Application of fuzzy network data envelopment analysis model with optional input-undesirable output in order to evaluate the performance of bank branches

Subject Areas : Financial Knowledge of Securities Analysis

Hasan  Amini Javid ¹ (Ph.D. student, Department of Industrial management, Islamic Azad University, Science and Research branch, Tehran, Iran)
mohammad ebrahim  Mohammadpoor zarandi ² (Associate Professor, Department of Management, Central Tehran Branch, Islamic Azad University, Tehran, Iran.( Corresponding Author))
MIRFEYZ  FALLAH ³ (Associate Professor, Department of Management, Central Tehran Branch, Islamic Azad University, Tehran, Iran)
naghi,  shoja ⁴ (Associate Professor Department of Mathematic, Firoozkooh Branch, Islamic Azad University, Firoozkooh, Iran)

Received: 2022-10-03 Accepted : 2023-01-01 Published : 2023-07-23

Keywords: Performance evaluation, Network Data Envelopment Analy, Fuzzy theory, involuntary input, Undesirable Output,

Abstract :

The issue of efficiency evaluation is one of the most important challenges facing managers in the dynamic and vital banking industry. Due to the very important and fundamental role of banks in most economic activities, the study of bank efficiency has a special place. Models based on data envelopment analysis had wide applications in the field of measuring and evaluating the efficiency of banks. In this study, we tried to add other assumptions to the traditional model of data envelopment analysis, using a model that is more consistent with the real conditions related to decision-making units and calculates the efficiency more accurately. In designing the data envelopment analysis model in the present study, attention has been paid to the networking and internal relations of each decision-making unit, undesirable output, involuntary input and the fuzzy nature of the variables. After developing the model with the mentioned assumptions, first, based on reviewing previous studies as well as field studies and obtaining opinions from industry experts, indicators considered as input and output. After identifying the indicators, fuzzy Delphi method used for initial screening of the identified indicators from the research literature. After the initial approval of the indices, the indices analyzed using the confirmatory factor analysis technique. Finally, the research model solved using data collected by GAMS software and with alpha-cutting approach. The results show that out of 38 branches examined, 8 branches are efficient and another 30 branches are inefficient.

References:

احدزاده نمین، مهناز؛ خمسه، الهه و محمدی، فرزانه (1398). ارزیابی عملکرد شعب بانک با استفاده از رویکرد کنترل وزن در تحلیل پوششی داده‌ها. مهندسی مالی و مدیریت اوراق بهادار، 10(40)، 28-1.

پورکاظمی، محمدحسین؛ صداقت، الدار و زیرک (1396). ارزیابی پتانسیل رشد شعبه بانک با استفاده از تحلیل پوششی داده‌ها (مطالعه موردی شعب درجه یک بانک اقتصاد نوین استان تهران). فصلنامه پژوهش‌های پولی-بانکی، سال 10(33)،408-383.

تقوی فرد، محمدتقی؛ امیری، مقصود و مظفری، رقیه (1396). سنجش کارایی مدیریت شعب بانک ملی با استفاده از تحلیل پوششی داده‌های سه مرحله‌ای. پژوهش‌های نوین در تصمیم‌گیری، 2(1) و 72-51.

جهانگیری، عباس (1397). کاربرد تکنیک تحلیل پوششی داده‌ها در نظام بانکداری ایران. نشریه تصمیم‌گیری و تحقیق در عملیات دوره 3 ،شماره(4).بهمن 1397.

ژیانی رضایی، حامد؛ گلزاریان پور، سیاوش و ماهیان، مجید.(1395).کارایی شعب بانک سپه ایران با استفاده از روش تجزیه‌وتحلیل پوششی داده‌های پنجره‌ای (مطالعه موردی: شعب درجه 3 بانک سپه شهر مشهد). فصلنامه مطالعات مالی و بانکداری اسلامی، سال دوم ، شماره چهار، پاییز و زمستان 95.

سبحانی، حسن و کارجو، حلیمه. (1391). بررسی و اندازه‌گیری کارایی فنی شعب منتخب بانک‌های صادرات استان تهران. پژوهش‌ها و سیاست‌های اقتصادی، 2(62)، 211-195.

سجادی فر، سیدحسین؛ عسلی، مهدی؛ فتحی بهرام؛ محمدباقری، اعظم. (1394). اندازه‌گیری کارایی انرژی با استفاده از روش تحلیل پوششی داده‌ها با خروجی‌های نامطلوب. برنامه‌ریزی و بودجه، 20(4)، 70-55.

غیوری مقدم، علی؛ علیپور، صفدر؛ نعمت الهی، زعیمه و اصغری، ایرج. (1396). تعیین کارایی هزینه و سود بانک‌ها با استفاده از تکنیک تحلیل پوششی داده‌ها و بررسی عوامل تعیین‌کننده آن. پژوهش‌های تجربی حسابداری، 7(3)، 100-81.

معظمی گودرزی، محمدرضا؛ جابرانصاری، محمدرضا؛ معلم، آذر؛ شکیبا، محبوبه. (1393). کاربرد تحلیل پوششی داده‌ها در ارزیابی کارایی نسبی و رتبه‌بندی شعب بانک رفاه استان لرستان و مقایسه نتایج آن با روش تاپسیس. پژوهش‌های رشد و توسعه پایدار، 14(1)، 126-115.

معمارپور، مهدی و واعظی، احسان.(1396)ارزیابی کارایی و رتبه‌بندی شعب یک بانک خصوصی با استفاده از رویکرد تحلیل پوششی دومرحله‌ای و تکنیک رتبه‌بندی بردا. نشریه تصمیم‌گیری و تحقیق در عملیات دوره 2 ،شماره(2).بهمن 1396.

میرمحمدصادقی، علیرضا؛ مغان، مهدی؛ کشاورز، مهدی؛ کشاورز، مهرنوش (1395)، ارزیابی سیستم و زیرسیستم‌های تهویه قطارهای مترو تهران به کمک مدل تحلیل پوششی داده‌های ارتباطی فازی، فصلنامه مدیریت صنعتی دانشگاه علامه طباطبائی.

Chen, Y. Ch., Chiu Y. H., Huang, Ch. W., & Heng T. Ch. (2013). The analysis of bank business performance and market risk— Applying Fuzzy DEA. Economic Modelling, 32 , 225 –232.

Ebrahimnejad, A., Tavana, M., Hosseinzadeh Lotfi, F., Shahverdi, R., & Yousefpour, M. (2014). A tree-stage data envelopment analysis model with application to banking industry.Measurement, 49, 308-319.

Goyal J., Singh M, Singh R , & Aggarwal Arun(2018). Efficiency and technology gaps in Indian banking sector: Application of meta-frontier directional distance function DEA approach. The Journal of Finance and Data Science xx (2018): 1-17.

Hadian, E., & Azimi Hosseini, A. (2004). Measuring the efficiency of the Iranian banking system using dea approach. Iranian Economic Research, 6(20), 1-25.

Henriques,  I.C.,  Sobreiro,  V.A.,  Kimura,  H.,  Mariano,  E.B. (2020).  Two-Stage  DEA  in  Banks:Terminological  Controversies  and  Future  Directions,  Expert  Systems  with  Applications.  Volume 161,  113632.

Kao,  C.  (2014).  Network  Data  Envelopment  Analysis:  A  Review; uropean Journal of Operational Research, 239: 1-16.

Khalili-Damghani, K., Shahmir, Z.(2015). Uncertain network data envelopment analysis with undesirable outputs to evaluate the efficiency of electricity power production and distribution processes, Computers & Industrial Engineering.1-61.

Kong WH, Fu TT, Yu M. M.( 2017). Evaluating taiwanese bank efficiency using the two-stage range DEA model. Int J Inf Tech Decis;16:1043–60.

Lozano S., & Moreno P.,(2014) Network Fuzzy Data Envelopment Analysis. Studies in Fuzziness and Soft Computing.207-230.

Mohtashami, A., & MohammadkhaniGhiasvand, B. (2020) Z-ERM DEA integrated approach for evaluation of banks & financial institutes in stock exchange. Expert Systems with Applications.Volume 147, , 113218.

Olfat L., Pishdar, Mahsa.(2017). Interval type-2 fuzzy dynamic network data envelopment analysis with undesirable outputs considering double frontiers: An application to Iran Airports, sustainability evaluation. International Journal of Industrial Engineering, 24(6), 635-662.

Puri J., & Yadav Sh.P.(2014). A fuzzy DEA model with undesirable fuzzy outputs and its application to the banking sector in India. Expert Systems with Applications.

Puri J., & Yadav Sh.P.(2017). Improved DEA models in the presence of undesirable outputs and imprecise data: an application to banking industry in India. Int J Syst Assur Eng Manag.

Sherman, H., & Gold, d. (1985).Bank branch operating efficiency: Evaluation With data envelopment analysis. Journal of banking and finance, 9, 297-316.

Tsolas, I.E., Charles, V., Gherman, T. (2020). Supporting Better Practice Benchmarking: A DEA-ANN Approach to Bank Branch Performance Assessment, Expert Systems with Applications. Volume 160, 113599.

Wang, W-K., Lu, W-M., Liu, Pei-Yi(2015). A fuzzy multi-objective two-stage DEA model for evaluating the performance of US bank holding companies. Expert Systems with Applications, 41, 4290–4297.

Wanke P., Abul Kalam Azad Md. Emrouznejad , Ali (2018). Efficiency in BRICS banking under data vagueness: A two-stage fuzzy approach. Global Finance Journal, 35,58–71.

Wanke Peter, Abul Kalam Azad M, Emrouznejad A & Antunes Jorge.(2019) A dynamic network DEA model for accounting and financial indicators: A case of efficiency in MENA banking. International Review of Economics and Finance 61 (2019) 52–68.

Wasiaturrahma, Sukmana, R., Rohmatul, S., Cahyaning, A., Salama U., & Hudaifah A. (2020). Financial performance of rural banks in Indonesia: A two-stageDEA approach. Heliyon, 6, e04390.

ZhouX., Xu, Zh., Chai, J., Yao, Liming., Wang, Sh., Le, B.(2019). Efficiency evaluation for banking systems under uncertainty: A multi-period three-stage DEA model. Omega,85,68–82.