USE OF TOPSIS AND ELECTRE METHODS IN THE DEPOSIT MONEY BANK SELECTION PROCESS

Öz

Decision making is a process that takes place in every aspect of life. In the decision-making phase, it is very difficult for the decision maker to decide when there are conflicting criteria. In this case, Multi Criteria Decision Making (MCDM) methods can be used. In this study; It has been tried to determine the best among the deposit banks operating in Turkey by taking into consideration the 2002-2015 years by means of the MCDM methods. After the criteria weights were determined by the AHP method in the study, the deposit bank was selected with the TOPSIS and ELECTRE methods. 25 deposit banks were evaluated in the study. Criteria considered during the evaluation phase; total assets, total loans and receivables, total deposits, total equity, paid-in capital, net period profit loss, net interest margin, non-interest income. The identified criterias were determined by taking into account the opinions of experts working in the field of finance, experts working in the banking sector and literature review. At the end of the study, according to the results obtained with TOPSIS and ELECTRE methods, The Republic of Turkey Ziraat Bankası A.Ş. both methods have taken the first order.

Anahtar Kelimeler

• Bank Selection,Deposit Banks,Multi Criteria Decision Making,AHP,TOPSIS,ELECTRE

MEVDUAT BANKASI SEÇİMİ SÜRECİNDE TOPSIS VE ELECTRE YÖNTEMLERİNİN KULLANILMASI

Öz

Karar verme hayatın her alanında yer alan bir süreçtir. Karar verme sürecinde, karar vericinin birbirleri ile çelişen kriterler olduğunda karar vermesi oldukça zor olmaktadır. Bu durumda Çok Kriterli Karar Verme (ÇKKV) yöntemlerinden yararlanılabilir. Bu çalışmada; ÇKKV yöntemleriyle 2002-2015 yılları arasında Türkiye’de sürekli faaliyet gösteren mevduat bankaları dikkate alınmıştır. Çalışmada kriter ağırlıkları Analitik Hiyerarşi Prosesi (AHP) yöntemi ile belirlendikten sonra; TOPSIS ve ELECTRE yöntemleri ile mevduat bankası seçimi yapılmıştır. Çalışmada 25 mevduat bankası değerlendirilmiştir. Değerlendirme aşamasında dikkate alınan kriterler; toplam aktifler, toplam kredi ve alacaklar, toplam mevduat, toplam öz kaynaklar, ödenmiş sermaye, net dönem kar zararı, net faiz marjı, faiz dışı gelirlerdir. Belirlenen kriterler finans alanında çalışan öğretim üyeleri, bankacılık sektöründe çalışan uzman görüşleri ve literatür taraması dikkate alınarak belirlenmiştir. Çalışma sonucunda TOPSIS (Technique For Order Preference By Similarity To An Ideal Solution) ve ELECTRE (ELimination Et Choix Traduisant la REalité) yöntemleriyle elde edilen sonuçlara göre Türkiye Cumhuriyeti Ziraat Bankası A.Ş. her iki yöntemde de ilk sırayı almıştır.

Anahtar Kelimeler

• Banka Seçimi,Mevduat Bankaları,Çok Kriterli Karar Verme,AHP,TOPSIS,ELECTRE

Kaynakça

1. AKÇAKANAT, Ö., H. Eren, E. Aksoy, V. Ömürbek (2017), Bankacılık Sektöründe Entropi ve Waspas Yöntemleri İle Performans Değerlendirmesi, Süleyman Demirel Üniversitesi, İktisadi ve İdari Bilimler Fakültesi Dergisi, 22(2), 285-300.
2. ARICAN, E., B.T. Yücememiş (2015), Para Politikaları Işığında Türk Bankacılık Sektörü Genel Değerlendirmesi, İktisadi Araştırmalar Vakfı, 27, 60-65.
3. ARICAN, E., B.T. Yücememiş (2016), Ekonomik Gelişmeler ve Seçilmiş Göstergelerle Türkiye’de Bankacılık Sektörü, İktisadi Araştırmalar Vakfı, 44-51.
4. AYVAZ, B., E. Boltürk, S. Kaçtıoğlu (2015), Bulanık Ortamda TOPSIS Yöntemi İle Tedarikçi Seçimi: Bankacılık Sektöründe Bir Uygulama, Sigma Journal Engineering and Natural Sciences, 33 (3), 351-362.
5. BALLI, S. (2005), Fuzzy Çok Kriterli Karar Verme ve Basketbolda Oyuncu Seçimine Uygulanması (Basılmamış Yüksek Lisans Tezi), Muğla Üniversitesi Fen Bilimleri Enstitüsü, Muğla.
6. Bankacılık Düzenleme Ve Denetleme Kurumu (2006); Bankalarca Kredilerin Ve Diğer Alacakların Niteliklerinin Belirlenmesi Ve Bunlar İçin Ayrılacak Karşılıklara İlişkin Usul Ve Esaslar Hakkında Yönetmelik, Resmi Gazete, 26333, 1-12.
7. Bankacılık Düzenleme Ve Denetleme Kurumu (2016), Türk Bankacılık Sektörü ve Temel Göstergeleri, BDDK, Veri ve Sistem Yönetimi Daire Başkanlığı, 3, 1-22.
8. BRAUNSCHWEIG, T., B. Becker (2004), Choosing Research Priorities By Using The Analytic Hierarchy Process: An Application To International Agriculture, R&D Management, 34(1), 77-86.

9. CHANG, S.C., P.H. Tsai (2016), A Hybrid Financial Performance Evaluation Model for Wealth Management Banks Following The Global Financial Crisis, Technological and Economic Development of Economy, 22(1), 21-46.
10. CHEN, Y.S., C.T. Lin, J.H. Lu (2011), The Analytic Network Process for The Banking Sector: An Approach To Evaluate The Creditability of Emerging Industries, African Journal of Business Management, 5(4), 1343-1352.
11. CHITNIS, A., O.S. Vaidya (2016), Efficiency ranking method using DEA and TOPSIS (ERM-DT): case of an Indian bank ,Benchmarking: An International Journal, 23(1), 165-182.
12. CRISTÓBAL, J.R.S. (2012), Contractor Selection Using Multicriteria Decision- Making Methods, Journal Of Construction Engineering and Management, 138(6), 751-758.
13. ÇELEN, A. (2014), Comparative Analysis of Normalization Procedures in TOPSIS Method: With an Application to Turkish Deposit Banking Market, Vilnius University, 25(2), 185–208.
14. ÇELİK, T., B. Gövdere, U. Ongun (2016), Dezenflasyon Sürecinde Türk Bankacılık Sektöründe Yapısal Dönüşümün İzleri, Süleyman Demirel Üniversitesi, Sosyal Bilimler Enstitüsü Dergisi, CİEP Özel Sayısı, 845-857.
15. ÇINAR, N.T. (2010), Kuruluş Yeri Seçiminde Bulanık TOPSIS Yöntemi ve Bankacılık Sektöründe Bir Uygulama, Karamanoğlu Mehmet Bey Üniversitesi Sosyal Ve Ekonomik Araştırmalar Dergisi, 12(18), 37-45.
16. EBRAHİMİ, E., M.R. Fathi, H.R. Irani (2016), A new hybrid method based on fuzzy Shannon’s Entropy and fuzzy COPRAS for CRM performance evaluation (Case: Mellat Bank), Iranian Journal of Management Studies (IJMS), 9(2), 333-358.
17. ELEREN, A., M. Karagül (2008), 1986-2006 Türkiye Ekonomisinin Performans Değerlendirmesi, Celal Bayar Üniversitesi İİBF Yönetim ve Ekonomi Dergisi, 15(1), 1-14.
18. FORMAN, E.H., M.A. Selly (2001), Decision By Objectives (How To Convince Others That You Are Right), World Scientific Pub. Co., ABD.
19. GINEVIČIUS, R., A. Podviezko (2013), The Evaluation of Financial Stability and Soundness of Lithuanian Banks, Economic Research-Ekonomska Istraživanja, 26(2), 191-208.
20. GÖKTOLGA, Z.G., B., Gökalp (2012), İş Seçimini Etkileyen Kriterlerin Ve Alternatiflerin AHP Metodu İle Belirlenmesi, Cumhuriyet Üniversitesi İktisadi ve İdari Bilimler Dergisi, 13(2), 71-86.
21. GÜNEYSU, Y., B. Er, İ.M. Ar (2015), Karadeniz Teknik Üniversitesi Sosyal Bilimler Enstitüsü Sosyal Bilimler Dergisi, Türkiye’deki Ticari Bankaların Performanslarının AHS ve GİA Yöntemleri İle İncelenmesi, 9, 71-93.
22. HWANG, C.L., K. Yoon (1981), Multiple Attribute Decision Making Methods and Applications, New York.
23. IGNATIUS, J., A. Mustafa, M. Goh, (2012), “Modelıng Fundıng Allocatıon Problems Vıa AHP-Fuzzy TOPSIS”, International Journal of Innovative Computing, Information and Control, 8(5A), 3329-3340.
24. KAYA, Y.T. (2001), Türk Bankacılık Sisteminde Net Faiz Marjının Modellenmesi, Bankacılık Düzenleme ve Denetleme Kurumu, Mali Sektör Politikaları Dairesi Çalışma Raporları, 2001/4., 1-31.
25. KIRCALI, S. (2016), Bankacılıkta Karlılığı Oluşturan Faktörlerin İncelenmesi, Türk Bankacılık Sektörü Verileri Baz Alınarak Sürdürülebilir Karlılık Konusunun Analiz Edilmesi, Doktora Tezi, Okan Üniversitesi, Sosyal Bilimler Enstitüsü, Bankacılık ve Finans Anabilim Dalı, Bankacılık Programı, İstanbul.
26. KOU, G., Y. Peng, C. Lu (2014), MCDM approach to evaluating bank loan default models, Technological and Economic Development of Economy, 20(2).
27. KURU, A. (2011), Entegre Yönetim Sistemlerinde Çok Kriterli Karar Verme Tekniklerinin Kullanımına Yönelik Yaklaşımlar ve Uygulamaları, Yayınlanmamış Doktora Tezi, İstanbul: Marmara Üniversitesi Sosyal Bilimler Enstitüsü.
28. KURUÜZÜM, A., N. Atsan (2001), Analitik Hiyerarşi Yöntemi ve İşletmecilik Alanındaki Uygulamaları, Akdeniz İ.İ.B.F Dergisi, 1, 83-105.
29. MARESCHAL, B., J.P. Brans (1991), BANKADVISER: An Industrial Evaluation System, European Journal of Operational Research 54, 318-324.
30. ORGAN, A., M.D. Kenger (2012), Bulanık Analitik Hiyerarşi Süreci Ve Mortgage Banka Kredisi Seçim Problemine Uygulanması, Niğde Üniversitesi İİBF Dergisi, 5(2), 119-135.
31. ÖMÜRBEK, N., M. Karaatlı, H. Eren, B. Şanlı (2014), AHP Temelli Promethee Sıralama Yöntemi İle Hafif Ticari Araç Seçimi, Süleyman Demirel Üniversitesi İktisadi ve Bilimler Fakültesi Dergisi,19(4), 47-64.
32. ÖNEL, F. (2014), Kuruluş Yeri Seçiminin Çok Kriterli Karar Verme Yöntemleriyle Uygulanması, Yüksek Lisans Tezi, Pamukkale Üniversitesi Sosyal Bilimler Enstitüsü, İşletme Anabilim Dalı, Sayısal Yöntemler Bilim Dalı, Denizli.
33. ÖZDEMİR, A.İ., N,Y. Seçme (2009), İki Aşamalı Stratejik Tedarikçi Seçiminin Bulanık TOPSIS Yöntemi İle Analizi, Afyon Kocatepe Üniversitesi, İ.İ.B.F. Dergisi, 11(2), 79-112.
34. ÖZYÖRÜK, B., E.C. Özcan (2005), Otomotiv Sektöründe Tedarikçi Seçimine Etki Eden Faktörler ve Tedarikçi Seçimi, V. Ulusal Üretim Araştırmaları Sempozyumu, İstanbul Ticaret Üniversitesi, 625-629.
35. PANG, J., G. Zhang, G. Chen (2011), “Electre I decision model of reliability design scheme for computer numerical control machine”, Journal of Software, 6(5), 894-900.
36. RENÇBER, Ö.F. (2010), Büyük Çaplı Projelerde Karar Verme: Analitik Hiyerarşi Süreci Uygulaması, Yüksek Lisans Tezi. Gebze: Gebze Yüksek Teknoloji Enstitüsü Sosyal Bilimler Enstitüsü.
37. ROY, B. (1991), The outranking approach and the foundations of electre methods, Theory and Decision, 31, 49-73.
38. SAATY, T.L. (1990), “How to Make a Decision: the Analytic Hierarchy Process”, European Journal of Operation Research, 48,9-26.
39. SAATY, T.L. (2005), “The Analytic Hierarchy and Analytic Network Processes for the Measurement of Intangible Criteria and for Decision-Making, Multiple Criteria Decision Analysis: State of the Art Surveys, International Series in Operations Research & Management Science, J. Figueira, S. Greco ve M. Ehrgott (der.), Springer, Berlin, 78(4), 345-405.
40. SAATY, T.L. (2008b), Decision Making with the Analytic Hierarchy Process, International Journal of Services Sciences, 1(1), 83-98.
41. SAATY, T.L., L.T. Tran (2007), On The Invalidity of Fuzzifying Numerical Judgments in the Analytic Hierarchy Process, Mathematical and Computer Modelling, 46(7-8), 962-975.
42. SAATY, T.L., L.G. Vargas (2001), Models, Methods, Concepts & Applications of The Analytic Hierarchy Process, Springer, 3.
43. SEDAGHAT, M. (2013), A Productıvıty Improvement Evaluatıon Model By Integratıng Ahp, Topsıs And Vıkor Methods Under Fuzzy Envıronment (Case Study: State-Owned, PARTIALLY Prıvate And Prıvate Banks In Iran), Economic Computation & Economic Cybernetics Studies & Research, January, 47(1), 235-258.
44. SHEN, K.Y., Y. Min-Ren, C. Kai (2010), A Fuzzy-MCDM Based Value Investing Method for Banking Stocks Evaluation, Information and Financial Engineering (ICIFE), 2nd IEEE International Conference on, 2010/9, 161-165.
45. SOBA, M. (2014), Banka Yeri Seçiminin Analitik Hiyerarşi Süreci Ve Electre Metodu İle Belirlenmesi: Uşak İlçeleri Örneği, Mustafa Kemal Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 11(25), 459-473.
46. TAŞKIN, D.F. (2011), Türkiye’de Ticari Bankaların Performansını Etkileyen Faktörler, Ege Akademik Bakış, 11(2), 289-298.
47. TEKİN, M. (1996), Üretim Yönetimi, Arı Ofset, Konya, 1.
48. TELGEN, J. (1982), An MCDM Problem in Banking, European Journal of Operational Research, 9(2), 184-189.
49. TUNAY, B., A.M. Silpar (2006), Türk Ticari Bankacılık Sektöründe Karlılığa Dayalı Performans Analizi-I, Türkiye Bankalar Birliği, Araştırma Tebliğleri Serisi, 2006/1,1-43.
50. Türkiye Cumhuriyeti Ziraat Bankası, (2016), 2016 Faaliyet Raporu.
51. TZENG, G.H., J.J. Huang (2011), Multiple Attribute Decision Making Methods and Applications,USA: CRC Publishers.
52. UÇKUN, N., N. Girginer (2011), Türkiye’deki Kamu ve Özel Bankaların Performanslarının Gir İlişki Analizi ile İncelenmesi, Akdeniz İktisadi ve İdari Bilimler Dergisi, 21, 46-66.
53. USTASÜLEYMAN, T. (2013), Bankacılık Sektöründe İnternet Sitesi Kalitesi Boyutlarının (Kriterlerinin) Önem Derecesinin Belirlenmesi, Celal Bayar Üniversitesi Sosyal Bilimler Dergisi, 11(1), 146-162.
54. WANKE, P., A.K. Azad, C.P. Barros (2016), Predicting efficiency in Malaysian Islamic banks: A two-stage TOPSIS and neural networks approach, Research in International Business and Finance, 36, 485-498.
55. WANKE, P., A.K. Azad, C.P. Barros, A. Hadi-Vencheh, (2016), Predicting performance in ASEAN banks: an integrate fuzzy MCDM–neural network approach, 2015 Wiley Publishing Ltd., Expert Systems, 2016/6, 33(3), 213-229.
56. WEI, J. (2010). TOPSIS Method for Multiple Attribute Decision Making with Incomplete Weight Information in Linguistic Setting, Journal of Convergence Information Technology, 5(10), 181-187.
57. WU, HY., G.H. Tzeng, Y.H. Chen (2009), A Fuzzy Mcdm Approach For Evaluating Banking Performance Based On Balanced Scorecard, Expert Systems with Applications, 36, 10135–10147.
58. YILDIRIM, M. (2008), Banka Muhasebesi, Türkiye Bankalar Birliği, 7(258), İstanbul.
59. YÜREKLİ, H. (2008), Taarruz Helikopterleri Seçiminde ELECTRE Yönteminin Kullanılması, Yayınlanmamış Doktora Tezi, İstanbul: İstanbul Üniversitesi Sosyal Bilimler Enstitüsü.
60. ZAHEDI, F. (1986), "The Analytic Hierarchy Process - A Survey of the Method and its Applications", Interfaces, 16(4), 100-102.