عملکرد عملیاتی شعب بانک : رویکردی چند متغیره و خوشه بندی قوی

قیمت: 43,000 تومان

دانلود رایگان مقاله

خرید ترجمه مقاله

عنوان فارسی

عملکرد عملیاتی شعب بانک : رویکردی چند متغیره و خوشه بندی قوی

عنوان لاتین

Bank Branch Operational Performance: A Robust Multivariate and Clustering Approach1

این مقاله فرایند چند مرحله‌ای‌ای را ارائه می‌دهد که روشهای قوی ، تحلیل‌های خوشه بندی و تحلیل‌های احاطه‌ی داده (DAE) را ادغام می‌کند تا خوشه‌های مدیرانه‌ی شعب بانک‌ها را شناسایی و عملکرد کارامدی را مورد مطالعه قرار دهد. با اعتمال تکنیک‌های قوی مبتنی بر تحلیل مولفه‌ی اصلی، ما به دنبال 1) شناسایی شعب تاثیرگذار، یعنی نشان دهنده‌ی رفتارهای عملیاتی قابل توجه، و 2) خوشه بندی شعب بر اساس خصوصیت‌های عملیاتی هستیم. فرض منطقی ما این است که شعب تاثیرگذار هم بر روی خوشه بندی و هم تعیین کارامدی عملکرد تأثیر می‌گذارند. کاربرد این شیوه باعث ایجاد مجموعه نمایه‌های مختلف شعب مبتنی بر تأثیر به همراه نمایه‌های خوشه بندی می‌شود. این مجموعه نمایه‌ها بینش باارزشی را برای تعیین عملکرد کارامدی شعبه و الگوهای عملیاتی فراهم می‌سازد. استفاده از نمایه‌ها به عنوان اطلاعات ضمنی، مدل‌های ضعیف مبتنی بر ورودی DEA اتخاذ می‌شوند تا عملکرد کارامدی شعبه از دیدگاه فرا مرز و مرز خوشه مطالعه شود. عملکرد شعبه در قالب تاثیرگذاری و نمایه‌های خوشه و تخصیص کارامدی انجام مشخص می‌شود. این روش به ما اجازه‌ی درک چگونگی تحت تأثیر قرار گرفتن کارامدی و انتخاب همتا توسط شعب تاثیرگذار و همچنین چگونگی استفاده از نمایه‌ها برای آگاهی دادن به تصمیم‌های طراحی می‌دهد.

This paper proposes a multi-step procedure that integrates robust methods, clustering analysis and data envelopment analysis (DEA) to identify bank branch managerial clusters and to study efficiency performance. By applying robust techniques based on principal component analysis, we look for (1) the detection of influential branches, i.e., exhibiting extreme operating behaviors, and (2) the clustering of branches based on operating characteristics. Our premise is that influential branches affect both the clustering and the determination of efficiency performance. The application of the procedure yields various aggregate influential-based branch profiles along with cluster profiles. These aggregate profiles provide valuable insights on the determinants of branch efficiency performance and operating patterns. Using the profiles as contextual information, DEA input-oriented slack-based models are applied to study branch efficiency performance from meta-frontier and cluster-frontier perspectives. Branch performance is characterized in terms of influential-based and cluster profiles, and efficiency designations. This allows for the understanding of how efficiency and peer selection are affected by influential branches, and how the profiles can be used to inform design decisions.