بررسی تاثیر ریسک اعتباری و ریسک نقدینگی بر کارایی بانک‌ها با تحلیل پوششی داده‌های پویا

نوع مقاله : مقاله پژوهشی

نویسندگان

1 استادیار، گروه مهندسی صنایع، دانشکده فنی و مهندسی، دانشگاه میبد، میبد، ایران

2 دانشجوی کارشناسی ارشد مهندسی صنایع، دانشکده فنی و مهندسی، دانشگاه میبد، میبد، ایران

10.30495/jik.0621.23458

چکیده

از مهمترین نهادهای مالی در اقتصاد هر کشور بانک‏ها هستند و ارزیابی عملکرد آن‌ها بسیار حائز اهمیت می‌باشد. یکی از عوامل تاثیرگذار بر کارایی و عملکرد بانک‏ها عامل ریسک است. با وجود اینکه تابحال پژوهش‌های زیادی در زمینه بررسی کارایی و ریسک‌های بانکی انجام شده است، اما اکثر آن‌ها ریسک اعتباری و ریسک نقدینگی را به عنوان متغیر خود به کار نبرده و همچنین از روش سنتی تحلیل پوششی داده‌ها استفاده کرده‏اند. هدف این پژوهش بررسی اثر ریسک اعتباری و ریسک نقدینگی بر کارایی بانک‌ها با تحلیل پوششی داده‌های پویا است. در مدل پیشنهادی این پژوهش، شاخص‌های تعداد شعب، وجوه قابل وام‌دهی، ریسک اعتباری و ریسک نقدینگی به عنوان ورودی، مطالبات معوق به عنوان متغیر واسطه و شاخص‌های کل درآمد، حجم سپرده‏گذاری و تسهیلات اعطایی به عنوان خروجی در نظر گرفته شده‌اند. در این پژوهش کارایی پنج بانک دولتی کشور طی دوره سه ساله 1397-1395 مورد بررسی قرار گرفته است. نتایج حاصل از اجرای مدل نشان می‌دهد که در این بازه زمانی بانک مسکن نسبت به دیگر بانک‌های مورد بررسی کاراتر بوده است. همچنین نتایج تحلیل رگرسیون نشان‌دهنده تاثیر معنادار متغیرها روی کارآیی بانک‌ها می‌باشد به طوری‌که ریسک اعتباری و ریسک نقدینگی به ترتیب بیشترین و کمترین نقش را در این تاثیر معنادار دارند.

کلیدواژه‌ها


عنوان مقاله [English]

Investigating the effect of credit risk and liquidity risk on the efficiency of banks with dynamic data envelopment analysis

نویسندگان [English]

  • Abbasali Jafari Nodoushan 1
  • Somayeh Sadat Mousavi 1
  • آeydar Teymoorian 2
1 Assistant Professor, Department of Industrial Engineering, Faculty of Engineering, Meybod University, Meybod, Iran
2 MSc student in Industrial Engineering, Faculty of Engineering, Meybod University, Meybod, Iran
چکیده [English]

Banks are one of the most important financial institutions in the economy of the countries and it is very important to evaluate their performance. One of the factors affecting the efficiency and performance of banks is the risk factor. Although there has been a lot of research on banking performance and risks, most of them have not used credit risk and liquidity risk as their variables and also use the traditional method of data envelopment analysis. The purpose of this study is to investigate the effect of credit risk and liquidity risk on the efficiency of the banks by dynamic data envelopment analysis. In the proposed model, the indicators of number of branches, lendable funds, credit risk and liquidity risk as inputs, overdue receivables as an intermediate variable and indicators of total income, deposit volume and facilities granted as outputs are considered. In this study, the efficiency of five state-owned banks in the three-year period of 1395-1397 has been studied. The results of the model show that Maskan Bank has been more efficient than other studied banks in the period. Also, the results of the regression show the significant effect of variables on the efficiency of banks so that credit risk and liquidity risk have the most and the least impact, respectively.

کلیدواژه‌ها [English]

  • Banking
  • Efficiency
  • Dynamic Data Envelopment Analysis
  • Credit Risk. Liquidity Risk
ابراهیمی مرضیه، دریابر عبدالله (1391). مدیریت ریسک اعتباری در نظام بانکی-رویکرد تحلیل پوششی داده‌ها و رگرسیون لجستیک و شبکه عصبی. فصلنامه دانش سرمایه گذاری، 1(2)، 62-35.
آذر عادل، زارعی‌محمودآبادی محمد، مقبل‌باعرض عباس، خدیور آمنه (1393). سنجش بهره‏وری شعب بانک با رویکرد تحلیل پوششی داده‏های شبکه‏ای (یکی از بانک‌های استان گیلان). فصلنامه پژوهش‏های پولی-بانک، 7(20)، 305-285.
احدزاده‏نمین مهناز، خمسه الهه، محمدی فرزانه (1398). ارزیابی عملکرد شعب بانک با استفاده از رویکرد کنترل وزن در تحلیل­پوششی­داده­ها. مهندسی مالی و مدیریت اوراق بهادار، 10(40)، 28-1.
احمدی علی، احمدی جشفقانی حسین‏علی، ابوالحسنی هستیانی اصغر (1395). تاثیر ریسک اعتباری بر عملکرد نظام بانکی ایران: مطالعه بین بانکی با رویکرد PANEL VAR. فصلنامه اقتصاد مالی و توسعه، 10(34)، 131-152.
بزرگ اصل موسی، برزیده فرخ، صمدی محمدتقی (1397). بررسی رابطه همزمان ریسکهای نقدینگی و اعتباری و بررسی تاثیر آنها بر پایداری مالی بانک‌ها؛رهیافت رگرسیون چندک. فصلنامه دانش سرمایه‌گذاری، 7(25)، 316-299.
بغزیان آلبرت، یزدان پناه فرزانه (1397). رابطه بین ریسک نقدینگی و اعتباری در بانک­های ایران. دومین کنفرانس ملی تحقیق و توسعه در مدیریت و اقتصاد مقاومتی، تهران، پژوهشگاه فرهنگ و هنر (پژوهشکده مدیریت و توسعه ).
جعفری مهدی، فخاری حسین (1393). تاثیر ریسک اعتباری و ریسک نقدینگی بر کارایی نظام بانکی ایران. کنفرانس بین المللی توسعه و تعالی کسب و کار، تهران، موسسه مدیران ایده پرداز پایتخت ویرا.
جهانگرد پاتاوانی سعید (1396). محاسبه تاثیر ریسک های اعتباری و نقدینگی روی کارایی شعب بانک و ارایه پیشنهاد جهت افزایش کارایی واحدها توسط مدل‌های DEA. دهمین کنفرانس بین المللی انجمن تحقیق در عملیات ایران، بابلسر، انجمن ایرانی تحقیق در عملیات.
خوش سیما رضا، شهیکی‏تاش محمدنبی (1391). تاثیر ریسک­های اعتباری، عملیاتی و نقدینگی بر کارایی نظام بانکی ایران. فصلنامه برنامه ریزی و بودجه، 17(4)، 95-69.
دهقان عبدالمجید، فرهادی شریف آباد محسن، فهیمی علیرضا (1398). بررسی ارتباط ریسک اعتباری بانک‌ها و ریسک و بازده سهام آن ها در بورس اوراق بهادار تهران. فصلنامه دانش سرمایه گذاری ، 8(29)، 256-241 .
سلیمانی دامنه رضا (۱۳۹۸). توسعه یک مدل تحلیل­پوششی­داده­های پویا (DDEA) جهت ارزیابی دوره­ای واحدهای تصمیم‌گیرنده. چهارمین کنفرانس بین المللی مدیریت صنعتی، یزد، دانشگاه یزد - انجمن علمی مدیریت صنعتی ایران.
سلیمانی دامنه رضا، مومنی منصور، مصطفایی امین، رستمی مال خلیفه محسن (1396). توسعه یک مدل تحلیل پوششی داده‌های شبکه‌ای پویا برای ارزیابی عملکرد بانک‌ها. چشم‌انداز مدیریت صنعتی، 25، 89-67.    
صادقی سیدرسول، ملکی محمدحسن، متقی پیمان (1397). ارائه‌ی مدل دو مرحله‌ای پویا برای ارزیابی عملکرد بانک‌های خصوصی با رویکرد تحلیل­پوششی­داده‌ها. پژوهش­های پولی بانکی، 11(35)، 82-55.
عرب مازار عباس، ورهرامی ویدا، حسنی حسین (1397). ارزیابی عملکرد بانک­های کشور با استفاده از تحلیل­پوششی­داده­های شبکه­ای. فصلنامه اقتصاد مقداری (بررسی‌های اقتصادی سابق)، 15(2)، 21-1.
نصیری ناصر، جعفر حقیقت (1382). بررسی کارایی سیستم بانکی با کاربرد تحلیل­پوششی­داده­ها (مطالعه موردی بانک کشاورزی). فصلنامه علمی- پژوهشی پژوهش‌های اقتصادی (رشد و توسعه پایدار)، 3(9و10)، 166-133.
Avkiran, N. (2015). An Illustration of Dynamic Network DEA in Commercial Banking Including Robustness Test. Omega, 55, 141-150.
Cecchetti, S.G., & Schoenholtz, K. L. (2011). Money, banking, and financial markets (3rd ed.). New York: McGraw-Hill Education.
Da Silva, H., Divino, S.B. (2016). Analyzing Banking Risk, Washington, D.C., The World Bank.
Gonzalez, F. (2005). Bank regulation and risk-taking incentives: An international comparison of bank risk. Journal of Banking and Finance, 29(5), 1153- 1184.
Halkos, G., & salamouris, D. (2004). Efficiency measurement of the Greek commercial banks with the use of financial ratios: a data envelopment analysis approach, Management Accounting Research. 15(2), 201-224.
Herrera, O., Triantis, K., Trainor, J., Murray-Tuite, P., & Edarad, P. (2016). A multi perspective dynamic network performance efficiency measurement of an evacuation: A dynamic network-DEA approach, Omega. 60, 45-59.
Holod, D., & Lewis, H. F. (2011). Resolving the deposit dilemma: A new DEA bank efficiency model, Journal of Banking and Finance. 35(11), 2801-2810.
Nemoto, J., & Goto, M. (1999). Dynamic data envelopment analysis: Modeling intertemporal behavior of a firm in the presence of productive inefficiencies. Economics Letters, 64(1), 51-56.
Nemoto, J., & Goto, M. (2003). Measurement of dynamic efficiency in production: An application of data envelopment analysis to Japanese electric utilities. Journal of Productivity Analysis, 19, 191-210.
Pasiouras, F. (2008). Estimating the technical and scale efficiency of Greek commercial banks: The impact of credit risk, off-balance sheet activities, and international operations. Research in International Business and Finance 22(3), 301- 318.
Tan, Y. (2016). The Impacts of Risk and Competition on Bank Profitability in China. Journal of International and Financial Markets, Institutions and Money, 40, 85-110.
Tone, K., & Tsutsui, M. (2010). Dynamic DEA: A slacks-based measure approach, Omega. 38(3-4), 145-156.