Bankaların 2008-2012 Yılları Arasında Aktif Büyüklüklerini Etkileyen Kriterler Bakımından Hiyerarşik Kümeleme ve PAM Algoritması ile Sınıflandırılması

Yıl 2013, , 48 - 63, 11.07.2016

Fatma Gül Akgül M. Bahar Başkır

https://doi.org/10.1501/bsad_0000000016

Öz

Bankacılık sektörü, küresel rekabet ortamı içerisinde dünya ekonomisindeki gelişim ve oluşan dalgalanmalar karşısında organizasyonların ve ülkelerin en önemli ortağıdır. Rekabet koşullarına ayak uydurmak isteyen organizasyonlar uluslararası düzeyde faaliyette bulunan bankalarla çalışma isteğindedir. Bu nedenle, küresel ortamda iş ortağı olarak seçilecek bankaların imkân ve sektörel yeterliliklerinin değerlendirilmesinde bilimsel yöntemlerin kullanımı zorunluluk halini almıştır. Bu çalışmada, Türk bankacılık sektöründe yer alan bankaların temel göstergeleri içerisinden aktif büyüklüklerini etkileyen değişkenler bakımından benzerliklerinin (veya farklılıklarının) ortaya konulması hedeflenmiştir. Bankaların aktif büyüklük kriterleri bakımından yeterli olması Türkiye’deki işletmelerin bu bankaları tercih etmesi açısından önemlidir. Sektörde yer alan bankaların 2008-2012 yılları arası bu temel değişkenler bakımından sınıflandırılmasında hiyerarşik ve bölümleyici kümeleme yöntemlerinden sırasıyla Ward bağlantı tekniği ve PAM algoritması kullanılmıştır. Kümelenme kalitesini etkileyen uygun küme sayısının seçiminde Silhouette indeksinden yararlanılmıştır. Ward tekniği ve PAM algoritması sonucu küme sayıları ile kümeleme yapılarındaki farklılıklar karşılaştırılmıştır.

Anahtar Kelimeler

Türk bankacılık sektörü, Aktif büyükleri etkileyen kriterler, Kümeleme analizi, Ward bağlantı tekniği, PAM algoritması, Silhouette indeksi

The Classifications of Banks’ Criteria Affecting the Size of Assets Between the Years of 2008-2012 by Hierarchical Clustering and PAM Algorithm

Öz

The banking sector is the most important partner of organizations and countries against developing world economy and fluctuations in global competitive environment. Organizations keen on working together with internationally active banks to keep up with the competitive conditions. Therefore, the scientific techniques become a necessity to assess facilities and sectorial qualifications of chosen banks as partners in global environment. The focus of this study is to determine the similarities (or dissimilarities) of banks in Turkish banking sector by criteria affecting the size of assets within their basic indicators. Banks’ sufficiency in the Turkish banking sector with regard to the criteria of the size of assets is important in terms of preferred these banks by the organizations in Turkey. To classify the banks by these criteria between the years of 2008-2012, Ward linkage technique and Pam algorithm are used as hierarchical and partitioning clustering analysis, respectively. Silhouette index is utilized to choose the convenient cluster number affecting the quality of the clustering results. As the results of Ward technique and PAM algorithm, the comparisons of the differences of the clustering structures and also cluster numbers are given.

Anahtar Kelimeler

Turkish banking sector, the criteria of the size of assets, clustering analysis, Ward's linkage technique, PAM algorithm, Silhouette index

Kaynakça

• Calinski, R.B., Harabasz, J., 1974, A dendirite method for cluster analysis, Communications in Statistics 3, 1-27.
• Davies, D. L., Bouldin, D. W., 1979, A cluster separation measure, IEEE Transactions on Pattern Analysis and Machine Intelligence PAMI-1 (2), 224–227.
• Hair, Jr. J. F., Anderson, R. E., Tatham, R. L., Black, W. C., (1998), Multivariate Data Analysis, Prentice-Hall, Upper Saddle River, New Jersey.
• Han, J., Kamber, M., 2001, Data Mining Concepts and Techniques, Morgan Kauffmann Publishers Inc.
• Kaufman, L., Rousseeuw, P.J., 1990, Finding Groups in Data: An Introduction to Cluster Analysis, John Wiley and Sons.
• Krzanowski, W.J., Lai, Y.T., 1985, A criterion for determining the number of groups in a data set using sum of squares clustering, Biometrics 44, 23-44.
• MacQueen, J.B., 1967, Some methods for classification and analysis of multivariate observations, Proc. Symp. Math. Statist. and Probability (5th), 281-297.
• Rousseuw, P.J. 1987. Silhouettes: A Graphical Aid to the Interpretation and Validation of Cluster Analysis, Journal of Computational and Applied Mathematics, 20, 53-65.
• Şakar, H., 2000, Genel Bankacılık Bilgileri, Strata Yayıncılık, İstanbul.
• Takan, M., Boyacıoğlu, M.A., 2011, Bankacılık Teori, Uygulama ve Yöntem, Nobel Akademik Yayıncılık, Ankara.
• Tatlıdil, H., 2002, Uygulamalı Çok Değişkenli İstatistiksel Analiz, Akademi Matbaası, Ankara.
• Tunay, B. K., Silpar, A. M., 2006, Türk Ticari Bankacılık Sektöründe Karlılığa Dayalı Performans Analizi-I, Türkiye Bankalar Birliği Araştırma Tebliğleri Serisi, Sayı: 2006-01.
• URL-1, http://www.finansgundem.com/haber/hangi-banka-neden-kapandi/228724.
• Yağcılar, G. G., 2010, Türk Bankacılık Sektörünün Rekabet Yapısının Analizi, Doktora Tezi, Süleyman Demirel Üniversitesi, Sosyal Bilimler Enstitüsü, Isparta.