دانشگاه علامه طباطبایی

  اخبار و اعلانات

 آمار

تعداد نشریات61
تعداد شماره‌ها2,211
تعداد مقالات17,984
تعداد مشاهده مقاله55,233,663
تعداد دریافت فایل اصل مقاله28,907,282
کوشکی, فرشته. (1402). روش تحلیل پوششی داده‌های متمرکز برای اندازه‌گیری مقادیر کارایی شعب ارزی بانک ها. سامانه مدیریت نشریات علمی, 21(69), 235-270. doi: 10.22054/jims.2023.46558.2381
فرشته کوشکی. "روش تحلیل پوششی داده‌های متمرکز برای اندازه‌گیری مقادیر کارایی شعب ارزی بانک ها". سامانه مدیریت نشریات علمی, 21, 69, 1402, 235-270. doi: 10.22054/jims.2023.46558.2381
کوشکی, فرشته. (1402). 'روش تحلیل پوششی داده‌های متمرکز برای اندازه‌گیری مقادیر کارایی شعب ارزی بانک ها', سامانه مدیریت نشریات علمی, 21(69), pp. 235-270. doi: 10.22054/jims.2023.46558.2381
کوشکی, فرشته. روش تحلیل پوششی داده‌های متمرکز برای اندازه‌گیری مقادیر کارایی شعب ارزی بانک ها. سامانه مدیریت نشریات علمی, 1402; 21(69): 235-270. doi: 10.22054/jims.2023.46558.2381

روش تحلیل پوششی داده‌های متمرکز برای اندازه‌گیری مقادیر کارایی شعب ارزی بانک ها

مطالعات مدیریت صنعتی
مقاله 7، دوره 21، شماره 69، تیر 1402، صفحه 235-270    اصل مقاله (1.74 M)
نوع مقاله: مقاله پژوهشی
شناسه دیجیتال (DOI): 10.22054/jims.2023.46558.2381
نویسنده
فرشته کوشکی*
استادیارگروه ریاضی، واحد قزوین، دانشگاه آزاد اسلامی، قزوین، ایران
چکیده
در نظر گرفتن تأثیر عملکرد هر جزء از یک سیستم چند مرحله‌ای بر کارایی کل آن برای مدیران اجتناب‌ناپذیر است. شعب بانک‌ها ساختار دو مرحله ای دارند که در آن نیروی انسانی، تجهیزات و سرمایه مالی ورودی‌های مرحله اول برای افزایش موجودی می‌باشند. موجودی به عنوان خروجی مرحله اول است که به عنوان ورودی مرحله دوم برای انجام خدمات بانک از جمله تسهیلات بانکی که خروجی مرحله دوم هستند به کار می‌رود. پس برای ارزیابی عملکرد بانک ارتباط بین مراحل سازنده آن باید در نظر گرفته شود در غیر این صورت کارایی به درستی محاسبه نمی شود. روش‌های سنتی سیستم‌های چندمرحله ای را به صورت یک جعبه سیاه ارزیابی می‌کند و ارتباطی که ممکن است بین مراحل موجود باشد را نادیده می‌گیرد. ما به درون سیستم می‌نگریم و مدل‌هایی برای بهبود کارایی کل و کارایی مراحل پیشنهاد می‌کنیم. به‌علاوه، پیوستگی و ارتباط موجود بین مراحل متغیرها و محدودیت‌های زیادی را به برنامه‌ریزی خطی در ارزیابی سیستم تحمیل می‌کند. روش متمرکز نمره کارایی واحدها را به‌طور هم‌زمان با حل فقط یک برنامه‌ریزی خطی محاسبه می‌کند و باعث کاهش قابل توجه محاسبات می‌شود. این روش برای تخصیص منابع به‌ویژه در سازمان‌های بزرگ که در آن زیر واحدها تحت نظارت یک مدیریت اصلی قرار دارند عموماً توسط مدیر مرکزی استفاده می‌شود. در این مقاله یک روش متمرکز برای ارزیابی واحدهای با ساختار جند مرحله ای معرفی می‌شود. مدل‌های پیشنهادی برای ارزیابی کارایی شعب بانک و شرکت‌های بیمه به‌کار می‌رود. برتری روش شبکه بهبود یافته و روش متمرکز نشان داده می‌شود.
کلیدواژه‌ها
تحلیل پوششی داده‌ها؛ تحلیل پوششی داده‌های شبکه ای؛ تحلیل پوششی داده‌های متمرکز
مراجع
  1. Amirteimoori A. (2013) A DEA two-stage decision processes with shared resources. Central European Journal of Operations Research, 21, 141-151.
  2. Färe, R., Grabowski, R., Grosskopf, S., & Kraft, S. (1997) Efficiency of a fixed but allocatable input: A non-parametric approach. Economic Letters, 56, 187–193.
  3. Färe R, Grosskopf S. Network DEA. SOCIO ECON PLAN SCI 34 (2000) 35-49.
  4. Färe R, Grosskopf S. Production and intermediate products: a Frontier approach. ECON LETT 50 (1996) 65-70.
  5. Färe R, Grosskopf S, Lee WF. (2004) Property rights and profitability. In: Färe R, Grosskopf S, editors. New directions: efficiency and productivity. Norwell Massachusetts: Kluwer Academic Publishers.
  6. Färe R, Primont, D. (1984) Efficiency measures for multi plant firms. Operations Research Letters, 3, 257-260.
  7. Fukuyama, H. and Matousek, R. (2016) Modeling Bank Performance: A Network DEA Approach. European Journal of Operational Research, 259 (2), 721-732.
  8. Fukuyama H, Mirdehghan S. M. (2012) Identifying the efficiency status in network DEA. European Journal of Operational Research, 220(1), 85-92.
  9. Hu J-L, Yu H-E. (2015) Risk, Capital, and Operating Efficiency: Evidence from Taiwan’s Life Insurance Market. Journal of Emerging Markets Finance and Trade,
  10. Kao, C. (2009) Efficiency measurement for parallel production systems. European Journal of Operational Research, 196, 1107–1112.
  11. Kao, C., & Hwang, S. N. (2011) Decomposition of technical and scale efficiencies in two-stage production systems. European Journal of Operational Research, 211, 515–519.
  12. Banker R.D, Charnes A, Cooper W.W. (1984) Some methods for estimating technical and scale efficiencies in DEA. Management Science 30, 1078–1092.
  13. Kao C, & Hwang S-N. (2008) Efficiency decomposition in two-stage data envelopment analysis: An application to non-life insurance companies in Taiwan. European Journal of Operational Research 185 (1), 418–429.
  14. Koushki, F. (2017). Modeling Dynamic Production Systems with Network Structure. Iranian Journal of Mathematical Sciences and Informatics, 12(1), pp. 13-26.
  15. Koushki F. (2018) Performance Measurement and Productivity Management in Production Units with Network Structure by Identification of the Most Productive Scale Size Pattern. International Journal of Supply and Operations Management, 5(4), 379-395.
  16. Lin, R., Chen, Z., Hu, Q., Li Z. (2017) Dynamic network DEA approach with diversification to multi-period performance evaluation of funds. OR Spectrum. doi:10.1007/s00291-017-0475-1.
  17. Liu S-T. (2013) Fuzzy efficiency ranking in fuzzy two-stage data envelopment analysis. Optimization Letters.8(2), DOI:10.1007/ s11590-012-0602-5.
  18. Liu U. (2018) Two-Phase Network Data Envelopment Analysis: An Example of Bank Performance Assessment. Chapter of book: Multi-Criteria Methods and Techniques Applied to Supply Chain Management. DOI: 10.5772/intechopen.74933.
  19. Liu, WB, Zhoua, Z B, Maa, CQ, Liu DB, Shen, WF. (2015) Two-stage DEA models with undesirable input-intermediate-outputs. Omega, 56, 74–87.
  20. Lozano S. & Villa, G. (2004) Centralized resource allocation using data envelopment analysis. Journal of Productivity Analysis, 22, 143–161.
  21. Lu, W-M, Kweh, Q. L., Huang, C-L. (2014) Intellectual capital and national innovation systems performance. Knowledge-Based Systems, 71, 201–210.
  22. Paradi, J.C., Rouatt, S., Zhu, H. (2011) Two-stage evaluation of bank branch efficiency using data envelopment analysis. Omega, 39(1), 99-109.
  23. Bansal , Mehra A. (2022) Malmquist-Luenberger productivity indexes for dynamic network DEA with undesirable outputs and negative data. RAIRO-Oper. Res. 56(2), 649 – 687.
  24. Phung, MT, Cheng, Cheng-Ping, Guo, Chuanyin Kao, Chen-Yu. (2020). Mixed Network DEA with Shared Resources: A Case of Measuring Performance for Banking Industry. Operations Research Perspectives, Elsevier, 7(C).
  25. Sahoo, B. K., Zhu, J., Tone, K., Klemen, B. M. (2014) Decomposing technical efficiency and scale elasticity in two-stage network DEA. European Journal of Operational Research, 233(3), 584–594.
  26. Seiford LM, Zhu J. (1999) Profitability and marketability of the top 55 US commercial banks. MANAGE SCI 45(9), 1270-88.
  27. Shokri Kahi V., Yousefi S., Shabanpour H., Farzipoor Saen R. (2017) How to evaluate sustainability of supply chains? A dynamic network DEA approach. Industrial Management & Data Systems, 117(9),1866-1889. https://doi.org/10.1108/IMDS-09-2016-0389.
  28. Tone K. (2001) A slacks-based measure of efficiency in data envelopment analysis, European Journal of Operational Research, 130, 498–509.
  29. Tone K., Tsutsui M. (2014) Dynamic DEA with network structure: a slacks-based measure app roach. Omega, 42(1), 124-131.
  30. Wang C.H., Gopal, R. & Zionts, S. (1997) Use of data envelopment analysis in assessing information technology impact on firm performance. Annals of Operations Research 73, 191-213.
  31. Wang, K., Huang, W., Wu, J., Liu Y. N. (2014) Efficiency measures of the Chinese commercial banking system using an additive two-stage DEA. Omega, 3, 445-20.
  32. Wankea P, Maredzab A., Guptac R. (2017) Merger and acquisitions in South African banking: A network DEA model. Research in International Business and Finance, 41, 362–376.
  33. Yang, F., Wu, D., Liang, L., Bi, G., Wu, D.D. (2011) Supply chain DEA: production possibility set and performance evaluation model. Annals of Operations Research, 185, 195-211.
  34. Barros, C.P., Wanke, P. (2015) An analysis of African airlines efficiency with two-stage TOPSIS and neural networks. Journal of Air Transport Management, 44-45, 90-102.
  35. Yu, M.-M., & Hsiao, B. (2015) Single-phase slack-based centralized DEA for resource reallocation. Intl. in Op. Res. doi:10.1111/itor.12210.
  36. Zhou Z., Lin L., Xiao H., Ma Ch., Wu Sh. (2017) Stochastic network DEA models for two-stage systems under the centralized control organization mechanism. Computers & Industrial Engineering, 110, 404-412.
  37. Chao C-M, Yu M-M, Lee U-T, Hsiao B. (2016) Measurement of Banking Performance in a Dynamic Multi-activity Network Structure: Evidence from Banks in Taiwan. Journal of Emerging Markets Finance and Trade.
  38. Chao C-M, Yu M-M, Wu H-N. (2015) An application of the Dynamic Network DEA Model: The case of banks in Taiwan. Journal of Emerging Markets Finance and Trade,
  39. Chen M-J, Chiu Y-H, Jan Ch., Chen Y-C, Liu H-H. (2015) Efficiency and Risk in Commercial Banks – Hybrid DEA Estimation. Journal of Emerging Markets Finance and Trade. 44, 3.
  40. Chen, Y., Cook, W. D., Li, N., Zhu, J. (2009) Additive efficiency decomposition in two-stage DEA. European Journal of Operational Research, 196, 1170-1176.
  41. Chen, Y., & Zhu J. (2004) Measuring information technology’s indirect impact on firm performance. Information Technology and Management, 5(12),9-22.
 

آمار
تعداد مشاهده مقاله: 585
تعداد دریافت فایل اصل مقاله: 641


login