Kredi Riski Sınıflandırmasında Kelimelerin Gücü: Alternatif Kredi Derecelendirme Aracı Olarak Sentiment Analizi
Year: 2026
Type: article
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.
Author: Yunus Emre Akdoğan
Institution: Yozgat Bozok Üniversitesi
Language: Turkish
Subfield: Accounting
Domain: Social Sciences
Open Access status: diamond
OpenAlex ID: W7140778950