Efficiency Evaluation of Export Development Bank of Iran

Document Type : Research Paper

Authors

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

Abstract

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.

Keywords

References

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.
new economy and trad
Volume 15, Issue 1
June 2020
Pages 3-24

Files

History

  • Receive Date: 05 July 2019
  • Revise Date: 27 September 2019
  • Accept Date: 24 October 2019

Share

How to cite

Statistics