مدل سازی کارآیی بانک ها به روش داده های پوششی و برنامه نویسی ژنتیک
Publish place: Islamic Economics and Banking، Vol: 9، Issue: 31
Publish Year: 1399
نوع سند: مقاله ژورنالی
زبان: Persian
View: 82
This Paper With 30 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_MIEA-9-31_004
تاریخ نمایه سازی: 25 دی 1402
Abstract:
ارزیابی عملکرد سازمان ها در جهت گیری تصمیمات استراتژیک آتی آنها نقش اساسی دارد. کارایی یکی از مهمترین شاخص های ارزیابی عملکرد بهینه واحدهای اقتصادی است. بانک ها یکی از مهمترین واحدهای اقتصادی هستند که می توانند با عملیات وسیع بانکی شرایط مناسبی را برای رشد و پیشرفت در بخش های مختلف اقتصاد یک کشور فراهم آورند. لذا به همان نسبت که بانک های سالم و کارا می توانند به رشد اقتصادی کشور کمک نمایند، عملکرد نادرست و ناسالم آنها نیز می تواند بحران هایی ایجاد نماید. از این رو در این مقاله میزان کارایی تکنیکی بانک های کشور با استفاده از تکنیک تحلیل پوششی داده ها (DEA) طی دوره زمانی ۱۳۹۶ تا ۱۳۹۱ اندازه گیری شده و بانک هایی که با ترکیب نهاده های معین به میزان بهتری از ستانده ها دست یافته اند (بانک های کارا) مشخص گردیده اند. سپس به مدل سازی کارایی تکنیکی سیستم بانکی در طی بازه زمانی مورد مطالعه با استفاده از برنامه نویسی ژنتیک پرداخته شده است. در این مقاله سعی خواهیم نمود تا ضمن بررسی عملکرد بانکها و مقایسه آن با هم مورد مطالعه و از ابتدای سال ۱۳۹۱ تا انتهای سال ۱۳۹۶ تحلیل تطبیقی مناسبی را در این زمینه ارائه دهیم. در نهایت کارایی تکنیکی تحتبازدهی نسبت به مقیاس ثابت و بازدهی نسبت به مقیاس متغیر و با ماهیت خروجی محور مورد اندازه گیری قرار گرفت.
Keywords:
Iranian banking sector , technical efficiency , scale efficiency , data envelopment analysis , تحلیل پوششی داده ها , بازدهی نسبت به مقیاس , کارایی بهینه , بانک های کشور
Authors
علیرضا بحیرایی
Assistant Professor, mathematical finance, Faculty of mathematics, statistics and computer sciences, Semnan University
رضا حامدی
Msc on mathematical finance, Faculty of mathematics, statistics and computer sciences, Semnan University
حمیرا علی نیا
Msc on mathematical finance, Faculty of mathematics, statistics and computer sciences, Semnan University.
یاسمن صنایعی
Assistant professor, Faculty of Modern science technology, Shahid Ashrafi Esfahani University
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :