PERFORMANCE EVALUATION BY ENTROPY AND WASPAS METHODS AT BANKING SECTOR

Öz

The measurement of the performance and profitability of the banking sector, which is the most important part of the financial system of the countries, has become more important together with the economic developments experienced in recent years. Banks which performance measurement can assess the potential taking risk and make the necessary assessment to create a competitive advantage. They can measure in advance the contribution of decisions to productivity, profitability and performance. The aim of this study is to evaluate the performances of small, medium and large sized banks according to asset sizes with ENTROPY and WASPAS, which are multi criteria decision making methods. In the study; Using Forbes Magazine Banks Report 2016 and Turkish Bankers' Association's first 9 months of 2016 data, criterias which Total assets, total loans and receivables, total deposits, total own funds, number of branches and number of personnel have been determined. Criteria weights were calculated by the ENTROPY method. Then the banks were ranked by made an evaluation with the WASPAS method.Bank Performance, ENTROPY, WASPAS, MCDM

Anahtar Kelimeler

• Bank Performance,ENTROPY,WASPAS,MCDM

BANKACILIK SEKTÖRÜNDE ENTROPI VE WASPAS YÖNTEMLERİ İLE PERFORMANS DEĞERLENDİRMESİ

Öz

Ülkelerin finansal sisteminin en önemli parçası olan bankacılık sektörünün performans ve kârlılığının ölçümü son yıllarda yaşanan ekonomik gelişmelerle birlikte daha önemli hale gelmiştir. Performans ölçümü ile bankalar, rekabet avantajı yaratabilmek için gerekli olan durum değerlendirmesini yapabilir ve risk alabilme potansiyellerini değerlendirebilirler. Alınacak kararların, verimliliğe, karlılığa ve performansa katkılarını önceden ölçümleyebilirler. Bu çalışmanın da amacı, aktif büyüklüklerine göre küçük, orta ve büyük ölçekli bankaların performanslarını çok kriterli karar verme yöntemlerinden ENTROPI ve WASPAS ile değerlendirmektir. Çalışmada; Forbes Dergisi Bankalar Raporu 2016 ve Türkiye Bankalar Birliği’nin 2016 yılı ilk 9 aylık verilerinden yararlanılarak; toplam aktifler, toplam krediler ve alacaklar, toplam mevduat, toplam özkaynaklar, şube sayısı ve personel sayısı kriterleri belirlenmiştir. Kriter ağırlıkları ENTROPİ yöntemi ile hesaplanmıştır. Daha sonra da WASPAS yöntemiyle bir değerlendirme yapılarak bankalar sıralanmıştır.

Anahtar Kelimeler

• Banka Performansı,ENTROPİ,WASPAS,ÇKKV

Kaynakça

1. AKSOY, D. (2011). Türkiye’deki Mevduat Bankalarının Finansal Performanslarının Ölçümü Üzerine Bir Uygulama, Yüksek Lisans Tezi, Marmara Üniversitesi Sosyal Bilimler Enstitüsü, Ankara.
2. ALBAYRAK, Y.E. ve ERKUT, H. (2005). “Banka Performans Değerlemede Analitik Hiyerarşi Süreç Yaklaşımı”, İstanbul Teknik Üniversitesi Dergisi, 4 (6): 47-58.
3. AMILE, M., SEDAGHAT, M. and POORHOSSEIN, M. (2013). “Performance Evaluation of Banks Using Fuzzy AHP and TOPSIS, Case Study: State-Owned Banks, Partially Private and Private Banks in Iran”, Caspian Journal of Applied Sciences Research, 2 (3): 128-138.
4. BAĞCI, H. ve RENÇBER, Ö.F. (2014). “Kamu Bankaları ve Halka Açık Özel Bankaların Promethee Yöntemi ile Karlılıklarının Analizi”, Aksaray Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 6 (1): 39-47.
5. BLIEN, U. and TASSINOPOULOS, A. (2001). “Forecasting Regional Employment with the ENTROP Method”, Regional Studies, 35 (2): 113-124.
6. BOSTANCI, S.H. ve OCAKÇI, M. (2009). “Kent Siluetlerine İlişkin Tasarım Niteliklerinin, Entropi Yaklaşımı ile Değerlendirilmesi”, İstanbul Teknik Üniversitesi Dergisi, 8 (2): 27-36.
7. BRAUERS, W.K.M. and ZAVADSKAS, E.K. (2012). “Robustness Of MULTIMOORA: A Method For Multi-Objective Optimization” Informatica, 23 (1): 1–25.
8. CHAKRABORTY, S. and ZAVADSKAS, E.K. (2014). “Applications Of WASPAS Method İn Manufacturing Decision Making”, Informatica, 25 (1): 1–20.

9. ÇAĞIL, G. (2011). “2008 Küresel Kriz Sürecinde Türk Bankacılık Sektörünün Finansal Performansının ELECTRE Yöntemi ile Analizi”, Maliye Finans Yazıları, 25 (93): 59-86.
10. ÇALIŞKAN E. ve EREN, T. (2016). “Bankaların Performanslarının Çok Kriterli Karar Verme Yöntemiyle Değerlendirilmesi”, Ordu Üniversitesi Bilim Teknoloji Dergisi, 6 (2): 85-107.
11. DEMİRELİ, E. (2010). “TOPSIS Çok Kriterli Karar Verme Sistemi: Türkiye’deki Kamu Bankaları Üzerine Bir Uygulama”, Girişimcilik ve Kalkınma Dergisi, 5 (1): 101-112.
12. DİNÇER, H. ve GÖRENER, A. (2011). “Analitik Hiyerarşi Süreci ve VIKOR Tekniği ile Dinamik Performans Analizi: Bankacılık Sektöründe Bir Uygulama”, İstanbul Ticaret Üniversitesi Sosyal Bilimler Dergisi, 10 (19): 109-127.
13. DOUMPOS, M. and ZOPOUNIDIS, C. (2010). “A Multicriteria Decision Support System for Bank Rating”, Decision Support Systems, 50 (1): 55-63.
14. ECER, F. (2013). “Türkiye’deki Özel Bankaların Finansal Performanslarının Karşılaştırılması: 2008-2011 Dönemi”, Abant İzzet Baysal Üniversitesi, Sosyal Bilimler Enstitüsü Dergisi, 13 (2): 171-189.
15. ERTUĞRUL, İ. ve KARAKAŞOĞLU, N. (2009). “Banka Şube Performanslarının VIKOR Yöntemi ile Değerlendirilmesi”, Endüstri Mühendisliği Dergisi, 20 (1): 19-28.
16. Forbes, Bankalar Raporu, (2016). https://www.tbb.org.tr/tr/bankacilik/banka-ve-sektor-bilgileri/4, Erişim Tarihi: 11.03.2017.
17. GÜNEYSU, Y., ER, B. ve AR, İ.M. (2015). “Türkiye’deki Ticari Bankaların Performanslarının AHS ve GIA Yöntemleri ile İncelenmesi”, Karadeniz Teknik Üniversitesi Sosyal Bilimler Dergisi, 9: 71-93.
18. KANDEMİR, T. ve KARATAŞ H. (2016). “Ticari Bankaların Finansal Performanslarının Çok Kriterli Karar Verme Yöntemleri ile İncelenmesi: Borsa İstanbul’da İşlem Gören Bankalar Üzerine Bir Uygulama (2004-2014)”, İnsan ve Toplum Bilimleri Araştırmaları Dergisi, 5 (7): 1766-1776.
19. KARAMI, A. and JOHANSSON, R. (2014). “Utilization of Multi Attribute Decision Making Techniques to Integrate Automatic and Manual Ranking of Options”, Journal of Information Science and Engineering, 30: 519-534.
20. KILIÇ, S.B. (2006). “Türk Bankacılık Sistemi için Çok Kriterli Karar Alma Analizine Dayalı Bir Erken Uyarı Modelinin Tahmini”, Orta Doğu Teknik Üniversitesi Gelişme Dergisi, 33: 117-154.
21. KOSMIDOU, K. and ZOPOUNIDIS C. (2008). “Measurement of Bank Performance in Greece”, South-Eastern Europe Journal of Economics, 1: 79-95. 22. LASHGARI, S., ANTUCHEVICIENE, J., DELAVARI, A. and KHEIRKHAH, O. (2014). “Using QSPM and WASPAS Methods for Determining Outsourcing Strategies”, Journal of Business Economics and Management, 15 (4): 729-743.
22. MADIC, M., GECEVSKA, V., RADOVANOVIC, M. and PETKOVIC D. (2014). “Multi-Criteria Economic Analysis of Machining Processes Using the Waspas Method”, Journal of Production Engineering, 17 (2): 79-82.
23. SAKARYA, Ş. ve AYTEKİN, S. (2013). “İMKB’de İşlem Gören Mevduat Bankalarının Performansları ile Hisse Senedi Getirileri Arasındaki İlişkinin Ölçülmesi: PROMETHEE Çok Kriterli Karar Verme Yöntemiyle Bir Uygulama”, Uluslararası Alanya İşletme Fakültesi Dergisi, 5 (2): 99-109.
24. TAŞABAT, S.E., CİNEMRE, N. ve ŞEN, S. (2015). “Farklı Ağırlıklandırma Tekniklerinin Denendiği Çok Kriterli Karar Verme Yöntemleri İle Türkiye’deki Mevduat Bankalarının Mali Performanslarının Değerlendirilmesi”, Sosyal Bilimler Araştırma Dergisi, 4 (2): 96-110.
25. TEZERGİL, S.A. (2016). “Vikor Yöntemi ile Türk Bankacılık Sektörünün Performans Analizi”, Marmara Üniversitesi İktisadi ve İdari Bilimler Dergisi, 38 (1): 357-373.
26. TURSKIS, Z., ZAVADSKAS, E.K., ANTUCHEVICIENE, J. and KOSERAVA, N. (2015). “A Hybrid Model Based on Fuzzy AHP and Fuzzy WASPAS for Construction Site Selection”, International Journal of Computers Communications & Control, Special Issue on Fuzzy Sets and Applications, 10 (6): 873-888.
27. TUNAY, K.B. (2005). Finansal Sistem: Yapısı, İşleyişi, Yönetimi ve Ekonomisi, Birsen Yayınevi, İstanbul.
28. URFALIOĞLU, F. ve GENÇ, T. (2013). “Çok Kriterli Karar Verme Teknikleri ile Türkiye’nin Ekonomik Performansının Avrupa Birliği Üye Ülkeleri ile Karşılaştırılması”, Marmara Üniversitesi İktisadi ve İdari Bilimler Dergisi, 35 (2): 329-360.
29. YAYAR, R. ve BAYKARA, H. (2012). “TOPSIS Yöntemi ile Katılım Bankalarının Etkinliği ve Verimliliği Üzerine Bir Uygulama”, İşletme ve Ekonomi Araştırmaları Dergisi, 3 (4): 21-42.
30. ZAVADSKAS, E.K., ANTUCHEVICIENE, J., SAPARAUSKAS, J. and TURSKIS, Z., (2013). “MCDM Methods WASPAS and MULTIMOORA: Verification Of Robustness Of Methods When Assessing Alternative Solutions”, Economic Computation & Economic Cybernetics Studies & Research, 47 (2): 1-5.
31. ZAVADSKAS, E.K., TURSKIS, Z. and ANTUCHEVICIENE, J. (2015). “Selecting a Contractor by Using a Novel Method for Multiple Attribute Analysis: Weighted Aggregated Sum Product Assessment with Grey Values (WASPAS-G)”, Studies in Informatics and Control, 24 (2): 141-150.
32. ZAVADSKAS, E.K., TURSKIS, Z., ANTUCHEVICIENE, J. and ZAKAREVICIUS, A., (2012). “Optimization Of Weighted Aggregated Sum Product Assessment”, Electronics And Electrical Engineering, 122 (6): 3-6.
33. ZHANG, H., GU, C., GU, L. and ZHANG, Y. (2011). “The Evaluation Of Tourism Destination Competitiveness By TOPSIS & Information Entropy - A Case In The Yangtze River Delta Of China”, Tourism Management, 32: 443-451.
34. WANG, T.C. and LEE, H.D. (2009). “Developing a Fuzzy TOPSIS Approach Based on Subjective Weights and Objective Weights”, Expert Systems with Applications, 36 (5): 8980-8985.
35. WU, H.Y., TZENG, G.H. and CHEN, Y.H. (2009). “A Fuzzy MCDM Approach for Evaluating Banking Performance Based on Balanced Scorecard”, Expert Systems with Applications, 36 (6): 10135–10147.
36. WU, J., SUN, J., LIANG, L. and ZHA Y. (2011). “Determination Of Weights For Ultimate Cross Efficiency Using Shannon Entropy”, Expert Systems With Applications, 38 (5): 5162-5165.