کارایی بانک چین در طول بحران مالی جهانی: یک روش ترکیبی با استفاده از DEA رضایت‌بخش و ماشین‌های بردار پشتیبانی

این مقاله به بررسی کارایی بانک چین با یک نمونه منحصر به فرد از ۱۲۷ بانک در دوره اوج بحران مالی جهانی می‌پردازد. ما یک روش جدید تحلیل تخصیص داده را تحت یک محیط تصادفی به کار می‌بریم. در مرحله اول، در محدوده مدل تحلیل رضایت داده، احتمالات دستیابی به آستانه عملکرد کمینه به روش تصادفی محاسبه می‌شود. در دومین مرحله بعدی، رگرسیون ماشین بردار پشتیبان برای تشخیص بین گروه‌های بهره‌وری بالا / پایین در هر آستانه عملکرد به کار می‌رود. نتایج نشان می‌دهد که سطح بهره‌وری کلی بانک‌های چینی هنوز پایین است. این به طور قابل‌توجهی توسط متغیرهای زمینه‌ای ساختار مالکیت و ساختار هزینه بانک‌های چینی تعیین می‌شود. مفاهیم سیاسی به این نتیجه می‌رسند که چگونه حاکمیت شرکتی و تخصیص اعتبار را بهبود بخشند.

The paper examines Chinese bank efficiency with a unique sample of 127 banks during the peak period of the global financial crisis. We apply an innovative Data Envelopment Analysis method under a stochastic environment. In the first stage, within the ambit of the satisficing Data Envelopment Analysis model, the probabilities of achieving a minimal performance threshold are computed in a stochastic way. In the second subsequent stage, Support Vector Machine regression is applied to discriminate between high/low efficiency groups within each performance threshold. The results reveal that the overall efficiency level of the Chinese banks remains still low. This is considerably determined by the contextual variables of the ownership structure and cost structure of the Chinese banks. Policy implications are derived how to improve the corporate governance and credit allocation.