DOI: https://doi.org/10.48084/etasr.12782
تاريخ النشر: 2025-10-06
المؤلف: Nguyễn Thị Thu Hiền وآخرون
الموضوع الرئيسي: اتخاذ القرار متعدد المعايير
نظرة عامة
تجري هذه الدراسة تحليلًا مقارنًا لأربعة طرق لاتخاذ القرار متعددة المعايير (MCDM) – طريقة تقييم الجذر (RAM)، تحسين متعدد الأهداف على أساس تحليل النسبة (MOORA)، اختيار مناسب (FUCA)، ودمج قائمة الترتيب غير المتحيز التعاوني (CURLI) – لترتيب 30 بنكًا فيتناميًا بناءً على ستة معايير: كفاية رأس المال، جودة الأصول، قدرة الإدارة، قدرة الكسب، السيولة، والحساسية تجاه مخاطر السوق. يتم مقارنة الترتيبات المستمدة من هذه الطرق مع نظام تصنيف CAMELS، مما يكشف أن FUCA و CURLI هما الأكثر فعالية لهذه التطبيق، بينما RAM و MOORA أقل ملاءمة.
تؤكد النتائج على أهمية تطبيع البيانات، مشيرة إلى أنه يجب تطبيقه فقط عندما تختلف معايير التقييم في الأبعاد؛ وإلا، فقد يشوه الخصائص الأصلية للبيانات. تشير الدراسة إلى وجود اتساق عالٍ بين الترتيبات التي أنتجتها FUCA و CURLI ونظام CAMELS، مع معاملات ارتباط رتبة سبيرمان تبلغ 0.999 و 0.998، على التوالي. كانت البنوك الثلاثة الأعلى تصنيفًا هي البنك #23، البنك #11، والبنك #8، بينما كانت البنوك الأقل تصنيفًا هي البنك #14، البنك #18، والبنك #17. يوصي المؤلفون بأن تأخذ الأبحاث المستقبلية في الاعتبار عوامل إضافية، مثل القروض غير العاملة وآراء الخبراء حول أهمية المعايير، لتعزيز تقييم الأداء المالي للبنوك.
مقدمة
تناقش مقدمة هذه الورقة البحثية تطبيق تقنيات اتخاذ القرار متعددة المعايير (MCDM)، والتي تعتبر ضرورية لترتيب البدائل بناءً على معايير متعددة، غالبًا ما تكون متضاربة، عبر مجالات مختلفة مثل الاقتصاد، التعليم، والهندسة. تسلط الورقة الضوء على التحديات التي تطرحها استخدام طرق MCDM المختلفة، والتي يمكن أن تؤدي إلى نتائج غير متسقة لنفس المشكلة، مما يبرز الحاجة إلى تحليلات مقارنة لتحديد الطريقة الأكثر ملاءمة للسياقات المحددة.
من بين طرق MCDM، يُلاحظ أن MOORA و RAM يتميزان بخصائص خوارزمية مميزة، حيث يتم التعرف على RAM لكفاءته وقدرته على تحقيق توازن بين معايير الفائدة والتكلفة. بالمقابل، لا تتطلب FUCA و CURLI تطبيع البيانات وتختلف في نهجهما لحساب وزن المعايير. على الرغم من خصائصها الفريدة، تؤكد الورقة أن النتائج المقارنة بين هذه الطرق تعتمد على السياق، كما يتضح من دراسات مختلفة أظهرت أداءً مختلفًا لطرق MCDM عبر تطبيقات مختلفة. الهدف الرئيسي من هذه الدراسة هو إجراء مقارنة شاملة بين MOORA و RAM و FUCA و CURLI بشكل خاص في سياق ترتيب 30 بنكًا فيتناميًا، مما يعالج فجوة في الأدبيات الحالية حول مقارنات طرق MCDM.
طرق
في هذا القسم، يوضح المؤلفون المنهجية المستخدمة لإجراء تحليل مقارن لطرق اتخاذ القرار متعددة المعايير (MCDM) المطبقة على تصنيفات البنوك. تتضمن العملية حساب معايير الأداء ($P$) والتكلفة ($R$)، يليها تحديد القيمة الصافية ($Q = P – R$) لكل بديل. ثم يتم ترتيب البدائل بناءً على قيم $Q$ الخاصة بها، مع الإشارة إلى أن القيم الأعلى تدل على أداء أفضل. تقدم الدراسة تصنيفات لـ 30 بنكًا عبر مؤشرات مالية مختلفة، مما يكشف عن اتساق ملحوظ في الترتيبات المستمدة من طرق MOORA و RAM، بينما تظهر اختلافات كبيرة عند مقارنتها بالترتيبات من FUCA و CURLI ونظام CAMELS.
تشير النتائج إلى أن MOORA و RAM، اللتين تستخدمان تطبيع البيانات، تنتجان ترتيبات تختلف بشكل كبير عن تلك الخاصة بـ FUCA و CURLI، اللتين لا تطبعان البيانات وبالتالي تحتفظان بخصائصها الأصلية. يُظهر التحليل أن ترتيبات FUCA و CURLI تتماشى بشكل وثيق مع نظام CAMELS، حيث أظهرت 29 و 24 بنكًا، على التوالي، ترتيبات متسقة. تدعم معاملات ارتباط رتبة سبيرمان هذه الملاحظات، حيث أظهرت MOORA و RAM ارتباطًا منخفضًا (-1.026) مع نظام CAMELS، مما يشير إلى عدم ملاءمتها لهذا التحليل. بالمقابل، تُظهر FUCA و CURLI معاملات ارتباط عالية (0.999 و 0.998)، مما يؤكد ملاءمتهما لتقييم أداء البنوك في هذا السياق.
نتائج
في قسم النتائج، استخدمت الدراسة طرق تصنيف متعددة، بما في ذلك MOORA و RAM و FUCA و CURLI، لتقييم أداء مختلف البنوك. تم حساب درجات Qi من خلال MOORA، ودرجات RIi من RAM، ودرجات Si من FUCA، ودرجات Ri من CURLI لتحديد الترتيبات الخاصة بالبنوك. يتم تلخيص هذه الدرجات المحسوبة وترتيباتها المقابلة في الجدول II، الذي يتضمن أيضًا ترتيب البنوك الذي حدده نظام CAMELS لأغراض المقارنة. يبرز هذا التحليل الشامل فعالية المنهجيات المختلفة في تقييم أداء البنوك.
مناقشة
يقدم قسم المناقشة في الورقة البحثية تقييمًا شاملاً لـ 30 بنكًا فيتناميًا باستخدام ستة مؤشرات مالية رئيسية: كفاية رأس المال (C1)، جودة الأصول (C2)، قدرة الإدارة (C3)، قدرة الكسب (C4)، السيولة (C5)، والحساسية تجاه مخاطر السوق (C6). يكشف التحليل عن اختلافات كبيرة في تصنيفات هذه المؤشرات بين البنوك، مما يبرز ضرورة اتباع نهج اتخاذ القرار متعدد المعايير (MCDM) لاشتقاق ترتيب إجمالي. تستخدم الدراسة أربع طرق MCDM – MOORA و RAM و FUCA و CURLI – لترتيب البنوك بناءً على هذه المؤشرات، مما يبرز أهمية تطبيع البيانات، خاصة عندما تختلف أبعاد المعايير.
تشير النتائج إلى أن FUCA و CURLI تحققان اتساقًا عاليًا مع نظام تصنيف CAMELS، كما يتضح من معاملات ارتباط رتبة سبيرمان التي تبلغ 0.999 و 0.998، على التوالي. كانت البنوك ذات الأداء الأعلى التي تم تحديدها هي البنك #23، البنك #11، والبنك #8، بينما كانت البنوك الأقل تصنيفًا هي البنك #14، البنك #18، والبنك #17. يقترح المؤلفون أن تأخذ الأبحاث المستقبلية في الاعتبار عوامل إضافية، مثل إدارة القروض غير العاملة وآراء الخبراء حول أهمية المعايير المختلفة، لتعزيز تقييم الصحة المالية للبنوك. تؤكد هذه الدراسة على الدور الحاسم لطرق MCDM في تصنيف المؤسسات المالية بدقة وإمكانية تحسين تقييم أدائها بشكل أكبر.
DOI: https://doi.org/10.48084/etasr.12782
Publication Date: 2025-10-06
Author(s): Nguyễn Thị Thu Hiền et al.
Primary Topic: Multi-Criteria Decision Making
Overview
This study conducts a comparative analysis of four Multi-Criteria Decision-Making (MCDM) methods—Root Assessment Method (RAM), Multi-Objective Optimization on the Basis of Ratio Analysis (MOORA), Faire Un Choix Adéquat (FUCA), and Collaborative Unbiased Rank List Integration (CURLI)—to rank 30 Vietnamese banks based on six criteria: capital adequacy, asset quality, management capability, earning ability, liquidity, and sensitivity to market risk. The rankings derived from these methods are benchmarked against the CAMELS rating system, revealing that FUCA and CURLI are the most effective methods for this application, while RAM and MOORA are less suitable.
The findings emphasize the importance of data normalization, suggesting it should only be applied when the evaluation criteria differ in dimensions; otherwise, it may distort the original characteristics of the data. The study reports high consistency between the rankings produced by FUCA and CURLI and the CAMELS system, with Spearman’s rank correlation coefficients of 0.999 and 0.998, respectively. The top three banks identified were Bank #23, Bank #11, and Bank #8, while the lowest-ranked were Bank #14, Bank #18, and Bank #17. The authors recommend that future research should consider additional factors, such as non-performing loans and expert opinions on criteria importance, to enhance the evaluation of banks’ financial performance.
Introduction
The introduction of this research paper discusses the application of Multi-Criteria Decision-Making (MCDM) techniques, which are essential for ranking alternatives based on multiple, often conflicting criteria across various fields such as economics, education, and engineering. The paper highlights the challenges posed by the use of different MCDM methods, which can yield inconsistent results for the same problem, underscoring the need for comparative analyses to identify the most suitable method for specific contexts.
Among the MCDM methods, MOORA and RAM are noted for their distinct algorithmic features, with RAM being recognized for its efficiency and ability to balance benefit and cost criteria. In contrast, FUCA and CURLI do not require data normalization and differ in their approach to criteria weight calculation. Despite their unique characteristics, the paper emphasizes that comparative results among these methods are context-dependent, as evidenced by various studies that have shown differing performances of MCDM methods across different applications. The primary aim of this study is to conduct a comprehensive comparison of MOORA, RAM, FUCA, and CURLI specifically in the context of ranking 30 Vietnamese banks, addressing a gap in the existing literature on MCDM method comparisons.
Methods
In this section, the authors detail the methodology employed for a comparative analysis of Multi-Criteria Decision-Making (MCDM) methods applied to bank rankings. The process involves calculating performance ($P$) and cost ($R$) criteria, followed by determining the net value ($Q = P – R$) for each alternative. The alternatives are then ranked based on their $Q$ values, with higher values indicating better performance. The study presents rankings for 30 banks across various financial indicators, revealing notable consistency in rankings derived from the MOORA and RAM methods, while significant discrepancies arise when compared to rankings from FUCA, CURLI, and the CAMELS system.
The findings indicate that MOORA and RAM, which utilize data normalization, yield rankings that diverge significantly from those of FUCA and CURLI, which do not normalize data and thus retain its original characteristics. The analysis shows that FUCA and CURLI rankings closely align with the CAMELS system, with 29 and 24 banks, respectively, exhibiting consistent rankings. The Spearman’s rank correlation coefficients further substantiate these observations, with MOORA and RAM showing low correlation (-1.026) with the CAMELS system, indicating their unsuitability for this analysis. In contrast, FUCA and CURLI demonstrate high correlation coefficients (0.999 and 0.998), affirming their appropriateness for evaluating bank performance in this context.
Results
In the results section, the study employed multiple ranking methods, including MOORA, RAM, FUCA, and CURLI, to evaluate the performance of various banks. The Qi scores calculated through MOORA, RIi scores from RAM, Si scores from FUCA, and Ri scores from CURLI were all derived to establish the respective rankings of the banks. These computed scores and their corresponding ranks are summarized in Table II, which also includes the bank ranks determined by the CAMELS system for comparative purposes. This comprehensive analysis highlights the effectiveness of the different methodologies in assessing bank performance.
Discussion
The discussion section of the research paper presents a comprehensive evaluation of 30 Vietnamese banks using six key financial indicators: capital adequacy (C1), asset quality (C2), management capability (C3), earnings ability (C4), liquidity (C5), and sensitivity to market risk (C6). The analysis reveals significant variations in the rankings of these indicators among the banks, highlighting the necessity for a multi-criteria decision-making (MCDM) approach to derive an aggregate ranking. The study employs four MCDM methods—MOORA, RAM, FUCA, and CURLI—to rank the banks based on these indicators, emphasizing the importance of data normalization, particularly when criteria dimensions differ.
The findings indicate that FUCA and CURLI yield high consistency with the CAMELS rating system, evidenced by Spearman’s rank correlation coefficients of 0.999 and 0.998, respectively. The top-performing banks identified were Bank #23, Bank #11, and Bank #8, while the lowest-ranked were Bank #14, Bank #18, and Bank #17. The authors suggest that future research should consider additional factors, such as the management of non-performing loans and expert opinions on the significance of various criteria, to enhance the assessment of banks’ financial health. This study underscores the critical role of MCDM methods in accurately ranking financial institutions and the potential for further refinement in evaluating their performance.