چکیده:
امروزه نیاز به استفاده از سیستمهای اندازهگیری کارایی در صنعت بانکداری نوین به طور فزایندهای آشکار شده است. بنابراین لازم است کارایی بانکها پیشبینی شود تا بتوان در تصمیمگیری های آتی، رشد اقتصادی آنها را رصد کرد. بدین جهت، این مقاله مدل یکپارچه جدیدی جهت پیشبینی کارایی شعب در صنعت بانکداری نوین براساس تحلیل پوششی دادههای تصادفی (SDEA) و روش تحلیل مولفههای اصلی (PCA) در فضای پویا با لحاظ بازدهی نسبت به مقیاس متغیر برای شعب طراحی مینماید. همچنین به جهت مواجهه با عدم قطعیت در پیشبینی کارایی، ورودیها و خروجیهای شعب در مدل ارائه شده بصورت متغیرهای تصادفی فازی مثلثی با توزیع نرمال طراحی شدهاند. در این مطالعه برای حل مدل پیشنهادی، از شبیهسازی مونتکارلو و الگوریتمهای فراابتکاری استفاده شده است. در نهایت بمنظور ارزیابی عملکرد و دقت مدل یکپارچه پیشنهادی، یک مطالعه موردی مبتنی بر شاخصهای بانکداری نوین جهت پیشبینی کارایی دوره مالی آتی شعب ارائه و نتایج تجزیه و تحلیل شده است.
Today, the need to use efficiency measurement systems in the modern banking industry has become increasingly apparent. Therefore, the efficiency of banks needs to be forecasted so that future economic growth can be monitored in future decisions. This paper designs a new integrated model based on the Stochastic Data Envelopment Analysis (SDEA) model and the Principal Component Analysis (PCA) method in a dynamic environment to forecast the efficiency of branches in the modern banking industry by considering variable returns to scale for them. In order to deal with the uncertainty in efficiency forecasting, the inputs and outputs of the branches are designed as triangular fuzzy stochastic variables with normal distribution. In this study, Monte Carlo (MC) simulation and meta-heuristic algorithms have been used to solve the proposed model. Finally, in order to evaluate the performance and accuracy of the proposed integrated model, a case study based on modern banking indicators has been presented to forecast the efficiency of the future financial period of the branches and the results have been analyzed.
خلاصه ماشینی:
بدين جهت ، اين مقاله مدل يکپارچه جديدي جهت پيش بيني کارايي شعب در صنعت بانکداري نوين براساس تحليل پوششي داده هاي تصادفي (SDEA) و روش تحليل مؤلفه هاي اصلي (PCA) در فضاي پويا با لحاظ بازدهي نسبت به مقياس متغير براي شعب ، طراحي مينمايد.
بنابراين ، اين تحقيق مدل يکپارچه جديدي جهت پيش بيني کارايي شعب مبتني بر شاخص هاي بانکداري نوين بر اساس تحليل پوششي داده هاي تصادفي پويا در محيط فازي و تحليل مؤلفه هاي اصلي با لحاظ بازدهي نسبت به مقياس متغير براي شعب به کمک شبيه سازي مونت کارلو ارائه مينمايد.
در تحقيقات پيشين ، محققان اغلب از تلفيق DEA و PCA با هدف کاهش ابعاد داده ها و کاهش متغيرهاي نامطلوب به منظور ارزيابي کاراييهاي گذشته واحدهاي تصميم گيرنده 1 4 19api 20Yu 21tochastic rontie Analysis 22Organisation or conomicCooperation ndDevelopment 23Cong / ` پژوهش هاي نوين در تصميم گيري ـــــــــــــــــــــــــــــ دوره ٦، شماره ٤، زمستان ١٤٠٠ پرداخته اند.
بنابراين در مدل پيشنهادي اين مقاله ، کليه وروديها و خروجيهاي شعب در دوره پيش بيني به شکل متغيرهاي تصادفي فازي مثلثي با توزيع نرمال طراحي شده اند، به صورت زير: X tj =x itj −tj , x itj , x itj +tj ) x itj :N(tj ,tij) (2) (3) 8 / ` پژوهش هاي نوين در تصميم گيري ـــــــــــــــــــــــــــــ دوره ٦، شماره ٤، زمستان ١٤٠٠ K tj =k ltj −tj , k ltj , k ltj + ljt ) k ltj :N(tj ,2jt) (4) طوريکه aijt ،bijt ،crjt ،drjt ،eljt و fljt مقادير مثبتي هستند که براي پيش بيني کارايي دوره مالي آتي شعبه j ام توسط تصميم گيرنده تعيين ميشوند.