Performance Evaluation of Participation Banks with Different Criteria Weighting Techniques and Cocoso Method

Yıl 2023, , 917 - 931, 28.12.2023

Su Dağlı Birsen İrem Kuvvetli

https://doi.org/10.21605/cukurovaumfd.1410252

Cited By: 3

Öz

It is important for banks, which are of great importance for the country's economy, to use their resources effectively and efficiently due to the competition in the sector. Therefore, performance evaluations of banks should be carried out and necessary measures should be taken as a result of the evaluation. In this study, the financial performance of participation banks was evaluated based on their financial indicators between 2018 and 2022, using the Entropy, CILOS, IDOCRIW weighting methods and the CoCoSo method, which are multi-criteria decision-making techniques. According to the results of the Entropy method, while the most weighted criterion for 2020 was the Number of Branches, for other years this criterion was Net Profit for the Period. According to the results of the CILOS method, the criterion with the highest weight in 2018 and 2021 was Total Equity and Total Loans in other years. When the IDOCRIW method was applied, the criterion with the highest weight for 2022 was Total Loans, while for other years this criterion was Net Profit for the Period. By taking the Entropy, CILOS and IDOCRIW methods’ results, the performance rankings of the participation banks were made using the CoCoSo Method. Kuveyt Türk Participation Bank ranked first in performance in all years, except for the 2019 rankings obtained by the Entropy method.

Anahtar Kelimeler

Multi-criteria decision-making, Entropy, CILOS, IDOCRIW, CoCoSo, Bank performance

Farklı Kriter Ağırlıklandırma Teknikleri ve Cocoso Yöntemi ile Katılım Bankalarının Performans Değerlendirmesi

Öz

Ülke ekonomisi açısından büyük önem taşıyan bankaların kaynaklarını etkin ve verimli kullanması, sektörde yaşanan rekabet dolayısı ile önemlidir. Bundan dolayı, bankaların performans değerlendirilmelerinin gerçekleştirilmesi ve değerlendirme sonucunda da gerekli tedbirler alınmalıdır. Bu çalışmada, çok kriterli karar verme tekniklerinden Entropi, CILOS, IDOCRIW ağırlıklandırma yöntemleri ile CoCoSo yöntemi kullanılarak katılım bankalarının 2018-2022 yılları arasındaki finansal göstergelerine dayalı finansal performans değerlendirilmesi yapılmıştır. Entropi yöntemi sonuçlarına göre; 2020 yılı için en yüksek ağırlığa sahip kriter Şube Sayısı iken, diğer yıllar için bu kriter Dönem Net Kârı olmuştur. CILOS yöntemi sonuçlarına göre 2018 ve 2021 yıllarında en yüksek ağırlığa sahip kriter Toplam Özkaynaklar ve diğer yıllarda Toplam Krediler olmuştur. IDOCRIW yöntemi uygulandığında ise, 2022 yılı için en yüksek ağırlığa sahip kriter Toplam Krediler iken, diğer yıllar için bu kriter Dönem Net Kârı olmuştur. Entropi, CILOS ve IDOCRIW yöntemleri sonuçları alınarak katılım bankalarının CoCoSo Yöntemi ile performans sıralamaları yapılmıştır. Kuveyt Türk Katılım Bankası, Entropi yöntemi ile elde edilen 2019 yılı sıralamaları haricindeki sonuçların tümünde, bütün yıllarda performans birincisi olmuştur.

Anahtar Kelimeler

Çok kriterli karar verme, Entropi, CILOS, IDOCRIW, CoCoSo, Banka performansı

Kaynakça

• 1. Seçme, N., Bayrakdaroğlu, Y.A., Kahraman, C., 2009. Fuzzy Performance Evaluation in Turkish Banking Sector Using Analytic Hierarchy Process And Topsis. Expert Systems with Applications, 36, 11699-11709.
• 2. Demireli, E., 2010. Topsis Çok Kriterli Karar Verme Sistemi: Türkiye’deki Kamu Bankaları Üzerine Bir Uygulama. Girişimcilik ve Kalkınma Dergisi, 5(1), 101-112.
• 3. Taşabat, S. Erpolat, Cin, N., Şen, E.S., 2015. Farklı Ağırlıklandırma Tekniklerinin Denendiği Çok Kriterli Karar Verme Yöntemleri ile Türkiye’deki Mevduat Bankalarının Mali Performanslarının Değerlendirilmesi. Social Sciences Research Journal, 4(2), 96-110.
• 4. Çetin, K., İpekçi Çetin, E., 2010. Multi-Criteria Analysis of Banks’ Performances. International Journal of Economics and Finance Studies, 2(2), 73-78.
• 5. Dinçer, H., 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.
• 6. Dinçer, H., Görener, A., 2011. Performans Değerlendirmesinde Ahp-Vikor ve Ahp-Topsis Yaklaşımları: Hizmet Sektöründe Bir Uygulama. Mühendislik ve Fen Bilimleri Sigma Dergisi, 29, 244-260.
• 7. Tezergil, S., 2016. Vikor Yöntemi ile Türk Bankacılık Sektörünün Performans Analizi. Marmara Üniversitesi İktisadi ve İdari Bilimler Dergisi, 38(1), 357-373.
• 8. Sakınç, İ., Açıkalın, S., 2015. Ranking of Turkish Banks According to Capital Adequacy and Profitability Ratios with the Vikor Method. The International Journal of Business & Management, 3(4), 329- 335.
• 9. Bağcı, H., Rençber, Ö.F., 2014. Kamu Bankaları ve Halka Açık Özel Bankaların Promethee Yöntemi ile Kârlılıklarının Analizi. Aksaray Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 6(1), 39-47.
• 10. Çalışkan, E., Eren, T., 2016. Bankaların Performanslarının Çok Kriterli Karar Verme Yöntemiyle Değerlendirilmesi. Ordu Üniversitesi Bilim ve Teknoloji Dergisi, 6(2), 85-107.
• 11. Sakarya, Ş., Aytekin, 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.
• 12. Ünal, S., Yüksel, R., 2017. Finansal Performans ve Hisse Senedi Getirisi İlişkisi: Bist Sürdürülebilirlik Endeksindeki Bankalar Üzerine Bir İnceleme. Uluslararası Yönetim İktisat ve İşletme Dergisi, 17, 264-270.
• 13. Yalçıner, D., Karaatlı, M., 2018. Mevduat Bankası Seçimi Sürecinde Topsis ve Electre Yöntemlerinin Kullanılması. Süleyman Demirel Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 23(2), 401-423.
• 14. Çağıl, G., 2011. 2008 Küresel Kriz Sürecinde Türk Bankacılık Sektörünün Finansal Performansının Electre Yöntemi ile Analizi. Maliye ve Finans Yazıları, 1(93), 59-86.
• 15. Altunöz, U., 2017. Bankaların Finansal Performanslarının Bulanık Moora ve Bulanık Ahp Yöntemleri ile Analizi: Türk Bankaları Deneyimi. Route Educational and Social Science Journal, 4(4), 116-132.
• 16. Şişman, B., Doğan, M., 2016. Türk Bankalarının Finansal Performanslarının Bulanık Ahp ve Bulanık Moora Yöntemleri ile Değerlendirilmesi. Yönetim ve Ekonomi Dergisi, 23(2), 354-371.
• 17. Erdoğdu, A., 2018. Katılım Bankalarının Performans Analizlerine Multimoora Yöntemi ile Bir Bakış. Ekonomi, Yönetim ve Sosyal Araştırmalar Dergisi, 3(2), 99-111.
• 18. Atukalp, M.E., 2018. Bankaların Finansal Performansının Multi-Moora Yöntemi ile Analizi, 2018 I. Uluslararası Bankacılık Kongresi Bildiriler Kitabı, Ankara, 67-78, 891.
• 19. Behdioğlu, S., Özcan, G., 2009. Veri Zarflama Analizi ve Bankacılık Sektöründe Bir Uygulama. Süleyman Demirel Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 14(3), 301-326.
• 20. Cingi, S., Tarım, A., 2000. Türk Banka Sisteminde Performans Ölçümü Dea-Malmquist Tfp Endeksi Uygulaması. Türkiye Bankalar Birliği Yayınları, 35.
• 21. Elmas, B., Yakut, E., Arı, E.S., 2014. İMKB’de İşlem Gören Bankaların Etkinliklerinin Veri Zarflama Analizi ile Ölçümü. Verimlilik Dergisi, 4, 67-81.
• 22. Ecer, F., 2013. Türkiye’deki Özel Bankaların Finansal Performanslarının Karşılaştırılması: 2008-2011 Dönemi. AİBÜ Sosyal Bilimler Enstitüsü Dergisi, 13(2), 171-189.
• 23. Güneysu, Y., Er, B., Ar, İ.M., 2015. Türkiye’deki Ticari Bankaların Performanslarının AHS ve GİA Yöntemleri ile İncelenmesi. KTU Sbe Sos. Bil. Dergisi, 9, 71-93.
• 24. Gündoğdu, A., 2018. Türkiye’de Katılım Bankalarının Finansal Performansının Gri İlişki Analizi ile Ölçülmesi. Uluslararası İktisadi ve İdari İncelemeler Dergisi, 17. UİK Özel Sayısı, 201-214.
• 25. Alpay, M.G., Sakınç, İ., 2017. Türk Bankacılık Sektörünün Yeniden Yapılandırma Öncesi ve Sonrası Gri İlişkisel Analiz ile Finansal Performans Analizi. Ömer Halisdemir Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 10(2), 49-61.
• 26. Altan, M., Candoğan, M.A., 2014. Bankaların Finansal Performanslarının Değerlemesinde Geleneksel ve Gri İlişki Analizi: Katılım Bankalarında Karşılaştırmalı Bir Uygulama. Selçuk Üniversitesi, Sosyal ve Ekonomik Araştırmalar Dergisi, (27), 374-396.
• 27. Uçkun, N., Girginer, N., 2011. Türkiye’deki Kamu ve Özel Bankaların Performanslarının Gri İlişki Analizi ile İncelenmesi. Akdeniz İ.İ.B.F. Dergisi, (21), 46-66.
• 28. Albayrak, Y.E., Erkut, H., 2005. Banka Performans Değerlendirmede Analitik Hiyerarşi Süreç Yaklaşımı, İTÜ Dergisi, Mühendislik, 4(6), 47-58.
• 29. Akçakanat, Ö., Eren, H., Aksoy, E., Ömürbek, V., 2017. Bankacılık Sektöründe Entropi ve Waspas Yöntemleri ile Performans Değerlendirmesi. Süleyman Demirel Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 22(2), 285-300.
• 30. Küçükbay, F., Gözkonan, Ü.H., 2019. Katılım Bankaları ile Geleneksel Bankaların ÇKKV Yöntemleri ile Performansının Değerlendirilmesi: Topsis ve Gri İlişkisel Analiz Yöntemleri ile Karşılaştırmalı Analiz. Uluslararası İktisadi ve İdari İncelemeler Dergisi, (25), 71-94.
• 31. Parmaksız, S.,, Özdemir, O., 2021. Çok Kriterli Karar Verme Tekniklerinin Bankacılık Oran Analizinde Kullanılması Üzerine Bir Araştırma. Bankacılık ve Finansal Araştırmalar Dergisi, 8(2), 65-93.
• 32. 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.
• 33. Yetiz, F., Kılıç, Y., 2021. Bankaların Finansal Performansının Vikor Yöntemi ile Değerlendirilmesi: Türkiye Örneği. Akademik Araştırmalar ve Çalışmalar Dergisi (Akad), 13(24), 151-164.
• 34. 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.
• 35. Akgül, Y., 2019. Çok Kriterli Karar Verme Yöntemleriyle Türk Bankacılık Sisteminin 2010-2018 Yılları Arasındaki Performansının Analizi. Finans Ekonomi ve Sosyal Araştırmalar Dergisi, 4(4), 567-582.
• 36. Akbulut, O.Y., 2020. Gri ENTROPİ Temelli Psi ve Aras ÇKKV Yöntemleriyle Türk Mevduat Bankalarının Performans Analizi. Finans Ekonomi ve Sosyal Araştırmalar Dergisi, 5(2), 171-187.
• 37. Ayçin, E., Orçun, Ç., 2019. Mevduat Bankalarının Performanslarının ENTROPİ ve Mairca Yöntemleri ile Değerlendirilmesi. Balıkesir Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 22(52), 175-194.
• 38. Ulutaş, A., 2019. ENTROPİ Tabanlı Edas Yöntemi ile Lojistik Firmalarının Performans Analizi. Uluslararası İktisadi ve İdari İncelemeler Dergisi, 2019(23), 53-66.
• 39. Işık, Ö., 2019. ENTROPİ ve TOPSİS Yöntemleriyle Finansal Performans ile Pay Senedi Getirileri Arasındaki İlişkinin İncelenmesi. Kent Akademisi, 12(37), 200-213.
• 40. Akbalık, M., Yurttadur, M., Taşcı, M.Z., 2022. ENTROPİ ve COPRAS Yöntemleriyle Finansal Performans Analizi: Mevduat ve Katılım Bankaları Karşılaştırması. Bankacılık ve Sigortacılık Araştırmaları Dergisi, (16),13-27.
• 41. Çiftaslan, M.E., Rençber, Ö.F., 2022. IDOCRIW ve CoCoSo Yöntemleri ile Sistemik Önemli Bankaların Performans Analizi: Türkiye Örneği. Kahramanmaraş Sütçü İmam Üniversitesi Sosyal Bilimler Dergisi, (21. Uluslararası İşletmecilik Kongresi Özel Sayısı), 54-72.
• 42. Altıntaş, F.F., 2021. G7 Ülkelerinin Bilgi Performanslarının Analizi: COCOSO Yöntemi ile Bir Uygulama. Journal of Life Economic, 8(3), 337-347.
• 43. Görçün, Ö.F., Küçükönder, H., 2022. BWM ve CoCoSo Yöntemleri ile Kentlerin Ulaşım Performanslarının Karşılaştırmalı Analizi. İDEALKENT, 13(36), 824-856.
• 44. Yenilmezel, S., Ertuğrul, E., 2022. Çok Kriterli Karar Verme Yöntemleri ile Bir Mermer Fabrikası İçin Kesintisiz Güç Kaynağı Seçimi. Aksaray Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 14(3), 251-266.
• 45. Turanlı, R., Özden, Ü.H., Gerçeker, D., 2023. Cocoso Yöntemi ile En İyi Yaşanabilir Avrupa Ülkeleri Başkentlerinin Sıralanması. Balkan ve Yakın Doğu Sosyal Bilimler Dergisi, 9(1), 84-95.
• 46. Chang, C.P., 2006. Managing Business Attributes and Performance for Commercial Banks. The Journal of American Academy of Business, 9(1), 104-109.
• 47. Kumar, V., Sayani, H., 2015. Application of CAMEL model on the GCC Islamic Banks: 2008-2014. Journal of Islamic Banking and Finance, 3(2), 1-14
• 48. Ural, M., Demireli, E., Güler Özçalık, S., 2018. Kamu Bankalarında Performans Analizi: ENTROPI ve WASPAS Yöntemleri ile Bir Uygulama. Pamukkale Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, (31), 129-141 .
• 49. Yamaltdinova, A., 2017. Kırgızistan Bankalarının Finansal Performanslarının TOPSIS Yöntemiyle Değerlendirilmesi. International Review of Economics and Management, 5(2), 68-87.
• 50. Guru, S., Mahalik, D.K., 2018. Evaluating and Ranking the Performance of Banks Using VIKOR Analysis. The IUP Journal of Bank Management, 17(3), 26-41.
• 51. Wu, M., Li, C., Fan, J., Wang, X., Wu, Z., 2018. Assessing the Global Productive Efficiency of Chinese Banks Using the Cross-Efficiency Interval and VIKOR. Emerging Markets Review, 34, 77-86.
• 52. Akçakanat, Ö., Aksoy, E., Teker, T., 2018. Critic ve Mdl Temelli Edas Yöntemi ile Tr-61 Bölgesi Bankalarının Performans Değerlendirmesi. Süleyman Demirel Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 1(32), 1-24.
• 53. Akgül, Y., 2019. Entropi ve Edas Yöntemleri ile Ziraat Bankasının 2007-2017 Yılları Arasındaki Performansının Analiz Edilmesi. B.C. Tanrıtanır ve A. Movlyanov (Ed.), ATLAS 3. Uluslararası Sosyal Bilimler Kongresi Tam Metin Kitabı (II-Cilt) içinde (378-385). ATLAS 3. Uluslararası Sosyal Bilimler Kongresi’nde sunulan bildiri, Sivas, 28-30 Haziran. İstanbul: IKSAD Yayınevi, 435.
• 54. Akbulut, O.Y., 2019. CRITIC ve EDAS Yöntemleri ile İş Bankası'nın 2009-2018 Yılları Arasındaki Performansının Analizi. Ekonomi Politika ve Finans Araştırmaları Dergisi, 4(2), 249-263.
• 55. Sama, H.R., Kalvakolanu, S., Chinmay, C., 2021. Integration of ARAS and MOORA MCDM Techniques for Measuring the Performance of Private Sector Banks in India. International Journal of Uncertainty, Fuzziness and Knowledge-Based Systems, 29, 279-295.
• 56. Önal, S., Eraslan, S., Özdoğan, H., 2021. Türkiye’de Özel ve Kamu Katılım Bankalarının 2015-2020 Dönemindeki Karlılıklarının Oran Analizi Yöntemiyle İncelenmesi. Kahramanmaraş Sütçü İmam Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 11(1), 109-124.
• 57. Çilek, A., 2023. Piyasa Yapıcı Bankaların Performanslarının Sıralanması: CILOS, MARCOS ve COPELAND Çok Kıstaslı Karar Verme Analizi. Pamukkale Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 54, 1-24.
• 58. Bankacılık Denetleme Ve Düzenleme Kurumu (2022, Aralık). Türk Bankacılık Sektörü Temel Göstergeleri. https://www.bddk.org.tr, Erişim tarihi: 15.06.2023
• 59. Demir, G., Sel, A., 2020. Çok Kriterli Karar Verme Problemlerinde Kriter Ağırlıklandırma Yöntemleri. Nobel Yayınevi, Ankara, 188.
• 60. Yazdani, M., Zarate, P., Zavadskas, E.K., Turskis, Z., 2018. A Combined Compromise Solution (Cocoso) Method For Multi-Criteria Decision-Making Problems. Management Decision, 57(9), 2501-2519.
• 61. Dağlı, S. 2023. Farklı Ağırlıklandırma Tekniklerine Dayalı CoCoSo Yöntemi ile Türkiye’deki Katılım Bankalarının Performans Değerlendirmesi. Yüksek Lisans Tezi, Osmaniye Korkut Ata Üniversitesi, Sosyal Bilimler Enstitüsü, İşletme Anabilim Dalı, Osmaniye, 104.