طراحی یک مدل ترکیبی از DEA و neural network به منظور ارزیابی کارایی نسبی شعب مختلف بانک

کارایی بانکها و نحوه محاسبه آن از جمله موضوعات مهمی است که علاوه بر مدیران بانکها و صاحبات سهام این موسسات مالی، مورد علاقه مشتریان استفاده کننده از خدمات بانکی می باشد. از طرفی به دلیل نقش بسیار مهم و اساسی بانکها در اکثر فعالیت های اقتصادی، بررسی عملکرد ( بهره وری و کارایی) هر یک از بانکهای موجود در سیستم بانکی کشور از جایگاه ویژه ای برخوردار است لذا افزایش کارایی و بهره وری در موسسات مالی یکی از اقدامات اساسی در مسیر توسعه اقتصادی کشورهاست . بنابراین فعالیت ه بهینه بانکها و استفاده موثر از امکانات در دسترس آنهابرای رسیدن به اهدافشان، بر فعالیت های مختلف اقتصادی و وضع کلی اقتصاد کشور بسیار موثر می باشد. تکنیک تحلیل پوششی داده ها یک متدولوژی علمی و غیر پارامتری برای ارزیابی کارایی واحدهاست که منظور تعیین کارایی واحدهای تصمیم گیرنده در سازمانهای مختلف مورد استفاده قرار گرفته و به طور اساسی با استفاده از داده های ورودی و خروجی واحدهای تصمیم گیرنده کارایی آنها را محاسبه می کند و کاربردهای متعددی رد سنجش کارایی واحدهای بانکی دارد. استفاده شده تا ضعف تکنیک DEA بر طرف شده و قدرت تفکیک پذیری شعب افزایش داده شود. هدف اصلی تحقیق حاضر پیشرفت و توسعه ترکیب رویکردهای تحلیل پوششی داده ها و شبکه های عصبی برای ارزیابی عملکرد بانک، به منظور اتخاذ تصمیمات موثر، کاهش سطح خطا و انحراف حاصله از مداخله نیروی انسانی در تصمیمات اتخاذی می باشد. این تحقیق به منظور تعیین میزان کارایی نسبی شعبه های مختلف بانکی دو متدولوژی کمی تحلیل پوششی داده ها (DEA) و شبکه های عصبی مصنوعی (ANN) را مورد استفاده قرار داده و نتایج آن را با نتایج DEA ساده مقایسه می کند.

کلیدواژه ها:

ارزیابی عملکرد ، تحلیل پوششی داده ها ، شبکه های عصبی مصنوعی