درخت حوزه‌های تخصصی

هدف این مقاله، مدل سازی تخصیص منابع مبتنی بر الگوی بهینه یابی پویای تصادفی در نظام بانکی ایران می باشد. به همین منظور با استفاده از داده های سطح بانکی با روش شبیه سازی اولر- مارویاما اقدام به شبیه سازی مدل تخصیص منابع کرده و مسیر زمانی بهینه تخصیص منابع طی دوره 24 ماهه به صورت عددی به دست آمد. نتایج نشان داد متغیرهای مهمی مانند نرخ سود انتظاری، ریسک سود و نوسان هر یک از انواع تسهیلات، تاثیر زیادی در سهم آن ها دارد. همچنین یافته ها نشان داد هر چقدر میزان سود انتظاری تسهیلات خاص افزایش و میزان ریسک و نوسان آن کاهش یابد، سهم بیشتری از بین انواع مختلف تسهیلات را به خود اختصاص می دهد. بر اساس نتایج، ورود تخصصی بانک ها به تسهیلات مشارکتی و افزایش سهم این نوع تسهیلات به منظور افزایش سودآوری پیشنهاد می شود.

در این مقاله سعی شده است میزان کارایی شعب مختلف بانک ملی در سال های (1391-1390) باتوجه به درجه بندی آنها اندازه گیری و مقایسه گردد و با استفاده از روش تحلیل پوششی داده ها (DEA) کارایی 27 شعبه از شعب بانک ملی موجود در شهر اراک ارزیابی شده است. شعب مورد بررسی با توجه به ویژگی های خاص و معیار های بانک مرکزی درجه بندی شده اند و میزان کارایی مدیریتی و فنی و مقیاس واحدها محاسبه شده است و برای شعب ناکارا راه حل ارائه و در نهایت شعبی به عنوان الگو برای شعبات ناکارا معرفی شده اند. نتایج تحقیق بیانگر آن است که متوسط کارایی مقیاس (SC) و کارایی مدیریتی (CRS) و کارایی فنی (VRS) در شعب منتخب طی سال های مورد بررسی به ترتیب 94/91، 78/85 و 39/93 درصد می باشد. در سال 1390 به ترتیب 9/25، 74/40 و 62/29 درصد از شعب نمونه، در حالت CRS و VRS و SC کارا می باشند. در این میان 9/25 درصد از این شعب دارای هر دو کارایی فنی و مقیاس می باشند و 8/14 درصد این شعب در حالت CRS کارا نبوده، و بنابراین تنها کارایی خالص فنی دارند و فاقد کارایی مقیاس می باشند. در سال1391، 33/33 درصد شعب دارای کارایی مدیریتی (CRS) و 55/55 درصد دارای کارایی فنی (VRS) و33/33 درصد دارای کارایی مقیاس می باشند. تعدادی از این واحدها برای رسیدن به کارایی مقیاس می بایست با توجه به نوع بازدهی و مقادیر بهینه ای که مدل برای آنها تعیین می کند در نهاده های خود صرفه جویی هایی انجام دهند. در نهایت در سال 1390 به میزان 14/48 و در سال 1391 به میزان 44/44 درصد از شعبه های نمونه وجود دارند که در هیچ یک از حالت های مذکور، هدف کوتاه مدت و بلندمدت کارا نیستند.

عدم مطابقت تقاضا برای خدمات بانکداری الکترونیک با زیرساخت های لازم برای پاسخگویی به آن می تواند مشکلات فراوانی را برای یک جامعه ایجاد نموده و روند فعالیت های اقتصادی در آن جامعه را کند نماید. از این روی، پیش بینی تغییرات تقاضا برای این نوع خدمات در بسترسازی برای تأمین تقاضای مربوطه حائز اهمیت است. هدف اصلی این مقاله پیش بینی تقاضا برای خدمات بانکداری الکترونیک با استفاده از دو روش شبکه عصبی مصنوعی و مدل خودرگسیونی میانگین متحرک هم انباشته فصلی (SARIMA)، مقایسه میان روش ها و بررسی تطابق حجم تقاضا با بسترهای ارائه خدمات در ایران می باشد. برای این منظور از نمونه ای مشتمل بر 88 مشاهده تراکنش های صورت گرفته در 6 کانال فعلی شبکه بانکی کشور از تیرماه 1385 الی مهرماه 1392 استفاده گردیده و تقاضا تا انتهای آبان سال 1393پیش بینی شده است. نتایج حاکی از ادامه روند صعودی تراکنش ها و برتری نسبی روش شبکه عصبی دارد. بنابراین توجه جدی به ایجاد زیرساخت های ارائه خدمات بانکداری الکترونیک ضروری است.

هدف این مقاله ارزیابی اثر درآمد غیربهره ای بر ریسک و سودآوری در صنعت بانکداری در دوره زمانی 1384 - 1393 با استفاده از روش گشتاورهای تعمیم یافته سیستمی می باشد. نتایج نشان می دهد افزایش درآمد غیربهره ای موجب افزایش سودآوری و کاهش ریسک در نظام بانکی ایران می شود و رابطه شاخص تمرکز و ریسک بانکی، معنادار و مثبت است؛ به طوری که افزایش شاخص تمرکز موجب افزایش ریسک بانک ها می گردد. براساس نتایج تحقیق و مشکلات کنونی نظام بانکی ایران، توجه به درآمدزایی بانک ها از طریق درآمدهای غیربهره ای می تواند به عنوان یک راه حل اساسی و مهم مورد توجه قرار گیرد.

هدف این مطالعه بخش بندی بازار یا شناسایی گروه هایی از مشتریان بانک ها است که به یک طرح بازاریابی، پاسخ یکسان نشان می دهند. بدین منظور از تعداد 640 پرسشنامه به روش نمونه برداری ناحیه ای در قالب واحد خانوار پس از تعیین روایی (منطقی) و پایایی (محاسبه آلفای کرونباخ) آن استفاده شد. برای تحلیل داده ها از روش تحلیل عاملی، تحلیل خوشه ای و آزمون کای دو پیرسون استفاده گردید. نتایج حاصل از تحلیل عاملی نشان داد که 61 معیار انتخاب بانک در قالب 9 عامل قرار می گیرند که در مجموع بیش از 65 درصد از رفتار مشتریان را در زمینه انتخاب بانک توضیح می دهند. با توجه به عوامل شناسایی شده، از تحلیل خوشه ای دو مرحله ای استفاده شد. نتایج نشان داد، مشتریان بر حسب شباهت پاسخ هایشان نسبت به 9 عامل اصلی، به 3 خوشه (بخش) تقسیم شده اند، همچنین نتایج حاصل از آزمون کای دو پیرسون نشان داد که خوشه ها از نظر سطح تحصیلات، وضعیت تاهل، میزان درآمد خانواده، میزان درآمد شخصی و میزان استفاده از اینترنت با یکدیگر تفاوت دارند. نتیجه اینکه بهتر است بانک ها به جای آن که تلاش های بازاریابی خود را به طور پراکنده و در جهات مختلف جهت دهند، تلاش هایشان را دقیقا بر مشتریانی که برای تامین انتظارات و خواسته های آنها از بالاترین شانس برخوردارند، معطوف نمایند.

این مقاله، کارآیی 141 شعبه بانک صادرات استان مازندران را با استفاده از روش تحلیل پوششی داده ها بررسی می نماید. متغیرهای این پژوهش در دو گروه داده (تعداد پرسنل، تعداد ترمینال و ارزش دفتری) و ستانده (مجموع وزنی سپرده ها، میانگین 12 ماهه تسهیلات بخش خصوصی و مانده مطالبات معوق تعدیل شده) دسته بندی شده اند. این تحقیق پس از بررسی این فرضیه که بیش از 50 درصد شعب کارآ نمی باشند، نشان می دهد که چگونه شعب ناکارآ در هر گروه می توانند با تغییر در میزان داده ها یا ستانده های خود به مرز کارآیی برسند. بررسی ها در هر گروه با استفاده از دو فرض بازدهی ثابت و متغیر نسبت به مقیاس و براساس مدل پایه BCC صورت پذیرفته است. نتایج تحقیق بیانگر پایین بودن میانگین کارآیی یعنی 30 درصد در سطح کل شعب می باشد. اگرچه این میانگین تحت فرضهای بازدهی ثابت و متغیر نسبت به مقیاس برای شعب در گروه های متجانس متفاوت است؛ ولی تعداد 96 شعبه با هر دو فرض ناکارآ هستند که در مجموع 70 درصد کل شعب تحت ارزیابی می باشد. بیشترین نسبت کارآیی طبق فرض بازده ثابت نسبت به مقیاس در گروه شعب درجه 3 با نسبت 26 درصد و کمترین آن در گروه شعب درجه 4 با 5/9 درصد می باشد. از میان شعب ناکارآ، 51 درصد آن متعلق به گروه درجه 4 می باشد. بررسی دقیق تر در شعب ناکارآ وجود ناهماهنگی در تخصیص پرسنل را عامل مهمی در این زمینه قلمداد می نماید. هر چند که این ناهماهنگی در سایر داده ها نیز مشاهده می شود. درحالتهای بازدهی ثابت و متغیر نسبت به مقیاس بیشترین شکاف میان کارآیی بهترین شعبه هر گروه با میانگین کارآیی همان گروه مربوط به گروه 4 به ترتیب به میزان 36 و 27 درصد می باشد و جهت کارآ شدن شعب این گروه به طور متوسط باید 36 درصد در مصرف منابع صرفه جویی شود.