Bu rapor finansal verilerdeki temerrüt ve performansın ileri grafik yazılımları ile nasıl kolay anlaşılabilecek görsel hale getirildiğini sergiliyor. Bu teknikle RİSK Tek Boyutlu bir Sayı değil Çok Boyutlu bir Profil olarak görülebiliyor

1. Fatma ÇINAR, MBA Capital Markets Board of Turkey
e-mail: fatma.cinar@spk.gov.tr @fatma_cinar_ftm, @TRUserGroup
C. Coşkun KÜÇÜKÖZMEN, PhD e-mail: coskun.kucukozmen@ieu.edu.tr
@ckucukozmen @RiskLabTurkey
Kutlu MERİH, PhD e-mail: kutmerih@gmail.com @cortexien
https://www.riskonomi.com
VERI GORSELLESTIRME ILE RISK YONETIMI
RISK RAPORU

2.  Günümüz yazılım teknolojisi büyük veri
setlerinin içindeki gizli ilişkileri görsel olarak
analiz edebilmemize olanak sağlar.
 Bu rapor finansal verilerdeki temerrüt ve
performansın ileri grafik yazılımları ile nasıl
kolay anlaşılabilecek görsel hale
getirildiğini sergiliyor.
 Bu teknikle RİSK
 Tek Boyutlu bir Sayı değil
 Çok Boyutlu bir Profil olarak görülebiliyor

3. Turkiye 12 NUTS Bölgesi 81 ilinde ve
Türkiye Genelinde 2010-2015 zaman
diliminde verilen ENERJI kredilerinin
Temerrüt durumu Raporu
Rapor ENERJI Kredilerinde yaşanan riskin
Zaman ve Mekan üzerindeki dağılımını
değerlendirmeyi amaçlamaktadır
Raporlarımıza gözlediğimiz ilginç bir
durum verilerin zaman üzerinde stabil,
fakat mekan üzerinde volatil olmasıdır.

5.  Özel olarak geliştirdiğimiz R yazılım
paketlerinden yararlanan Grafik Datamining
teknolojisi ile Finansal veri setlerinde zaman
mekan ve diğer faktörlerin risk ve performans
üzerindeki etkisini analiz edebilmekteyiz.
 Bu teknik ceşitli OR ve Finans kongrelerinde
Akademik camiaya sunulmuş görsel
medyada kamuoyu ile paylaşılmıştır.
 Bu çalışmalar KAYNAK kısmında verilmektedir

6.  Veri kaynağımız BDDK sitesinde sunulan
FINTURK kredi ve temerrüt veri setleridir
 FINTURK download edilip excel
formatında database haline
dönüştürülmüş ve bunlara NUTS faktörleri
ve diğer bilgiler eklenmiştir.
 Yazılım verileri excel dosyasından okuyup
faktörize edilmiş anlamlı grafikler haline
dönüştürebilmektedir.
 Bu veri seti bundan sonra “dataset”
olarak anılacaktır.

7.  [1] "NYIL" "SYIL" "DONEM" "SEHIR"
 [5] "SEHIRKOD" "NBOLGE" "BOLGE" "NUTS3KOD"
 [9] "NUTS2KOD" "NUTS1KOD" "NUTS1BOLGE" "SEKTOR"
 [13] "GRUP" "NAKKREDI" "GNAKDIKREDI" "TOPNAKKREDI"
 [17] "TASIT" “KONUT” "KMH" "KREDIKART"
 [21] "GIDA" "INSAAT" "METAL" "FINANSAL"
 [25] "TEKSTIL" "TOPTICARET" "TURIZM" "ZIRAAT"
 [29] "ENERJI" "DENIZCILIK" "DIGERTUKETICI" "TAKIPALACAK"
 [33] "TAKIPKREDIKART" "TAKIPTASIT" "TAKIPKONUT" "TAKIPDIGTUKETICI"
 [37] "TAKIPGIDA" "TAKIPINSAAT" "TAKIPMETAL" "TAKIPFINANSAL"
 [41] "TAKIPTEKSTIL" "TAKIPTOPTICARET" "TAKIPTURIZM" "TAKIPZIRAAT"
 [45] "TAKIPENERJI" "TAKIPDENIZCILIK" "GNAKDIGIDA" "GNAKDIINSAAT"
 [49] "GNAKDIMETAL" "GNAKDIFINANSAL" "GNAKDITEKSTIL" "GNAKDITOPTICARET"
 [53] "GNAKDITURIZM" "GNAKDIZIRAAT" "GNAKDIENERJI" "GNAKDIDENIZCILIK"

8. Friday, November 27, 2015

9.  NUTS-1: 12 Bölgeler
 NUTS-2: 26 Alt Bölgeler
 NUTS-3: 81 Şehirler
1. AKDENIZ
2. BATI ANADOLU
3. BATI KARADENIZ
4. BATI MARMARA
5. DOGU KARADENIZ
6. DOGU MARMARA
7. EGE BOLGESI
8. GUNEYDOGU ANADOLU
9. ISTANBUL
10. KUZEYDOGU ANADOLU
11. ORTA ANADOLU
12. ORTADOGU ANADOLU

10. Friday, November 27, 2015
İstanbul
Region
West
Marmara
Region
Aegean
Region
East
Marmara
West
Anatolia
Region
Mediterranean
Region
Anatolia
Region
West Black
Sea Region
East Black
Sea Region
Northeast
Anatolia
Region
East
Anatolia
Region
Southea
st
Anatoli
a
İstanbul
(Subregion)
Tekirdağ
(Subregion)
İzmir
(Subregion)
Bursa
(Subregion)
Ankara
(Subregion)
Antalya
(Subregion)
Kırıkkale
(Subregion)
Zonguldak
(Subregion)
Trabzon
(Subregion)
Erzurum
(Subregion)
Malatya
(Subregion)
Gaziant
ep
(Subreg
ion)
Edirne
Aydın
(Subregion)
Eskişehir
Konya
(Subregion)
Isparta Aksaray Karabük Ordu Erzincan Elazığ
Adıyam
an
Kırlareli Denizli Bilecik Karaman Burdur Niğde Bartın Giresun Bayburt Bingöl Kilis
Balıkesir
(Subregion)
Muğla
Kocaeli
(Subregion)
Adana
(Subregion)
Nevşehir
Kastamonu
(Subregion)
Rize
Ağrı
(Subregion)
Dersim
Şanlıurf
a
(Subreg
ion)
Çanakkale
Manisa
(Subregion)
Sakarya Mersin Kırşehir Çankırı Artvin Kars
Van
(Subregion)
Diyarba
kır
A.Karahisar Düzce
Hatay
(Subregion)
Kayseri
(Subregion)
Sinop Gümüşhane Iğdır Muş
Mardin
(Subreg
ion)
Kütahya Bolu Kahramanmaraş Sivas
Samsun
(Subregion)
Ardahan Bitlis Batman
Uşak Yalova Osmaniye Yozgat Tokat Hakkari Şırnak
Çorum Siirt
Amasya
1 Province 5 Province 8 Province 8 Province 3 Province 8 Province 8 Province 10 Province 6 Province 7 Province 8 Province
9
Provinc
e

11.  Veri setleri üzerinde Real Time Interaktif
Grafiksel Veri Görselleştirme ile
Etki-Performans Analizi
 Teknik:
 R yazılımı #ggplot2 Paketi ile Grafik
DataMining
 Grafik DataMining geleceğin en yaygın
görsel analiz tekniği olacaktır.

12.  R ggplot2 paketi geom() fonksiyonları ile
çok sayıda grafik alternatifine olanak
sağlar.
 Bu rapor çalışmasında etkinlik için ggplot2
geom fonksiyonları ile sadece dört grafik
stilini kullanacağız.
1. Scatterplot geom_point()
2. Densityplot geom_density()
3. Violinplot geom_violin()
4. Facetplot facet_grid()

13. Scatter (saçılım) grafikleri
bildiğimiz xy grafikleridir.
Buradaki özellik bu
grafikleri faktörlere göre
renklendirebiliyor ve
üçüncü z değişkenine
göre balonlayabiliyoruz
X ve Y log10 olacak

14. Density Grafikleri
histogramların sürekli
versiyonudur. Tek bir
nümerik değişkeni
frekansına göre grafikler
Tek başına sınırlı enformasyon
veren density grafikleri
faktörize edildikleri zaman
anlamlı bulgular
sağlayabilir.
Density grafiklerinin tekli veya
çoklu tepe noktalarından
gizli faktörlerin etkisini
belirleyebiliriz.

15. Violin Grafiklere 2-Boyutlu
Density grafikleri olarak
bakabiliriz.
Violin Grafiğin ekseni X
değişkenininin medyan
değerini belirler
Y değişkeni ise bu medyan
etrafında hangi
değerin daha sık
gözlendiğidir.
Y değişkeni bir kaybı
gösterdiğinde violin
grafiği bir Risk Profili
oluşturur.

16. Violin Risk Grafikleri
genellikle Mantar,
Çömlek ve Şişe
formlarında görülür.
Mantar formasyonu risk in
bağımlı değişkenin
yüksek montanlarında
oluştuğunu gösterir.
Çömlek de risk orta
değerlerde
gözlenmektedir.
Şişe de ise risk düşük
mertebelerde
yoğunlaşmıştır.

17. Finansal veriler için
genelde çifte log eksen
kullanılır ve Lineer
Smooth regresyonu ile
Power Law Analizi yan
ürün olarak elde edilir
LogY = a.LogX + b
Burada a Risk Ölçüsüdür ve
her X,Y çifti için aynıdır.
Power Law riskin ölçekten
bağımsız (scale free)
olduğu anlamına gelir.
Regresyonun lineer
doğruya yakınlığı veride
PL gösterir

18. ggplot2 paketinin
facet_grid() fonksiyonu
2-boyutlu Matriks
grafikler elde etmemizi
sağlar.
Matriks grafikler ayrıca
balonlanıp faktörize
edildiğinde ¾- boyutlu
grafikler elde edebiliriz.
Bu grafikler faktörlerin
etkilediği anomalileri
tespit etmemizi sağlar.

19. kutmerih@gmail.com
kutlu@merih.net
coskun.kucukozmen@ieu.edu.tr
http://www.ieu.edu.tr/tr
coskunkucukozmen@gmail.com
http://www.coskunkucukozmen.com
fatma.cinar@spk.gov.tr
http://www.spk.gov.tr/
http://www.riskonomi.com
@TRUserGroup
@CORTEXIEN
@Riskonometri
@Riskonomi
@datanalitik
@Riskanalitigi
@RiskLabTurkey
@fatma_cinar_ftm
tr.linkedin.com/in/fatmacinar
tr.linkedin.com/pub/kutlu-merih
tr.linkedin.com/in/coskunkucukozmen

20.  Küçüközmen, C. C. Ve Çınar F., (2014). “Finansal Karar Süreçlerinde Grafik-
Datamining Analizi”, TROUGBI/DW SIG, Nisan 2014 İstanbul,
http://www.troug.org/?p=684
 Küçüközmen, C. C. ve Çınar F., (2014). “Görsel Veri Analizinde Devrim” Söyleşi,
Ekonomik Çözüm, Temmuz 2014, http://ekonomik-cozum.com.tr/gorsel-veri-
analizinde-devrim-mi.html.
 Küçüközmen, C. C. ve Merih K., (2014). “Görsel Teknikler Çağı" Söyleşi, Ekonomik
Çözüm, Temmuz 2014, http://ekonomik-cozum.com.tr/gorsel-teknikler-cagi.html
 Küçüközmen, C. C. and Çınar F., (2014). “Banking Sector Analysis of Izmir
Province: A Graphical Data Mining Approach”, Submitted to the 34th National
Conference for Operations Research and Industrial Engineering (YAEM 2014),
Görükle Campus of Uludağ University in Bursa, Turkey on 25-27 June 2014.
 Küçüközmen, C. C. and Çınar F., (2014). “New Sectoral Incentive System and
Credit Defaults: Graphic-Data Mining Analysis”, Submitted to the ICEF 2014
Conference, Yıldız Technical University in İstanbul, Turkey on 08-09 Sep. 2014.
 Küçüközmen, C. C. and Çınar F., (2015). “Visual Anaysis of Electricity Demand
Energy Dashboard Graphics” Submitted to the 5th Multinational Energy and
Value Conference May 7-9, 2015 Kadir Has University in İstanbul, Turkey
 Merih, K. C. and Çınar F., (2015). “Sectoral Loans Default Chart of Turkey ”, Submitted to
35th National Operations Research and Industrial Engineering Congress (ORIE
2015) 09-11,September, 2015,Middle East Technical University, Ankara, Turkey