Analysis of Financial Performance of Commercial Banks Traded in Borsa Istanbul with the Integrated CRITIC-CoCoSo Model

Öz

The numerical data that emerges as a result of periodically monitoring the performance of banks, which are among the most influential players in the money market, is especially important for investors, shareholders and institutions that supervise banks. In this study, it is aimed to measure the performance of 9 deposit banks traded on BIST for the 2016-2020 time period based on CRITIC and CoCoSo methods. In the first stage of the analysis process, which was carried out in two stages, the weight scores of the evaluation criteria were determined using the CRITIC method. In the second stage, the performance rankings of the banks were made using the CoCoSo method. According to the results of the proposed model, Akbank outperformed other banks in all periods included in the analysis, while ICBC Turkey Bank was the bank with the worst performance in all periods.

Anahtar Kelimeler

• Turkish Banking Sector
• Performance Analysis
• CRITIC
• CoCoSo
• MCDM

Borsa İstanbul’da İşlem Gören Ticari Bankaların Finansal Performansının Bütünleşik CRITIC CoCoSo Modeliyle Analizi

Öz

Para piyasasının en etkili oyuncularından olan bankaların performansının belirli periyotlarda izlenmesi sonucunda ortaya çıkan sayısal veriler özellikle sermayedarlar, hisse sahipleri ve bankaları denetleyen kuruluşlar için önemlidir. Bu çalışmada BIST’te işlem gören 9 mevduat bankasının 2016-2020 zaman periyoduna ilişkin performansının CRITIC ve CoCoSo yöntemlerine dayalı performansının ölçülmesi amaçlanmıştır. İki aşamalı olarak gerçekleştirilen analiz sürecinin ilk aşamasında CRITIC yöntemi kullanılarak değerlendirme kriterlerine ilişkin ağırlık skorları belirlenmiştir. İkinci aşamada ise CoCoSo yöntemi ile bankaların performans sıralamaları yapılmıştır. Önerilen modelin sonuçlarına göre analiz kapsamına alınan tüm dönemlerde diğer bankalara kıyasla Akbank daha üstün bir performans ortaya koyarken, ICBC Turkey Bank ise tüm dönemlerde en kötü performansı sergileyen banka olmuştur.

Anahtar Kelimeler

• Türk Bankacılık Sektörü
• Performans Analizi
• CRITIC
• CoCoSo
• ÇKKV

Kaynakça

1. Ak, Ö. K., Babuşcu, Ş. ve 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.
2. Akbulut, O. Y. (2020a). Gri Entropi temelli PSI ve ARAS ÇKKV yöntemleriyle Türk mevduat bankalarının performans analizi. Finans Ekonomi ve Sosyal Araştırmalar Dergisi, 5(2): 171-187.
3. Akbulut, O. Y. (2020b). Finansal performans ile pay senedi getirisi arasındaki ilişkinin bütünleşik CRITIC ve MABAC ÇKKV teknikleriyle ölçülmesi: Borsa İstanbul çimento sektörü firmaları üzerine ampirik bir uygulama. Pamukkale Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, (40): 471-488.
4. Akbulut, O. Y. ve Hepşen, A. Finansal performans ve pay senedi getirileri arasındaki ilişkinin Entropi ve CoCoSo ÇKKV teknikleriyle analiz edilmesi. Ekonomi Politika ve Finans Araştırmaları Dergisi, 6(3): 681-709.
5. Akçakanat, Ö., Eren, H. Aksoy, E. ve 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.
6. Akgül, Y. (2019). ENTROPI ve EDAS yöntemleri ile Ziraat Bankasının 2007-2017 yılları arasındaki performansının analiz edilmesi. ATLAS 3. Uluslararası Sosyal Bilimler Kongresi: 378-385.
7. Alpay, M. G. ve Sakınç, İ. (2017). Türk bankacılık sektörünün yeniden yapılandırma öncesi ve sonrası gri ilişkisel analiz ile finansal performans analizi. Ömer Halisdemir Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 10(2): 49-61.
8. Arslan, E. ve Bora, A. (2021). Türk bankacılık sektöründe mevduat bankalarının finansal performanslarının DuPont sistemine göre incelenmesi: 2015-2019 dönemi. OPUS International Journal of Society Researches, 18(43): 6356-6376.

9. Çakir, S. ve Perçin, S. (2013). Çok kriterli karar verme teknikleriyle lojistik firmalarında performans ölçümü. Ege Akademik Bakış Dergisi, 13(4): 449-459.
10. Çalış, N. ve Sakarya, Ş. (2020). Finansal performans ve hisse senedi getirisi ilişkisi: BİST bankacılık endeksi üzerine bir inceleme. Manas Sosyal Araştırmalar Dergisi, 9(2): 1046-1058.
11. Çilek, A. ve Karavardar, A. (2021). ENTROPI tabanlı WASPAS yöntemiyle Karadeniz bölgesindeki şehirlerin bankacılık performansının analizi: 2014-2019 dönemi. OPUS Uluslararası Toplum Araştırmaları Dergisi, 18(Yönetim ve Organizasyon Özel Sayısı): 1484-1513.
12. Demir, G. (2021). Türk bankacılık sisteminin finansal performansının ROC-ITARA-CODAS yöntemleriyle analizi. Gümüşhane Üniversitesi Sosyal Bilimler Enstitüsü Elektronik Dergisi, 12(3): 831-847.
13. Demirel, B. L., Koçyiğit, S. Ç. ve Kevser, M. (2021). Makroekonomik değişkenler ve içsel faktörler ile bankaların finansal performansı arasındaki ilişki: Türkiye için ampirik bir araştırma. Ömer Halisdemir Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 14(2): 598-611.
14. Deveci, M., Pamucar, D. and Gokasar, I. (2021). Fuzzy power Heronian function based CoCoSo method for the advantage prioritization of autonomous vehicles in real-time traffic management. Sustainable Cities and Society, 69: 102846.
15. Diakoulaki, D., Mavrotas, G. and Papayannakis, L. (1995). Determining objective weights in multiple criteria problems: The CRITIC method. Computers & Operations Research, 22(7): 763-770.
16. Ecer, F. and Pamucar, D. (2020). Sustainable supplier selection: A novel integrated fuzzy best worst method (F-BWM) and fuzzy CoCoSo with Bonferroni (CoCoSo’B) multi-criteria model. Journal of Cleaner Production, 266: 121981.
17. Gao, R., Nam, H. O., Ko, W. I. ve Jang, H. (2017). National options for a sustainable nuclear energy system: MCDM evaluation using an improved integrated weighting approach. Energies, 10(12): 1-24.
18. Gazel, Y. H., Altinirmak, S. ve Karamaşa, Ç. (2021). Türkiye’de faaliyet gösteren ticari bankaların çok kriterli karar verme yöntemlerine göre performanslarının sıralanması. Sosyoekonomi, 29(48): 161-180.
19. Gül, Y. (2021). ENTROPI’ye dayalı TOPSIS yöntemi ile bankaların performans değerlendirmesi. Uşak Üniversitesi Sosyal Bilimler Dergisi, 14(1): 1-26.
20. Işık, Ö. (2020). SD tabanlı MABAC ve WASPAS yöntemleriyle kamu sermayeli kalkınma ve yatırım bankalarının performans analizi. Uluslararası İktisadi ve İdari İncelemeler Dergisi, (29): 61, 78.
21. Keshavarz-Ghorabaee, M., Amiri, M., Zavadskas, E. K., Turskis, Z. and Antucheviciene, J. (2021). Determination of objective weights using a new method based on the removal effects of criteria (MEREC). Symmetry, 13(4): 525.
22. Kiracı, K. ve Bakır, M. (2018). CRITIC temelli EDAS yöntemi ile havayolu işletmelerinde performans ölçümü uygulaması. Pamukkale Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, (35): 157-174.
23. Koşaroğlu, Ş. M. (2020). BİST’te işlem gören bankaların performanslarının SD ve EDAS yöntemleriyle değerlendirilmesi. Finans Ekonomi ve Sosyal Araştırmalar Dergisi, 5(3): 406-417.
24. Liang, D. Zhang, Y. Xu, Z. and Jamaldeen, A. (2019). Pythagorean fuzzy VIKOR approaches based on TODIM for evaluating internet banking website quality of Ghanaian banking industry. Applied Soft Computing, 78: 583-594.
25. Özdağoğlu, A., Ulutaş, A. and Keleş, M. K. (2020). The ranking of Turkish universities with COCOSO and MARCOS. Economics Business and Organization Research, 2(Special Issue): 374-392.
26. Parmaksız, S. ve Özdemir, O. (2021). Çok kriterli karar verme tekniklerinin bankacılık oran analizinde kullanılması üzerine bir araştırma. Journal of Banking and Financial Research, 8(2): 65-93.
27. Şişman, B. ve Doğan, M. (2016). Türk bankalarının finansal performanslarının bulanık AHP ve bulanık MOORA yöntemleri ile değerlendirilmesi. Yönetim ve Ekonomi: Celal Bayar Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 23(2): 353-371.
28. Topak, M. S. ve Çanakçioğlu, M. (2019). Banka performansının Entropi ve COPRAS yöntemi ile değerlendirilmesi: Türk bankacılık sektörü üzerine bir araştırma. Mali Çözüm Dergisi, 29(154):107-132.
29. Ulutaş, A., Karakuş, C. B. and Topal, A. (2020). Location selection for logistics center with fuzzy SWARA and CoCoSo methods. Journal of Intelligent & Fuzzy Systems, 38(4): 4693-4709.
30. Wanke, P., Azad, A. K. and Emrouznejad, A. (2018). Efficiency in BRICS banking under data vagueness: A two-stage fuzzy approach. Global Finance Journal, 35: 58-71.
31. Wu, Hung-Yi. Tzeng, Gwo-Hshiung and Chen, Yi- Hsuan. (2009). A fuzzy MCDM approach for evaluating banking performance based on balanced scorecard. Expert systems with applications, 36(6): 10135-10147.
32. Yazdani, M., Zarate, P., Zavadskas, E. K. and Turskis, Z. (2019). A combined compromise solution (CoCoSo) method for multi-criteria decision-making problems. Management Decision, 57(9): 2501-2519.
33. Yetiz, F. ve Kılıç, Y. (2021). Bankaların finansal performansının VIKOR yöntemi ile değerlendirilmesi: Türkiye örneği. Akademik Araştırmalar ve Çalışmalar Dergisi (AKAD), 13(24): 151-164.
34. Yıldırım, B. F. ve Demirci, E. (2017). Banka performansının TOPSIS-M uygulaması ile değerlendirilmesi. Söke İşletme Fakültesi Priene Uluslararası Sosyal Bilimler Dergisi, 1(1): 35-48.
35. Yılmaz, Ö. ve 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.