ارزیابی تاثیر عوامل سازمانی بر سپرده و دارایی بانک سپه در تهیه مدل راهبردی با استفاده از سیستم تصمیم‌گیری سلسله مراتبی و سیستم معادلات همزمان (مطالعه موردی)

محورهای موضوعی : دانش سرمایه‌گذاری

مسعود خورانی ¹ (دانشجوی دکتری تخصصی مدیریت بازرگانی-مدیریت بازاریابی، گروه مدیریت بازرگانی، واحد علوم تحقیقات دانشگاه آزاد اسلامی، تهران.)
کریم حمدی ² (دانشیار گروه مدیریت بازرگانی، واحد علوم تحقیقات دانشگاه آزاد اسلامی، تهران.)
حسین وظیفه دوست ³ (استاد گروه مدیریت بازرگانی، واحد علوم تحقیقات دانشگاه آزاد اسلامی، تهران.)

تاریخ دریافت : 1399/11/03 تاریخ پذیرش : 1399/12/12 تاریخ انتشار : 1401/04/01

کلید واژه: Financial Performance, Sepah Bank, organizational factors, Inflation, hierarchical models,

چکیده مقاله :

مطالعه حاضر سعی نموده است تاثیر متغیرهای درون سازمانی و کلان اقتصادی را بر سپرده‌های بانکی بصورت موردی برای بانک سپه در بازه زمانی 1384 تا 1397 محاسبه نماید. بدین منظور از رویکرد تلفیقی تحلیل سلسله مراتبی و سیستم معادلات همزمان استفاده گردیده است. جامعه آماری این مطالعه داده‌های مربوط به ترازنامه‌های مالی بانک‌های سپه شهر تهران و بانک مرکزی مشتمل بر 17 شعبه و همچنین جامعه خبره شامل 50 نیروی تخصصی، اقتصاددان و استاد دانشگاه می‌باشد. نتایج نشان داد، متغیرهای درآمد واقعی سرانه، تعداد شعب و اندازه بانک‌ها بر سپرده‌های بانکی تاثیر مثبت و تورم تاثیر منفی و معناداری دارد. برپایه نتایج حاصله که بیشترین تاثیر را بر روی جذب سرمایه در بانک سپه توسط درآمد واقعی سرانه، اندازه و تعداد شعب بانک را دارا می‌باشد. کمترین تاثیر در این میان مربوط به شاخص جمعیت است. به لحاظ زیرمعیاری نیز بهره‌مندی از سودو سرمایه‌گذاری بانک بیشترین تاثیر را در جذب سرمایه بانک به خود اختصاص داده است. در این میان نقش تورم و ایجاد پول داغ در کشور نیز جزء عوامل مهم در ارزیابی شناسایی گردد که نیازمند ارزیابی میزان تاثیرپذیری مثبت با منفی آن بر سود و دارایی بانکی می‌باشد. بدین منظور از سیستم معادلات همزمان بهره گرفته شده که مشخص گردیده است، اثر متغیر مستقل تورم بر متغیر وابسته سپرده‌های بانکی در بانک سپه تاثیر منفی دارد.

چکیده انگلیسی:

The present study tried to estimate the intra-organizational and macroeconomic impacts on bank deposits for Sepah Bank in the period 2006-2019. For this purpose, the combined approach of hierarchical analysis and the system of simultaneous equations has been used. The statistical population of this study is the data related to the financial balance sheets of Sepah Shahr Bank of Tehran and the Central Bank consisting of 17 branches and also the expert population including 50 specialized personnel, economists and university professors who have determined the obtained results. Variables such as real per capita income, number of branches and size of banks have a positive effect on bank deposits and inflation has a negative and significant effect on it. Based on results has the greatest impact on the absorption of capital in Sepah Bank by real per capita income, the size and number of bank branches.The least impact among these is related to the population index. In terms of sub-criteria, the benefit of the bank's investment profit has the greatest impact on attracting the bank's capital. Meanwhile, the role of inflation and the creation of hot money in the country should be identified as one of the important factors in the evaluation, which requires evaluating the positive and negative impact on bank profits and assets. For this purpose, a system of simultaneous equations has been used, which has shown that the effect of the independent variable of inflation has a negative effect on the dependent variable of Sepah Bank deposits in.

منابع و مأخذ:

• احمدی، ع.، احمدی جشفقانی، ح.، هستیانی، ا. (1395). تأثیر ریسک اعتباری بر عملکرد نظام بانکی: مطالعه بین بانکی با رویکرد Panel VAR. فصل نامه اقتصاد مالی، 10(34): 131-152.


• اسماعیل­زاده مقری، ع.، جوانمردی، ح. (1396). طراحی الگویی مناسب مدیریت نقدینگی و پیش­بینی ریسک آن در بانک صادرات ایران. فصلنامه اقتصاد مالی، 11(39): 171-191.


• بیدگلی، م.، تقوی، م.، اسماعیل­زاده مقری، ع.، دامن کشیده، م. (1398). آزمون تجربی تأثیر ریسک فضای کسب و کار بر رابطه بین ریسک اعتباری و عملکرد مالی در صنعت بانکداری ایران. فصلنامه اقتصاد مالی، 13(48): 1-35.


• سلیمی­بنی، ص.، عسگری، ن.، خوش منظر فاروجی، ج. (1393). ارزیابی و رتبه­بندی سامانه­های بانکداری الکترونیکی و ظرفیت جذب منابع مالی بان.، پژوهش­های مدیریت منابع سازمانی، 4(2): 63-43.


• مهرآرا، م.، مهران­فر، م. (1392). عملکرد بانکی و عوامل کلان اقتصادی در مدیریت ریسک. فصلنامه مدل­سازی اقتصادی، 7(1): 21-37.


• میرزائیان، ت. (1389). ارزیابی متغیرهای کلان موثر بر حجم و ترکیب سپرده‌های بانکی (مطالعه موردی بانک ملت طی سال­های 1360-1387). پایان­نامه کارشناسی ارشد، دانشگاه علوم اجتماعی و اقتصادی، دانشگاه پیام نور، تهران


• Brunelli M. (2014). Introduction to the Analytic Hierarchy Process. Springer, 192 p.


• Cucinelli D., (2013). The Determinants of Bank Liquidity Risk within the Context of Euro Area. Interdisciplinary Journal of Research in Business, 2(10): 51-64.


• Gaire HN. (2012). Real Interest Rate and Saving Behavior in Nepal. Reserve Bank of New Zealand: Bulletin, 64(3): 15-28.


• Giannotti C, L. Gibilaro A., and G.Mattarocci, (2011), ''Liquidity Risk Exposure for Specialized and Unspecialized Real Estate Banks: evidences from the Italian market'', Journal of Property, Investment & Finance, vol. 29, i. 2, pp. 98-114


• Gupta K.P., Manrai R. (2019). Prioritizing Factors Affecting the Adoption of Mobile Financial Services in Emerging Markets—A Fuzzy AHP Approach. Deep K., Jain M., Salhi S. (eds) Performance Prediction and Analytics of Fuzzy, Reliability and Queuing Models. Asset Analytics (Performance and Safety Management). Springer, Singapore


• Iqbal, Anjum,(2012), “Liquidity Risk Management : A Comparative Study between Conventional and Islamic Banks of Pakistan”, Global Journal of Management and Business Research,Vol.12, Issue.5, 55-64.


• Louzis D.P., Vouldis AT., Metaxas V.L. (2010). Macroeconomic and Bank-Specific Determinants of Non-Performing Loans in Greece: A Comparative Study of Mortgage, Business and Consumer Loan Portfolios. Journal of Banking & Finance 36(4): doi:10.2139/ssrn.1703026


• Nguyen M., Skully M., Perera S. (2018). Market power, revenue diversification and bank stability: Evidence from selected South Asian countries. Journal of International Financial Markets, Institutions & Money, 22: 897-912.


• Ostadi H., Sarlak A. (2014). Effective factors on the absorption of bank deposits in order to increase the relative share of Isfahan Sepah Bank. International journal of Academic Research in Economics and Management Sciences, 3(4): 139-149.


• Rosenbaum J., Pearl J., Harris J., Perella JR. (2019). Investment Banking: Valuation, LBOs, M&A, and IPOs. Wiley, 512 p.


• Sharmin S., Solaiman Kh. (2019). BigBank: A GIS Integrated AHP-TOPSIS Based Expansion Model for Banks. 2019 15th International Conference on Signal-Image Technology & Internet-Based Systems (SITIS), Sorrento, Italy


• Stojčić, M., Zavadskas, E.K., Pamučar, D., Stević, Ž. and Mardani, A. (2019), Application of MCDM Methods in Sustainability Engineering: A Literature Review 2008–2018, Symmetry, 11(3) 350.


• Yang Q., Wu X. (2020). The Construction of Risk Evaluation System of Small Loan Company in China Based on AHP. In: Wang TS., Ip A., Tavana M., Jain V. (eds) Recent Trends in Decision Science and Management. Advances in Intelligent Systems and Computing, vol 1142. Springer, Singapore


• Zhang, X., Daly, K. J. (2013). The Impact of Bank-Specific and Macroeconomic Factors on China’s Bank Performance ok. The Chinese Economy, 47(5-6): 5-28.


• Zopounidis C., Doumpos M. (2002). Multi-criteria decision aid in financial decision making: methodologies and literature review. Journal of Multi-Criteria Decision Analysis, 11(4-5): 167-186.


• Zopounidis C., Doumpos M. (2017). Multiple Criteria Decision Making: Applications in Management and Engineering. Springer, 211 p.