ارائه مدلی بمنظور پیش بینی کارایی شعب بانک تحت شرایط عدم قطعیت مبتنی بر رویکرد SDEA-PCA و شبیه سازی مونت کارلو

سال انتشار: 1400
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 49

فایل این مقاله در 33 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_SAIM-6-4_001

تاریخ نمایه سازی: 24 آذر 1402

چکیده مقاله:

امروزه نیاز به استفاده از سیستم های اندازه گیری کارایی در صنعت بانکداری نوین به طور فزاینده ای آشکار شده است. بنابراین لازم است کارایی بانک ها پیش بینی شود تا بتوان در تصمیم گیری های آتی، رشد اقتصادی آنها را رصد کرد. بدین جهت، این مقاله مدل یکپارچه جدیدی جهت پیش بینی کارایی شعب در صنعت بانکداری نوین براساس تحلیل پوششی داده های تصادفی (SDEA) و روش تحلیل مولفه های اصلی (PCA) در فضای پویا با لحاظ بازدهی نسبت به مقیاس متغیر برای شعب طراحی می نماید. همچنین به جهت مواجهه با عدم قطعیت در پیش بینی کارایی، ورودی ها و خروجی های شعب در مدل ارائه شده بصورت متغیرهای تصادفی فازی مثلثی با توزیع نرمال طراحی شده اند. در این مطالعه برای حل مدل پیشنهادی، از شبیه سازی مونت کارلو و الگوریتم های فراابتکاری استفاده شده است. در نهایت بمنظور ارزیابی عملکرد و دقت مدل یکپارچه پیشنهادی، یک مطالعه موردی مبتنی بر شاخص های بانکداری نوین جهت پیش بینی کارایی دوره مالی آتی شعب ارائه و نتایج تجزیه و تحلیل شده است.

کلیدواژه ها:

کارایی ، تحلیل پوششی داده های تصادفی ، تحلیل مولفه های اصلی ، برنامه ریزی فازی- پویا ، شبیه سازی مونت کارلو

نویسندگان

علی یعقوبی

دانشجوی پسادکتری، دانشکده علوم اجتماعی، دانشگاه بین المللی امام خمینی (ره)، قزوین، ایران

صفر فضلی

دانشیار، گروه مدیریت صنعتی، دانشکده علوم اجتماعی، دانشگاه بین المللی امام خمینی (ره)، قزوین، ایران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Papi, S., Khorramabadi, M., & Lashgarara, S. (۲۰۱۸). Estimating productivity ...
  • Arteaga, F. J. S., Tavana, M., Di Caprio, D., & ...
  • Charnes, A., & Cooper, W. W. (۱۹۵۹). Chance-constrained programming. Management ...
  • Charnes, A., Cooper, W.W and Rhodes, E. (۱۹۷۸) Measuring the ...
  • Sengupta, J. (۱۹۸۲). Decision models in stochastic programming: operational methods ...
  • Cooper, W. W., Huang, Z., Lelas, V., Li, S. X., ...
  • Punyangarm, V., Yanpirat, P., Charnsethikul, P., & Lertworasirikul, S. (۲۰۰۶). ...
  • Shanmugam, R., & Johnson, C. (۲۰۰۷). At a crossroad of ...
  • Qin, R., & Liu, Y. K. (۲۰۱۰). A new data ...
  • Nataraja, N. R., & Johnson, A. L. (۲۰۱۱). Guidelines for ...
  • Dai, X., Liu, Y., & Qin, R. (۲۰۱۳). "Modeling Fuzzy ...
  • Yaghoubi, A., & Amiri, M. (۲۰۱۵). Designing a new multi-objective ...
  • Azizi, H., & Jahed, R. (۲۰۱۵). Supplier selection in volume ...
  • Omrani, H., Beiragh, R. G., & Kaleibari, S. S. (۲۰۱۵). ...
  • Wanke, P., Barros, C. P., & Nwaogbe, O. R. (۲۰۱۶). ...
  • Salari Boron, M., & Zandieh, M. (۲۰۱۶). Measuring the efficiency ...
  • Heydarpour, V., Zandieh, M., Farsijani, H., & Rabieh, M. (۲۰۱۷). ...
  • Azizi, H., Amirteimoori, A., & Kordrostami, S. (۲۰۱۸). Measurement of ...
  • Yu, M. M., Lin, C. I., Chen, K. C., & ...
  • Wanke, P., Tsionas, M. G., Chen, Z., & Antunes, J. ...
  • Cong, D., Liang, L., Jing, S., Han, Y., Geng, Z., ...
  • Banker, R. D., Charnes, A., & Cooper, W. W. (۱۹۸۴). ...
  • Zhu, J. (۱۹۹۸). Data envelopment analysis vs. principal component analysis: ...
  • Vencheh, A. H., Matin, R. K., & Kajani, M. T. ...
  • Holland, J. H. (۱۹۷۵), Adaptation in Natural and Artificial Systems, ...
  • Goldberg, D. E. (۱۹۸۹). Genetic algorithms in search. Optimization, and ...
  • Kuah, C. T., Wong, K. Y., & Wong, W. P. ...
  • Atashpaz-Gargari, E., & Lucas, C. (۲۰۰۷, September). Imperialist competitive algorithm: ...
  • Kaymaz, I., & McMahon, C. A. (۲۰۰۵). A response surface ...
  • نمایش کامل مراجع