چکیده:
در اندازهگیری کارایی، ترکیب روش شبکه عصبی مصنوعی و روش تحلیل سلسله مراتبی یکی از بهترین روشهایی است که مشکلات مربوط به روشهای سنتی و شبکه عصبی مصنوعی از قبیل: عدم توانایی آنها برای در نظر گرفتن شاخصهای ورودی و خروجی چندگانه، ادغام نمرات کارایی و حصول رتبهبندی جامع شعب در ارزیابی کارایی واحدهای دارای چند خروجی و... را ندارد. لذا پژوهش حاضر با ترکیب روش شبکه عصبی مصنوعی و روش تحلیل سلسله مراتبی با بکارگیری دیدگاه واسطهگری، متغیرهای کل سپردهها، هزینههای جذب منابع، هزینههای عملیاتی به عنوان ورودی و کل تسهیلات، سود ناشی از تسهیلات و درآمدهای غیرتسهیلاتی(کارمزد) به عنوان متغیرهای خروجی به اندازهگیری، ارزیابی و مقایسه کارایی شعب بانک توسعه صادرات ایران طی سالهای 1383 تا 1393 میپردازد. نتایج این مطالعه نشان میدهد، از بین شعب مورد ارزیابی بر اساس معیار کارایی جامع در سالهای 1383 تا 1387 شعبه مرکزی و از سال 1387 تا 1393 شعبه زنجان کاراترین شعبه محسوب گردیدهاند.
In the measurement of efficiency, combining the Artificial Neural Network and AnalyticalHierarchy Process Model is one of the best methods that hasnot problems with traditionalmethods and artificial neural network such as: their inability to consider multiple input andoutput indicators, intregration of efficiency scores and obtaining the overall ranking ofbranches and their efficiency evaluating of the multiple output units. the present studycombining the Artificial Neural Network and Analytical Hierarchy Process Model byapplying an intermediary perspective, variables of total deposit, costs of attracting sources,operational costs as input and total facilities, profits obtained by facilities and earningswhich obtained by non-facilities (charge) as output variables to measure, evaluate andcompare the efficiency of branches of the Export Development Bank of Iran from 2004 to2014. The results of this study showed that, among the evaluated branches based oncomprehensive efficiency benchmark, Central and Zanjan branches were the most efficientones from 2004 to 2008 and 2008 to 2014 respectively.
خلاصه ماشینی:
ارزيابي کارآيي شعب بانک توسعۀ صادرات ايران ابوالفضل شاهآبادي 1 محمد صالحيان بهروز 2 چكيده در اندازهگيري کارآیي ترکيب روش شبکۀ عصبي مصنوعي و روش تحليل سلسلهمراتبي از بهترین روشهایی است که مشکلات مربوط به روشهای سنتی و شبکۀ عصبی مصنوعی از قبیل عدم توانايي آنها براي درنظرگرفتن شاخصهاي ورودي و خروجي چندگانه، ادغام نمرات کارآیي، و حصول رتبهبندي جامع شعب در ارزيابي کارآیي واحدهاي داراي چند خروجي را ندارد.
بنابراین پژوهش حاضر با ترکيب روش شبکۀ عصبي مصنوعي و روش تحليل سلسلهمراتبي با بهکارگيري ديدگاه واسطهگري متغيرهاي کل سپردهها، هزينههاي جذب منابع، هزينههاي عملياتي بهمنزلۀ ورودي و کل تسهيلات، سود ناشي از تسهيلات، و درآمدهاي غيرتسهيلاتي (کارمزد) بهمنزلۀ متغيرهاي خروجي، کارآیي شعب بانک توسعۀ صادرات ايران را طي سالهاي 1383-1393 اندازهگيري، ارزيابي، و مقايسه میکند.
مصطفي (Mostafa 2009) در سال 2005 با استفاده از مدل ترکيبي شبکۀ عصبي مصنوعي و تحليل پوششي دادهها کارآیي 85 بانک برتر عربي را ارزيابي کرده است.
بر اين اساس، مطالعۀ حاضر برای حل مشکل مذکور، ترکيب نمرات کارآیي خروجيها، و حصول کارآیي جامع از روش ترکیبی شبکۀ عصبي مصنوعي و تحليل سلسلهمراتبي بهمنظور ارزيابي و رتبهبندي کارآیي براساس هر ستاده و نيز کارآیي جامع شعب مختلف بانک توسعۀ صادرات ايران استفاده میکند.
بر اين اساس، مطالعۀ حاضر براي ترکيب نمرات کارآیي خروجيها و حصول کارآیي جامع روش ادغام شبکۀ عصبي مصنوعي و تحليل سلسلهمراتبي را پيشنهاد داده و از آن بهمنظور سنجش، ارزيابي، و رتبهبندي کارآیي براساس هر ستاده و نيز کارآیي جامع شعب مختلف بانک توسعۀ صادرات ايران در سالهاي 1383 و 1393 بهره جسته است.