Due to their inherent nature in the economy, banks have a fundamental and significant responsibility for capital formation. Therefore, evaluating their performance can help decision makers find the optimal solution and prevent financial distress. The purpose of this study is to evaluate the performance and forecast financial distress of banks listed on the Tehran Stock Exchange, based on CAMELS indicators and ِData Envelopment Analysis model. First, using the data of 17 banks in the fiscal year 2018, 5 levels of determining the health of banks, in the form of differences between the performance of these banks in terms of capital adequacy, quality of assets, quality of management, Earning and liquidity and sensitivity to market risk, It was found. And the studied banks were divided into two groups: healthy and helpless, based on CAMELS indices. Then, according to the effects of financial distress on banks, financial distress was predicted by Data Envelopment Analysis model slacks-based on measure of efficiency (SBM) and with a different approach. The results show that 61% of the predictions were correct by DEA technique and 39% of them were incorrect. Also, the results of this study showed that CAMELS financial ratios can be a good assessor for banks' financial distress. تفاصيل المقالة

انتخاب سیستم نظارتی کارآمد برای ارزیابی درماندگی مالی بانک‌ها اهمیت فراوانی دارد، به همین منظور یکی از مهم‌ترین سیستم‌های نظارتی که برای ارزیابی درماندگی مالی بانک‌ها استفاده می‌شود، سیستم نظارتی کملز می‌باشد که شامل شش شاخص؛ کفایت سرمایه، کیفیت دارایی‌ها، کیفیت مدیریت، کیفیت درآمدها، نقدینگی، حساسیت به ریسک بازار می‌شود. لذا در این پژوهش ملاک درماندگی مالی بانک‌ها شاخص‌های کملز می‌باشد؛ که در ابتدا به رتبه‌بندی 17 بانک پذیرفته‌شده در بورس اوراق بهادار تهران در سال مالی 1399 و تفکیک آن‌ها به گروه‌های سالم و درمانده مالی به ‌وسیله شاخص‌های کملز پرداخته شد. سپس جهت پیش‌بینی درماندگی مالی بانک‌ها از مدل‌های، تحلیل‌پوششی‌داده‌ها و رگرسیون لجستیک استفاده شد و سپس با آزمون مقایسه زوجی (T) به بررسی دقت پیش‌بینی هر دو مدل پرداخته شد. درروش رگرسیون لجستیک، از مدل باینری با متد ForwardlR استفاده شد و درروش تحلیل‌پوششی‌داده‌ها نیز از مدل SBM با کاربردی متفاوت استفاده شد؛ که نتایج پژوهش نشان داد که دقت کلی مدل رگرسیون لجستیک از مدل تحلیل‌پوششی‌داده‌ها در ارزیابی درماندگی مالی بالاتر است و همچنین سیستم نظارتی کملز می‌تواند ارزیاب خوبی برای درماندگی مالی بانک‌ها باشد. تفاصيل المقالة