مدیریت تسهیلات اعتباری با استفاده از توسعه تحلیل پوششی داده‌ها

مدیریت صحیح منابع محدود بانک‌ها با وجود متقاضیان فراوان تسهیلات  یکی از مسایل پیچیده‌ای است که عدم توجه کافی به آن، باعث ایجاد مشکلات عدیده‌ای در سازمان می‌شود. روش‌ها و تکنیک‌های بسیاری در زمینه کمک به مدیریت منابع، توسط محقیقن به‌کارگرفته شده است. مبحث رتبه‌بندی اعتباری که خود شامل مدل‌های متنوعی است، از جمله این تکنیک‌ها به شمار می‌رود. روش تحلیل پوششی داده‌ها یکی از پرکاربردترین روش‌های ناپارامتری در بحث رتبه‌بندی است. هر چند که استفاده از این روش برای رتبه‌بندی بسیار مورد استقبال محققان قرار گرفته‌است لکن پیش شرط متجانس بودن واحدهای ارزیابی شونده باعث شدهتا کمتر در رتبه‌بندی واحدهای گروه‌بندی شده به کارگرفته شود. از این رو در این مقاله روش تحلیل پوششی داده‌ها به‌‌گونه‌ای توسعه داده شده است که بتوان با استفاده از آن، شرکت‌های حقوقی متقاضی تسهیلات بانکی که در صنایع و صنف‌های مختلفی قرار گرفته‌اند را هم در بین صنایع (بخش‌های اقتصادی) و هم بین کل شرکت‌ها رتبه‌بندی نمود. به عبارت دیگر در این مقاله یک مدل ریاضی گروه محور جدید ارائه شده است که با استفاده از آن بتوان به صورت همزمان اثرات بین‌گروهی و کل داده‌ها مورد سنجش قرار گیرد. نتایج حاصل از اجرای روش پیشنهادی نشان داد که مدل، قدرت بالایی در رتبه‌بندی واحدهای گروه‏بندی شده دارد.

Credit Facilities Management by Developing Data Envelopment Analysis

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.