行业资讯

应用模糊集合方法构建了一套评价银行外包业务的模型

2022-10-17 09:18:22

模糊集在银行外包评价模型构建中的应用 董天波 文晓妮(西安电子科技大学经济管理学院 西安 710071) 姚:近年来,国际金融领域的外包业务发展非常迅速,非核心业务外包提升了商业银行的核心业务。它在竞争力和降低成本的过程中发挥着重要作用。运用模糊集方法构建了一套评价银行外包业务的模型,提出了一种客观评价外包方案效益的决策方法。得出的结论是,银行应优先考虑外包技术培训业务。关键词:模糊集;商业银行; 业务外包评估模型CLC编号:F832。2 文件代码:A 越来越普遍,越来越多的国际商业银行在业务外包的道路上稳步发展。例如,美国第五大商业银行摩根大通银行与AT&T和互联网公司联合签订了外包合同。外包这些公司为其设计安全的银行专用网上银行服务的主要问题之一是构建一套合适的评估指标。系统反映全过程,运用模糊集方法,结合行业特点,构建量化决策模型对外包绩效进行评价,使商业银行可以通过该评价标准对外包绩效进行评价。一、评价模型的构建 我们提出三个。

O3O4适用于银行业多目标、多标准的外包框架分析评估目标。通过重要的评价目标,确立每个因素的权重、率、质量、创新、客户响应能力和整合能力。最后,通过逆模型二的应用和模糊集决策方法的应用,我们还应用了模糊集理论,在非确定性环境下的企业绩效研究中,基于关系建立评价目标具有明显效果。评价因素,同时建立层次结构 收稿日期:2008-06-23 基金项目:西安市社科基金(07J17) 作者简介:董天波(1982-)ue模型外包,男,河北唐山人,硕士研究生, 从事风险管理和决策分析研究;文小妮(1955-),女,陕西西安人,教授,博士,从事保险精算和风险管理研究。三大外包解决方案 C1:信用卡业务 C2:专网建设 C3:内部技术培训 Level 1:外包目标 Level 2:评估指标:财务与成本控制 O2:降低运营成本 O21:绩效与成果:提升资本管理能力O31:资本运营体系和计划:提升创新能力 O41:开发新业务能力,改进流程 O42:业务质量体系 O5:聚焦核心业务 O51:支持核心业务发展 O52:过程质量管理糊化方法,我们比较借鉴每个类别的评估标准。

管理人员制定的。此外,内部评级也可以转化为三角模糊数。因此,在获得语言变量的同时,也建立了各个三角模糊数。获得个体人工语言变量的主观分数。这些分数由工商银行管理,将语言变量转化为三角模糊数 103010~~~~(X1)Uc(X1) 3. 模糊数计算过程中各层的权重 评价 我们得到的语言变量数据代表的权重通过对工商银行十位管理人员的调查,了解外包业务的重要性。我们用LWij、MWij和UWi的三角剖分来表示模糊权重的评价,i代表第th专家,j代表因子ue模型外包ue4模型外包,从而确定工行专家的意见。本次分析中,I Z2) Z1,Z0,Z2,区域中心法反映的逆模糊化 50,Z2=70(计算结果见下: 1.将语言变量转化为三角模糊数:Uc(X1) Uc (X2) Z1=50ue模型外包,Uc(50) 58-70) 50-70)=0.6,这里,n=18,i=1-18。下面的公式描述了从工行专家那里得到的模糊权重指数:ΣLWij,ΣMWij,ΣUWi=70,Uc(70)58-50)70-50)=0.4。

得到去模糊化权重 DW:=58, DW(58) 0.05+0.95)=58。的逆模糊化权重DWj是非标准化的,因此,我们使用公式(DW进行归一化:使用区域中心法的逆模糊化来获得我们系统中每个因素的权重。公式如下:和0DWjΣDWjDW (jZ1 )+uc(Z2) 5个目标的平均效用是通过对工商银行专家的问卷调查得到的,5个目标的平均效用值为0.5O181.4O279.6O380.2O476.8O585.00即可获得目标O1(标准化糊化权重) 取值:五级语言变量的函数值分布图 DWj=81.4/(81.4+79.6+80.2+76.8+85.1)=0.202 模糊权重计算Uc(X1)Uc(X2)。 479.680.276.885.1(50,70, 90) (50, 70, 90) (50, 70, 90) (50, 70, 90) (50, 70, 90) (70, 90,

因此,我们整合“绩效描述”的方法,使用负面评价。在将语言变量转换为三角模糊数之前,我们必须将连续的 (0, 10, 30) (30, 50, 70) (70, 90, 100) (70, 90, 100) (30, 50, 70) (0, 10, 30) 根据各个因素所做的假设来判断 通过上述方法,我们得到三角形模糊数Rij,Rij 代表因素的影响。而且,我们还需要确定每个因素对整体决策的贡献权重,Eij:假设结果已经分析并转换为Z0。为了得到总评价的贡献度,我们比较了uc(Z1) uc(Z2) LRj, MRj, URj) 计算后我们把O1的所有结果列在表中LE11=100.061=0.61, ME11=300.061= 1.83,UE11=500.061=3.05,ΣLE11=0.61+0。

DWj 因子的平均权重。总结十位专家的问卷。但是,每个专家对同一因素的判断标准不同,导致意见不一;因此,我们应该使用平均值来计算决策结果。ΣME=1.83+1.98+2.25=6.06,11 ΣUE11=3.05+3.30+3.75=10.1unity外包公司,LE+ME+UE=6.06。11 11 11 11 是各因素效率表现的决定结果。参考图3,专家通过逆模糊化,我们用三角模糊数得到每一层的性能权重(见表)ue模型外包,然后通过重复上述步骤,得到各种方案的可行性排名。在这种情况下,在线技术培训是最好的外包项目。如果积分效果的评价有Tm=ΣEm T1=6.06+5.36+14.33+15.46+16.12=57.33 其他结果也可以用同样的方法计算,

将模糊集方法应用于商业银行的外包决策,可以提高银行决策的准确性和客观性,从而提高经济效益。[M]. 评论,2007,(11):36-37。张永康。Using Fuzzy Sets n Model Firm't, 2007, (6): 22-24. 【责任编辑评价指数二级指数二级效用值DWjEi O1O11 28.89 O12 31.11 O13 35.56 10 30 50 10 30 50 10 30 50 0.061 0.066 0.075 0.61 1.83 3.05 0.66 1.98 3.30 75.7 6.25 3.30 0.061 0.066

标签: ue模型外包
首页
服务
案例
联系