrol edilemeyen riskler ise, kontrol edilebilir risklerin zaman içinde de i ebilirli ine ba l olarak, herhangi bir risk ölçme ve azaltma tekni i kullanmak veya limit uygulamak suretiyle gerçekle me olas l önceden tahmin edilemeyen ve ortaya ç kt anda gerçekle en zarar riski olarak tan mlanmaktad r (BDDK, 2001). Son y llarda uluslararas kredi piyasalar nda rekabetin büyümesi, banka d mali kurulu lar n aktif olarak bu piyasalara kat lmas ve kredi almak isteyenlerin daha dü ük maliyetli krediler için sermaye piyasalar na ba vurmalar kredi i lemlerinde kar marj n n oldukça daralmas na neden olmu tur. Bu ise bankalar rekabet edebilmek için daha çok borçlanmaya zorlam t r. Ancak bankalar ekonomik durumlarda ve finansal piyasalarda beklenmedik geli meler nedeniyle kredi temin etmede sorunlarla kar kar ya kalm lard r. Bütün bu geli meler getiri ve risklerin daha etkin de erlendirilmesi için yeni metodlar n bulunmas süreçlerini getirmi tir. Böylece, risk yönetimi bankac l kta yeni trendlerin ba nda gösterilmeye ba lanm t r. Bu çabalarla, bankalar n kullan m için kredi rating modellerinin yan s ra, yo un veri analizi olarak adland r lan kredi kay plar n n geçmi e dönük analizi, iflas olas l k modelleri ve dayan kl l k testi gibi analitik metodlar da üretilmi tir. (Güner, 2005, s.16). Bireysel kredi de erlendirme konusu da bankac l kta risk yönetimine yönelik bir unsurdur. Bu çal mada, bir bankaya ba vurarak kredi talep eden bireysel mü terilerin k sa vadeli kredi taleplerinin de erlendirilmesinde, kredi talebinin kabul edilmesi ya da reddedilmesi karar n n verilmesine yönelik, Analitik Hiyerar i Prosesi (AHP) yöntemiyle ili kilendirilen bir model önerilmektedir. 2. KRED R SK YÖNET M 5411 Say l Bankac l k Kanununun 48. maddesine göre [1]; Bankalarca verilen nakdi krediler ile teminat mektuplar, kontrgarantiler, kefaletler, aval, ciro, kabul gibi gayri nakdi krediler ve bu niteli i haiz taahhütler, sat n al nan tahvil ve benzeri sermaye piyasas araçlar, tevdiatta bulunmak suretiyle ya da herhangi bir ekil ve surette verilen ödünçler, varl klar n vadeli sat ndan do an alacaklar, vadesi geçmi nakdi krediler, tahakkuk etmekle birlikte tahsil edilmemi faizler, gayri nakdi kredilerin nakde tahvil olan bedelleri, ters repo i lemlerinden alacaklar, vadeli i lem ve opsiyon sözle meleri ile benzeri di er sözle meler nedeniyle üstlenilen riskler, ortakl k paylar ve Kurulca kredi olarak kabul edilen i lemler izlendikleri hesaba bak lmaks z n bu Kanun uygulamas nda kredi say lmaktad r. Buna ilave olarak, kalk nma ve yat r m bankalar n n finansal kiralama yöntemiyle sa lad finansmanlar ile kat l m bankalar n n ta n r ve ta nmaz mal ve hizmet bedellerinin ödenmesi suretiyle veya kar ve zarar ortakl yat r mlar, ta nmaz, ekipman veya emtia temini veya finansal kiralama, mal kar l vesaikin finansman, ortak yat r mlar veya benzer yöntemlerle sa lad klar finansmanlar da bu kanun uygulamas nda kredi say lmaktad r. Kredi talepleri de erlendirilirken dikkate al nmas gereken en önemli etmenlerden birisi de, kredi talep eden mü terilerin gösterecekleri teminatlard r. Teminat n türü ve niteli i, kredi riskinin derecesini önemli ölçüde etkilemektedir. Teminatlar, kulland r lan kredinin geri dönü üne yönelik olarak bir güvence olu turmas n n yan nda, kredi kullanan aç s ndan krediyi ödeyememe konusunda cayd r c bir nitelik ta maktad r. Teminat i lemleri, kredi kulland rma sürecinde yap lmaktad r. En basit anlat mla kredi riski, verilen bir kredinin geri dönmeme olas l d r. Geri dönmeme, hiç ödenmeme veya eksik ve gecikmeli ödeme unsurlar n da içermektedir. Bu unsurlar banka aç s ndan hem likitide hem de karl l k sorunu ta maktad r. Di er bir ifade ile kredi riski banka mü terisinin yap lan sözle me artlar na uymayarak yükümlülüklerini k smen veya tamamen zaman nda yerine getirmemesi nedeniyle, bankan n kar la aca zarar durumudur ( ipek, 2005). Bankalarda kredi riski beklenen de er ve talep edilen kredi geri ödeme tutar aras ndaki fark olarak ifade edilmektedir. 149
A. Ta k n Gümü, G. Çelik, M. Üçer Kredi risklerinin ölçüm ve kontrolü konusunda geli mi ülkeler aras nda bir standart mevcut de ildir. Basel Komitesi tüm bu bankac l k gözetim ve denetim otoritelerini kredi risk yönetimi konusunda etkin ve güvenilir uygulamalar geli tirmeye te vik etmek için Bankalar n Kredi Riski Yönetimlerinin De erlendirilmesine li kin Prensipler adl bir doküman haz rlam ve bankalar n dikkatine sunmu tur. 3. ANAL T K H YERAR PROSES YÖNTEM Analitik Hiyerar i Prosesi (AHP) (Saaty, 1980; 1990; 2001), çok kriterli karar verme problemlerinde her bir alternatifin a rl klar n elde etmek için kullan lan, iyi bilinen ve kullan l bir metottur. AHP üç parçadan olu ur: hiyerar i yap s, ikili k yaslama matrisi ve a rl klar n hesaplanmas na yönelik metot. AHPde bir karar vericiden ikili k yaslama oranlar n, k yaslama konular aras ndaki tercih gücüne göre, tahmin etmesi istenir (Xia and Wu, 2007). Saatynin ((1980; 1990; 2001) 1den 9a kadar tercih düzeylerini gösteren ikili k yaslama skalas kullan larak, amaç kümesinin birbirine göre göreli a rl klar belirlenebilir. Ard ndan, özde er ve özvektör hesaplan r. Özvektör metodu do al bir tutarl l k ölçütü getirmektedir. Saaty (1990), tutarl l k indeksini (CI) max n u ekilde tan mlam t r: CI, burada max maksimum özde er, ve n kar la t rma matrisindeki n 1 faktör say s d r. Buna göre Saaty (1990) tutarl l k oran n (CR) öyle tan mlar: CR = CI/RI. Burada RI, ayn s rada kar l kl matrislerin çok say da rassal giri leri boyunca ortalama tutarl l k indeksini temsil eder. Tutarl l k oran n n CR 0.1 de eri kabul edilebilirdir (Chang, et al., 2007). 4. ANAL T K H YERAR PROSES YÖNTEM N N KULLANILDI I B R B REYSEL KRED TALEP DE ERLEND RME MODEL Burada, bireysel kredi taleplerini de erlendirme modelinin olu turulmas nda, görü ülen bankalar n bireysel kredi talep formlar ve görü ülen ki ilerin uzman görü leri al narak bu çal maya özel bir kredi talep formu olu turulmu tur. Olu turulan bu talep formu, bireysel ihtiyaç kredisi ba vurular na uygun olup, be adet gerçek ki i taraf ndan doldurulmu tur. Formlardaki bilgiler baz al narak öncelikle ana, daha sonra alt kriterler a rl kland r lm ve bu a rl klar, belirlenen alt kriter puanlar yla çarp larak toplam kredi skoru bulunmu tur. Bu skorlar, modelin analizi ve de erlendirilmesi ba l nda kredi verme/vermeme karar ve ta d klar risk bak m ndan incelenmi tir. 4.1. Kredi De erlendirmeye li kin Kriterlerin Tan mlanmas Tüketici kredilerinin en temeli ve en çok tercih edileni olmas aç s ndan, bu çal mada, bireysel ihtiyaç kredisi ba vurular de erlendirilmi tir. Çal ma kapsam nda görü ülen bankalardan al nan Bireysel Kredi Talep Formlar ve görü ülen ki ilerin uzman görü leri nda, bu çal mada kullan lacak bir bireysel ihtiyaç kredisi talep formu olu turulmu tur. Bu formda, ba vurunun de erlendirilmesine temel te kil edecek kriterler; do um tarihi (ya ) (DT), medeni durum (MD), ö renim durumu (ÖD), oturulan ev (OE), ayl k net gelir (ANG), çal ma ekli (Ç ), talep edilen kredi tutar (TEKT) ve talep edilen vade süresi (TEVS) olmak üzere sekiz ba l kta toplanm t r. Modellemede kullan lan ana ve alt kriterler, Tablo 1de toplu olarak görülmektedir. Bireysel ihtiyaç kredisi talep formundaki kriterlerden ayl k net gelir, talep edilen kredi tutar ve vade süresi kriterleri birbirleriyle yak ndan ili kilidir. Ba vurunun kabul edilebilmesi için, öncelikle, ayl k net gelirin, talep edilen kredi tutar /talep edilen kredi vadesi oran n n en az üç kat olmas gerekmektedir. Bu oran n sa lanamamas durumunda, banka, mü teriden, ya kredi tutar n ya da vade süresini azaltmas n talep etmekte; mü terinin buna yana mad durumlarda kredi ba vurusu red olmaktad r. 150
XI. Üretim Ara t rmalar Sempozyumu, 23-24 Haziran 2011 Tablo 1. Modellemede Kullan lan Ana ve Alt Kriterler AMAÇ ANA KR TERLER Do um Tarihi (Ya ) ALT KR TERLER 27 ya ve alt 28-35 ya Medeni Durum 36 ya ve üstü Evli Bekar Ö renim Durumu lkö retim Lise Üniversite (2 Y ll k) Üniversite (4-6 Y ll k) Lisansüstü / Doktora Kendi Evi Oturulan Ev Kira B REYSEL KRED Lojman TALEPLER N 1000 YTL'den az DE ERLEND RME 1000-1499 YTL MODEL N N Ayl k Net Gelir OLU TURULMASI 1500-2499 YTL 2500 YTL'den fazla Ücretli Serbest Çal ma ekli Emekli Ev Han m Ö renci 3000-5000 YTL Talep Edilen Kredi Tutar 5000-10000 YTL 10000-20000 YTL 12 aya kadar Talep Edilen Vade Süresi 12-24 ay 24-36 ay 4.2. Kriter ve Alt Kriter A rl klar n n Hesaplanmas Ana kriter ve alt kriter a rl klar n n hesaplanmas nda Expert Choice yaz l m kullan lm t r. Kriterlerin birbirine göre göreceli önemlerinin belirlenmesinde Saatynin (1990) 1-9 ölçe i baz al nmaktad r. ekil 1de Expert Choice ekran ndan ana kriter kar la t rma matrisi, ve ekil 2de hesaplanan ana kriter a rl klar görülmektedir. ekil 1. Ana Kriterlerin Birbirlerine Göre A rl k Ölçeklendirmesi 151
A. Ta k n Gümü, G. Çelik, M. Üçer ekil 2. Ana Kriterlerin Yüzde Önem Da l mlar n n Grafiksel Gösterimi Expert Choice yaz l m nda, alt kriterlerin a rl klar n n hesaplanmas, ana kriterler üzerinden yap lmaktad r. Hesaplamalar, ana kriterlerin a rl k hesaplamas yla ayn ekilde gerçekle tirilmektedir. 4.3. Alt Kriterlerin Puanland r lmas Bireysel kredi taleplerini de erlendirme modelinin olu turuldu u bu çal mada, alt kriterlerin de erlendirilecek bir opsiyon olmay p, kesin olarak tan mlanm olmas sebebiyle iyi/kötü gibi kar la t rmalara el vermemesi, alternatiflerin bu sistemle a rl kland r lmas ve puanlanmas nda mant ks z sonuçlar do urmaktad r. Örne in; medeni durum kriteri ele al nd nda, adaylar evli ve bekar olmalar na göre a rl kland r lacakt r. An n evli, Bnin bekar olmas durumunda, evli olma alt kriterine göre A, Bnin 9 kat öneme sahip olacakt r; fakat, ayn ekilde, bekar olma alt kriterine göre de B, An n 9 kat öneme sahip olacak ve bu durum hesaplamalarda bir tutars zl k yaratacakt r. Hesaplamalardaki bu tutars zl ortadan kald rmak amac yla, çal man n bu a amas nda, alternatiflerin puanlanmas için Expert Choice yaz l m terk edilerek, Ökerin (2007) çal mas nda kulland puanlama yöntemine geçilmi tir. Öker (2007), ilgili çal mas nda, kurumsal kredileri de erlendirmeye yönelik bir model kurmu tur. Bu model için; ana kriterleri alt kriterlere, alt kriterleri metriklere ay rm t r. Ana kriterlerin, alt kriterlerin ve metriklerin önem a rl kland rmalar n yap p yüzde önem da l mlar n bulduktan sonra, her metri e bir puan atam ve kredi talebini de erlendirdi i kurumsal irketin toplam kredi puan n, bütün kriterlerin toplam puan n hesaplayarak bulmu tur. Kriterlerin toplam puan n hesaplamak içinse; kriterin metrik puan n, metri in a rl k puan n, alt kriterin a rl k puan n ve ana kriterin a rl k puan n birbiriyle çarpm t r. Alt kriter puanlar n n atanmas nda, dörtlü bir sistem kullan lm t r. Puanlar 0.10-1.00 aras nda dört gruba bölünerek, ilgili alt kriterin durumuna göre puan atamas yap lm t r. A a daki Tablo 2de, bu puanlar ve bu puanlara kar l k gelen aç klamalar yer almaktad r. Tablo 2. Alt Kriterlerin Puanlanma Esaslar ALT KR TER PUANI AÇIKLAMA 0.10 OLUMSUZ 0.40 AZ OLUMSUZ 0.70 AZ OLUMLU 1.00 OLUMLU Çal ma kapsam nda, alt kriterlerin puanlanmas amac yla, her alt kritere olumlu, az olumlu, az olumsuz veya olumsuz olu una göre bir puan atanm t r. Tablo 3te, her alt kriterin puanlanmas yer almaktad r. 152
XI. Üretim Ara t rmalar Sempozyumu, 23-24 Haziran 2011 Tablo 3. Alt Kriter Puanlar ANA KR TERLER ALT KR TERLER ALT KR TER PUANI 27 ya ve alt 0.40 Do um Tarihi (Ya ) 28-35 ya 0.70 36 ya ve üstü 1.00 Medeni Durum Evli 1.00 Bekar 0.40 lkö retim 0.10 Lise 0.70 Ö renim Durumu Üniversite (2 Y ll k) 1.00 Üniversite (4-6 Y ll k) 1.00 Lisansüstü / Doktora 1.00 Kendi Evi 1.00 Oturulan Ev Kira 0.40 Lojman 0.70 1000 YTL'den az 0.10 Ayl k Net Gelir 1000-1499 YTL 0.70 1500-2499 YTL 1.00 2500 YTL'den fazla 1.00 Ücretli 1.00 Serbest 1.00 Çal ma ekli Emekli 0.40 Ev Han m 0.40 Ö renci 0.40 3000-5000 YTL 0.40 Talep Edilen Kredi Tutar 5000-10000 YTL 0.70 10000-20000 YTL 1.00 12 aya kadar 1.00 Talep Edilen Vade Süresi 12-24 ay 0.70 24-36 ay 0.40 Alt kriterlerin bu ekilde puanlanmas yla, bireysel kredi taleplerini de erlendirme modelinde kullan lacak olan verilerin hepsi tamamlanm olup; s ra, son a ama olan kredi skorunun hesaplanmas na gelmi tir. 4.4. Kredi Skorunun Hesaplanmas Bu çal mada, bireysel kredi talebinde bulunan be gerçek aday n ba vurular n n onaylanmas ya da reddedilmesi karar n n verilmesi amaçlanmaktad r. Bu amaçla, her aday n, birbirinden ba ms z olarak kredi skorlar n n hesaplanmas gerekmektedir. Kredi skorlar n n hesaplanmas nda, adaylar n bireysel kredi talep formuna girdikleri bilgiler kullan lm t r. Her aday n, ilgili formdan al nan bilgisi a a da Tablo 4te gösterilmi tir. Tablo 4. Kredi Ba vurusunda Bulunan Adaylar n Form Bilgileri ADAYLAR ANK A B C D E DT 46 46 34 44 23 MD Evli Evli Evli Evli Bekar ÖD Lise Üniversite (4-6 Y ll k) lkö retim Lise Üniversite (4-6 Y ll k) OE Kendi Evi Kendi Evi Kira Kira Kendi Evi AYG 1450 YTL 10000 YTL 650 YTL 800 YTL 1250 YTL Ç Ücretli Serbest Ücretli Emekli Ö renci TEKT 12000 YTL 20000 YTL 3500 YTL 4500 YTL 8000 YTL TEVS 18 Ay 12 Ay 24 Ay 36 Ay 12 Ay 153
A. Ta k n Gümü, G. Çelik, M. Üçer Adaylar n vermi olduklar bu bilgiler, çal mada yap lm olan alt kriter gruplar na göre s n fland r lm t r. Örne in, A aday ya kriterini 46 olarak girmi tir ve bu, kurulan modelde 36 Ya ve Üstü alt kriterine denk gelmektedir. Her aday için her kriter bilgisi bu ekilde düzenlenmi tir. Adaylar n bilgileri, modelde kullan lacak ekilde düzenlendikten sonra, kredi skorlar n n hesaplanmas için a a daki e itlikler kullan lm t r: KTP = KAKP x AKAP x ANKAP (1) Aday n Toplam Kredi Skoru = KTP (2) (1) denkleminde; KTP, kriterin toplam puan n ; KAKP, kriterin alt kriter puan n ; AKAP, alt kriterin a rl kl puan n ; ANKAP, ana kriterin a rl kl puan n simgelemektedir. Buna göre kredi ba vurusunda bulunan adaylar n toplam kredi skorlar elde edilerek Tablo 5te gösterilmi tir. Tablo 5. Kredi Ba vurusunda Bulunan Adaylar n Toplam Kredi Skorlar Aday Toplam Kredi Skoru A 0,3459 B 0,5416 C 0,1494 D 0,1317 E 0,2088 4.5. Modelin ve Analiz Sonuçlar n n De erlendirilmesi Bu çal mada, bankadan kredi talebinde bulunan ki ilerin ba vurular n n hepsinin bankan n kredi politikas na uygun oldu u ve istihbaratlar n n temiz oldu u varsay m kabul edilmi tir. Bu nedenle, kredinin onay ya da reddi karar için sadece ba vuru sahibinin kredi skoru temel al nm t r. Bankalar n kredi skor limitleri, içinde bulunulan döneme, ekonomik artlara, bankan n büyüme ya da küçülme stratejilerine göre de i iklik gösterebilmektedir. Bankalar n mü teri çekmek amac güttü ü dönemlerde, belirlenen kredi skoru alt limiti a a lara çekilebilirken; ekonomik kriz ya anan ya da piyasan n durgun oldu u dönemlerde, bu puan kulland r lan kredilerin k s tland r lmas amac yla yukar çekilebilmektedir. Bu çal mada kabul edilebilir kredi skorunun belirlenebilmesi için, öncelikle bir aday n her kriterden en yüksek puan almas durumunda sahip olaca maksimum kredi skoru hesaplanm t r. Bu hesaplama, bir önceki alt bölümde tan mlanan (1) ve (2) denklemleri kullan larak yap lm ; sonuç, Tablo 6da görüntülenmi tir. Hesaplanan bu maksimum skora göre, ilgili puan aral ; kabul, red ve gri alan olmak üzere üçe ayr lm t r. Tablo 6. Bireysel Kredi Taleplerini De erlendirme Modelinde Bir Aday n Alabilece i Maksimum Kredi Skoru MAKS MUM DURUM ALT KR TER KAKP AKAP ANKAP KTP 36 Ya ve Üstü 1,00 0,625 0,074 0,0463 Evli 1,00 0,833 0,066 0,0550 Lisansüstü/Doktora 1,00 0,330 0,121 0,0399 Kendi Evi 1,00 0,659 0,174 0,1147 2500 YTL'den Fazla 1,00 0,574 0,274 0,1573 Serbest 1,00 0,455 0,214 0,0974 10000-20000 YTL 1,00 0,582 0,041 0,0239 12 Aya Kadar 1,00 0,540 0,035 0,0189 TOPLAM KRED SKORU 0,5532 Analitik Hiyerar i Prosesi yöntemi kullan larak kurulan bu modelde, bir aday n alabilece i maksimum skor 0,55 olarak kabul edilmi tir. Ba vurular n yap ld bankan n büyüme stratejisi güttü ü için mü teri çekme amac nda bulundu u varsay m na dayanarak, bu puan aral Tablo 7de görüldü ü gibi bölümlendirilmi tir. 154
XI. Üretim Ara t rmalar Sempozyumu, 23-24 Haziran 2011 Tablo 7. Kredi Skorlar n n Kabul, Red ve Gri Alan Limitleri PUAN ARALI I DURUM 0,55 0,31 Kabul edilir. 0,30 0,21 Gri alana dü er; kredi karar n onaylayacak ki inin subjektif de erlendirmesine ba l d r. 0,20den Az Reddedilir. Tablo 7deki puan aral klar na göre adaylar n kredi skorlar de erlendirildi inde A ve B adaylar n n ba vurular n n kabul oldu u, C ve D adaylar n n ba vurular n n reddoldu u, E aday n n ba vurusunun ise gri alana dü mesinden ötürü subjektif de erlendirmeye tabi tutulaca sonucu ortaya ç km t r. E aday n n kredisinin kabul ya da red olmas, kredi talebini de erlendiren ki inin görü üne göre belirlenecektir. Aday n form bilgilerine bak ld nda kendi evinde oturmas, ayl k kazanc n n 1000-1499 YTL aras nda olmas kendisine avantaj kazand rmakla birlikte; ö renci ve bekar olmas krediyi geri ödeyebilme durumunda üphe uyand rmaktad r. Bu nedenle, E aday n n kredi ba vurusu ilk etapta reddolmamas na ra men, gri alan de erlendirmesinden sonra kabul edilmeme yönünde karara var lmas olas d r. Adaylar n kredi taleplerinin, kredi skor limitlerine ilaveten mensup olduklar risk grubuna göre de erlendirilmeleri de mümkündür. Özellikle, gri alana dü mü ba vurularda, kredi de erlendirme kriterlerinin yan nda kredinin ta d riskin de göz önünde bulundurulmas, isabetli bir karar verilmesi konusunda yard mc olacakt r. Bu nedenle, kredi skor limitlerinin belirlenmesinden sonra, ba vurular n risk derecelerinin belirlenmesi ad na puan limitleri atanm t r. Rating gruplar na göre puan aral klar, Tablo 8deki gibi belirlenmi tir. Tablo 8. Risk (rating) Gruplar na Göre Kredi Puan Aral klar R SK GRUBU PUAN ARALI I AAA 0,55-0,50 AA 0,49-0,44 A 0,43-0,38 BBB 0,39-0,34 BB 0,33-0,28 B 0,27-0,22 CCC 0,21-0,15 DD 0,14-0,08 DP 0,07-0,00 Tablo 8deki puan aral klar gözönüne al nd nda, A aday n n en yüksek kredi kalitesine sahip olup risk unsurlar n n yok denecek düzeyde oldu u; B aday n n koruma unsurlar n n alt nda bir ortalamaya sahip olmas yla birlikte, temkinli bir yat r m için yeterli oldu u; C ve E adaylar n n yat r m derecesinin çok alt nda ve büyük belirsizli e sahip olmakla birlikte, koruma faktörlerinin zay f olmas nedeniyle olumsuz geli meler kar s nda yüksek risk yaratabilece i; D aday n n ise büyük risk ta y p, geri ödemeleri zaman nda yapmama durumunun mevcut olaca sonuçlar na var lm t r. Risk gruplar na göre yap lan de erlendirmeler sonucunda, C ve D adaylar n n kredi skorlar na göre otomatik olarak ba vurular n n reddolmas n n ve E aday n n gri alandan subjektif de erlendirme sonucunda red alan na devrolmas n n isabetli kararlar oldu u görülmü tür. A a da, Tablo 9da, her aday n kredi ba vurusunun durumu ve ta d risk özetlenmi tir. Tablo 9. Adaylar n Kredi Taleplerinin Karar ve Risk Durumu ADAY KRED KARARI TA IDI I R SK A Kredi verilir. AAA Yok denecek düzeyde risk seviyesi B Kredi verilir. BBB Kabul edilebilir risk seviyesi C Kredi verilmez. CCC Oldukça yüksek risk seviyesi D Kredi verilmez. DD Kabul edilemez risk seviyesi E Gri alan Kredi verilmez. CCC Oldukça yüksek risk seviyesi 155
A. Ta k n Gümü, G. Çelik, M. Üçer 4. SONUÇ Bu çal mada, bir bankaya ba vurarak kredi talep eden bireysel mü terilerin k sa vadeli kredi taleplerinin de erlendirilmesinde, kredi talebinin kabul edilmesi ya da reddedilmesi karar n n verilmesine yönelik, Analitik Hiyerar i Prosesi (AHP) yöntemiyle ili kilendirilen bir model önerilmi tir. Bu modelin olu turulmas nda, görü ülen bankalar n bireysel kredi talep formlar ve görü ülen ki ilerin uzman görü leri al narak bu çal maya özel bir kredi talep formu olu turulmu tur. Bu do rultuda, gerçek be bireysel ba vuru dikkate al narak, ba vurular n olumlu veya olumsuz sonuçland r lmas yla ilgili nümerik bir örnek ile önerilen modelin uygulanabilirli i gösterilmi tir. Daha ileriki çal malarda kredi talep formu ilave analizlerle detayland r labilir. Ayr ca, farkl bir çok kriterli karar verme metodu ile sonuçlar n k yaslanarak de erlendirilebilir. Metodun daha etkin kullan m n sa lamak üzere bir yaz l m arayüzü geli tirilerek uzun i lemler ve dolay s yla karar n verilmesi için gerekli zaman gereksinimi en aza indirilebilir. KAYNAKÇA Dowie, J., 1999, Against risk, Risk Decision and Policy, vol. 4, no. 1, pp. 5773. Ward, S., ve Chapman, C., 2003, Transforming project risk management into project uncertainty management, International Journal of Project Management, vol. 21, pp. 97105. Taskin Gumus, A., ve Guneri, A.F., 2007, Project Risk Evaluation Using Neuro-Fuzzy Integration and A Case Study, IFAC Symposium-Computational Economics & Financial and Industrial Systems CEFIS 07, 336-340, Dogus University, Istanbul, Turkey. BDDK, 2001, Bankalar n ç Denetim ve Risk Yönetim Sistemleri Hakk nda Yönetmelik, Resmi Gazete Say 24312 (08.02.2001). Güner, S., 2005, Basel Tabanl Kredi Riski, Modellemeleri ve Bir Uygulama, Doktora Tezi, Marmara Üniversitesi Bankac l k ve Sigortac l k Enstitüsü Bankac l k Anabilim Dal, stanbul. ipek, P., 2005, Banka Stratejik Yönetimi Aç s ndan Kredi Risk Yönetimi Modelleri, Doktora Tezi, Marmara Üniversitesi Bankac l k ve Sigortac l k Enstitüsü Bankac l k Anabilim Dal, stanbul. Öker, A., 2007, Ticari Bankalarda Kredi ve Kredi Riski Yönetimi Bir Uygulama, Doktora Tezi, Marmara Üniversitesi Sosyal Bilimler Enstitüsü letme Anabilim Dal, stanbul. Saaty, T.L., 1980, The Analytic Hierarcy Process, McGraw-Hill, New York. Saaty, T.L., 1990, How to mark a decision: the analytic hierarchy process, European Journal of Operational Research, vol. 48, no. 1, pp. 926. Saaty, T.L., 2001, Decision Making with Dependence and Feedback: The Analytic Network Process RWS Publications, Pittsburgh, PA, USA. Chang, C.-W., Wu, C.-R., Lin, C.-T., ve Chen, H.-C., 2007, An application of AHP and sensitivity analysis for selecting the best slicing machine, Computers & Industrial Engineering, vol. 52, pp. 296307. Xia, W. Ve Wu, Z., 2007, Supplier selection with multiple criteria in volume discount environments, Omega, vol. 35, pp. 494504. [1] http://www.tbb.org.tr/turkce/kanunlar/5411/5411_guncel.doc. TBB, (2005), Bankac l k Kanunu, s.18-21. 156