ارزیابی کارایی شعب بانک توسعه صادرات ایران

شاه آبادی, ابوالفضل; صالحیان بهروز, محمد

doi:10.30465/jnet.2020.5688

ارزیابی کارایی شعب بانک توسعه صادرات ایران

نوع مقاله : علمی- پژوهشی

نویسندگان

¹ استاد گروه اقتصاد دانشکده علوم اجتماعی و اقتصادی، دانشگاه الزهرا

² دکتری اقتصاد دانشگاه سمنان و کارشناس بانک توسعه صادرات ایران

10.30465/jnet.2020.5688

چکیده

در اندازهگیری کارایی، ترکیب روش شبکه عصبی مصنوعی و روش تحلیل سلسله مراتبی یکی از بهترین روشهایی است که مشکلات مربوط به روشهای سنتی و شبکه عصبی مصنوعی از قبیل: عدم توانایی آنها برای در نظر گرفتن شاخصهای ورودی و خروجی چندگانه، ادغام نمرات کارایی و حصول رتبهبندی جامع شعب در ارزیابی کارایی واحدهای دارای چند خروجی و... را ندارد. لذا پژوهش حاضر با ترکیب روش شبکه عصبی مصنوعی و روش تحلیل سلسله مراتبی با بکارگیری دیدگاه واسطهگری، متغیرهای کل سپردهها، هزینههای جذب منابع، هزینههای عملیاتی به عنوان ورودی و کل تسهیلات، سود ناشی از تسهیلات و درآمدهای غیرتسهیلاتی(کارمزد) به عنوان متغیرهای خروجی به اندازهگیری، ارزیابی و مقایسه کارایی شعب بانک توسعه صادرات ایران طی سالهای 1383 تا 1393 میپردازد. نتایج این مطالعه نشان میدهد، از بین شعب مورد ارزیابی بر اساس معیار کارایی جامع در سالهای 1383 تا 1387 شعبه مرکزی و از سال 1387 تا 1393 شعبه زنجان کاراترین شعبه محسوب گردیدهاند.

کلیدواژه‌ها

عنوان مقاله [English]

Efficiency Evaluation of Export Development Bank of Iran

نویسندگان [English]

Abolfazl Shahabadi ¹
Mohammad Salehian Behrouz ²

¹ Professor, Faculty of Social Sciences and Economics, Alzahra University

² PH.D. Student of Department of Economics, Semnan University and Extert of Export Development Bank of Iran, Semnan University

چکیده [English]

In the measurement of efficiency, combining the Artificial Neural Network and Analytical
Hierarchy Process Model is one of the best methods that hasnot problems with traditional
methods and artificial neural network such as: their inability to consider multiple input and
output indicators, intregration of efficiency scores and obtaining the overall ranking of
branches and their efficiency evaluating of the multiple output units. the present study
combining the Artificial Neural Network and Analytical Hierarchy Process Model by
applying an intermediary perspective, variables of total deposit, costs of attracting sources,
operational costs as input and total facilities, profits obtained by facilities and earnings
which obtained by non-facilities (charge) as output variables to measure, evaluate and
compare the efficiency of branches of the Export Development Bank of Iran from 2004 to
2014. The results of this study showed that, among the evaluated branches based on
comprehensive efficiency benchmark, Central and Zanjan branches were the most efficient
ones from 2004 to 2008 and 2008 to 2014 respectively.

کلیدواژه‌ها [English]

Efficiency
Artificial Neural Networks
Hierarchical Analysis
Export Development Bank
Comprehensive Efficiency Benchmark JEL Classification: G21
C45

مراجع

ابریشمی، حمید، مهرآرا، محسن و آجرلو، مریم(1387). بررسی کارایی هزینه ها در نظام بانکی: مطالعه موردی بانک ملت. پژوهشنامه اقتصادی، دوره 8، شماره 28، 197-173.

افشار کاظمی، محمدعلی، ستایش، محمدرضا، محرابیان، سعید و انوری، کرمعلی(1385). ارزیابی کارایی نسبی شعب بانک توسعه صادرات ایران با مدل تحلیلی پوششی دادهها. بانک و اقتصاد، شماره 75، 4-1.

ایمانیپور، محمدرضا(1385). بررسی عوامل موثر بر بهرهوری شعب و کارایی نسبی و جامع، پروژه تحقیقاتی بانک صنعت و معدن.

رضایار، علی و علینژاد، محمود(1392). اقتصاد سنجی مالی با رویکرد مدلسازی، سریهای زمانی شبکههای عصبی و پانل دیتا. نشر ناقوس، تهران.

سلمانی، یونس، صادقی، حسین و سهرابی، حسین(1393). هوش مصنوعی در اقتصاد. نورعلم، چاپ اول.

غلامی، حسین و نورعلیزاده، حمیدرضا(1381). مقایسه روشهای ارزیابی عملکرد. مجموعه مقالات اولین کنفرانس ملی مدیریت عملکرد. تهران: جهاد دانشگاهی، دانشکده مدیریت دانشگاه تهران.

قلیچی، فائزه، احسانی، فاطمه، مهدیزاده، آرزو و قلیچی، ایمان(۱۳۹۱). ارزیابی کارایی شعب بانک پارسیان با استفاده از روش تحلیل پوششی دادهها (DEA). چهارمین کنفرانس ملی تحلیل پوششی دادها، بابلسر، دانشگاه مازندران، http://www.civilica.com/Paper-DEA04-DEA04_119.html.

معظمی گودرزی، محمدرضا، جابرانصاری، محمدرضا، معلم، آذر و شکیبا، محبوبه(1393). کاربرد تحلیل پوششی دادهها (DEA) در ارزیابی کارآیی نسبی و رتبهبندی شعب بانک رفاه استان لرستان و مقایسه نتایج آن با روش TOPSIS. فصلنامه پژوهشهای اقتصادی، دوره 14، شماره 1: 115-126.

مسگرپور امیری، فاطمه و یدااللهزاده طبری، ناصرعلی(1393). ارزیابی کارایی بانکها با استفاده از تحلیل پوششی داده و بررسی ارتباط آن با نسبتهای مالی. پژوهشنامه اقتصاد و کسبوکار، دوره 5، شماره 8: 43-51.

محرابیان، سعید، صابرساعتی، مهتدی و علی، هادی(1390). ارزیابی کارایی شعب بانک اقتصاد نوین با ترکیبی از روش شبکه عصبی و تحلیل پوششی دادهها. تحقیق در عملیات در کاربردهای آن(ریاضیات کاربردی)، دوره 8، شماره 4 (پیاپی 31): 29-39.

مولایی، حسین(1385). ارزیابی عملکرد شعب بانک رفاه استان تهران با استفاده از تحلیل پوششی دادهها. پایان نامه کارشناسی ارشد، دانشکده مدیریت، دانشگاه تهران.

مهرگان، محمدرضا(1383). مدلهای کمی در ارزیابی عملکرد سازمانها( (DEA. انتشارات دانشکده مدیریت دانشگاه تهران.

هادینژاد دارسرا، منیژه، نظریان، رافیک و پیری، فریدون(1392). بررسی کارایی بانک های دولتی و خصوصی بر اساس شاخص های بانکداری الکترونیک با استفاده از روش تحلیل پوششی دادهها(DEA). فصلنامه علوم اقتصادی، دوره 7، شماره 23: 177-202.

Chang, K. C., Lin, C. L., Cao, Y., and Lu, C. F. (2011). Evaluating branch efficiency of a Taiwanese bank using data envelopment analysis with an undesirable factor. African Journal of Business Management, vol.5, No.8, pp.3220-3228.

Costa, A. and Markellos, R. N. (1997). Evaluating public transport efficiency with neural network models. Transportiation Research, Vol. 5, pp. 5301-312.

Das, A. and Ray, S.C. (2009). Labor –use efficiency in indianbanking: A branch –level analysis. Omega, Vol. 37, pp. 411-425.

Eken, M. H. and Kale, S. (2011). Measuring bank branch performance using data envelopment analysis (DEA): The case of Turkish bank branches. African Journal of Business Management, vol.5, No. 3, pp. 889-901.

Karimi, A. (2014). Credit risk modeling for commercial banks. International Journal of Academic Research in Accounting, Finance and Management Sciences, Vol. 4, No. 3, pp. 187-192.

Mostafa, M. M. (2009). Modeling the efficiency of top Arab banks: A DEA-neural network approach. Expert Systems with Applications, Vol. 36, No.1, PP. 309–320.

Mostafa, M. M. (2009). A probabilistic neural network approach for modelling and classifying efficiency of GCC banks. International Journal of Business Performance Management, Vol. 11, No. 3, PP. 236 - 258.

Nazari, M. and Alidadi, M. (2013). Measuring credit risk of bank customers using artificial neural network. Journal of Management Research, Vol. 5, No. 2, pp. 17-27.

Saha, A. and Ravisankar, T. S. (2000). Rating of Indian commercial banks: A DEA approach. European Journal of Operational Research, Vol. 24, pp. 187-203.

Santin, D. (2008). On the Approximation of Production Functions: A Comparison of Artificial Neural Networks Frontiers and Efficiency Techniques. Applied Economics Letters, Vol. 15, No. 7, pp. 597-600.

Wu, D., Yang, Z. and Liang, L. (2006). Using DEA-neural network approach to evaluate branch efficiency of a large Canadian bank. Expert Systems with Applications, Vol. 31, No. 1, pp. 108-115.