نسبت به دیگر روش های، نتایج بهتری را نشان LSSVM نمودند. بر اساس یافته های آنها، روش
جهت پیش بینی ورشکستگی بهره LS-SVM میدهد.
در پژوهشی که در سال ۲۰۱۰ توسط یوسف تانسل و همکارش^۴ ارائه شد به رتبه بندی شرکت ها و
صنایع در ترکیه پرداخته شد. روشی که آنها در این مقاله استفاده نمودند تاپسیس فازی می باشد.ابتدا با بهره گرفتن از متغیر های کلان صنعت و اقتصاد به رتبه بندی صنایع مختلف پرداخته است .سپس با توجه به نسبت های مالی شرکت ها اقدام به رتبه بندی شرکت ها با روش تاپسیس فازی نمود.
۱- Vincenzo Pacelli
۲- Yildiz and Akkoc
۳- Zhu et al
۴-Tansel, Y
سپس رتبه صنایع و شرکت های موجود در آن صنایع ادغام گشته و رتبه جامعی به هریک از شرکت ها داده شده است .در نهایت نظر خبرگان نیز پرسیده شده است و با رتبه بندی توسط تاپسیس فازی مقایسه شده است که اختلاف ناچیزی با روش مورد استفاده داشته است.
مارسین توماس ( ۲۰۰۹ ) ^۱ در مقاله های تحت عنوان “کاربردی از تحلیل پوششی داده ها در رتبه بندی اعتباری” به رتبه بندی اعتباری با بهره گرفتن از روش تحلیل پوششی داده ها در پنج مرحله پرداخت:
تعیین نسبت های مالی: با توجه به ماهیت آمار و اطلاعات برای محاسبه رتبه های تحلیل پوششی بدهی های جاری به فروش خالص ،(DB/EQ) داده ها از هفت نسبت بدهی به حقوق صاحبان سهام نسبت، (ROE) به عنوان نهاده و بازده سرمایه (FC/NS) هزینه های مالی به فروش خالص، (CL/NS) به عنوان ستانده استفاده شد. (QR) و نسبت آنی (CAR) نسبت کفایت سرمایه، (CR) نسبت جاری.

انتخاب مجموعه داده ها: در ابتدای تحلیل، ۲۶۴۱۰۳ شرکت برای بررسی انتخاب شدند. با کنارگذاردن شرکت های فاقد اطلاعات مناسب، در نهایت تنها ۱۴۰۸ شرکت برای تحلیل نهایی باقی ماند. درنهایت، بدهی کل/ حقوق صاحبان سهام، بدهی جاری/فروش خالص و هزینه های مالی/فروش خالص به عنوان نهاده و درآمد خالص/حقوق صاحبان سهام، نسبت کفایت سرمایه و حقوق صاحبان سهام/دارایی کل به عنوان ستانده در مدل لحاظ شدند.
۱- Marcin Tomasz

4. 4. محاسبه اعتبار رتبه های حاصل در تحلیل پوششی داده ها: در این مطالعه از مدل ۴ تا ۱۰۰ در نوسان است و تنها رهیافت نهاده محور استفاده شد. رتبه های به دست آمده در محدوده ۶۶ -۲۷ شرکت کاملاً کارا بودند.

4. 4. اعتباربخشی رتبه های حاصل از تحلیل پوششی داده ها. به منظور اعتباربخشی مدل از روش تحلیل رگرسیونی و تحلیل ممیزی استفاده شد.

الف) تحلیل رگرسیونی: نتایج حاصل از تحلیل رگرسیونی (رتبه های کارایی به عنوان متغیر وابسته و نسبت های مالی به عنوان متغیر مستقل) نشان داد که تمام نسبت های مورد استفاده در مسیرهای مورد انتظار قرار داشته اند.
ب) تحلیل ممیزی: در این روش، میانگین رتبه های حاصل به عنوان نقطه انقطاع شرکت های خوب و بد در نظر گرفته شد. در نتیجه، ۷۰۸ شرکت در گروه شرکت های خوب و ۷۰۸ شرکت در گروه بارتلر V شرکت های بد قرار گرفتند. به منظور بررسی معنادار بودن تابع ممیزی ایجاد شده از آزمون استفاده شده و هیچ دلیلی برای رد فرضیه معنادار بودن تابع مشاهده نشد. موفقیت مدل تحلیل تفاوت ها ( ۳۸ + ۳۷) / (۴۱ + ۴۱) ۵/۹۱ درصد به دست آمد.
استیفن کارانو^۱ در سال ۲۰۱۰ در مقاله ای با عنوان ” کارایی در نظام بانکداری کشور غنا با بهره گرفتن از DEA و SFA ” سطح کارایی و کارایی بانک های غنا را در یک دوره ی ۱۰ ساله بین سال های ۱۹۹۷تا ۲۰۰۶ با بهره گرفتن از دو مدل DEA و SFA سنجیده است. وی فرضیه های مختلف از DEA و SFA را برای مقایسه ی مدل ها بررسی کرده سپس از هر دو مدل جهت بدست آوردن کارایی بانک ها استفاده کرده است.
۱-Stephen Karanu
سان و چانگ ^۱ در سال ۲۰۱۰ طی پژوهشی به طور نسبی جامع در مقاله ای با عنوان ” تجزیه و تحلیل جامعی از اثرات اقدامات ریسک بر کارایی بانک: شواهد از کشورهای در حال ظهور آسیا” رابطه بین ریسک های عملیاتی، اعتباری و بازار بانک ها را در تایلند با کارایی شعب بانک نمونه بررسی نموده که کارایی شعب را بر اساس دو روش DEA و SFA برآورده نموده و ارتباط معنی دار بین ریسک و کارایی را نتیجه می گیرد.
چیو و چن ^۲ در سال ۲۰۰۹ در مقاله ای با عنوان ” تجزیه و تحلیل کارایی بانک تایوانی: ترکیب هر دو ریسک مربوط به محیط خارجی و داخلی” رابطه ریسک اعتباری، بازار و عملیاتی را با کارایی با نک ها بررسی کرده است. وی با بهره گرفتن از دو روش DEA و SFA و نتایج بدست آمده از آن ها ریسک و کارایی بانک ها را محاسبه کرد و در پایان به وجود رابطه معنی داری میان ریسک و کارایی پی برد.
محمد اکمل و محمود سالم^۳ ( ۲۰۰۸ ) در مقاله ای تحت عنوان “بررسی کارایی فنی بخش بانکداری در پاکستان"، با بهره گرفتن از اطلاعات ۳۰ بانک ( ۴ بانک دولتی، ۱۸ بانک محلی و ۸ بانک خارجی) و روش تحلیل پوششی داده های دو مرحله ای به بررسی آثار عوامل خاص بانک و عوامل کلان اقتصادی بر کارایی بانک پرداخته است.
در مرحله اول از روش تحلیل پوششی داده ها برای برآورد کارایی فنی و مقیاس استفاده کرده و سپس با بهره گرفتن از رگرسیون توبیت به بررسی آثارکلان اقتصادی و خاص بانکی پرداخته است. نتایج مطالعه نشان داد که کارایی بانکداری از سال ۲۰۰۰ بهبود یافته و بانک های خارجی در مقایسه با بانک های محلی خصوصی و بانک های دولتی کاراتر بودند.
۱-Lei Sun, Tzu-Pu Chang
۲-Chi u, Y.-H., Chen
۳-Akmal, Muhammad & Muhammad Saleem
بلوتی، کروک^۱، (۲۰۰۸) به مقایسه ی عملکرد ماشین بردار پشتیبان با چندین الگوریتم معروف پرداختند و از پایگاه دادهی بزرگتری نسبت به تحقیقات قبلی استفاده کردند و به این نتیجه رسیدند که ماشین بردار پشتیبان موفق تر از شیوه های قبلی رتبه بندی است و از ماشین برد ار پشتیبان به عنوان یکی از روش های انتخاب ویژگی استفاده کردند.
پاسیراس ^۲در سال ۲۰۰۸ در مقاله ای با عنوان ” برآورد کارایی فنی و مقیاس بانک یونانی تجاری: تاثیر ریسک اعتباری، و عملیات های بین المللی ” از طریق درنظر گرفتن متغیرها و شاخص های تبیین کننده ریسک بانکی نظیر نسبت وا م های نکول شده به عنوان متغیرهای نهاده در روشDEA ، سعی در تبیین ارتباط ریسک و کارایی در صنعت بانکداری داشته و به ارتباط معنادار این دو مقوله پی برده است.
حسین عبدو و جان پوینتون^۳(۲۰۰۸) در تحقیقی با عنوان” مقایسه مدل های پارامتری جهت ریسک اعتباری مشتریان” به مقایسه مدل های مختلف ارزیابی ریسک اعتباری پرداخته، نتیجه آن حاکی از کاراتر بودن مدل شبکه های عصبی نسبت به سایر روش های مدل پارامتری می باشد.
چنگ لونگ، هوانگ و همکارانش^۴ (۲۰۰۷) ، در تحقیق خود به مدلسازی تکنیکی هیبریدی برای اعتبارسنجی پرداخته اند. به این صورت که ترکیب الگوریتم ژنتیک و ماشین بردار پشتیبان هم برای انتخاب خصیصه ها و هم برای بهینه سازی پارامترهای مدل اعتبارسنجی بکار رفته است .مقایسه هایی نیز بین تکنیک ماشین بردار پشتیبان و طبقه بندهای شبکه های عصبی، برنامه ریزی ژنتیکی و درخت تصمیم صورت گرفته که نتایج نسبتا یکسانی حاصل شده است. ولی نتایج تجربی نشان می دهد که ماشین بردار پشتیبان، نسبت به تکنیک های موجود داده کاوی، نتایج امید بخش تری را ارائه می دهد.
۱-Bellotti, Tony, Crook
۲-Pasiouras
۳-Abdou H. & et al
۴-Lung Huang C. & et al
مین و لی^۱ نیز در سال ۲۰۰۷ در پژوهشی با عنوان ” رویکرد عملی به امتیازدهی اعتباری ” را برای امتیازدهی اعتباری به کار گرفتند. آنان روش شناسی پیشنهادی امل DEA رویکرد بر مبنای و همکارانش را در جامعه آماری بسیار گسترده تری که داده های مالی جاری ۱۰۶۱ شرکت تولیدی، که پرتفولیوی اعتباری یکی از بزرگ ترین سازمان های تضمین اعتبار در کره را در برمی گیرد، برای رتبه بندی اعتباری مورد استفاده قرار دادند. آنان دریافتند که رویکرد تحلیل پوششی داده ها می تواند به عنوان گزینه ای امیدوار کننده برای بهبود و جایگزینی روش های امتیازدهی کنونی به کار گرفته شود و این رویکرد از کارایی لازم در جهت محاسبه رتبه های اعتباری مشتریان برخوردار است.
چنگ و همکارانش^۲ در سال ۲۰۰۷ در تحقیقی با عنوان “رویکرد چند گزینه ای به رتبه بندی اعتباری با به کارگیری روش تحلیل پوششی داده ها: ارزیابی وام گیرندگان با درنظر گرفتن پروژه های مالی خصوصی ” یک رویکرد چند گزینه ای به رتبه بندی اعتباری را به وسیله تحلیل پوششی داده ها به منظور ارزیابی وام گیرندگان برای پروژه های مالی خصوصی، پیشنهاد می دهند. در این پژوهش تکنیک های مختلف رتبه بندی اعتباری نظیر تجزیه و تحلیل ممیزی، درخت تصمیم، شبکه های عصبی و ….. مقایسه شده اند. اگرچه تحلیل پوششی داده ها در اوایل دهه ۱۹۸۰ بیان شد، با این حال به کارگیری این روش در زمینه موضوعات رتبه بندی اعتباری همچنان ادامه دارد.
الیزابت فیورنتینو و همکاران^۳ در مقاله ای با عنوان “کارایی در بانک های آلمان: مقایسه DEA و SFA “، سال ۲۰۰۶، به ارزیابی هماهنگی بین نتایج بازده بدست آمده از دو روش DEA و SFA پرداخته است. وی اقدام به بررسی ۳۴۱۹۲ نمونه از تمام بانک های آلمان در بین سا ل های ۱۹۹۳ تا ۲۰۰۴ و تجزیه و تحلیل میزان هماهنگی بین نتایج بدست آمده و پنج معیار (متغیرهای نهاده و ستاده) سطوح، رتبه بندی، شناسایی مجریان دقیق، ثبات در طول زمان و همبستگی نسبت به میزان استاندارد حسابداری مبتنی بر کارایی پرداخته است.
۱-Min JH., Lee YC
۲-Cheng EWL. & et al
۳-Elisabetta Fiorentino & et al
نتایج این پژوهش بیانگر این مساله است که روش های غیرپارامتری ۳ نسبت به خطاهای سنجش حساس می باشند. علاوه بر این، احتساب تفاوت های نظام مند در میان بانک های تجاری، قر ض الحسنه و پس انداز به منظور جلوگیری از تفسیر نادرست درباره وضعیت کارایی کلی بانک مهم می باشد. از دیگر دستاوردهای این پژوهش این است که علیرغم تغییرات بنیادی در حال انجام در نظام بانکداری اروپا، ثبات نرخ کارایی در کوتاه مدت بسیار بالا می باشد.
گری و همکاران^۱(۲۰۰۶) در پژوهشی به بررسی تأثیر متغیرهای مالی و صنعتی مورد استفاده مؤسسه استاندارد و پورز بر روی رتبه اعتباری شرکت های استرالیایی پرداختند. پژوهشگران از الگوی پروبیت به منظور تحقیق بهره گرفتند. نتایج نشان داد که نسبت های اهرم و پوشش بهره بیشترین تأثیر را بر رتبه اعتباری دارد.
گونزالس^۲ در سال ۲۰۰۵ در مقاله ای با عنوان ” مقررات بانک و ریسک با در نظر گرفتن عوامل به وجودآورنده: مقایسه بین المللی از ریسک در بانک ها ” با در نظر گرفتن تعداد شعب بانک ها و تعداد پرسنل به عنوان نهاده، سرمایه گذاری و حجم سپرده ها به عنوان ستانده، کارایی بانک ها را با تاثیر دادن متغیرهای ریسک اعتباری و ریسک کل با بهره گرفتن از مدل DEA بدست آورده و بر همین اساس بانک ها را رتبه بندی کرده است. این مقاله در نهایت رابطه معنی داری بین ریسک و دارایی به دست آورده است.