Katman XII · Karar, İşletme & Yönetişim · 34 / 34

Birleştirici Çerçeve: Veri Bilimciden Model Risk Uzmanına

bu bölümün sorusu

34 bölüm boyunca öğrendiklerimiz arasındaki bağlantı nedir? Ve bir veri bilimcinin kavramsal derinliği, model risk validasyonunu nasıl dönüştürür — sadece metrik hesaplamaktan bağımsız yargı üretmeye geçişte ne gerekir?

Bu bölümün sonunda

34 bölümün veri–model–karar–yönetişim zincirini birleştirmek
Tekniği kullanım amacı ve düzenleyici bağlamla eşlemek
Derinleşme yolunu kişisel rol ve model envanterine göre seçmek

artifact 1 — 12 katman haritası

Serinin tümü — 12 katman, 34 bölüm — tek bir görünümde. Her katmana tıklayarak ne kapsadığını görün.

12 katman · 34 bölüm haritası

katman XII · bölüm 34

Bir katmana tıklayın

Yukarıdaki haritada herhangi bir katmana tıklayarak o katmanın içeriğini görün.

artifact 2 — veri biliminden model riskine: köprü diyagramı

Her veri bilimi aracının karşılık geldiği model riski uygulaması. Bu köprü, teknik bilginin kurumsal değere nasıl çevrildiğini gösterir.

DS araç → MRM uygulama köprü diyagramı

katman XII · bölüm 34

Bu köprüyü kurmak — teknik bilgiden bağımsız yargıya geçmek — zaman ve bağlam ister. Validasyonu salt metrik hesaplama olarak görürseniz çerçeve eksik kalır; metodoloji, veri, süreç ve kullanım uyumunu birlikte değerlendirmek asıl işin kendisidir.

düzenleyici çerçeve haritası

Basel 3.1 / CRR3 EBA/GL/2017/16 · 2019/03 IFRS 9 ECB içsel model SR 26-2 BDDK İDD

Seri boyunca dokunduğumuz düzenleyici zemin tek bir haritada birleşir: sermaye tarafında Basel 3.1/CRR3 (output floor) ve IRB için CRR Md.174–180; parametre tahmininde EBA/GL/2017/16 (PD/LGD, temsil edicilik, MoC) ve EBA/GL/2019/03 (downturn LGD); karşılık tarafında IFRS 9 (PIT, lifetime, forward-looking); denetim/izlemede ECB Guide to Internal Models ve EBA validasyon standartları; yönetişimde SR 26-2 (ABD; risk-temelli model risk yönetimi); ve hepsinin yerel karşılığı olarak BDDK İDD düzenlemeleri. Validatörün işi bu katmanların kesişiminde durmaktır.

Basel 3.1/CRR3 · EBA/GL/2017/16 · 2019/03 · IFRS 9 · ECB Guide to Internal Models · SR 26-2 · BDDK İDD

ileriye bakış: derinleşme yolları

Bu seri bir başlangıç noktasıdır. Her katman için derinleşme önerileri:

İstatistik & Metodoloji (Katman I–VI)

Elements of Statistical Learning — Hastie, Tibshirani, Friedman · Açık erişim, canon

Introduction to Statistical Learning — James, Witten et al. · Daha erişilebilir, R/Python örnekleri

Regression Modeling Strategies — Harrell · Klinik/kredi uygulamaları, WoE ile örtüşüyor

Kredi Riski & Bankacılık (Katman VII–XI)

Credit Risk Measurement — Saunders & Allen · IRB, PD/LGD/EAD kapsamlı

Modelling Credit Risk — Bluhm, Overbeck, Wagner · Teknik derinlik, survival modelleri

EBA GL/2017/16 — PD & LGD Estimation · Birincil kaynak, zorunlu okuma

EBA/GL/2019/03 — Downturn LGD · Kriz dönemi LGD tahmini

ECB Guide to Internal Models · IRB doğrulama beklentileri

Yorumlanabilirlik & Etik AI (Katman IX–X)

Interpretable Machine Learning — Molnar · Açık erişim, SHAP/PDP/LIME kapsamlı

Fairness and Machine Learning — Barocas, Hardt, Narayanan · Açık erişim, teorik çerçeve

Model Risk Yönetişimi (Katman XII)

SR 26-2 — Revised Guidance on Model Risk Management (17 Nisan 2026) — Federal Reserve · Model risk yönetişiminin temel belgesi

ECB Guide to Internal Models · Avrupa perspektifi, IRB rehberi

Veri bilimi bir araç kutusudur. Model risk validasyonu ise bu araç kutusunu banka kurumunun kısıtları, müşterinin refahı ve regülatörün beklentileri içinde nasıl kullanacağını bilmektir. Teknik derinlik ve kurumsal yargı — ikisine birden sahip olmak güçlü bir konumdur.

Bu seri, bir veri bilimcinin kavramsal dilini model risk validasyonunun kurumsal diline bağlamak amacıyla yazıldı. Metrik hesaplamaktan metodoloji sorgulamaya, korelasyondan nedenselliğe, modelden lifecycle'a — 34 bölüm bu köprünün taşlarıdır.

← Tüm Yol Haritasına Dön