طراحی شاخص ترکیبی ریسک در بانک ها رویکرد تحلیل پوششی داده‌های چندلایه (مورد مطالعه: بانک های عضو بورس اوراق بهادار تهران)

تحلیل ریسک در انتخاب پورتفو حایز اهمیت می باشد. سرمایه گذاران علاوه بر سودآوری، به شاخص های مرتبط با ریسک نیز در انتخاب پورتفوی مناسب، باید توجه کنند. درکنار رویکردهای نرم ساخت شاخص ترکیبی همچون ahp، رویکردهای بهینه سازی همچون dea نیز مورد توجه قرار گرفته است. درصورتی که ساختار معیارها سلسله مراتبی باشد، دیگر نمی توان از مدل های پایه dea استفاده کرد؛ بنابراین لازم است مدلdea به نحوی تغییر کند تا بتواند ساختار سلسله مراتبی معیارها و زیر معیارها را نیز مورد توجه قرار دهد. در این مقاله با بررسی معیارها و زیرمعیار های مختلف ریسک در بانک ها همچون ریسک اعتباری، نقدینگی و سودآوری و با بهره گیری از رویکرد dea چند لایه، مدلی جهت ساخت شاخص ترکیبی ریسک در بانک ها طراحی گردید. برای نمایش قابلیت های مدل تحقیق، 10 بانک حاضر در بورس اوراق بهادار تهران مورد ارزیابی قرار گرفتند. نتایج نشان داد، بانک پاسارگاد بهترین عملکرد (کم ترین ریسک) را در مقایسه با سایر بانک های مورد ارزیابی داشته است. بهترین عملکرد این بانک در شاخص ریسک نقدینگی بوده و شاخص های ریسک اعتباری و ریسک سودآوری در رتبه های بعدی قراردارند. علاوه بر ارایه نمرات شاخص ریسک هر بانک و وزن زیرمعیارهای مختلف، قدرت تفکیک نیز بهبود قابل توجهی یافته است.

Constructing a Composite Index of Risk in the Banking Sector: A Multilayer DEA Approach (Case Study: Tehran Stock Exchange Member Banks)

Risk analysis is necessary for portfolio management. Investors in setting an appropriate portfolio need to pay attention to riskrelated indicators as well as profitability. Beside soft approaches for composing indicators to an index such as AHP, the optimization approaches such as DEA are also considered. However, if the indicators have a hierarchical structure, then it is no longer possible to use the basic DEA model for weighting and ranking. Therefore, it is necessary to extend the DEA model to be able to consider the hierarchical structure of indicators and subindicators. In this paper, by reviewing the various risk indicators in the banking sector such as credit risk, liquidity risk, and profitability risk and also by using the multilayer DEA (MLDEA) approach, a Composite Risk Index (CRI) will be constructed. To indicate the capabilities of the MLDEA model, 10 Iranian banks in Tehran Stock Exchange were evaluated. The results indicated the Pasargad has the best performance (lowest Risk) among all other banks under evaluation. In this bank, Liquidity risk is the best, and credit risk and profitability risk are second and third, respectively. In addition to providing the CRI score and the weights of subindicators, the discriminative power of the model has also been significantly improved.