ارائه مدل ارزیابی عملکرد بانکهای بورسی کشور با رهیافت داده کاوی

با رشد بانکهای خصوصی و موسسات مالی و اعتباری،رقابت بین آنها به منظور ارائه خدمات بهتر افزایش یافته است. با توجه به اهمیت موضوع،تدوین یک الگوی جامع و کامل برای ارزیابی بانکها ضروری به نظر می رسد. هر سازمان برای آگاهی از نقاط قوت و ضعف خود به ویژه در محیط های پویا نیازمند ارزیابی عملکرد می باشد. موضوع ارزیابی عملکرد آنقدر مورد توجه است که حتی در این باره صاحبنظران مدیریت معتقدند: &آنچه را که نتوان ارزیابی نمود، نمی توان مدیریت کرد&.بنابراین بانک ها نیز همانند سایرسازمان ها در ایران برای ارائه خدمات متنوع تر و سریع ترو همچنین توسعه خود ، نیازمند ارزیابی عملکرد می باشند.[6]هدف اصلی این مقاله ارائه مدلی به منظور ارزیابی عملکرد بانکهای بورسی کشور با استفاده از روشهای داده کاوی می باشد. در این پژوهش، 4 مدل داده کاوی درخت تصمیم c5.0، درخت تصمیم c4.5، الگوریتم بیز و جنگل تصادفی، به منظور ارزیابی عملکرد بانک های پذیرفته شده در بورس اوراق بهادار تهران پیاده سازی و با یکدیگر مقایسه می گردند. بدین منظور نمونه ای مشتمل بر 28 نسبت مالی شامل نسبت های سودآوری، نقدینگی، حوزه کیفیت مدیریت ، حوزه کیفیت دارایی و کفایت سرمایه در 18 بانک بورس اوراق بهادار تهران درفاصله بین سالهای 1393 تا 1396 به عنوان متغیرهای مستقل و عملکرد بانکها درسه دسته قابل قبول، غیرقابل قبول ومتوسط به عنوان متغیر وابسته انتخاب گردیدند. نتایج حاکی از آن است که در بین کلیه مدلها درخت تصمیم c5.0 با صحت 94.4% بهترین مدل ارائه شده در این پژوهش می باشد.

Presenting a Model Based on Evaluation of Performance Banks Listed in Tehran Stock Exchange Using Data Mining Approach

With the growth of private banks , financial and credit institutions, competition for better services has increased. Given the importance of the issue, it is necessary to develop a comprehensive model for evaluating banks. Every organization needs to evaluate its performance to understand its strengths and weaknesses, especially in dynamic environments. The issue of performance appraisal is so widespread that even management experts say: &What cannot be evaluated cannot be managed&.Banks, like other organizations in Iran, need performance evaluation to provide more diverse and faster services as well as their development. [6]This study aimed to present a model to evaluate the performance of banks listed in Tehran Stock Exchange using data mining approach. In this research, four data mining models of decision tree C5.0, decision tree C4.5, Naive Bayes classifier, and random forest were implemented and compared to evaluat the performance of banks. To this end, 28 financial ratios (e.g., profitability ratios, liquidity, quality management, asset quality, and capital adequacy) in 18 banks of Tehran Stock Exchange during 20142017 were selected as independent variables. In addition, the performance of banks in three categories of acceptable, unacceptable, and moderate was selected as the dependent variable of the study. According to the results, the decision tree C5.0 with the accuracy of 94.4% was the most efficient model proposed in this research.