مديريت تسهيلات اعتباري با استفاده از توسعه تحليل پوششي داده‌ها

Credit Facilities Management by Developing Data Envelopment Analysis

مديريت صحيح منابع محدود بانك‌ها با وجود متقاضيان فراوان تسهيلات  يكي از مسايل پيچيده‌اي است كه عدم توجه كافي به آن، باعث ايجاد مشكلات عديده‌اي در سازمان مي‌شود. روش‌ها و تكنيك‌هاي بسياري در زمينه كمك به مديريت منابع، توسط محقيقن به‌كارگرفته شده است. مبحث رتبه‌بندي اعتباري كه خود شامل مدل‌هاي متنوعي است، از جمله اين تكنيك‌ها به شمار مي‌رود. روش تحليل پوششي داده‌ها يكي از پركاربردترين روش‌هاي ناپارامتري در بحث رتبه‌بندي است. هر چند كه استفاده از اين روش براي رتبه‌بندي بسيار مورد استقبال محققان قرار گرفته‌است لكن پيش شرط متجانس بودن "واحدهاي ارزيابي شونده" باعث شدهتا كمتر در رتبه‌بندي واحدهاي گروه‌بندي شده به كارگرفته شود. از اين رو در اين مقاله روش تحليل پوششي داده‌ها به‌‌گونه‌اي توسعه داده شده است كه بتوان با استفاده از آن، شركت‌هاي حقوقي متقاضي تسهيلات بانكي كه در صنايع و صنف‌هاي مختلفي قرار گرفته‌اند را هم در بين صنايع (بخش‌هاي اقتصادي) و هم بين كل شركت‌ها رتبه‌بندي نمود. به عبارت ديگر در اين مقاله يك مدل رياضي گروه محور جديد ارائه شده است كه با استفاده از آن بتوان به صورت همزمان اثرات بين‌گروهي و كل داده‌ها مورد سنجش قرار گيرد. نتايج حاصل از اجراي روش پيشنهادي نشان داد كه مدل، قدرت بالايي در رتبه‌بندي واحدهاي گروه‏بندي شده دارد.

Proper resource management with many applicants for banking facilities includes lack of attention to the issues that have caused major problems for the managers of these institutions. To help resource managers, many techniques have been used by researchers. Credit rating methods, which include a variety of models, can help managers. Data envelopment analysis is one of the most widely used nonparametric methods in credit rating. Although, using this method for ranking decisionmaking units (DMU) have been very well received by researchers, the homogeneity condition of DMUs is one of the most important rules in applying this technique. Therefore, in this paper we develop and improve DEA to apply for ranking firms in different industries and classes are also among industries (sectors) and among all companies. In other words, the main purpose of this paper is to resolve this key weakness in such a way that makes it possible to simultaneously consider the heterogeneous companies or DMUs. The results of this proposed method show that this model is high power useful to rank grouped units.