ارایه یک مدل جامع ارزیابی عملکرد سیستم بانکداری با استفاده از مدل تحلیل پوششی داده‌ای شبکه‌ای در فضای غیر قطعی

حسین زاده لطفی, فرهاد; نجفی, سید اسماعیل; فاسمی تودشکی, هما

نوع مقاله : مقاله پژوهشی

نویسندگان

¹ گروه ریاضیات، واحد علوم تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران.

² گروه مهندسی صنایع، واحد علوم تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران.

چکیده

امروزه مدیران در همه سازمان‌ها، از جمله بانک‌ها، خواستار استفاده بهینه از امکانات و ظرفیت‌های موجود در بخش‌های مختلف هستند. با در نظر گرفتن فرهنگ فروش در حال ظهور و تقسیم‌بندی مشتریان در سیستم بانکداری جامع در داخل بانک‌ها، مدیران نیاز به سنجش کارایی با استفاده از مدل‌های مرسوم در تحلیل پوششی داده‌ها در قسمت‌های مختلف از جمله، جذب سپرده، ارایه خدمات مالی به گروه مشتریان و کسب سود دارند. هدف از این مقاله ارایه مدل تحلیل پوششی داده‌ها شبکه فازی به همراه وجود متغیرهای نامطلوب و منابع مشترک جهت اندازه‌گیری کارایی شعب بانک‌های ایران در سیستم بانکداری جامع است.
در این پژوهش، با در نظرگیری مدل شبکه‌ای غیر شعاعی تحلیل پوششی داده‌ها بر پایه متغیرهای کمبود، با توجه به آنچه در خصوص عدم قطعیت و اطمینان در خصوص برخی متغیرهای موجود در مدل‌های تحلیل پوششی داده‌ها در فضای واقعی رخ می‌دهد، مدل فازی‌شده مبتنی بر متغیرهای کمبود با در نظرگرفتن متغیرهای نامطلوب و منابع مشترک ارایه می‌شود. نتایج نشان می‌دهد که در یک محیط بانکداری جامع رقابتی، مدل پیشنهادی می‌تواند به مدیران صنعت بانکی جهت اتخاذ سیاست‌های مختلف در بخش‌های مختلف فرآیند بانکداری جامع کمک نماید. مساله اصلی که در بسیاری از شرایط واقعی در ارزیابی عملکرد سیستم بانکداری جامع رخ می‌دهد این است که ورودی‌ها و خروجی‌های مدل تحلیل پوشش داده‌ها قطعی، دقیق و مطلوب نیستند. در این پژوهش، داده‌های غیرقطعی جهان واقعی با استفاده از تحلیل پوششی شبکه‌ای بررسی شده است.

کلیدواژه‌ها

عنوان مقاله [English]

Providing a comprehensive model of banking system performance evaluation using network data envelopment analysis model in non-deterministic space

نویسندگان [English]

Farhad Hosseinzadeh Lotfi ¹
Seyyed Esmaeil Najafi ²
Homa Ghasemi Todeshki ²

¹ Department of Mathematics, Science and Research Branch, Islamic Azad University, Tehran, Iran.

² Department of Industrial Engineering, Science and Research Branch, Islamic Azad University, Tehran, Iran.

چکیده [English]

Today, managers in all organizations, including banks, seek optimal utilization of various departments' available resources and capacities. Considering the emerging sales culture and customer segmentation within the comprehensive banking system, managers need to assess efficiency using conventional models in data envelopment analysis in various areas, including deposit acquisition, providing financial services to customer groups, and generating profits. This paper aims to present a fuzzy network data envelopment analysis model along with undesirable variables and shared resources to measure the efficiency of Iranian bank branches in the comprehensive banking system. This study considers a non-radial network data envelopment analysis model based on scarcity variables. Given the uncertainties and uncertainties surrounding certain variables in data envelopment analysis models in the real world, a fuzzy model based on scarcity variables, taking into account undesirable variables and shared resources, is proposed.
The results indicate that the proposed model can assist industry managers in adopting various policies in different segments of the comprehensive banking process in a competitive comprehensive banking environment. The main issue that occurs in the evaluation of the performance of a comprehensive banking system in many real-world situations is that the inputs and outputs of the data envelopment analysis model are not precise and desirable. In this study, non-deterministic real-world data has been examined using network data envelopment analysis.

کلیدواژه‌ها [English]

Fuzzy Network slacks-based measure
Universal banking system
Shared resources
Undesirable variable

مراجع

[1] Farrell, M. J. (1957). The measurement of productive efficiency. Journal of the royal statistical society series a: statistics in society, 120(3), 253–281.

[2] Charnes, A., Cooper, W. W., & Rhodes, E. (1978). Measuring the efficiency of decision making units. European journal of operational research, 2(6), 429–444.

[3] Lewis, L. F., & Sexton, T. R. (2004). Network DEA: Efficiency analysis of organizations with complex internal structure. Computers and operations research, 31(9), 1365–1410. DOI:10.1016/S0305-0548(03)00095-9

[4] Fukuyama, H., & Weber, W. L. (2010). A slacks-based inefficiency measure for a two-stage system with bad outputs. Omega, 38(5), 398–409. DOI:10.1016/j.omega.2009.10.006

[5] Färe, R., & Grosskopf, S. (2000). Network DEA. Socio-economic planning sciences, 34(1), 35–49.

[6] Sexton, T. R., & Lewis, H. F. (2003). Two-stage DEA: an application to major league baseball. Journal of productivity analysis, 19(2–3), 227–249. DOI:10.1023/A:1022861618317

[7] Tone, K., & Tsutsui, M. (2009). Network DEA: A slacks-based measure approach. European journal of operational research, 197(1), 243–252.

[8] Kao, C., & Hwang, S. N. (2010). Efficiency measurement for network systems: IT impact on firm performance. Decision support systems, 48(3), 437–446. DOI:10.1016/j.dss.2009.06.002

[9] Avkiran, N. K. (2009). Opening the black box of efficiency analysis: An illustration with UAE banks. Omega, 37(4), 930–941. DOI:10.1016/j.omega.2008.08.001

[10] Zha, Y., & Liang, L. (2010). Two-stage cooperation model with input freely distributed among the stages. European journal of operational research, 205(2), 332–338. DOI:10.1016/j.ejor.2010.01.010

[11] Kao, C., & Liu, S. T. (2014). Multi-period efficiency measurement in data envelopment analysis: The case of Taiwanese commercial banks. Omega (United Kingdom), 47, 90–98. DOI:10.1016/j.omega.2013.09.001

[12] Ebrahimnejad, A., Tavana, M., Lotfi, F. H., Shahverdi, R., & Yousefpour, M. (2014). A three-stage Data Envelopment Analysis model with application to banking industry. Measurement: journal of the international measurement confederation, 49(1), 308–319. DOI:10.1016/j.measurement.2013.11.043

[13] Lin, T. Y., & Chiu, S. H. (2013). Using independent component analysis and network DEA to improve bank performance evaluation. Economic modelling, 32(1), 608–616. DOI:10.1016/j.econmod.2013.03.003

[14] Tone, K. (2001). A slacks-based measure of efficiency in data envelopment analysis. European journal of operational research, 130(3), 498–509.

[15] Pastor, J. T., Ruiz, J. L., & Sirvent, I. (1999). Enhanced DEA Russell graph efficiency measure. European journal of operational research, 115(3), 596–607. DOI:10.1016/S0377-2217(98)00098-8

[16] Huang, J., Yang, X., Cheng, G., & Wang, S. (2014). A comprehensive eco-efficiency model and dynamics of regional eco-efficiency in China. Journal of cleaner production, 67, 228–238. DOI:10.1016/j.jclepro.2013.12.003

[17] Huang, J., Chen, J., & Yin, Z. (2014). A network DEA model with super efficiency and undesirable outputs: An application to bank efficiency in China. Mathematical problems in engineering, 2014, 1–14. DOI:10.1155/2014/793192

[18] Olfat, L., Amiri, M., Bamdad Soufi, J., & Pishdar, M. (2016). A dynamic network efficiency measurement of airports performance considering sustainable development concept: A fuzzy dynamic network-DEA approach. Journal of air transport management, 57, 272–290. DOI:10.1016/j.jairtraman.2016.08.007

[19] Wu, J., Zhu, Q., Ji, X., Chu, J., & Liang, L. (2016). Two-stage network processes with shared resources and resources recovered from undesirable outputs. European journal of operational research, 251(1), 182–197. DOI:10.1016/j.ejor.2015.10.049

[20] Tavassoli, M., Faramarzi, G. R., & Farzipoor Saen, R. (2014). Efficiency and effectiveness in airline performance using a SBM-NDEA model in the presence of shared input. Journal of air transport management, 34, 146–153. DOI:10.1016/j.jairtraman.2013.09.001

[21] Sengupta, J. K. (1992). A fuzzy systems approach in data envelopment analysis. Computers and mathematics with applications, 24(8–9), 259–266. DOI:10.1016/0898-1221(92)90203-T

[22] Kahraman, C., & Tolga, E. (1998). Data envelopment analysis using fuzzy concept [presentation]. Proceedings of the international symposium on multiple-valued logic (pp. 338–342). DOI: 10.1109/ismvl.1998.679511

[23] Kao, C., & Liu, S.-T. (2000). Fuzzy efficiency measures in data envelopment analysis. Fuzzy sets and systems, 113(3), 427–437.

[24] Guo, P., & Tanaka, H. (2001). Fuzzy DEA: A perceptual evaluation method. Fuzzy sets and systems, 119(1), 149–160. DOI:10.1016/S0165-0114(99)00106-2

[25] Lertworasirikul, S., Fang, S.-C., Joines, J. A., & Nuttle, H. L. W. (2003). Fuzzy data envelopment analysis (DEA): a possibility approach. Fuzzy sets and systems, 139(2), 379–394.

[26] Tavana, M., Khalili-Damghani, K., & Sadi-Nezhad, S. (2013). A fuzzy group data envelopment analysis model for high-technology project selection: A case study at NASA. Computers and industrial engineering, 66(1), 10–23. DOI:10.1016/j.cie.2013.06.002

[27] Hsiao, B., Chern, C. C., Chiu, Y. H., & Chiu, C. R. (2011). Using fuzzy super-efficiency slack-based measure data envelopment analysis to evaluate Taiwan’s commercial bank efficiency. Expert systems with applications, 38(8), 9147–9156. DOI:10.1016/j.eswa.2011.01.075

[28] Shermeh, H. E., Najafi, S. E., & Alavidoost, M. H. (2016). A novel fuzzy network SBM model for data envelopment analysis: A case study in Iran regional power companies. Energy, 112, 686–697. DOI:10.1016/j.energy.2016.06.087

[29] Akther, S., Fukuyama, H., & Weber, W. L. (2013). Estimating two-stage network Slacks-based inefficiency: An application to Bangladesh banking. Omega (United Kingdom), 41(1), 88–96. DOI:10.1016/j.omega.2011.02.009

[30] Khalili-Damghani, K., & Tavana, M. (2013). A new fuzzy network data envelopment analysis model for measuring the performance of agility in supply chains. International journal of advanced manufacturing technology, 69(1–4), 291–318. DOI:10.1007/s00170-013-5021-y

[31] Färe, R. (1991). Measuring Farrell efficiency for a firm with intermediate inputs. Academia economic papers, 19(2), 329–340.

[32] Zadeh, L. A. (1978). Fuzzy sets as a basis for a theory of possibility. Fuzzy sets and systems, 1(1), 3–28. DOI:10.1016/0165-0114(78)90029-5

[33] Zimmermann, H.-J. (1996). Fuzzy control. In Fuzzy set theory—and its applications (pp. 223–264). Springer.

[34] Hougaard, J. L. (1999). Fuzzy scores of technical efficiency. European journal of operational research, 115(3), 529–541. DOI:10.1016/S0377-2217(98)00165-9

[35] Tone, K. (n.d.). Advances in DEA Theory and Applications: With Extensions to Forecasting Models. , John Wiley & Sons Ltd.

[36] Guh, Y. Y. (2001). Data envelopment analysis in fuzzy environment. International journal of information and management sciences, 12(2), 51–65.

[37] Kuo, H.-C. (2001). An interdisciplinary approach for modelling credit evaluation. International journal of management, 18(1), 11-17.

مطالعات راهبردی مالی و بانکی

ارایه یک مدل جامع ارزیابی عملکرد سیستم بانکداری با استفاده از مدل تحلیل پوششی داده‌ای شبکه‌ای در فضای غیر قطعی

مراجع

مراجع

دوره 1، شماره 1
خرداد 1402
صفحه 1-21

ارایه یک مدل جامع ارزیابی عملکرد سیستم بانکداری با استفاده از مدل تحلیل پوششی داده‌ای شبکه‌ای در فضای غیر قطعی

مراجع

مراجع

دوره 1، شماره 1خرداد 1402صفحه 1-21

دوره 1، شماره 1
خرداد 1402
صفحه 1-21