Banking Foundations · 18
Model Riski Nedir?
Bu sayfanın sonunda model hatası ile yanlış kullanımı, veri kayması ile performans bozulmasını ve benchmark ile otomatik model değiştirmeyi ayırabilmelisin.
modelden kaynaklanan risk
Her model bir basitleştirmedir. Gerçeklik karmaşık, model daha az karmaşık. Bu fark kaçınılmazdır — ama bu farkın nasıl yönetildiği çok kritiktir.
Model riski, bir modelin hatalı sonuçlar üretmesi ya da yanlış veya uygunsuz kullanılması nedeniyle olumsuz sonuç doğması riskidir. Kapsam yalnızca istatistiksel hata değil; veri, uygulama, kullanım, yönetişim ve karar bağlamını da içerir.
Model riski diğer risklerden farklıdır: görünmezdir. Kredi riski temerrütlerle, piyasa riski fiyat hareketleriyle kendini belli eder. Model riski sessizce birikir — genellikle ancak zarar gerçekleştikten sonra fark edilir.
Güncellik notu: ABD kurumlar arası model risk rehberi 17 Nisan 2026'da güncellendi ve eski 2011 metninin yerini aldı. PRA SS1/23 de Nisan 2026 sürümüyle günceldir. Her iki çerçeve; sağlam geliştirme, bağımsız değerlendirme, yönetişim ve yaşam döngüsü kontrollerini risk bazlı biçimde ele alır.
model riskinin üç kaynağı
Model riskini öğretmek için üç pratik kaynakta toplayabiliriz: model/metodoloji, veri/uygulama ve kullanım/yönetişim. Bu, rehber metinlerin bire bir zorunlu sınıflandırması değil, sayfanın açıklama çerçevesidir.
⚙️
Hatalı Model
Model teorik olarak yanlış veya hatalı uygulanmış. Yanlış metodoloji, veri kalitesi sorunu, kod hatası.
"PD modeli temerrüt sonrası değişkenleri girdi olarak kullanıyor."
📊
Hatalı Veri
Model doğru ama beslenen veri kirli, eksik veya temsil gücü zayıf. Garbage in, garbage out.
"Sistem hatası nedeniyle son 6 aylık kredi kartı verisi modele eksik aktarılmış."
🎯
Hatalı Kullanım
Model doğru, veri temiz ama model onaylanan kapsamın dışında kullanılıyor.
"Konut PD modeli KOBİ kararlarında da uygulanıyor."
En sinsi kaynak üçüncüsüdür. Model ve veri doğru olabilir ama yanlış bağlamda kullanım yanlış kararlar üretir. Kullanım kayması kademeli gerçekleşir — başta küçük sapma, yıllar içinde büyük sorun.
hangi hata hangi sonuca yol açar?
Her hata türü somut finansal, regülatör veya itibar sonuçlarına dönüşür. Tıkla — her senaryoyu gör.
güncel MRM rehberlerinin ortak omurgası
ABD 2026 rehberi ile PRA SS1/23 aynı metin değildir; ancak aşağıdaki üç alan güçlü bir öğretim özeti sunar. Somut yükümlülük kurum ve ülkeye göre doğrulanmalıdır.
Model Geliştirme
Kapsam belgesi: Model amacı, kullanım alanı, sınırlılıklar
Metodoloji: Gerekçeli, alternatif değerlendirilmiş
Performans: IS ve OoT, kalibrasyon, stabilite
Dokümantasyon: Replikasyona olanak tanıyan detay
Bağımsız Validasyon
Bağımsızlık: Geliştirici ekipten ayrı raporlama
Kapsam: Kavramsal, veri, performans, use test
Periyodik: Her önemli değişiklikte ve dönemsel
Bulgu: Şiddet derecelendirmesi ve kapatma takvimi
Model Riski Yönetimi
Inventory: Tüm modeller kayıt altında
Risk iştahı: Kabul edilebilir model riski seviyesi
Raporlama: Üst yönetim ve komite bilgilendirilmesi
İzleme: Periyodik trigger takibi, PSI, backtesting
Rehberlerin hukuki statüsü ve denetim kullanımı ülkeye göre farklıdır. Türkiye'de uygulanabilir BDDK düzenlemeleri doğrudan kontrol edilmelidir; uluslararası rehberler otomatik yerel kural sayılmaz. AB AI Act kapsamı da kullanım senaryosu, istisna ve yürürlük takvimine göre değerlendirilir.
model drift — model zamanla bozuluyor
Model geliştirme dönemi ile canlı dönem farklılaşabilir. Ekonomi, müşteri profili ve süreçler değişir. Dağılım kayması bir sinyaldir; performans etkisi ayrıca ölçülmeli ve aksiyon onaylı politika üzerinden belirlenmelidir.
Drift hızını artır — modelin ne kadar çabuk tehlike bölgesine girdiğini gör.
challenger / benchmark neden yararlı?
Canlı model karşısında alternatif veya daha basit bir benchmark, karmaşıklığın ve performans farkının gerekçesini test eder. Her durumda ayrı bir üretim challenger'ı zorunlu değildir; kapsam model riskine göre belirlenir.
Champion — Mevcut Model
Lojistik Regresyon + WoE
12 değişken, 2019 kalibrasyonu
Gini (OoT)%64
Kalibrasyon (PD/DR)0.92
PSI (son çeyrek)0.18
YorumlanabilirlikYüksek
Governance uyumuTam
vs
Challenger — Alternatif
Gradient Boosting (XGBoost)
45 değişken, 2024 kalibrasyonu
Gini (OoT)%72
Kalibrasyon (PD/DR)0.98
PSI (son çeyrek)0.07
YorumlanabilirlikDüşük
Governance uyumuKısmi
Karar zorluğu: Challenger daha iyi discrimination ve kalibrasyon sunuyor. Ama yorumlanabilirlik sorunu regülatör için sorun yaratabilir. Champion drift gösteriyor ama governance açısından güçlü. Bu tablo Komite'ye sunulur — teknik üstünlük tek başına yeterli değildir.
Challenger analizi "daha iyi model var mı?" sorusunu sorar. Eğer daha iyi model varken champion kullanılıyorsa neden? Bu sorunun cevabı belgelenmiş olmalıdır. Gerekçesiz champion tercihi model riski bulgusu olabilir.
governance başarısızlık senaryoları
Model teknik olarak sağlam olsa bile yönetişim eksikliği model riskini gerçekleştirebilir. Tıkla — her senaryonun nasıl geliştiğini ve sonuçlarını gör.
bu sayfadan götürülecekler
model riski görünmezdir
Sessizce birikir, genellikle zarar gerçekleşince fark edilir. Proaktif validasyon ve izleme bu yüzden sadece regülatör zorunluluğu değil — iş gerekliliğidir.
hata × kullanım = zarar
Model hatası büyük ama kullanımı az → küçük zarar. Küçük hata ama her kararı etkiliyor → büyük zarar. Materiyalite modelin kullanım yoğunluğundan da geçer.
challenger bağımsızlık güvencesi
Kendi modeline güvenen geliştirici savunmacı olabilir. Challenger model "gerçekten en iyi bu mu?" sorusunu sormak için var. Validasyon bu soruyu tarafsızca sorar.
governance olmadan risk yönetilemez
Güncel MRM rehberleri yalnız teknik test değil, envanter, risk iştahı, raporlama, bağımsız değerlendirme ve yaşam döngüsü yönetişimi bekler.
Faz 5 tamamlandı
Model dünyasını gördük.
Geliştirme süreci, iyi model kriterleri, validasyon testleri ve model riski — hepsini gördük. Son faz bankacılık performans dili: NPL, cost of risk, coverage ratio, ROE/ROA. Sayıları okumak için gereken kelimeler.