Çok Boyutlu Ortamda Konumlandırma Modellerinin Geliştirilmesi ve Türkiye Uygulaması

1. Çok Boyutlu Ortamda Konumlandırma Modellerinin Geliştirilmesi ve Türkiye Uygulaması 29.05.2013 Kerem Özgür Araç Genel Müdür Yardımcısı

2. AJANDA • Finar Hakkında • Finar’ın Avantajları • Uluslararası Uzmanlık • Çok Boyutlu Ortamda Konumlandırma Modelleri • Türkiye Uygulaması – Finar - Çek Endeksi

3. Finar Hakkında • Finar Türkiye’nin ilk; • Ticari krediler için istatistiki skorkartını ve • Küçük ve mikro işletme kredileri için skorkart bazlı otomatikkarar 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) • 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

4. 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.

5. 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.

6. 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.

7. Çok Boyutlu Ortamda Konumlandırma Modelleri • Türkiye Uygulaması – Finar - Çek Endeksi

8. 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.

9. Çek Endeksi Kaç adet çek tarihinde Ödendi, gecikme ile ödendi veya ödenmedi? Karşılıksız çıkan / Gecikmeli ödenen / İbrazında ödenen çeklerin günümüze uzaklığı Karşılıksız çıkan / Gecikmeli ödenen / İbrazında ödenen çeklerin tutarları? Ortalamaların neresinde? Karşılıksız çıkan / Gecikmeli ödenen İbrazında ödenen çeklerin belirli bir zaman dilimi içinde yoğunlaşması

10. Çek Endeksi • Çek Endeksi, ilgili tüzel veya gerçek kişinin sorgu anındazamanında 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 itibariylegösterdikleri karakteristiklerin matematiksel bir göstergesidir. • Çek Endeksi ilgili tüzel veya gerçek kişinin çok boyutlu ortamdaki konumlarını ölçülebilir ve karşılaştırılabilir hale getirir.

11. Çek Endeksi Model Geliştirme Süreci FaktörAnalizi Çek Kullanıcılarına İlişkin Göstergelerin Türetilmesi Konumlandırma Algoritması Açıklayıcı Veri Analizleri Konumlandırma Sonuçlarının Endekse Dönüştürülmesi ÇEK ÖDEME ENDEKSİ

12. Çek Endeksi Model Geliştirme Süreci Tutarların Ortalamalardan Uzaklığı Frekans Grup 1 Frekans Grup 2 Frekans Grup 1 Frekans Grup 2 Frekans Grup 1 Frekans Grup 2 ÇEK ÖDEME ENDEKSİ Frekans Konumlandırması 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 Konumlandırması Tutar Grup 3 Tutar Grup 4 Tutar Grup 3 Tutar Grup 4 Tutar Grup 3 Tutar Grup 4 Zaman 1 – 12Ay 13 – 24Ay 25 – 36 Ay

13. Çek Endeksi Model Geliştirme Süreci Son 36 Aylık Dönem İçinde 500 501 0 1 999 1000 Karşılıksız Çeki Olanlar Gecikmeli Ödeyenler Tüm çeklerini İbrazında Ödeyenler Tüm çekleri karşılıksız olanlar • Gecikmeli • İbrazında • Karşılıksız • Gecikmeli • İbrazında

14. 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.

15. Çek Endeksi Kullanımının Faydaları • 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. Firmanın Kredi Başvurusu Çek Endeksi Sorgulaması Hayır Çek Endeksi>= 350 Başvuru Sürecini Sonlandır Evet Başvuru Bilgileri Girişini Yap

16. Çek Endeksi Kullanımının Faydaları • Kredi tahsis süreçlerinde belirli skor seviyeleri için belirli limit ve firma ölçeğinde sistemsel red / kabul kararlarının verilmesi mümkün olacaktır. • Çek Endeksi başvuru skorları ile birleştirilerek otomatik kabul / red matrisleri oluşturulabilir. • Kırmızı alan : Otored • Yeşil alan : Otokabul

17. 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 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. Teminata Verilen Çekler Çek Endeksi Sorgulaması Hayır Çek Endeksi>= 500 Çekleri Teminata Kabul Etme Evet Çekleri Teminata Kabul Et

18. 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.

19. Farklı Skorların Toplu Kullanımı • 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. KKB Ticari Kredi Notu KKB Çek Endeksi Başvuru Skoru İçsel Davranış Notu AA 960 750 8

20. 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.

21. TEŞEKKÜR EDERİM. Kerem Özgür Araç Genel Müdür Yardımcısı kerem.arac@finar.com.tr