BANKA FİNANSAL PERFORMANSLARININ HİBRİT GRİ İLİŞKİSEL ANALİZ YÖNTEMİ İLE İNCELENMESİ

Year 2025, Volume: 21 Issue: 3, 1017 - 1046, 30.09.2025

Sibel Şener , Zekai Şenol

Abstract

Türkiye ekonomisinde ve finansal piyasalarında son zamanlarda önemli volatilite hareketleri ve politika değişimleri meydana gelmiştir. COVID-19 pandemisi, düşük faiz ve parasal genişleme ile enflasyonla mücadele ve yüksek faiz ve parasal sıkılaşma ile enflasyonla mücadele gibi önemli ekonomik gelişmeler yaşanmıştır. Bu gelişmelerden en fazla bankacılık sektörü etkilenmiştir. Bu çalışmada 2019-2023 dönemi yıllık verileri ve Çok Kriterli Karar Verme (ÇKKV) yöntemleriyle banka finansal performans analizi yapılmıştır. Aktif büyüklüğüne göre en büyük 10 bankanın finansal performans analizi hibrit bir Gri İlişkisel Analiz (GRİ) yöntemiyle analiz edilmiştir. Çalışmada, hem öznel hem de nesnel bilgileri içeren kombinatif bir ağırlıklandırma yöntemiyle göstergelerin önem ağırlıkları belirlenmiştir. Kombinatif ağırlıklar yıllara göre değerlendirildiğinde, finansal performansı en çok etkileyen göstergelerin özsermaye karlılık oranı (ÖKO), sermaye yeterlilik oranı (SYO), net faiz geliri/toplam varlıklar oranı (FG), aktif karlılık oranı (AKO), özsermaye büyümesi (ÖSB) ve likit varlıklar/kısa vadeli yükümlülükler (LKD2) olduğu görülmüştür. Finansal performansı en yüksek bankalar Garanti Bankası (GRB) ve Akbank (AKB) başta olmak üzere özel sermayeli bankalar olurken performansı düşük çıkan bankalar ise Halk Bankası (HLB), Vakıfbank (VKB) ve Ziraat Bankası olmak üzere kamu sermayeli bankalardır.

Keywords

Bankacılık , Finansal Performans , Çok Kriterli Karar Verme Yöntemleri , Gri İlişkisel Analiz

INVESTIGATION OF BANK FINANCIAL PERFORMANCE WITH HYBRID GRAY RELATIONAL ANALYSIS METHOD

Abstract

The Turkish economy and financial markets have recently experienced significant volatility movements and policy shifts. The COVID-19 pandemic, the fight against inflation with low interest rates and monetary expansion, and the fight against inflation with high interest rates and monetary tightening have been important economic developments. The banking sector was most affected by these developments. In this study, we analyzed bank financial performance using annual data for the period 2019-2023 and Multi-Criteria Decision Making (MCDM) methods. The financial performance analysis of the 10 largest banks according to asset size was analyzed with an hybrid Grey Relational Analysis (GRI) method. In the study, the importance weights of the indicators were determined by an integrated weighting method that includes both subjective and objective information. When the combined weights are analyzed by years, it is observed that the indicators that affect financial performance the most are return on equity ratio (ROE), capital adequacy ratio (CAR), net interest income/total assets ratio (NII), return on assets ratio (ROA), equity growth (EQG) and liquid assets/short-term liabilities (LIQ2). The banks with the highest financial performance are primarily Garanti Bank (GRB) and Akbank (AKB), which are privately owned banks, while the banks with the lowest performance are Halkbank (HLB), Vakıfbank (VKB) and Ziraat Bank, which are publicly owned banks.

Keywords

Banking , Financial Performance , Multi-Criteria Decision Making , Gray Relational Analysis

References

• Abdel-Basset, M., Mohamed, R., Elhoseny, M., Abouhawash, M., Nam, Y., & AbdelAziz, N. M. (2021). Efficient MCDM model for evaluating the performance of commercial banks: A case study. Computers, Materials and Continua, 67(3), 2729-2746.
• Alemi-Ardakani, M., Milani, A. S., Yannacopoulos, S., & Shokouhi, G. (2016). On the effect of subjective, objective and combinative weighting in multiple criteria decision making: A case study on impact optimization of composites. Expert Systems with Applications, 46, 426-438.
• Altunöz, U. (2017). The analysing of the financial performance of banks by using fuzzy AHP and Fuzzy Moora Approaches: Case of Turkish banks. Route Educational and Social Science Journal, 4(4), 116-132.
• Arzova, S. B., & Şahin, B. Ş. (2023). Bankaların finansal karlılık oranlarıyla finansal sağlamlık göstergeleri ilişkisi: Türkiye’de Granger nedensellik analizi. Maliye ve Finans Yazıları, 119, 61-76.
• Barron, F. H., & Barrett, B. E. (1996). Decision quality using ranked attribute weights. Management Science, 42, 11.
• Bayram, E. (2022). Türkiye’deki özel sermayeli bankaların finansal performans analizi: SWARA ağırlıklı CODAS yöntemi. KMÜ Sosyal ve Ekonomik Araştırmalar Dergisi, 24(43), 992-1004.
• Beyter, R., & Ersoy, H. (2024). Mevduat ve katılım bankacılığı sektörlerinin karşılaştırmalı finansal performans analizi: Türkiye Örneği. Marmara Sosyal Araştırmalar Dergisi, (21).
• Birhan, M. (2020). Gri tahminleme ve Gri ilişkisel analiz kullanılarak Türkiye ile AB ülkeleri eğitim sistemi performanslarının karşılaştırılması. (Yüksek Lisans Tezi ). https://tez.yok.gov.tr sayfasından erişilmiştir. Erişim Tarihi: 12.12.2024. Bou‑Hamad, I., Anouze, A. L., & Osman, I. H. (2022). A cognitive analytics management framework to select input and output variables for data envelopment analysis modeling of performance efciency of banks using random forest and entropy of information. Annals of Operations Research, 308, 63–92.
• Camelia, D., Emil, S., & Liviu-Adrian, C. (2013). Grey relational analysis of the financial sector in Europe. The Journal of Grey System, 25(4), 19-30.
• Cantero-Saiz, M., Polizzi, S., & Scannella, E. (2024). ESG and asset quality in the banking industry: The moderating role of financial performance. Research in International Business and Finance, 69, 102221.
• Chakraborty, S., Datta, H. N., & Chakraborty, S. (2023). Grey Relational analysis‑based optimization of machining processes: a comprehensive review. Process Integration and Optimization for Sustainability, 7, 609–639.
• Chen, W., Feng, D., & Chu, X. (2015). Study of poverty alleviation effects for Chinese fourteen contiguous destitute areas based on entropy method. International Journal of Economics and Finance, 7, 4.
• Citterio, A., & King, T. (2023). The role of environmental, social, and governance (ESG) in predicting bank financial distress. Finance Research Letters, 51, 103411.
• Coccorese, P. (2024). EU regional policy and local economic growth: Does banking development matter?. Papers in Regional Science, 103(5), 100049.
• Czechowska, I. D., & Paduszyńska, M. (2024). Digital banking performance on the example of paytech solutions: polish perspective. Procedia Computer Science, 246, 1770-1779.
• Çakalı, K.R. (2022). Performance evaluation of deposit banks with financial ratios: combined use of objective and subjective criteria weighting methods (Combined Entropy-SWARA Based EDAS Method). Alanya Akademik Bakış, 6(2), 2351-2377.
• Çınar, Y. (2004). Çok Nitelikli Karar Verme Ve “Bankaların Mali Performanslarının Değerlendirilmesi” Örneği. (Yüksek Lisans Tezi). https://tez.yok.gov.tr sayfasından erişilmiştir. Erişim Tarihi: 13.12.2024.
• Demir G. (2021). Türk bankacılık sisteminin finansal performansının ROC-ITARA-CODAS yöntemleriyle analizi. Gümüşhane Üniversitesi Sosyal Bilimler Enstitüsü Elektronik Dergisi, 12(3), 831- 847
• Demirci, A. (2023). Çok kriterli karar verme teknikleri ile tesis yeri seçimi. Lojistik Dergisi, 20(57), 43- 61.
• Deng, J. (1982). Control problems of grey systems. Systems and Control Letters, 1(5), 288-294.
• Ecer, F., & Pamucar, D. (2022). A novel LOPCOW-DOBI multi-criteria sustainability performance assessment methodology: An application in developing country banking sector. Omega, 112, 102690.
• Esangbedo, M. O., Xue, J., Bai, S., & Esangbedo, C. O. (2024). Relaxed rank order centroid weighting MCDM method with ımproved grey relational analysis for subcontractor selection: photothermal power station construction. IEEE Transactions on Engineering Management, 71, 3044-3061.
• Furkan Ezer, F. (2022). Türkiye’de bulunan farklı tipteki bankaların bulanık edas yöntemiyle performans değerlendirmesi. Journal of Optimization & Decision Making, 1(1), 42-62.
• Galletta, S., Goodell, J. W., Mazzù, S., & Paltrinieri, A. (2023). Bank reputation and operational risk: The impact of ESG. Finance Research Letters, 51, 103494.
• Gerus-Gosciewska, M., & Gosciewski, D. (2022). Grey relational analysis (GRA) as an effective method of research into social preferences in urban space planning. Land, 11(102), 2-14.
• Ghavamifar, K. (2009). A Decision Support System for Project Delivery Method Selection in the Transit Industry. Northeastern University Boston, Massachusetts, Doctor Dissertation.
• Girish, B. M., Siddesh, H. S., & Satish, B. M. (2019). Taguchi grey relational analysis for parametric optimization of severe plastic deformation process. SN Applied Sciences, 1, 937.
• Gözkonan, Ü. H., & Küçükbay, F. (2019). Katılım bankaları ile geleneksel bankaların ÇKKV yöntemleri ile performans değerlendirilmesi: TOPSIS ve GRİ ilişkisel analiz yöntemleri ile karşılaştırmalı analiz. UİİİD-IJEAS, 25, 71-94.
• Guru, S., & Mahalik, D. K. (2019). A comparative study on performance measurement of Indian public sector banks using AHP‑TOPSIS and AHP‑grey relational analysis. OPSEARCH, 56, 1213–1239.
• Gül, S., & Bektaş, S. (2022). Türkiye’de faaliyet gösteren konvansiyonel bankaların finansal istikrar performanslarının finansal sağlamlık göstergeleri ile değerlendirilmesi: ENTROPİ VE ARAS yöntemleri ile analizi. Pamukkale Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 49, 553-572.
• Gülsün, B., & Erdoğmuş, K. N. (2021). Bankacılık sektöründe bulanık analitik hiyerarşi prosesi ve bulanık TOPSIS yöntemleri ile finansal performans değerlendirmesi. Süleyman Demirel Üniversitesi Fen Bilimleri Enstitüsü Dergisi, 25(1), 1-15.
• Hatefı, M. A. (2023). An Improved rank order centroid method (IROC) for criteria weight estimation: An application in the engine/vehicle selection problem. Informatica, 34(2), 249–270.
• Hsiao, E.-W., Lin, H.-H., & Ko, Y.-C. (2017). Application of Grey relational analysis to decision-making during product development. Eurasia Journal of Mathematics Science and Technology Education, 13(6), 2581-2600.
• Huang, C.-Y., Lin, Y.-C., Lu, Y.-C., & Chen, C.-I (2022). Application of Grey relational analysis to predict dementia tendency by cognitive function, sleep disturbances, and health conditions of diabetic patients. Brain Sci, 2, 1642.
• Jahan, A., Mustapha, F., Sapuan, S. M., Ismail, Md Y., & Bahraminasab, M. (2012). A framework for weighting of criteria in ranking stage of material selection process. Int J Adv Manuf Technol, 58, 411–420.
• Kanat, E. (2019). Gri İlişkisel analiz yöntemiyle kamu ve özel bankaların performanslarının karşılaştırılması. Akademik Sosyal Araştırmalar Dergisi, 7(96), 135-146.
• Kandemir, T., & Karataş, H. (2016). Ticari Bankaların finansal performanslarının çok kriterli karar verme yöntemleri ile incelenmesi: Borsa İstanbul’da işlem gören bankalar üzerine bir uygulama (2004- 2014). İnsan ve Toplum Bilimleri Araştırmaları Dergisi, 5(7), 1766-1776.
• Karabulut, T., & Akkaynak, B. (2023). Türkiye’deki Mevduat Bankalarının CRITIC-COPRAS Yöntemleriyle Sıralanması. Sosyal Bilimler EKEV Akademi Dergisi, (94).
• Karadağ Ak, Ö. K., Babuşçu, Ş., & Hazar, A. (2021). BIST banka endeksinde yer alan mevduat bankalarının finansal performanslarının COPRAS yöntemiyle değerlendirilmesi. Çankırı Karatekin Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 12(1), 280-305.
• Karaş, Z. (2024). Türk bankacılık sektöründe çoklu kriterli karar verme yaklaşımları ile finansal performans değerlendirmesi. Elektronik Sosyal Bilimler Dergisi, 23(90), 798-820.
• Katı, M. (2024). Kamu sermayeli mevduat bankalarının finansal performans analizi: SV-TOPSIS uygulaması. Financial Analysis/Mali Çözüm Dergisi, 34(181).
• Kavas, Y. B., & Medetoğlu, B. (2024). Financial performance measurement with MAIRCA method: Application on Turkish banking sector. Maliye ve Finans Yazıları, 122, 44-58.
• Kayıhan, B., & Kara, N. (2021). Bankalarda maliyet performansının CRITIC temelli Gri İlişkisel Analiz yöntemiyle değerlendirilmesi. Muhasebe ve Vergi Uygulamaları Dergisi, 14(3), 1057-1078.
• Kevser, M. (2021). Banka türlerinin karşılaştırmalı finansal performans analizi: Türkiye için ampirik bir araştırma. Muhasebe Bilim Dünyası Dergisi, 23(1), 61-80.
• Koşaroğlu, Ş. M. (2020). BİST’te İşlem gören bankaların performanslarının SD ve EDAS yöntemleriyle değerlendirilmesi. Finans Ekonomi ve Sosyal Araştırmalar Dergisi, 5(3), 406-417.
• Kuo, F.-H., & Liu, H.-H. (2022). Grey Relational Analysis on the crucial factors of digital banking development in Taiwan. Studies of Applied Economics, 40(2), 1-12.
• Kuo, Y., Yang, T., & Huang, G. W. (2008). The use of grey relational analysis in solving multiple attribute decision-making problems. Computers & Industrial Engineering, 55, 80–93.
• Liu, S., Forrest, J., & Yang, Y. (2012). A brief introduction to grey systems theory. Grey Systems: Theory and Application, 2(2), 89-104.
• Medetoğlu, B., & Saldanlı, A. ( 2022). Bankaların finansal performanslarının Gri İlişkisel Analiz (GİA) yöntemi ile test edilmesi. Biga İktisadi ve İdari Bilimler Fakültesi Dergisi, 3(1), 49-67.
• Mukhametzyanov, I. Z. (2021). Specific Character Of Objectıve Methods For Determining Weights of Criteria in MCDM Problems: Entropy, CRITIC, SD. Decision Making: Applications in Management and Engineering, 4(2), 76-105.
• Nayakappa, P. A., Gaurish A., W., & Mahesh, G. (2019). Grey Relation Analysis methodology and its application. Research Review International Journal of Multidisciplinary, 4(2), 409-411.
• Nguyen, P. H., Nguyen, L. A. T., Pham, H. A. T., Nguyen, T. H. T., & Vu, T. G. (2024). Assessing cybersecurity risks and prioritizing top strategies In Vietnam’s finance and banking system using strategic decision-making models-based neutrosophic sets and Z number. Heliyon, 10(19).
• Nizam, E., Ng, A., Dewandaru, G., Nagayev, R., & Nkoba, M. A. (2019). The impact of social and environmental sustainability on financial performance: A global analysis of the banking sector. Journal of Multinational Financial Management, 49, 35-53.
• Odabaş, A., & Bozdoğan, T. (2020). Katılım bankalarının finansal performanslarının ELECTRE yöntemiyle analizi. Muhasebe ve Finansman Dergisi, 88, 199-224.
• Öğüt, H., Doğanay, M. M., Ceylan, N. B., & Aktaş, R. (2012). Prediction of bank financial strength ratings: The case of Turkey. Economic Modelling, 29(3), 632-640.
• Paksoy, Ö. B., & Küçüker M. (2024). Bankacılık sektöründe finansal performans analizi: BİST bankacılık endeksi üzerine bir inceleme. MUFİDER, 7(2), 170 – 189.
• Pala, O. (2022). EWM-corr ve ARAS tabanlı BIST girişim sermaye yatırım ortaklıklarının finansal performans analizi. Akademik Yaklaşımlar Dergisi, 13(2), 505-525.
• Pan, W.T., & Leu, Y. (2016). An analysis of bank service satisfaction based on Quantile regression and grey relational analysis. Mathematical Problems in Engineering, 1–9. https://doi. org/10.1155/2016/1475148.
• Paramanik, A. R., Sarkar, S., & Sarkar, B. (2022). OSWMI: An objective-subjective weighted method for minimizing inconsistency in multi-criteria decision making. Computers & Industrial Engineering, 169, 108138.
• Ponhan K., & Sureeyatanapas, P. (2022). A comparison between subjective and objective weighting approaches for multi-criteria decision making: A case of industrial location selection. Engineering and Applied Science Research, 49(6), 763-771.
• Radulescu, C. Z., & Radulescu, M. (2018). Group decision support approach for cloud quality of service criteria weighting. Studies in Informatics and Control, 27(3) 275-284.
• Rezk, H., Mukhametzyanov, I. Z., Abdelkareem, M. A., Salameh, T., Sayed, E. T., Maghrabie, H. M., Radwan, A., … Olabi, A. G. (2022). Multi-criteria decision making for different concentrated solar thermal power technologies. Sustainable Energy Technologies and Assessments, 52, 10211.
• Roszkowska, E. (2013). Rank ordering criteria weighting methods– A comparative overview. optimum. Studia Ekonomiczne Nr, 5(65), 14-33.
• Silva, N. F., Santos, M., Gomes, C. F. S., & Andrade, L. P. (2023). An integrated CRITIC and Grey Relational Analysis approach for investment portfolio selection. Decision Analytics Journal, 8, 100285.
• Song, M., Zheng, H., Chen, J., & Shen, Z. (2023). Alternative risk measurement for the banking system and its nexus with economic growth. Computers & Industrial Engineering, 176, 108946.
• Sutoyo, M. N., & Mangkona, A. T. S. (2021). The selection of SNMPTN applicants using the TOPSIS and rank order centroid (ROC) methods. ILKOM Jurnal Ilmiah, 13(3), 272-284.
• Şenol, Z. (2020). Multidisipliner yaklaşımla iktisadi kriz olgusu, III. İçinde G. Çiğdem (Ed.). Finansal krizler ve risk yönetimi (s. 279-298). Ankara: Gazi Kitabevi.
• Şimşek, O. (2022). Hibrid bir ÇKKV modeli ile Türk bankacılık sektöründe finansal performans değerlendirmesi. Turkish Studies-Economics, Finance, Politics, 17(2).
• Tamba, S. P., Purba, A., Kusuma, Y. E., Vidyastuti, M. A. S., & Dharma, S. (2021). Implementation of the rank order centroid (ROC) method to determine the favorite betta fish. Jurnal Infokum, 9(2), 381-386.
• TBB. (2023). Bankalarımız. Türkiye Bankalar Birliği. İstanbul. TCMB. Merkez Bankası Faiz Oranları. https://www.tcmb.gov.tr/ sayfasından erişilmiştir. Erişim Tarihi: 31.01.2025.
• Toprak, M. & Coşkun, M. (2012). Bankacılık ve Sigortacılığa Giriş. Anadolu Üniversitesi Yayını. Eskişehir. TUİK. Tüketici Fiyat Endeksi. https://www.tuik.gov.tr/ sayfasından erişilmiştir. Erişim Tarihi: 31.01.2025.
• TVF. TVF’den Kamu Bankalarına Sermaye Desteği. https://www.tvf.com.tr/iletisim/duyurular/ sayfasından erişilmiştir. Erişim Tarihi: 31.01.2025.
• Uçkun, N., & Girginer, N. (2011). Türkiye’deki kamu ve özel bankaların performanslarının gri ilişki analizi ile incelenmesi. Akdeniz İ.İ.B.F. Dergisi, 21, 46-66.
• Wang, C. N., Dang, T. T., Nguyen, NA. T., & Wang, J. W. (2022). A combined data envelopment analysis (DEA) and Grey Based Multiple Criteria Decision Making (G-MCDM) for solar PV power plants site selection: A case study in Vietnam. Energy Reports, 8, 1124–1142.
• Wanke, P., Azad, M. A. K., Antunes, J., Tan, Y., & Pimenta, R. (2023). Endogenous and exogenous performance sources in Asian Banking: A hybrid stochastic Multi-Criteria Decision-Making approach based on sign decomposition and transfer entropy. Expert Systems with Applications, 225, 120180.
• Wenshuai Wu, W. (2017). Grey Relational Analysis Method for Group Decision Making in credit risk analysis. EURASIA Journal of Mathematics, Science and Technology Education, 13(12), 7913- 7920.
• Widjaja, W., Suprihartini, Y., Dirgantoro, G. P., & Wahyudi, W. (2024). Application of ROC criteria prioritization technique in employee performance appraisal evaluation. Jurnal Galaksi (Global Knowledge, Artificial Inteligent and Information System), 1(1), 62-69.
• Yetiz, F., & Kılıç, Y. (2021). Bankaların finansal performansının VIKOR yöntemi ile değerlendirilmesi: Türkiye örneği. Akademik Araştırmalar ve Çalışmalar Dergisi, 13(24), 151-164.
• Yıldırım, H. H., Çalış, N., & Sakarya, Ş. (2025). Bankaların Karlılıklarını Etkileyen Finansal Oranların Belirlenmesi; Türk Bankacılık Sektöründen Kanıtlar. Cumhuriyet Üniversitesi İktisadi ve İdari Bilimler Dergisi, 26(2), 154-168.
• Yılmaz, Ö., & Yakut, E. (2021). Entropi temelli TOPSIS ve VIKOR yöntemleri ile bankacılık sektöründe finansal performans değerlendirmesi. Atatürk Üniversitesi İktisadi ve İdari Bilimler Dergisi, 35(4), 1297-1321.
• Yuan, C., Wu D., & Liu, H. (2017). Using Grey Relational Analysis to evaluate energy consumption, CO2 Emissions and Growth Patterns in China’s Provincial Transportation Sectors. Int. J. Environ. Res. Public Health.
• Zhou, Z., Li, Y., Liu, M., Tang, J., & Tian, T. (2025). Research on the impact of banking competition on firm performance and the mediating effect of financing constraints. Finance Research Letters, 106783.