Finansal oranları kullanarak bankaların performanslarının değerlendirilmesi

(1)

BAŞKENT ÜNİVERSİTESİ

FEN BİLİMLERİ ENSTİTÜSÜ

FİNANSAL ORANLARI KULLANARAK BANKALARIN

PERFORMANSININ DEĞERLENDİRİLMESİ

ESRA PEHLİVAN

YÜKSEK LİSANS TEZİ

2018

(2)

(3)

FİNANSAL ORANLARI KULLANARAK BANKALARIN

PERFORMANSININ DEĞERLENDİRİLMESİ

PERFORMANCE EVALUATION OF BANKS BY USING

FINANCIAL RATIOS

ESRA PEHLİVAN

Başkent Üniversitesi

Lisansüstü Eğitim Öğretim ve Sınav Yönetmeliğinin

ENDÜSTRİ Mühendisliği Anabilim Dalı İçin Öngördüğü

YÜKSEK LİSANS TEZİ

olarak hazırlanmıştır.

2018

(4)

“Finansal Oranları Kullanarak Bankaların Performansının Değerlendirilmesi” başlıklı

bu çalışma, jürimiz tarafından 13/09/2018 tarihinde, ENDÜSTRİ MÜHENDİSLİĞİ

ANABİLİM DALI 'nda YÜKSEK LİSANS TEZİ olarak kabul edilmiştir.

Başkan

:

Prof. Dr. Mehmet KABAK

Üye (Danışman)

:

Doç. Dr. Yusuf Tansel İÇ

Üye

:

Doç. Dr. Kumru Didem ATALAY

ONAY

… /09/2018

Prof. Dr. Ömer Faruk ELALDI

(5)

BAŞKENT ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ

YÜKSEK LİSANS TEZ ÇALIŞMASI ORİJİNALLİK RAPORU

Tarih: 26/ 09/2018

Öğrencinin Adı, Soyadı : Esra PEHLİVAN

Öğrencinin Numarası : 21610319

Anabilim Dalı

: Endüstri Mühendisliği

Programı

: Endüstri Mühendisliği Tezli Yüksek Lisans

Danışmanın Adı, Soyadı : Yusuf Tansel İÇ

Tez Başlığı

: Finansal Oranları Kullanarak Bankaların Performansının Değerlendirilmesi

Yukarıda başlığı belirtilen Yüksek Lisans tez çalışmamın; Giriş, Ana Bölümler ve Sonuç Bölümünden

oluşan, toplam 51 sayfalık kısmına ilişkin, 25/09/2018 tarihinde tez danışmanım tarafından Turnitin

adlı intihal tespit programından aşağıda belirtilen filtrelemeler uygulanarak alınmış olan orijinallik

raporuna göre, tezimin benzerlik oranı % 16’dır.

Uygulanan filtrelemeler:

1. Kaynakça hariç

2. Alıntılar hariç

3. Beş (5) kelimeden daha az örtüşme içeren metin kısımları hariç

“Başkent Üniversitesi Enstitüleri Tez Çalışması Orijinallik Raporu Alınması ve Kullanılması Usul ve

Esasları”nı inceledim ve bu uygulama esaslarında belirtilen azami benzerlik oranlarına tez çalışmamın

herhangi bir intihal içermediğini; aksinin tespit edileceği muhtemel durumda doğabilecek her türlü hukuki

sorumluluğu kabul ettiğimi ve yukarıda vermiş olduğum bilgilerin doğru olduğunu beyan ederim.

Öğrenci İmzası

Onay

26/09/2018

(6)

TEŞEKKÜR

Yüksek lisans eğitimim boyunca yardımlarını benden esirgemeyen, tez çalışmam

süresince bilgi birikimi ile çalışmanın sonuca ulaştırılmasında ve karşılaşılan

güçlüklerin aşılmasında bana her zaman yardımcı ve yol gösterici olduğu için tez

danışmanım Sayın Doç. Dr. Yusuf Tansel İÇ’e teşekkür ve saygılarımı sunarım.

Hayatımın her anında yanımda olan, desteğini hiçbir zaman esirgemeyen, bana

kendimi her zaman şanslı hissettiren başta annem ve babam olmak üzere tüm

aileme desteklerinden dolayı teşekkürlerimi sunarım.

(7)

i

ÖZ

FİNANSAL ORANLARI KULLANARAK BANKALARIN PERFORMANSININ

DEĞERLENDİRİLMESİ

Esra Pehlivan

Başkent Üniversitesi Fen Bilimleri Enstitüsü

Endüstri Mühendisliği Anabilim Dalı

2001 yılında yaşanan ekonomik kriz Türk Bankacılık Sektöründe önemli yapısal

değişikliklerin yaşanmasını beraberinde getirmiştir. Bankacılık Düzenleme ve

Denetleme Kurumu kurulmuş ve bankaların yapısal olarak güçlenmelerine ilişkin bir

takım düzenlemeler hayata geçirilmiştir. Gerçekleştirilen yapısal düzenlemeler

bankaların öz sermaye yapısını güçlendirmekle birlikte aynı zamanda bankacılık

sisteminin Türkiye Ekonomisindeki yerini de sağlamlaştırmıştır. Doğal olarak bu

süreç içerisinde bankaların karlılıkları ve performansları da artırmıştır.

Bu çalışmada, Türkiye'de faaliyet gösteren ticari bankaların en önemli performans

göstergeleri olan finansal oranlar kullanılarak 2001-2017 yılları arasında performans

gelişimleri incelenmeye çalışılmıştır. Bu amaçla Analitik Hiyerarşi Prosesi (AHP)’yle

bir

çok ölçütlü karar verme modeli oluşturulmuş ve bankaların finansal oranları

doğrultusunda sıralanmalarının gerçekleşebileceği bir performans değerlendirme

modeli ortaya konmuştur. Modelde en kritik nokta hem finansal oranların

ağırlıklandırılması, hem de finansal oranlara göre bankaların gösterdikleri

performansın puanlanmasıdır. Kriter ağırlıklandırma işlemi için bankacılık

sektöründeki uzmanların görüşlerinden faydalanılmıştır. Ticari bankaların her bir

finansal oranının puanlandırılmasında ise kartiller dikkate alınarak ve doğrusal

normalizasyon işlemi uygulanarak iki farklı yöntem kullanılmıştır. Her iki yöntemle

elde edilen bulgular AHP modeline girdi olarak verilerek banka sıralamaları yıllara

göre değerlendirilmiş, bankaların performanslarındaki değişimler nedenleri ile analiz

edilmeye çalışılmıştır.

ANAHTAR SÖZCÜKLER: bankacılık ve finans, performans değerlendirme, çok

kriterli karar verme, AHP.

Danışman: Doç. Dr. Yusuf Tansel İç, Başkent Üniversitesi, Endüstri Mühendisliği

(8)

ii

ABSTRACT

PERFORMANCE EVALUATION OF BANKS BY USING FINANCIAL RATIOS

Esra Pehlivan

Başkent University Institute of Science and Engineering

Department of Industrial Engineering

The economic crisis experienced in 2001 brought about significant structural

changes in the Turkish Banking Sector. The Banking Regulation and Supervision

Agency (BRSA) has been established and a number of regulations regarding the

structural strengthening of banks have been put into practice. These structural

arrangements reinforced banks and their equity structure and secured the place of

the banking system into Turkey’s economy. Naturally, the profitability and

performance of the banks have also increased during this period.

In this study, performance improvements between the years 2001-2017 have been

studied regarding the most important performance indicators using the financial

ratios of commercial banks operating in Turkey. For this purpose, a multi-criteria

decision-making model has been established with the Analytical Hierarchy Process

(AHP) method and a performance evaluation model has been put forward in which

banks can be ranked according to their financial ratios. The most critical point in the

model is the weighting of financial ratios as well as the scoring of the banks

according to their performances. The criterion weighting process was based on the

opinions of experts in the banking sector. Two different methods have been used in

the scoring of financial ratios of commercial banks, taking into account the quartiles

and applying linear normalization process. Findings obtained by both methods were

given as input to the AHP model and bank rankings were evaluated according to

years and the reasons of the performance changes of the banks were tried to be

analyzed.

KEYWORDS: banking and finance, performance evaluation, multi-criteria decision

making, AHP.

Supervisor: Assoc. Prof. Dr.

Yusuf Tansel İç, Başkent University, Department of

(9)

iii

İÇİNDEKİLER LİSTESİ

Sayfa

ÖZ ... i

ABSTRACT ... ii

İÇİNDEKİLER LİSTESİ ... iii

ŞEKİLLER LİSTESİ ... iv

ÇİZELGELER LİSTESİ ... v

SİMGELER VE KISALTMALAR LİSTESİ ... vi

1. GİRİŞ ... 1

2. LİTERATÜR ... 3

3. YÖNTEM (AHP) ... 10

4. UYGULAMA ... 15

4.1. Türkiye Bankalar Birliği (TBB) Verileri ... 15

4.2. Veri Tabanı... 19

4.3. Ağırlıklandırma ... 21

4.3.1. Expert Choice ... 23

4.4. Puanlama ... 25

4.4.1. Kartile göre puanlama ... 27

4.4.2. Normalizasyona göre puanlama ... 29

4.5. Sıralama Sonuçları ... 30

5. TARTIŞMA (SENARYO ANALİZİ) ... 35

6. SONUÇLAR ... 50

KAYNAKLAR LİSTESİ ... 52

(10)

iv

ŞEKİLLER LİSTESİ

Sayfa

Şekil 3.1

Üç Seviyeli Analitik Hiyerarşi Modeli………. 10

Şekil 4.1

Hiyerarşik Yapı……….. 18

Şekil 4.2

Excel’de Oluşturulan Veri Tabanı………... 20

Şekil 4.3

Kriterlerin Ağırlıkları……….. 23

Şekil 4.4

Alt Kriterlerin Ağırlıkları………. 24

Şekil 5.1

Senaryo 2 İkili Karşılaştırma Matrisi ve Tutarlılığı………. 36

Şekil 5.2

Senaryo 2 Kriter Ağırlıkları………... 36

Şekil 5.3

Senaryo 3 İkili Karşılaştırma Matrisi ve Tutarlılığı………. 38

Şekil 5.4

Senaryo 3 Kriter Ağırlıkları………... 39

Şekil 5.5

Büyük Ölçekli Bankaların Performans Puanları Açısından

Karşılaştırılması……… 42

Şekil 5.6

Orta Ölçekli Bankaların Performans Puanları Açısından

Karşılaştırılması……… 43

Şekil 5.7

Küçük Ölçekli Bankaların Performans Puanları Açısından

Karşılaştırılması……… 44

Şekil 5.8

Büyük Ölçekli Bankaların Yıllara Göre Performans Puanı

Grafikleri………. 46

Şekil 5.9

Orta Ölçekli Bankaların Yıllara Göre Performans Puanı

Grafikleri………. 47

Şekil 5.10 Küçük Ölçekli Bankaların Yıllara Göre Performans Puanı

Grafikleri………. 48

(11)

v

ÇİZELGELER LİSTESİ

Sayfa

Çizelge 3.1

Saaty İkili Karşılaştırma Ölçeği……… 11

Çizelge 3.2

Rassal İndeks Değerleri………... 14

Çizelge 4.1

Araştırmaya Dahil Olan Bankalar……… 15

Çizelge 4.2

Kullanılan Kriter ve Alt Kriter Kodları………... 16

Çizelge 4.3

Kriterlerin İkili Karşılaştırması……….. 21

Çizelge 4.4

Sermaye Yeterliliği Alt Kriterlerinin İkili Karşılaştırması……… 21

Çizelge 4.5

Bilanço Yapısı Alt Kriterlerinin İkili Karşılaştırması…………... 21

Çizelge 4.6

Aktif Kalitesi Alt Kriterlerinin İkili Karşılaştırması………... 22

Çizelge 4.7

Likidite Alt Kriterlerinin İkili Karşılaştırması……… 22

Çizelge 4.8

Karlılık Alt Kriterlerinin İkili Karşılaştırması……… 22

Çizelge 4.9

Gelir-Gider Yapısı Alt Kriterlerinin İkili Karşılaştırması………. 22

Çizelge 4.10

Sektör Yapısı Alt Kriterlerinin İkili Karşılaştırması………. 22

Çizelge 4.11

Grup Payları Alt Kriterlerinin İkili Karşılaştırması……….. 22

Çizelge 4.12

Şube Rasyoları Alt Kriterlerinin İkili Karşılaştırması…………. 23

Çizelge 4.13

Faaliyet Rasyoları Alt Kriterlerinin İkili Karşılaştırması………. 23

Çizelge 4.14

Fayda Kriterleri……….. 26

Çizelge 4.15

Maliyet Kriterleri………. 26

Çizelge 4.16

Fayda Kriterleri Puan Tablosu………. 28

Çizelge 4.17

Maliyet Kriterleri Puan Tablosu……… 28

Çizelge 4.18

Bankaların 2002 Yılı Sırası ve Puanı……….. 30

Çizelge 4.19

Bankaların 2007 Yılı Sırası ve Puanı……….. 31

Çizelge 4.20

Bankaların 2012 Yılı Sırası ve Puanı……….. 31

Çizelge 4.21

Bankaların 2016 Yılı Sırası ve Puanı……….. 32

Çizelge 4.22

Kartil ve Normalizasyon Spearman Sıra İlişkisi………. 34

Çizelge 5.1

Faaliyet Performansına Göre İkili Karşılaştırma Matrisi……... 35

Çizelge 5.2

Senaryo 2 Banka Sıra ve Puanları……….. 37

Çizelge 5.3

Özkaynak Yeterliliği ve Karlılığı, Faaliyet Performansına

Göre İkili Karşılaştırma Matrisi………. 38

Çizelge 5.4

Senaryo 3 Banka Sıra ve Puanları……….. 40

Çizelge 5.5

Bankaları Toplam Aktiflere Göre Sıralama ve Gruplandırma.. 41

Çizelge 5.6

Bankaların Yıllar Arasında Etkilendiği Kriter ve Alt Kriterler…. 49

(12)

vi

SİMGELER VE KISALTMALAR LİSTESİ

SİMGELER

𝜆

_𝑚𝑎𝑥

Özdeğer

A

Köşegen Matris

B

Sütun Vektörü

C

Normalleştirilen Matris

CI

Tutarlılık İndeksi

CR

Tutarlılık Oranı

𝑑

𝑘

İki Farklı Veri Setinin Her Bir Elemanının Arasındaki Fark

K

Veri Sayısı

n

Kriter Sayısı

𝑟

_𝑠

Tutarlılık Ölçüsü

RI

Rassal İndeks

W

Öncelik Vektörü

𝑋𝑖

i. Bankanın Finansal Oran Değeri

Z

Test İstatistiği

KISALTMALAR

AHP

Analytic Hierarchy Process

CAMELS

Capital Assets Management Earnings Liquidity Sensitivity

ÇKKV

Çok Kriterli Karar Verme

DEA

Data Envelopment Analysis

ELECTRE

Elemination and Choice Translating Reality English

GRA

Grey Relational Analysis

MOORA

Multi Objective Optimization by Ratio Analysis

PROMETHEE Prefence Ranking Organization Method for Enrichment Evaluations

SAW

Simple Additive Weighting

TBB

Türkiye Bankalar Birliği

TC

Türkiye Cumhuriyeti

TOPSIS

Technique for Order Preference by Similarity to Ideal Solution

(13)

1

1. GİRİŞ

Ekonominin gelişmesi açısından bankacılık sektörü en önemli finansal aktörlerden

biridir. Etkili ve verimli bir bankacılık sistemi krizlere karşı ülke ekonomisinin daha

dayanıklı olmasını sağlar. Türkiye ekonomisi ve bankacılık sektörü, 2001 ekonomik

krizinden

önemli ölçüde etkilenmiştir. Ciddi bir sarsıntı geçiren Türk bankacılık

sektörü, “Yeniden Yapılandırma Programı” ve mali sektördeki yapısal

düzenlemelerle beraber kendini toparlamış ve daha sağlıklı bir yapıya kavuşmuştur.

2001 krizinin

negatif etkileri sonrası, Türkiye ekonomisinde bankacılık sektörü

açısından olumlu gelişmelerin yaşandığı ve büyümenin başladığı dönem olmuştur.

Bu süreç içerisinde bankaların karlılıkları ve performansları da artmıştır. Ancak

dönem dönem dalgalanmalar meydana gelmiştir.

Hem

kaynakların etkili kullanımı hem de olası krizlere karşı önlem alabilmek için

bankaların performansının değerlendirilmesi bir gereklilik olmaktadır. Bankacılık

sektöründe performansın doğru bir şekilde ölçülebilmesi, sektördeki bankaların

finansal yapıları hakkında güvenilir sonuçlar elde edebilmek açısından önemlidir.

Bankayla ilişkisi olan ya da olmayan kişiler ve kuruluşlar, performans ölçümü

sayesinde bankanın finansal durumu hakkında bilgi edinmektedir.

Günümüzde bankaların performansları her finansal orana göre ayrı ayrı

değerlendirildiğinde farklı sonuçların ortaya çıktığı gözlemlenmektedir. Herhangi bir

oranda yüksek performans gösteren banka başka bir oranda düşük performans

gösterebilmektedir. Bu nedenle karar verici en iyi seçeneğin bulunmasında oldukça

zorlanmaktadır.

Karar vericiler, alternatifler arasından birden fazla birbirleri ile amaçları

doğrultusunda çelişen kriterleri dikkate aldığında en etkin seçeneği bulmak

zorundadırlar. Birden fazla birbiriyle çelişen ya da etkileşim halinde olan kriterlerin

olması karar vericileri çok kriterli karar verme yöntemini kullanmaya

yönlendirmektedir.

Bu çalışmanın amacı, bankaların en önemli performans göstergeleri olan finansal

oranlardan elde edilen veriler doğrultusunda 2001-2017 yılları arasındaki bankaların

finansal performanslarının gelişimlerini incelemektir. Bu amaca yönelik olarak 18

ticari bankanın finansal oranları düzenlenerek, AHP yöntemi kullanılarak çok ölçütlü

(14)

2 karar verme modeli oluşturulmuştur. Bu modelde finansal oranların oluşturduğu

kriterler

alanında uzman kişiler tarafından ağırlıklandırılmış ve finansal oranlara

göre bankaların gösterdikleri performanslar iki farklı yöntemle 0-1 aralığında

puanlanmıştır. İlk yöntemde finansal oranlar kartiller dikkate alınarak, ikinci

yöntemde ise finansal oranlara normalizasyon işlemi uygulanarak tüm bankalar

kriterlere göre puanlanmıştır. Yöntemlerden elde edilen sonuçlar oluşturulan AHP

modelinde girdi olarak kullanılarak, bankaların yıllara göre sıralamaları, performans

puanları, performanslarındaki değişimleri ve kullanılan iki farklı puanlama

yönteminin sonuçlar üstündeki etkileri analiz edilmiştir. Ayrıca bankaların ekonomik

kriz dönemlerinde gösterdikleri performansı incelemek için öz kaynak yeterliliği ve

karlılığını, kriz olmadığı dönemlerde faaliyet performansını ve daha sonra bu iki

durumu beraber ele alan

3 farklı senaryo kurgulanmıştır. Bu kurgu sonucunda

bankaların senaryolara göre gösterdikleri değişimler de incelenmiştir.

Çalışmanın ikinci bölümünde bankaların performans değerlendirmesinde çok kriterli

karar verme yöntemini kullanan çalışmalar incelenmiş, üçüncü bölümünde

kullanılacak olan AHP yöntemi açıklanmış, dördüncü bölümünde AHP yönteminin

çalışmaya uyarlanmasına yer verilmiş, beşinci bölümde 3 farklı senaryo

karşılaştırılmış ve altıncı bölümde elde edilen sonuçlar özetlenmiştir.

(15)

3

2. LİTERATÜR

Literatür incelendiğinde bankaların performans değerlendirilmesinde oran analizleri,

parametrik ve parametrik olmayan yöntemler ve çok kriterli karar verme teknikleri

kullanılmaktadır. Bu kapsamda bankaların performanslarının değerlendirilmesinde

Çok Kriterli Karar Verme (ÇKKV) yaklaşımlarından DEA (Data Envelopment

Analysis), AHP (Analytic Hierarchy Process), TOPSIS (Technique for Order

Preference by Similarity to Ideal Solution), GRA (Grey Relational Analysis), VIKOR

(Vise Kriterijumska Optimizacija I Kompromisno Resenje), CAMELS (Capital Assets

Management Earnings Liquidity Sensitivity), ELECTRE (Elemination and Choice

Translating Reality English), PROMETHEE (Prefence Ranking Organization

Method for Enrichment Evaluations), MOORA (Multi Objective Optimization by Ratio

Analysis), SAW (Simple Additive Weighting)

gibi birçok yöntem kullanılmaktadır.

Burada sadece bankaların performanslarının değerlendirilmesinde kullanılan ÇKKV

yöntemlerini ele alan çalışmalar tarihsel bir sıralama ile aşağıda yer almaktadır.

Ta ve Har (2000), Singapur’daki bankaların performanslarını finansal olmayan

müşteri memnuniyeti kriterini de ele alarak AHP yöntemi ile değerlendirmişlerdir [1].

Hunjak ve Jakovčević (2001), çalışmalarında Hırvatistan’daki bir bankayı ÇKKV

yöntemi olan DEA ile 1999 yılı finansal oranlarını kullanarak ve finansal

performanslarını AHP tabanlı bir model oluşturarak ölçmüşlerdir [2].

Atan, Maden ve Akyıldız (2004), bir bankada kredi talep edenlerin taleplerinin ve

kredi miktarlarının AHP yöntemi kullanılarak değerlendirilmesi sonucu kabul ya da

reddine karar verilmesini hedeflemiştir [3].

Albayrak ve Erkut (2005), bankaların performans değerlendirmesinde finansal ve

finansal olmayan kriterlerin beraber

kullanıldığı AHP prensiplerine göre

oluşturulmuş bir model geliştirmişlerdir. Çalışma bankacılık sektöründe sadece

finansal kriterlerle performans ölçmenin eksik ve yanlış sonuçlar ortaya çıkarcağını

kanıtlamaya çalışmıştır [4].

Kılıç (2006), ELECTRE yöntemi kullanarak Türkiye’deki bankaların olası finansal

başarısızlıklarının belirlenmesi için erken uyarı sistemini geliştirmiştir. Bu sistem

sayesinde finansal başarısızlıkların önlenebileceği belirtilmiştir [5].

(16)

4 Ho ve Wu (2006), Avusturya’da faaliyet gösteren en büyük 3 bankanın finansal

olarak

performanslarını karşılaştırmak için GRA yöntemini kullanmışlardır.

Kullanılan yöntemde seçilen oranları analiz ederek bankalardaki finansal

performansı en fazla likit varlıkların etkilediğini ortaya koymuşlardır [6].

Chang (2006), Tayvan’da bulunan 15 bankanın finansal performanslarını

değerlendirmek için GRA yönteminden yararlanmıştır. Sonuçta finansal

performansta en fazla karlılıkla ilgili oranların etkili olduğunu ortaya koymuştur [7].

Bayrakdaroğlu ve Ege (2008), Türkiye’de faaliyet gösteren bankaları AHP yöntemi

ile ağırlıklandırarak ve 2001-2006 yılları finansal oranlarını kullanarak

değerlendirmişlerdir. Çalışma sonucunda en iyi mevduat bankalarının, en kötü ise

yabancı sermayeli bankaların performans sergilediği ortaya konulmuştur [8].

Abbasi ve diğerleri (2008), İran’daki bir bankanın performansını TOPSIS yöntemini

kullanarak kendi belirledikleri 7 finansal kriter ile

ölçmüşlerdir. Cari hesapların en

karlı varlık olduğu, kısa ve uzun vadeli mevduatların ise bunu takip ettiği sonucuna

ulaşmışlardır [9].

Wu ve diğerleri (2009), çalışmalarında Bulanık AHP ile ağırlıklandırdıkları finansal

ve finansal olmayan kriterleri

ÇKKV yöntemlerinden SAW, TOPSIS ve VIKOR

kullanarak performans ölçümünü yapmışlardır. Sonuç olarak bankaların performans

ölçümü için uygun ve diğer sektörlerde kullanılabilecek yöntemler olduklarını

belirtmişlerdir [10].

Yalçın Seçme, Bayrakdaroğlu ve Kahraman (2009), Türkiye’deki en büyük 5

bankanın finansal ve finansal olmayan kriterlerini dikkate alarak Bulanık AHP,

Bulanık TOPSIS teknikleriyle performansını değerlendirmiştir. Sonuç olarak,

finansal olmayan kriterler öznelliği ortaya çıkardığı görülmüştür [11].

Köse ve Bülbül (2009), 2008 yılında Türkiye’de faaliyet gösteren bankaların

2005-2008

yıllarındaki finansal performansları TOPSIS yöntemiyle değerlendirmiştir.

Bulgular sonucunda

kamusal ve özel sermayeli mevduat bankalarının

performanslarındaki değişimden dolayı küresel krizden etkilendiği, yabancı

sermayeli bankalarda ise değişim meydana gelmediği gözlemlenmiştir [12].

(17)

5 Çetin ve Bıtırak (2010), AHP yöntemiyle 2005-2007 yıllarına ilişkin finansal tablolar

yardımıyla bankaların performansları değerlendirilmiştir. İlgili yıllarda ticari

bankalardan en yüksek performansı Akbank’ın gösterdiği sonucuna ulaşılmıştır [13].

Çetin ve Çetin (2010), 2008 yılı rasyoları kullanılarak 13 banka Bulanık AHP

yöntemiyle ağırlıklandırmış ve finansal performans VIKOR yöntemiyle ölçmüştür.

Sonuç olarak ilk sırada Garanti Bankası, son sırada Tekstil Bank yer almıştır [14].

Demireli (2010), 3 bankanın 2001-2007 yıllarındaki performansını 10 finansal rasyo

seçerek ve TOPSIS yöntemini kullanarak değerlendirmiştir. Sonuç olarak

bankaların krizlerden etkilendiğini, performanslarının verilere bağlı olarak

değişkenlik gösterdiğini ve istenilen iyileşmenin gerçekleşmediğini göstermişlerdir

[15].

Uçkun ve Girginer (2011), Türkiye’deki 13 bankanın finansal performansını 14 oran

kullanarak GRA yöntemiyle değerlendirmişlerdir. Değerlendirme sonucunda 2008

yılında kamu bankalarından Ziraat Bankası, özel sermayeli bankalardan ise

Anadolu bankası en yüksek performans gösteren banka olarak belirlenmiştir. Ayrıca

kamu bankalarınının kârlılıkla ilgili oranları, özel bankaların ise aktif kalitesiyle ilgili

oranlarının finansal başarı açısından en önemli olduğu tespit edilmiştir [16].

Çağıl (2011), çalışmasında Türkiye’de faaliyet gösteren kamusal, özel ve yabancı

sermayeli bankaların 2006-2010 yıllarına ait finansal performanslarını ELECTRE

yöntemini kullanarak ölçmüştür. Kriz dönemlerinde bankaların sıralamalarında

sapma olabileceği sonucuna ulaşmıştır [17].

Dinçer ve Görener (2011), Türkiye’deki bankaları kamu, özel ve yabancı sermayeli

bankalar şeklinde gruplandırarak performans analizlerini gerçekleştirmiştir.

Ölçütlerin ağırlıklandırılması için AHP yönteminden yararlanmış, daha sonra VIKOR

ve TOPSIS

yöntemlerini kullanarak performanslarını değerlendirmiştir. Analizler

sonucunda yabancı sermayeli bankaların diğer bankalara göre daha iyi performans

gösterdiği belirtilmiştir [18].

Yayar ve Baykara (2012), Türkiye’de 2005-2011 yıllarında varlığını sürdüren katılım

bankalarının etkinliklerini TOPSIS yöntemiyle ölçümlemeye çalışmışlardır.

(18)

6 Araştırma sonucunda, Albaraka Türk Bankası en etkin katılım bankası olarak

belirlenmiştir [19].

Mahrooz, Maedeh ve Morteza (2013) İran’da bulunan bankaların finansal

performanslarını Bulanık AHP ve TOPSIS yöntemleriyle ölçümleyerek

yorumlamışlardır [20].

Sakarya ve Aytekin (2013), Borsa İstanbul’da (eski adı İstanbul Menkul Kıymetler

Borsası) işlem gören 12 ticari bankayı, 2007-2011 yılları arasındaki 10 finansal oranı

ve

PROMETHEE

yöntemini

kullanarak

performansları

açısından

karşılaştırmışlardır. Ayrıca hisse senedi getirileri ve banka performansları arasında

ilişki olup olmadığına bakılmıştır. En iyi performansı yabancı sermayeli bir banka

sergilerken, hisse senedi getirileri ve finansal performans arasında ilişki olmadığı

sonucuna ulaşılmıştır [21].

Ar ve Kurtaran (2013),

Türkiye’deki 13 ticari bankanın 2011 yılındaki finansal

verileriyle, AHP ve DEA

yöntemleri kullanarak performanslarını belirlenmeye

çalışmışlardır. Çalışma sonucunda kamu sermayeli ticari bankaların diğer bankalara

göre daha yüksek performans gösterdikleri tespit edilmiştir [22].

Özdemir ve Demireli (2013), 2011 ve 2012 yıllarındaki verilerle 12 adet ticari

bankanın finansal oranların ağırlıklarını AHP yöntemiyle, performans

değerlendirmelerini ise TOPSIS ve VIKOR yöntemleriyle yapılmıştır. Bulgular

sonucunda iki yöntemde bankaların sıralamasının farklı olduğu gözlemlenmiş fakat

istatistiksel olarak bakıldığında anlamlı bir farklılığın olmadığı görülmüştür [23].

Akkoç ve Vatansever (2013), 2010 yılına finansal rasyolarla 12 bankanın

performanslarını Bulanık AHP ve Bulanık TOPSIS yöntemleriyle değerlendirerek,

bu iki yöntemi karşılaştırmıştır. Bulgular sonucunda iki yöntem de benzer sonuçlar

elde edilmiştir [24].

Doğan (2013), GRA yaklaşımını kullanarak 10 bankanın 2005-2011 yılları

arasındaki finansal performanslarını ölçmüş ve finansal oranlardan hangisinin daha

belirleyicini olduğunu bulmaya çalışmıştır. En iyi performans sergileyen bankanın

Akbank ve en belirleyici kriterin aktif karlılığı olduğu sonucuna ulaşılmıştır [25].

(19)

7 Önder ve diğerleri (2013), 2002-2011 döneminde 17 bankanın finansal

performansını AHP ve TOPSIS yöntemlerini birleştirerek değerlendirmeyi

amaçlamıştır. AHP yöntemini finansal oranların ağırlıklarının belirlenmesinde ve

TOPSIS yöntemi de bankaların sıralanması için kullanmışlardır. Bulgular

sonucunda Akbank en iyi performans gösteren banka olmuştur [26].

Önder ve Hepşen (2013), 2002-2011 yılları arasında 17 bankanın finansal

performanslarını değerlendirerek gelecek döneme ait performanslarını tahmin

etmeyi

hedeflemiştir. Bankaların ağırlıklarının belirlenmesi için AHP ve banka

sıralaması için TOPSIS yöntemini kullanmışlardır. Ayrıca zaman serisi analizini

tahmin yöntemi olarak kullanmışlardır. Bulgular sonucunda Akbank’ın en iyi

performansa sahip olduğu gözlemlenirken, gelecek dönemde Garanti Bankası’nın

olacağı tahmin edilmiştir [27].

Bağcı ve Rençber (2014), 13 bankanın 2006-2012 yıllarında performanslarını

PROMETHEE

tekniğini kullanarak değerlendirmiştir. Kamu bankalarının, özel

bankalara göre daha yüksek performans gösterdiği ve en karlı Halk Bankası’nın

olduğu sonucuna ulaşılmıştır [28].

Aliakbarzadeh ve Tabriz (2014), “Tose Asr Shomal” adlı faizsiz kredi fonunun

2013-2014 yılları arasında performansını finansal ve finansal olmayan kriterlere göre

ölçmüşlerdir. Bulanık AHP, TOPSIS yöntemi ve anket uygulaması kullanmışlardır.

Finansal kriterlerin finansal olmayan kriterlerden

daha önemli olduğu sonucuna

ulaşılmıştır [29].

Mandic ve diğerleri (2014), Sırbistan bankacılık sektörünü 2005-2010 yılları

arasında incelemişlerdir. Kriterlerin ağırlıklandırılması için Bulanık AHP, bankaların

performans sıralaması için TOPSIS yöntemi kullanmışlardır. En iyi performans

gösteren “Banca Intesa Bank” olmuştur [30].

Gündoğdu (2015), Türkiye’de kurulan yabancı sermayeli bankalar 2003-2013 yılları

arasında TOPSIS yöntemiyle performansları açısından değerlendirilmiştir.

Deutsche Bank, 2003-2009 yılı aralığında en iyi performans gösteren banka olurken

Turkland Bank ve Burgan Bank ilgili

dönemde en kötü performans gösteren

bankalar olarak belirlenmiştir [31].

(20)

8 Güney ve Ilgın (2015), finansal krizlerin, mevduat bankalarında performansa

etkilerinin incelenmesi için CAMELS modeliyle 2002-2012 dönemi verileri

değerlendirilmiştir. 2001 krizinden sonra bankaların krizlere karşı tedbirli olduğu,

2008 krizini ise ufak bir sallantıyla atlattığı sonucu elde edilmiştir [32].

Güneysu ve diğerleri (2015), 2010-2014 dönemindeki ticari bankaların finansal

performanslarını, 16 adet kriter kullanarak değerlendirmiştir. Finansal oranların

ağırlıklandırılması için AHP, performans puanlarının sıralanması için GRA yöntemi

kullanılmıştır. Kamu sermayeli Ziraat Bankası’nın, özel sermayeli Adabank’ın ve

yabancı sermayeli JP Morgan Chase Bank’ın kendi gruplarında en iyi performans

gösteren bankalar olduğuna ulaşılmıştır [33].

Çalışkan ve Eren (2016), 2010-2014 yılları arasında 20 banka için seçilen 10

finansal kriter

yardımıyla AHP ve PROMETHEE yöntemleri kullanılarak

performansları karşılaştırılmıştır [34].

Şişman ve Doğan (2016), 2008-2014 yılları arasında Bulanık AHP ve Bulanık

MOORA yaklaşımları bütünleştirilerek 10 bankanın performansı değerlendirilmiştir.

İkili kriter karşılaştırılmaları ve kriterlerin ağırlıkları Bulanık AHP ile bankaların

sıralanması ve değerlendirilmesi ise Bulanık MOORA ile belirlenmiştir. Analizler

sonucunda Akbank ilk sırada yer alırken TEB son sırada yer almıştır. Ayrıca karlılık

oranınında finansal performansta etkili olabileceği sonucuna ulaşılmıştır [35].

Cula ve diğerleri (2016), yaptıkları çalışmada 2005-2016 yılları arasında 20

bankanın 14 finansal veri grubuna göre gelişimlerini analiz etmişlerdir. Verilerin

çözümlenmesi için SPSS, ortalamaları arasında anlamlı fark olup olmadığına

bakmak için ANOVA kullanmışlardır. Çalışmalarında 4 farklı bakış açısı ele

alınmıştır. İlk olarak her finansal veri grubunun gelişimlerinin hangi yıllarda

farklılaştığına, ikinci olarak küçük, orta ve büyük ölçekli banka ve üçüncü olarak yerli

özel, yabancı özel ve kamu sermayeli banka sınıflandırması yapılarak finansal veri

gruplarının hangisinde benzerlik ya da farklılık gösterdiğine, son olarak tüm finansal

veri gruplarına göre bankaların benzerliklerine ya da farklılıklarına bakmışlardır [36].

Bankaların

performans

değerlendirme

sürecinde

farklı

yöntemlerden

(21)

9 göre incelenmiştir. Tek başına bazı yöntemlerin modellenememesinden dolayı

birden fazla yöntem kullanıldığı, sonuçların daha kolay elde edilebilmesi için daha

kısa aralıklarda yıl seçimi yapıldığı ve kriterlerin bütün olarak ele alınmayarak her

kritere göre ayrı ayrı bankaların benzerlikleri ya da farklılıklarının analiz edildiği

görülmüştür.

Çalışmada, sadece AHP yöntemin modellenmesi sonucu birden fazla yönteme

ihtiyaç duyulmaması, 2001 krizinden sonra kapsamlı bir şekilde yıl aralığı ele

alınarak daha doğru sonuçların elde edilebileceği ve kriterlere göre ayrı ayrı

yorumlamak yerine tüm kriterleri beraber ele alarak daha gerçek sonuçların elde

edilebileceği öngörülmüştür. Literatürdeki çalışmalardan faydalanılarak ve

eksiklikleri göz önünde bulundurularak bankaların performans değerlendirme

sürecine yönelik kapsamlı bir çalışma oluşturulmuştur.

(22)

10

3. YÖNTEM (AHP)

Bankaların finansal performansını ölçen yöntemler hakkında literatür taraması ile

önceki çalışmalar incelenmiştir. Çok kriterli karar verme yöntemlerinden biri olan

AHP pratik, kolay anlaşılabilir bir yapıda olmasından dolayı ve problemin yapısına

ve modellenmesine elverişli olduğundan bu çalışmada tercih edilmiştir.

Thomas L. Saaty tarafından 1970’li yıllarda Analitik Hiyerarşi Prosesi (AHP)

geliştirilmiş ve çok kriterli karar verme problemlerinin çözümünde kullanılmıştır.

AHP, çok kriterli karar verme problemlerinde; hedef, kriterler, alt kriterler ve

alternatifler arasındaki ilişkiyi göstererek, hiyerarşik bir yapıda oluşturulan sürecin

modellenmesine yardımcı olmaktadır. Kriterlerin ve alt kriterlerin ağırlıkları

hesaplanarak, amaca katkıları bulunmaktadır. Ağırlıkları hesaplanan bu değerlere

göre, karar verici amaca en uygun alternatifi seçebilir [18]. AHP yönteminin

uygulaması üç adımda gerçekleşmektedir. Bu adımlar [37;38].

Adım 1: Hiyerarşik yapının oluşturulması,

Bu adımda öncelikle amaç belirlenerek amacı etkileyen ana kriterler tespit edilir.

Daha sonra alternatiflere ulaşana kadar ana kriterleri oluşturan alt kriterler belirlenir.

Tüm kriterler belirlendikten sonra alternatiflerle beraber hiyerarşik yapı oluşturulur.

Saaty’nin üç seviyeli hiyerarşisi Şekil 3.1’de gösterilmektedir [39].

(23)

11 Adım 2: İkili karşılaştırma matrislerinin oluşturulması ve değerlendirilmesi,

Hiyerarşik yapı oluşturulduktan sonra kriter ve alt kriterlerin kendi aralarında

karşılaştırılması gerekmektedir. Bunun için ikili karşılaştırma matrisleri oluşturularak

karşılaştırılır. Matrislerin karşılaştırılmasında genellikle Saaty tarafından önerilen

1-9

ikili karşılaştırma ölçeği kullanılmaktadır [40]. Çizelge 3.1’de ikili karşılaştırma

ölçeğinde kullanılan değerler ve anlamları açıklanmıştır.

Çizelge 3.1 Saaty İkili Karşılaştırma Ölçeği

Önem

Değeri

Önem Düzeyi

Açıklama

1 Eşit derecede

önemli

Her iki kriterin eşit öneme sahip olması

3 Orta derecede

önemli

i.kriterin j. kriterden daha önemli olması durumu

5 Kuvvetli derecede

önemli

i.kriterin j. kriterden çok önemli olması durumu

7 Çok kuvvetli

derecede önemli

i.kriterin j. kritere göre çok güçlü öneme sahip

olması durumu

9 Aşırı derecede

önemli

i.kriterin j. kritere göre mutlak üstün bir öneme

sahip olması durumu

2, 4, 6

ve 8

Ara değerler

Uzlaşma gerektiğinde iki değer arasındaki durum

Değerlendirmeye alınan n tane kriter varsa, i. kriterin j. kritere göre önemini

belirlemek için Saaty İkili Karşılaştırma Ölçeği kullanılarak Eşitlik (3.1)’deki (nxn)’lik

A matrisi oluşturulur. Kriter ya da alternatif matrisleri ikili olarak karşılaştırılır.

Matristeki değerler arasında; 𝑎

_𝑖𝑗

= 1/𝑎

_𝑖𝑗

ve köşegen değerleri de i = j olduğundan

𝑎

_𝑖𝑖

= 1 ilişkisi vardır. İkili karşılaştırmalar köşegen değerleri 1 olan matrislerde

köşegenin üstünde kalan değerlere uygulanır. Köşegenin altında kalan değerler için

de 𝑎

_𝑖𝑗

= 1/𝑎

_𝑖𝑗

eşitliği kullanılır [18].

(24)

12 𝐴 =

[

1 𝑎

_𝑖𝑗

⋯

𝑎

_𝑖𝑛

1/𝑎

𝑖𝑗

1 ⋯

⋯

⋮

⋱

⋮

1/𝑎

_𝑖𝑛

⋯

1 ]

_𝑛𝑥𝑛

(3.1)

İkili karşılaştırma matrisleri oluşturulurken, uygulayıcılar alanında uzman kişilerden

seçilmektedir [33].

Adım 3: Oluşturulan ikili matrislerin önceliklerinin hesaplanmasıdır.

Bu adımda, oluşturulan ikili karşılaştırma matrisleri normalleştirilerek, her matrisin

önem vektörü hesaplanır. Normalleştirme yapılırken Eşitlik (3.2) ile hesaplanan

matris elemanları kullanılarak Eşitlik (3.3)’deki B sütun vektörlerini oluştururlar. Bu

işlem tüm kriterler için uygulandığında, kriter sayısı kadar B sütun vektörü

oluşacaktır. n tane B vektörü, Eşitlik (3.4)’deki C matrisini oluşturmaktadır.

Normalize C matrisinde, Eşitlik (3.5) yardımıyla her bir satır değerlerinin aritmetik

ortalaması alınarak her kriterin önem ağırlığı bulunmaktadır. Kriter ağırlıklarını

gösteren W öncelik vektörü Eşitlik (3.6) ile gösterilmektedir [41].

𝑏

_𝑖𝑗

=

𝑎

𝑖𝑗

∑

𝑛_𝑖=1

𝑎

_𝑖𝑗

(3.2)

𝐵 =

[

𝑏

11

𝑏

₂₁

⋮

𝑏

𝑛1

]

(3.3)

𝐶 = [

𝑐

₁₁

𝑐

₁₂

⋯

𝑐

_1𝑛

𝑐

₂₁

𝑐

₂₂

⋯

𝑐

_2𝑛

⋮

⋱

⋮

𝑐

𝑛1

𝑐

𝑛2

⋯

𝑐

𝑛𝑛

] (3.4)

𝑊

𝑖

=

∑

𝑛𝑗=1

𝑐

𝑖𝑗

𝑛

(3.5)

𝑊 = [

𝑤

₁

𝑤

2

⋮

𝑤

𝑛

] (3.6)

Öncelik vektörünü oluşturan ağırlıkların toplamları 1’e eşittir. Karar problemlerinde

en yüksek değeri alan en iyi seçeneği ifade etmektedir.

(25)

13 Saaty, önceki adımlarda yapılan ikili karşılaştırmaların tutarlılığını ölçmek için

‘Tutarlılık Oranı (CR)’ terimini ortaya çıkarmıştır. Bu oranın hesaplanması

sonucunda ortaya çıkan değer için üst limit 0,10 olarak belirlenmiştir [37;38].

0,10’dan büyük çıkan CR değerleri, ikili karşılaştırmaların yanlış yapıldığını ifade

etmektedir. CR değerinin 0,10’dan küçük olması ise yapılan karşılaştırmaların tutarlı

olduğunu göstermektedir. CR değeri Eşitlik (3.7)’de gösterildiği gibi tutarlılık

indeksinin (CI), rassal indekse (RI) bölünmesiyle elde edilir. Tutarlılık indeksi Eşitlik

(3.8) ile hesaplanmaktadır.

𝐶𝑅 =

𝐶𝐼

𝑅𝐼

(3.7)

𝐶𝐼 =

𝜆

𝑚𝑎𝑥

− 𝑛

𝑛 − 1

(3.8)

CI değerinin bulunabilmesi için öncelikle 𝜆

_𝑚𝑎𝑥

olarak ifade edilen matrisin en büyük

özdeğeri hesaplanmalıdır. 𝜆

𝑚𝑎𝑥

hesaplanırken öncelikle A vektörü ve W vektörü

çarpılarak Eşitlik (3.9)’da 𝐴𝑥𝑊 matrisi elde edilir. 𝐴𝑥𝑊 matrisi D sütun vektörünü

oluşturur ve Eşitlik (3.10)’daki 𝐸

_𝑖

değerleri hesaplanır. Daha sonra Eşitlik (3.11) ile

en büyük özdeğer 𝜆

𝑚𝑎𝑥

elde edilir.

𝐴𝑥𝑊 = [

𝑎

₁₁

𝑎

₁₂

⋯

𝑎

_1𝑛

𝑎

₂₁

𝑎

₂₂

⋯

𝑎

_2𝑛

⋮

⋱

⋮

𝑎

𝑛1

𝑎

𝑛2

⋯ 𝑎

𝑛𝑛

] 𝑥 [

𝑤

₁

𝑤

₂

⋮

𝑤

_𝑛

] (3.9)

𝐸

_𝑖

=

𝑑

𝑖

𝑤

𝑖

(𝑖 = 1,2, . . , 𝑛) (3.10)

𝜆

_𝑚𝑎𝑥

=

∑

𝐸

𝑖 𝑛 𝑖=1

𝑛

(3.11)

Saaty tarafından belirlenen rassal indeks (RI) Çizelge 3.2’de gösterilmektedir.

Rassallık indeksi sabit değerlerden oluşmaktadır. Bu değerler n faktör sayısına göre

farklılık göstermektedir [42;43;44].

(26)

14 Çizelge 3.2 Rassal İndeks Değerleri

N

1

2

3

4

5

6

7

8 RI

0

0 0.58 0.90 1.12 1.24 1.32 1.41

N

9

10

11

12

13

14

15 RI 1.45 1.49 1.51 1.53 1.56 1.57 1.59

Tüm ikili karşılaştırma matrislerinin tutarlı olması durumunda, kriterlere göre elde

edilen ağırlıklardan en büyük değere sahip olan alternatifin tercih edilmesi

önerilmektedir [45].

AHP’de mutlak ve göreceli iki tür ölçüm vardır. Birincisinde genellikle alternatifleri

karşılaştırmak için önceden bir standart belirlenir ve süreç nasıl ilerlerse ilerlesin bu

standart değişmez. İkincisinde ortak bir özelliğe göre kriterler arasında eşleştirilmiş

karşılaştırmalar temel alınır. Böyle bir durumda sonradan eklenen alternatif ve

kriterlere göre yeniden ölçüm yapılması gerekmektedir. Ölçümler sonucunda

sıralamalarda değişiklikler meydana gelmektedir. Standardize edilmiş problemlerde

mutlak ölçüm, yeni öğrenme durumlarında göreceli ölçüm kullanılmaktadır.

Mutlak model, tek seferde birbirinden bağımsız olan alternatifleri kriterlerin önem

değerlerine göre sıralamak için kullanılır. Öncelikle hiyerarşi geliştirilir ve kriterlere

göre seviyelere ayrılır. Her kriter bir dereceye sahip olmaktadır. Mutlak ölçüm AHP

özelliği her seviye kriterin ölçeklendirilmesini sağlar. Bu ölçekler yardımıyla kriterler

derecelendirilerek ikili karşılaştırma matrisleri oluşturulur ve birbirlerine göre

ağırlıkları hesaplanır. Bir alternatifin son değerlendirmesi çeşitli kriterlerin dereceli

ağırlıklarının toplamıdır [46].

Saaty tarafından önerilen ikili karşılaştırma ölçeği kullanılırken ölçeğin önem

değerleri önceden bilindiğinden, standart ve değişmez olduğundan mutlak ölçüt

olarak ele alınmaktadır.

Çalışmada, AHP mutlak modeli kullanılarak bankaların performanslarının

değerlendirilmesiyle ilgili vaka çalışması geliştirilmiştir.

(27)

15 4. UYGULAMA

Çalışma, Türk bankacılık sektöründe faaliyet gösteren bankaların performanslarının

yıllara göre ölçülmesi ve yorumlanmasını amaçlamaktadır. Bu bölümde bu amaçla

kullanılan çok kriterli karar verme yöntemi olan AHP modelinin geliştirilmesi

aşamaları sunulmaktadır.

4.1. Türkiye Bankalar Birliği (TBB) Verileri

Çalışmanın uygulama aşamasında gerçek bir sonuca ulaşmak için en önemli faktör

verilerin elde edilmesidir. 2001-2017 yılları arasından 5 yıllık periyotlarla 2002, 2007,

2012 ve 2016 yılı finansal oranları seçilerek kullanılmıştır. Çalışmaya başlandığında

2017 finansal oranları yayınlanmadığı için onun yerine 2016 finansal oranları

kullanılmıştır. Seçilen yıllarda Türkiye’de faaliyet gösteren 3’ü kamu sermayeli, 6’si

özel sermayeli, 8’i yabancı sermayeli ve 1’i tasarruf mevduatı olan 18 banka

çalışmanın örneklemini oluşturmuştur. Verileri kullanılan bankalar alfabetik sıraya

göre Çizelge 4.1’de gösterilmiştir.

Çizelge 4.1 Araştırmaya Dahil Olan Bankalar

Bankalar

Akbank T.A.Ş.

Alternatif Bank A.Ş.

Arap Türk Bankası A.Ş.

Birleşik Fon Bankası A.Ş.

Citibank A.Ş.

Denizbank A.Ş.

Finans Bank A.Ş.

HSBC Bank A.Ş.

Şekerbank T.A.Ş.

Turkish Bank A.Ş.

Turkland Bank A.Ş.

Türk Ekonomi Bankası A.Ş.

Türkiye Cumhuriyeti Ziraat Bankası A.Ş.

Türkiye Garanti Bankası A.Ş.

Türkiye Halk Bankası A.Ş.

Türkiye İş Bankası A.Ş.

Türkiye Vakıflar Bankası T.A.O.

Yapı ve Kredi Bankası A.Ş.

(28)

16 Söz konusu 18 bankaya ait kullanılacak finansal oranlar Türkiye Bankalar Birliği

(TBB)’nin internet sayfasındaki (www.tbb.org.tr) finansal tablolardan elde edilmiştir

[47]. Çalışma dönemi boyunca faaliyette olmayan ya da finansal oranlara ilişkin

verileri eksik olan bankalar çalışma kapsamına alınmamıştır.

Performans kriterlerinin seçiminde, bankacılık sektöründe 5-10 yıl çalışmış uzman

görüşlerinden faydalanılmıştır. Bu doğrultuda finansal tablolardan elde edilen ve

performans ölçütü olarak kabul edilen 10 kriter, 44 alt kriter kullanılmıştır. Bu yüzden

tablolar düzenlendikten sonra tekrar ele alınmıştır ve ilgili yıllara göre bankaların

finansal oranlarını içeren düzenlenmiş tablolar Ek 1’de verilmiştir. Finansal

performans kriteri olarak ele alınan oranlar ve kodları Çizelge 4.2’de gösterilmiştir.

Çizelge 4.2 Kullanılan Kriter ve Alt Kriter Kodları

Sıra Kod

Kriter

SY

Sermaye Yeterliliği

1 SY1

Sermaye Yeterliliği Oranı

2 SY2

Özkaynaklar / Toplam Aktifler

3 SY3

(Özkaynaklar-Duran Aktifler) / Toplam Aktifler

4 SY4

Özkaynaklar / (Mevduat + Mevduat Dışı Kaynaklar)

BY

Bilanço Yapısı

5 BY1

TP Aktifler / Toplam Aktifler

6 BY2

YP Aktifler / Toplam Aktifler

7 BY3

TP Mevduat / Toplam Mevduat

8 BY4

TP Krediler ve Alacaklar / Toplam Krediler ve Alacaklar

9 BY5

Toplam Mevduat / Toplam Aktifler

AK

Aktif Kalitesi

10 AK1

Finansal Varlıklar (Net) / Toplam Aktifler

11 AK2

Toplam Krediler ve Alacaklar / Toplam Aktifler

12 AK3

Toplam Krediler ve Alacaklar / Toplam Mevduat

13 AK4

Takipteki Krediler (brüt) / Toplam Krediler ve Alacaklar

LKT

Likidite

14 LKT1

Likit Aktifler / Toplam Aktifler

15 LKT2

Likit Aktifler / Kısa Vadeli Yükümlülükler

16 LKT3

TP Likit Aktifler / Toplam Aktifler

KAR

Karlılık

17 KAR1

Ortalama Aktif Karlılığı

18 KAR2

Ortalama Özkaynak Karlılığı

19 KAR3

Vergi Öncesi Kar / Toplam Aktifler

20 KAR4

Net Dönem Karı (Zararı) / Ödenmiş Sermaye

GGY

Gelir-Gider Yapısı

21 GGY1

Faiz Gelirleri / Toplam Aktifler

22 GGY2

Faiz Giderleri / Toplam Aktifler

23 GGY3

Faiz Gelirleri / Toplam Gelirler

(29)

17 Çizelge 4.2 devam ediyor

SP

Sektör Payları

25 SP1

Toplam Aktifler

26 SP2

Toplam Krediler ve Alacaklar

27 SP3

Toplam Mevduat

GP

Grup Payları

28 GP1

Toplam Aktifler

29 GP2

Toplam Krediler ve Alacaklar

30 GP3

Toplam Mevduat

SR

Şube Rasyoları

31 SR1

Şube Başına Toplam Aktif

32 SR2

Şube Başına Toplam Mevduat

33 SR3

Şube Başına TL Mevduat

34 SR4

Şube Başına YP Mevduat

35 SR5

Şube Başına Krediler ve Alacaklar

36 SR6

Şube Başına Personel (kişi)

37 SR7

Şube Başına Net Kar

FR

Faaliyet Rasyoları

38 FR1

(Personel Gideri + Kıdem Tazminatı) / Toplam Aktifler

39 FR2

(Personel Gideri + Kıdem Tazminatı) / Personel Sayısı (Bin TL)

40 FR3

Kıdem Tazminatı / Personel Sayısı (Bin TL)

41 FR4

Personel Gideri / Diğer Faaliyet Giderleri

42 FR5

Diğer Faaliyet Giderleri / Toplam Aktifler

43 FR6

Toplam Faaliyet Gelirleri / Toplam Aktifler

44 FR7

Net Faaliyet Karı(Zararı) / Toplam Aktifler

Çalışmada AHP modelinin ilk aşaması, bankaların finansal performanslarının

karşılaşılaştırılması amacıyla hiyerarşik yapının oluşturulmasıdır. Bu amaç

doğrultusunda daha önceden (Bkz. Çizelge 4.1) gösterilen 18 banka alternatifi, (Bkz.

Çizelge 4.2) 10 kriter ve 44 alt kriterle beraber Şekil 4.1’deki hiyerarşik yapıyı

oluşturmuştur.

(30)

18 Şekil 4.1 Hiyerarşik Yapı

(31)

19

4.2. Veri Tabanı

Kriterler ve alt kriterlerden gelecek

ağırlıkları, finansal oranlar dikkate alınarak

atanacak olan banka puanlarını AHP yönteminde girdi olarak kullanmak için Şekil

4.2’de gösterilen veri tabanı Microsoft Excel 2016’da tasarlanmıştır. Bu veri tabanı

sayesinde

bankaların kriterlerinin ağırlıkları ve puanları sisteme girilerek, tüm alt

kriterlerin puanları Eşitlik (4.1) ile hesaplanmıştır. Daha sonra her kriter için ayrı ayrı

Eşitlik (4.2) kullanılarak kritere ait alt kriter puanları toplanarak kriter puanları elde

edilecektir. Son olarak Eşitlik (4.3)’de tüm kriter puanları toplanarak, banka puanları

her banka için yıllara göre bulunacaktır. Bu puanlar sayesinde bankaların kendi

aralarında sıralamaları yapılarak, yıllara göre gelişimleri incelenebilecektir.

𝐴𝑙𝑡 𝐾. 𝑃𝑢𝑎𝑛𝚤 = 𝐾𝑟𝑖𝑡𝑒𝑟 𝐴ğ𝚤𝑟𝑙𝚤ğ𝚤 ∗ 𝐴𝑙𝑡 𝐾. 𝐴ğ𝚤𝑟𝑙𝚤ğ𝚤 ∗ 𝑃𝑢𝑎𝑛𝚤 (4.1)

𝐾𝑟𝑖𝑡𝑒𝑟 𝑃𝑢𝑎𝑛𝚤 = ∑ 𝐴𝑙𝑡 𝐾. 𝑃𝑢𝑎𝑛𝚤 (4.2)

(32)

20 Şekil 4.2 Excel’de Oluşturulan Veri Tabanı

(33)

21

4.3. Ağırlıklandırma

Hiyerarşik yapı ve veri tabanı oluşturulduktan sonra ağırlıkların hesaplanabilmesi

için kriter ve alt kriterlerin kendi aralarında ikili karşılaştırmalarında bankacılık

sektöründe 5-10 yıl deneyimli uzmanların görüşleri dikkate alınmıştır. Uzmanlar,

Saaty tarafından önerilen ikili karşılaştırma ölçeğini kullanmışlardır. Bu ölçeğe ve

uzman görüşlerine göre oluşturulan ikili karşılaştırma matrisleri Çizelge 4.3-Çizelge

4.13 aralığında gösterilmiştir.

Çizelge 4.3 Kriterlerin İkili Karşılaştırması

SY

BY

AK

LKT KAR GGY

SP

GP

SR

FR

SY

1,00 2,00 2,00 2,00 2,00

2,00 3,00 3,00 3,00 3,00

BY

0,50 1,00 1,00 1,00 1,00

1,00 2,00 2,00 2,00 2,00

AK

0,50 1,00 1,00 1,00 1,00

1,00 2,00 2,00 2,00 2,00

LKT

0,50 1,00 1,00 1,00 0,33

0,33 2,00 2,00 2,00 2,00

KAR 0,50 1,00 1,00 3,00 1,00

3,00 3,00 3,00 3,00 3,00

GGY 0,50 1,00 1,00 3,00 0,33

1,00 4,00 4,00 4,00 4,00

SP

0,33 0,50 0,50 0,50 0,33

0,25 1,00 1,00 2,00 0,50

GP

0,33 0,50 0,50 0,50 0,33

0,25 1,00 1,00 0,50 0,33

SR

0,33 0,50 0,50 0,50 0,33

0,25 0,50 2,00 1,00 0,20

FR

0,33 0,50 0,50 0,50 0,33

0,25 2,00 3,00 5,00 1,00

Çizelge 4.4 Sermaye Yeterliliği Alt Kriterlerinin İkili Karşılaştırması

Sermaye

Yeterliliği

SY1 SY2 SY3 SY4

SY1

1,00 2,00 3,00 4,00

SY2

0,50 1,00 2,00 3,00

SY3

0,33 0,50 1,00 1,00

SY4

0,25 0,33 1,00 1,00

Çizelge 4.5 Bilanço Yapısı Alt Kriterlerinin İkili Karşılaştırması

Bilanço

Yapısı

BY1 BY2 BY3 BY4 BY5

BY1

1,00 0,50 0,50 0,50 0,33

BY2

2,00 1,00 0,50 0,50 0,33

BY3

2,00 2,00 1,00 0,33 0,33

BY4

2,00 2,00 3,00 1,00 0,33

(34)

22 Çizelge 4.6 Aktif Kalitesi Alt Kriterlerinin İkili Karşılaştırması

Aktif

Kalitesi

AK1 AK2 AK3 AK4

AK1

1,00 0,33 0,33 0,33

AK2

3,00 1,00 0,50 0,33

AK3

3,00 2,00 1,00 0,33

AK4

3,00 3,00 3,00 1,00

Çizelge 4.7 Likidite Alt Kriterlerinin İkili Karşılaştırması

Likidite LKT1 LKT2 LKT3

LKT1

1,00

0,33

1,00

LKT2

3,00

1,00

3,00

LKT3

1,00

0,33

1,00

Çizelge 4.8 Karlılık Alt Kriterlerinin İkili Karşılaştırması

Karlılık KAR1 KAR2 KAR3 KAR4

KAR1

1,00

0,33

0,25

0,20

KAR2

3,00

1,00

KAR3

4,00

1,00

0,33

KAR4

5,00

1,00

3,00

1,00

Çizelge 4.9 Gelir-Gider Yapısı Alt Kriterlerinin İkili Karşılaştırması

Gelir-Gider

Yapısı

GGY1

GGY2

GGY3

GGY4

GGY1

1,00

0,25

GGY2

1,00

0,20

1,00

GGY3

4,00

5,00

1,00

3,00

GGY4

4,00

1,00

0,33

1,00

Çizelge 4.10 Sektör Yapısı Alt Kriterlerinin İkili Karşılaştırması

Sektör

Payları

SP1 SP2 SP3

SP1

1,00 2,00 2,00

SP2

0,50 1,00 1,00

SP3

0,50 1,00 1,00

Çizelge 4.11 Grup Payları Alt Kriterlerinin İkili Karşılaştırması

Grup

Payları

GP1 GP2 GP3

GP1

1,00 2,00 2,00

GP2

0,50 1,00 1,00

(35)

23 Çizelge 4.12 Şube Rasyoları Alt Kriterlerinin İkili Karşılaştırması

Şube

Rasyoları

SR1 SR2 SR3 SR4 SR5 SR6 SR7

SR1

1,00 2,00 0,33 0,33 0,33 3,00 0,25

SR2

0,50 1,00 1,00 0,33 0,33 3,00 0,25

SR3

3,00 1,00 1,00 0,33 0,33 3,00 0,25

SR4

3,00 3,00 3,00 1,00 2,00 4,00 0,25

SR5

3,00 3,00 3,00 0,50 1,00 4,00 0,33

SR6

0,33 0,33 0,33 0,25 0,25 1,00 0,20

SR7

4,00 4,00 4,00 4,00 3,00 5,00 1,00

Çizelge 4.13 Faaliyet Rasyoları Alt Kriterlerinin İkili Karşılaştırması

Faaliyet

Rasyoları

FR1 FR2 FR3 FR4 FR5 FR6 FR7

FR1

1,00 2,00 2,00 2,00 2,00 2,00 0,33

FR2

0,50 1,00 1,00 1,00 3,00 3,00 0,33

FR3

0,50 1,00 1,00 0,33 0,33 0,33 0,25

FR4

0,50 1,00 3,00 1,00 2,00 2,00 0,33

FR5

0,50 0,33 3,00 0,50 1,00 1,00 0,33

FR6

0,50 0,33 3,00 0,50 1,00 1,00 0,33

FR7

3,00 3,00 4,00 3,00 3,00 3,00 1,00

İkili karşılaştırma matrisleri oluşturulduktan sonra kriterlerin ve alt kriterlerin

ağırlıklandırılması, öncelik vektörlerinin bulunmasıyla yapılmıştır.

4.3.1. Expert Choice

Kriterlerin ağırlıklarının daha kolay hesaplanabilmesi için Expert Choice 11 programı

yardımı ile ikili karşılaştırma matrislerinin analizi yapılarak, kriterlerin ve alt kriterlerin

önem değerleri belirlenmiştir. Ayrıca program yardımıyla ikili karşılaştırma

matrislerinin tutarlılıklarına da bakılmıştır.

Kriterlerin ağırlıkları Şekil 4.3’de, alt kriterlerin ağırlıkları ise Şekil 4.4’de gösterildiği

gibi program yardımıyla bulunmuştur.

(36)

24 Şekil 4.4 Alt Kriterlerin Ağırlıkları

(37)

25 Uzman

görüşleriyle oluşturulan matrisler programa aktarıldıktan sonra tutarlılık

oranlarına da bakılmıştır. Tutarlılık oranlarına bakıldığında kriterlerden oluşan

Çizelge 4.3’deki matrisin tutarlılığının 0,06, sermaye yeterliliği alt kriterlerinin

oluşturduğu Çizelge 4.4’deki matrisin tutarlılığının 0,01, bilanço yapısının alt

kriterlerinin oluşturduğu Çizelge 4.5’deki matrisin tutarlılığının 0,06, aktif yapısının

alt kriterlerinin oluşturduğu Çizelge 4.6’daki matrisin tutarlılığının 0,08, likiditenin alt

kriterlerinin oluşturduğu Çizelge 4.7’deki matrisin tutarlığının 0, karlılık alt

kriterlerinin

oluşturduğu Çizelge 4.8’deki matrisin tutarlılığının 0,06, gelir-gider

yapısının alt kriterlerinin oluşturduğu Çizelge 4.9’daki matrisin tutarlılığının 0,08,

sektör payları ve grup payları alt kriterlerinin oluşturduğu Çizelge 4.10 ve Çizelge

4.11’deki matrislerin tutarlılığının 0, şube rasyoları alt kriterlerinin oluşturduğu

Çizelge 4.12’deki ve faaliyet rasyoları alt kriterlerinin oluşturduğu Çizelge 4.13’deki

matrislerin

tutarlılığının 0,07 olduğu görülmüştür. Tüm değerler 0,10’dan küçük

olduğu için matrislerin tutarlı olduğu kabul edilmiştir.

Programa aktarılan ikili karşılaştırma matrisleri ve tutarlılıkları Ek 2’de detaylı olarak

gösterilmektedir.

4.4. Puanlama

18 alternatif bankanın finansal oranlarının puanlandırılması için iki farklı yöntem

uygulanmıştır. Bunlardan biri kartiller yardımıyla, diğeri ise normalizasyon

uygulanarak puanlamadır. Yöntemler, finansal oranları 0-1 arası bir puanla

derecelendirmeyi amaçlamaktadır. Bu yöntemlerle elde edilen sonuçlar Excel’de

oluşturulan AHP veri tabanı modelinde girdi olarak kullanılacaktır.

Her iki puanlama yönteminden önce 44 alt kriter için yüksek değerler isteniyorsa

fayda, düşük değerler isteniyorsa maliyet olarak iki ayrı grup oluşturulmuştur.

Yüksek değerlerin istendiği 35 alt kriter Çizelge 4.14’de, düşük değerlerin istendiği