06.03.2018 tarihli ve 30352 sayılı Resmi Gazetede yayımlanan “Yükseköğretim Kanunu İle Bazı Kanun Ve Kanun Hükmünde Kararnamelerde Değişiklik Yapılması Hakkında Kanun” ile 18.06.2018 tarihli “Lisansüstü Tezlerin Elektronik Ortamda Toplanması, Düzenlenmesi ve Erişime Açılmasına İlişkin Yönerge” gereğince tam metin erişime açılmıştır. Son yıllarda sosyoekonomik ve teknolojik değişimler ile birlikte bireylerin tüketim alışkanlıklarındaki değişim kredi talebini artırmıştır. Kredi talebindeki dikkat çekici artış nedeniyle, borç verme, bankalar ve diğer finansal kurumlar için diğer operasyonel işlemlerden daha fazla gelir getirmeye başlamıştır. Bununla birlikte, kredilerin uygun risk değerlendirmesi yapılmadan dikkatsiz biçimde dağıtılması durumunda, geri ödemede zorluklar ortaya çıkmakta, bu da ekonomik ve sosyal kayıplarla sonuçlanmaktadır. Bu alandaki kredi skorlama modelleri ve algoritmalar, kredi kararlarını daha iyi ve etkin vermek için otomasyona dayalı mekanizmalar sağlamak amacıyla geliştirilmiştir. Uygulanan karar modelleri ve algoritmalar, kredi skorları üretmek için farklı parametreler ve teknikler kullanmaktadır. Bankalar riski azaltmak için genellikle üst segment tüketicileri hedeflemekte, ve kredi başvurusunda bulunan bireylerin finansal geçmişine dayanarak değerlendirme yapan jenerik risk değerlendirme mekanizmaları kullanmaktadırlar. Bununla birlikte, uygulanan kredi riski modelleri, kültürel ve sosyal farklılıklar nedeniyle Türkiye'deki başvuru sahiplerinin risk profilini çıkarmak için pek uygun değildir. Finans sektöründeki kredi verme süreçlerinde alternatif veri kaynaklarının kullanılması gibi güncel trendleri dikkate alarak, özellikle bankalarla ilişkisi ve finansal geçmişi olmayan bireylerin krediye erişimini sağlamak ve karar vermenin doğruluğunu artırmak için Türkiye özelinde kredi risk değerlendirmesine yönelik bir sistem modeli önemli bir gereksinimdir. Dolayısıyla, bu tez kapsamında, kredi kararlarını verme süreçlerinde performansı artırma potansiyeline sahip olan değişkenler ve ağırlıkları nitel ve nicel araştırma yöntemleriyle belirlenmiştir. Bu doğrultuda, ilgili parametrelerin belirlenmesi ve nicel risk tahminleri üretmek amacıyla, sınıflandırma algoritması kullanılarak kredi risk modelleri tasarlanmış ve geçerliği test edilmiştir. Sonuç olarak, iki modülden oluşan risk değerlendirme sisteminin teorik temeli ve psikometrik değerlendirme içeren potansiyel bir ek değerlendirme mekanizması önerilmiştir. Socioeconomic and technological changes together with shift in consumption patterns of individuals have enhanced the demand of credit for the last two decades. Because of remarkable increase in credit demand, lending has begun to generate more income than other operational transactions for banks and other financial institutions. Nevertheless, in the case of careless giving out of loans without proper risk assessment, difficulties in repayment emerge, which results in economic and social losses. Credit scoring models and algorithms in this field have been developed for the purpose of providing automated mechanisms for better and efficient credit granting decisions. Decision models and algorithms employed uses different parameters and techniques for producing credit scores. Generally, banks target the upper segment consumers for risk mitigation and use generic risk assessment mechanisms depending on financial history of applicants. Nevertheless, credit risk models implemented are not very appropriate for profiling applicants in Turkey because of cultural and social differences. Considering the trends in lending processes in finance sector such as use of alternative data sources for credit risk assessment especially for providing the access of unbanked individuals to credit and for improving accuracy of decision making, a customized system model for credit risk assessment is an important requirement for Turkey. Hence, within the scope of this dissertation, relevant variables for decision making process, which potentially enhances credit granting, and their weights were determined by qualitative and quantitative research methods. Accordingly, by means of employing classification algorithm, credit risk models were designed and validated for identification of the indicators, and producing quantitative risk estimates. Consequently, theoretical foundation for two-module risk assessment system and a potential supplementary tool involving a psychometric assessment mechanism was proposed.