ivona babiĆ - oliver.efri.hroliver.efri.hr/zavrsni/901.b.pdf · accept mjenice naplaćuje...

SVEUČILIŠTE U RIJECI EKONOMSKI FAKULTET

IVONA BABIĆ

OCJENJIVANJE EFIKASNOSTI BANAKA PRIMJENOM METODE ANALIZE

OMEĐIVANJA PODATAKA

DIPLOMSKI RAD

Rijeka, 2015.

SVEUČILIŠTE U RIJECI EKONOMSKI FAKULTET

OCJENJIVANJE EFIKASNOSTI BANAKA PRIMJENOM METODE ANALIZE

OMEĐIVANJA PODATAKA

DIPLOMSKI RAD

Predmet: Teorija odlučivanja

Voditelj: Prof.dr.sc. Alemka Šegota

Studentica: Ivona Babić

Smjer: Menadžment JMBAG: 0081108959

Rijeka, ožujak, 2015.

SADRŽAJ

1.UVOD .................................................................................................................................. 1

1.1. PROBLEM, PREDMET I OBJEKT ISTRAŽIVANJA .............................................. 1

1.2. RADNA HIPOTEZA I POMOĆNE HIPOTEZE ....................................................... 2

1.3. SVRHA I CILJEVI ISTRAŽIVANJA ........................................................................ 2

1.4. ZNANSTVENE METODE ......................................................................................... 3

1.5. STRUKTURA RADA ................................................................................................. 3

2. BANKE .............................................................................................................................. 5

2.1. POSLOVNE BANKE ................................................................................................. 5

2.2. SVJETSKA BANKA .................................................................................................. 8

2.3. SREDIŠNJA (CENTRALNA) BANKA – HRVATSKA NARODNA BANKA ....... 8

3. POSLOVANJE BANAKA U HRVATSKOJ .................................................................. 10

3.1. STRUKTURNA OBILJEŽJA ................................................................................... 10

3.2. BILANCA I IZVANBILANČANE STAVKE .......................................................... 12

3.2.1. IMOVINA .......................................................................................................... 12

3.2.2. OBVEZE I KAPITAL ........................................................................................ 13

3.2.3. KLASIČNE IZVANBILANČNE STAVKE ...................................................... 15

3.3. ZARADA .................................................................................................................. 16

3.3.1. RAČUN DOBITI I GUBITKA .......................................................................... 16

3.3.2. POKAZATELJI PROFITABILNOSTI .............................................................. 18

3.4. KREDITNI RIZIK ..................................................................................................... 19

3.4.1. KREDITI ............................................................................................................ 19

3.5. LIKVIDNOSNI RIZIK ............................................................................................. 22

3.5.1. IZVORI FINANCIRANJA................................................................................. 22

4. ANALIZA OMEĐIVANJA PODATAKA (eng. DEA)................................................... 23

4.1. POJAM EFIKASNOSTI ........................................................................................... 24

4.1.1. ANALIZA OMEĐIVANJA PODATAKA - STANDARD ZA EFIKASNOST 24

4.1.2. ANALIZA OMEĐIVANJA PODATAKA I TEHNIČKA EFIKASNOST ....... 25

4.1.3. ANALIZA OMEĐIVANJA PODATAKA I EKONOMSKA EFIKASNOST .. 28

4.1.4 MJERENJE EFIKASNOSTI ............................................................................... 28

4.2. OSNOVNI MODELI ANALIZE OMEĐIVANJA PODATAKA ............................ 30

4.2.1. CCR MODEL .................................................................................................... 31

4.2.2. BCC MODEL ..................................................................................................... 38

4.3. PREDNOSTI I NEDOSTACI ANALIZE OMEĐIVANJA PODATAKA ............... 41

5. ANALIZA ........................................................................................................................ 43

5.1. ODABIR INPUTA I OUTPUTA .............................................................................. 43

5.2. EMPIRIJSKI PODACI ZA ANALIZIRANE BANKE............................................. 44

5.3. STATISTIČKA VERIFIKACIJA PODATAKA ...................................................... 48

5.4. ODABIR TIPA MODELA ........................................................................................ 49

5.5. OCJENA RELATIVNE EFIKASNOSTI BANAKA ............................................... 50

5.6. ORIJENTACIJA MODELA ..................................................................................... 51

6. REZULTATI ANALIZE .................................................................................................. 53

6.1. RELATIVNI REZULTATI EFIKASNOSTI PREMA BCC MODELU .................. 53

6.2. IZVORI I IZNOSI RELATIVNE NEEFIKASNOSTI .............................................. 54

6.3. RASTUĆI, PADAJUĆI I KONSTANTNI PRINOSI NA OPSEG ........................... 59

6.4. UTJECAJ INPUTA I OUTPUTA NA EFIKASNOST ............................................. 62

6.5. REFERENTNI SKUP ............................................................................................... 67

6.6. DOPUNSKE VARIJABLE ....................................................................................... 69

7. ZAKLJUČAK ................................................................................................................... 73

LITERATURA ..................................................................................................................... 76

POPIS TABLICA ................................................................................................................. 78

POPIS GRAFIKONA ........................................................................................................... 79

1

1.UVOD

1.1. PROBLEM, PREDMET I OBJEKT ISTRAŽIVANJA

U proteklih nekoliko godina velika globalna, a zatim i gospodarska kriza utjecale su na

usporavanje poslovanja banaka i na smanjenje njihove dobiti. Najveći poremećaj na

financijskim tržištima je financijska kriza koju karakterizira pad cijena imovine i neuspjesi

raznih poduzeća. Uzrok krize je velika kreditna ekspanzija banaka do koje dolazi zbog

preuzimanja velikih rizika i manjkavosti financijskog sustava. Zbog toga je provođenje

istraživanja o efikasnom poslovanju banaka korisno, posebno uzme li se u obzir da je u

Hrvatskoj kriza nastupila nešto kasnije u odnosu na ostale članice Europske unije. Predmet

istraživanja je usporedba efikasnosti poslovanja banaka u Hrvatskoj u protekloj godini, na

temelju financijskih izvještaja do 30.6.2014 pomoću analize omeđivanja podataka.

U današnjim uvjetima poslovanja banke imaju ključnu ulogu u opstanku i financijskom

progresu. Najjednostavnije rečeno one imaju ulogu stvarati, prenositi i upravljati novcem.

Osnovni kriterij je poslovati uspješno i stabilno dok se pomoću financijskih pokazatelja vidi

da li je to poslovanje kvalitetno. Financijski izvještaji daju uvid u poslovanje banaka. Kao

posljedica tehnološkog napretka banke uvode proizvode i usluge kao internet bankarstvo,

mreže bankomata, kreditnih kartica, elektroničko plaćanje i slično.

Nakon analize problema istraživanja može se definirati predmet istraživanja. Predmet

istraživanja ovog rada bit će analiza omeđivanja podataka na primjeru banki u Hrvatskoj

kako bi se dobili konkretni podaci i efikasnosti poslovanja banaka u Hrvatskoj. Podaci koji

su potrebni za analizu uzeti su za radoblje do 30. lipnja 2014. godine. Oni obuhvaćaju

kamatne prihode i troškove, operativne prihode i troškove, prihode i troškove od provizija i

naknada te dobitak odnosno gubitak. Na samome kraju rada usporediti će se dobiveni podaci

i uvidjeti koliko banaka u Hrvatskoj posluje efikasno.

2

Iz problema i predmeta istraživanja proizlazi i objekt istraživanja. Tako primjerice,

prethodno navedeni problem istraživanja ima dva objekta istraživanja, a to su: analiza

omeđivanja podataka i banke u Hrvatskoj.

1.2. RADNA HIPOTEZA I POMOĆNE HIPOTEZE

Imajući na umu predhodno navedeni problem istraživanja, predmet istraživanja i objekt

istraživanja moguće je postaviti temeljnu radnu hipotezu: znanstveno utemeljenom

spoznajom o poslovanju banaka u Hrvatskoj, pomoću analize omeđivnaja podataka, ponuditi

će se prihvatljiva rješenja koja će pozitivno utjecati na efikasnost poslovanja banaka u

Hrvatskoj.

Postavljena radna hipoteza može se konkretizirati s više pomoćnih hipoteza:

· PH 1 Na efikasno poslovanje banaka u Hrvatskoj utječe smanjnje inputa, odabranih

za primjenu metode omeđivanja podataka, dok output ostaje nepromijenjen.

· PH 2 Na efikasmo poslovanje banaka u Hrvatskoj utječe povećanje outputa,

odabranih za primjenu metode omeđivanja podataka, dok input ostaje nepromijenjen.

1.3. SVRHA I CILJEVI ISTRAŽIVANJA

Nakon uočenog problema i definiranog predmeta istraživanja te postavljenih hipoteza

definiraju se svrha i ciljevi ovog rada: ocijeniti efikasnost poslovanja banaka u Hrvatskoj

koristeći se konkretnim podacima iz financijskih izvještaja.

Cilj ovog rada je, također, prihvatiti ili odbaciti postavljene hipoteze nakon analize

omeđivanja podataka. Također, cilj je i usporediti efikasnost poslovanja svih banaka u

Hrvatskoj.

Kroz diplomski rad dobit će se odgovori na neka pitanja kao što su:

1) Što je analiza omeđivanja podataka?

3

2) Koji su osnovni pojmovi banke?

3) Kako posluju banke u Hrvatskoj?

4) Koje su prednosti i nedostaci analize omeđivanja podataka?

5) Koji su pokazatelji uspješnog poslovanja banaka?

6) Posluju li banke u Hrvatskoj efikasno?

7) Koji su modeli u metodi analize omeđivanja podataka?

8) Koji inputi i outputi su korišteni prilikom analize omeđivanja podataka?

9) Što su banke?

10) Koja je uloga HNB?

11) Koja je razlika između BCC i CCR modela?

1.4. ZNANSTVENE METODE

Pri istraživanju i folmuliranju rezultata istraživanja korištene su metode indukcije i

dedukcije, metoda analize i sinteze, metoda komparacije te analiza omeđivanja podataka.

Metode indukcije i dedukcije se koriste kako bi se došlo do zaključaka i na temelju toga

prihvaćanja ili opovrgavanja hipoteze i pomoćnih hipoteza. Analiza omogućuje da se složene

cjeline rastave na manje dijelove dok metoda sinteze povezuje dijelove u jednu smislenu

cjelinu. Metodom komparacije će se međusobno usporediti poslovanje banaka. Metoda

analize omeđivanja podataka omogućuje utvrđivanje relativne efikasnosti više usporedivih

donoditelja odluke tj.banaka na osnovi odabranih inputa i outputa.

1.5. STRUKTURA RADA

Rezultati istraživanja predočeni su u šest međusobno povezanih dijelova.

U uvodu su navedeni problem, predmet i object istraživanja, radna hipoteza i pomoćne

hipoteze, svrha i ciljevi istraživanja , znanstvene metode te obrazloćena struktura rada.

4

Naslov drugog dijela je Banke. U tom dijelu analiziran je sam pojam banaka i njihovo

poslovanje, značenje svjetske banke te svrha središnje (centralne) banake u Hrvatskoj.

Poslovanje banaka u Hrvatskoj naslov je trećeg dijela rada. U tom dijelu analizirano je

poslovanje banka u Hrvatskoj pomoću financijskih pokazatelja na temelju godišnjeg

izvješća.

Četvrti dio rada nosi naslov Analiza omeđivanja banaka u kojem je pobliže objašnjen pojam

efikasnosti, osnovna obilježja metode i osnovni modeli analize omeđivanja podataka.

U petom dijelu rada naslovom Analiza elaborirani su inputi i output potrebni za provođenje

analize te interpretacija dobivenih rezultata.

Posljednji dio, Zaključak, Donosi sintezu rezultata istraživanja kojima je dokazivana

postavljena radna hipoteza.

5

2. BANKE

Banke se mogu definirati općenito kao financijske organizacije koje primaju depozite na koje

plaćaju kamatu i usmjeravaju ih uglavnom u zajmove izvršavajući, za svoje komitente, i

različite usluge financijskog servisa. Nastale su i razvile se kao kreditna organizacija koje uz

niže (pasivne) kamate prikupljaju raspoloživa novčana sredstva te ih, uz više (aktivne)

kamate, pozajmljuju (plasira) na tržištu.

Banke su vrlo važna sastavnica tržišnog kapitala, iako se tradicionalno razumije da su glavni

poslovi banke krediti u izravnom interesnom konfliktu s emisijom dionica kao vlasničkim

oblikom financiranja gospodarskog razvoja. Bez obzira na to ne smije se zanemariti važnost

banaka na tržištu kapitala. S razvojem tržišta razvijaju se i posebni proizvodi banki kojima

se to tržište razvija. Pokroviteljstvo izdanja, različita jamstva pa i fizičke usluge distribucije

dionica može pridonijeti jačanju trgovanja.

S obzirom na ulogu na financijskom tržištu banke se dijele na: poslovne (komercijalne),

investicijske i univerzalene (mješovite) banke.

Danas je bankarski sustav podložan i prilagodljiv stalnim promjenama na financijskom

tržištu. Slika bankarskog sustava od samih početaka do danas naišla je na niz promjena. S

razvojem tržišta kapitala banka je poprimila sve veću ulogu u okvirima investicijskog

bankarstva.

2.1. POSLOVNE BANKE

Banke su važan segment tržišta novca. S vremenom su, kroz nekoliko stoljeća, od svojih

prvobitnih i osnovnih funkcija razvile čitavu paletu funkcija i aktivnosti vezanih uz

financijsko posredovanje. Zbog toga su danas banke glavna poveznica između tržišta novca

i tržišta kapitala.

6

Uz početke razvoja bankarskog poslovanja vezane su tri osnovne funkcije: mjenjačka

funkcija, funkcija primanja depozita i prijenosa i funkcija kreditiranja (Perišin i Šokman,

1992, p. 173). Mjenjačka funkcija prvi je korak ka poslovima vezanim uz brokerske

aktivnosti. Na osnovu te funkcije bankari su obavljali kupoprodaju mjenica što je začetak

razvoja prvih burzi, odnosno tržišta kapitala. Prve takve kupoprodajne transakcije vezane su

uz glavne trgove većih gradova i sajmove,. Kasnije, razvojem složenijih oblika financijskog

odnosa prerastaju u kupoprodaju vrijednosnih dužničkih papira u kasnije osnovanim

institucijama.

Vezano uz mjenjačke poslove, banke sve više razvijaju svoju funkciju depozitarne institucije,

ali razvijaju i sposobnost transfera, odnosno plaćanja po nalogu depomenta (Cingula i

Klačmer, 2003, p. 49). S funkcijom depozitara usko je povezana i funkcija kreditiranja.

Danas su bankovni krediti veoma važan izvor financiranja poduzeća. Menadžer ili vlasnik

poduzeća prilikom traženja kredita od banke podnosi zahtjev sa motivima i ciljevima

uzimanja kredita. Kroz financijska izvješća i prikaz poslovanja te prezentaciju poduzeća

banka dolazi do većine informacija o kreditnoj sposobnosti poduzeća na temelju čega i

odobrava kredit. Najćešći oblik osiguranja povrata kredita je vlastita mjenica koju dužnik

daje banci kao svojevrsni oblik garancije vraćanja kredita. Postoji niz prednosti, ali i

nedostataka uzimanja kreditnih sredstava od kojih se najveći ogleda u činjenici da poduzeće

zbog eventualnih poteškoća poslovanja neće biti u mogućnosti na vrijeme vratiti posuđena

sredstva.

Na osnovu prvobitno razvijenih funkcija, banke su nadograđivale i ostale funkcije koje danas

prevladavaju u njihovim aktivnostima. Sve više se koriste kao posrednici u obavljanju

financijskog poslovanja, zatim obavljaju aktivnosti kupoprodaje za svoj račun, a jedna od

osnovnih aktivnosti je i organizacija emisije vrijednosnih papira.

7

Uobičajeno je da se bankarski poslovi svrstavaju kroz tri osnovne podjele , a to su aktivni,

pasivni i neutralni bankarski poslovi (Perišin i suradnici, 2001, p. 265). Aktivni bankarski

poslovi su oni kod kojih se banka nalazi u ulozi vjerovnika, a najznačajniji su:

· kontokorentni kredit tj. kredit po tekućem računu. Njima banke ostvaruju najveći i

najstabilniji kredit.

· eskontni kredit tj. kredit na osnovi mjenice

· lombardni kredit je kredit na osnovu zaloga pokretnih stvari i drugih vrijednosnih

papira osim mjenice

· akceptni kredit je kredit koji banka daje akceptirajući mjenicu svog komitenta. Za

accept mjenice naplaćuje proviziju i postaje glavni mjenični dužnik

· rambursni kredit koji se naziva još i kreditnim pismom, sastoji se u tome da banka za

račun kupca akceptira mjenicu koju je ispostavio prodavač. Time kupac postaje

dužnik prema banci koja je akceptirala mjenicu.

Pasivni bankarski poslovi su oni kod kojih se banka javlja u ulozi dužnika, a veoma su

značajni za njeno poslovanje jer na taj način prikuplja sredstva za poslovanje. Najvažniji

pasivni bankarski poslovi su:

· depozitni poslovi kojima se prikupljaju slobodna sredstva gospodarstva, pojedinca i

države.

· Reeskont poslovi koji se vrše između dvije banke, uglavnom emisijske i kreditne

banke, a obavljaju se na način da kreditna banka eskontirane mjenice ponovno

eskontira kod emisijske banke

· Relombard poslovi su slični kao reeskont samo što predmet relombarda nije mjenica

već neki drugi vrijednosni papir.

· Izdavanjem certifikata o depozitu i kratkoročnih zapisa banka prikuplja sredstva

kojima se koristi u kreditne svrhe

· Emisija vlastitih dionica i obveznica

Neutralni bankarski poslovi su oni poslovi u kojima banka nema ulogu niti dužnika, niti

vjerovnika, već ulogu komisionara. Takvi poslovi se obavljaju uz proviziju. U takve poslove

8

spadaju izvršenje državnog proračuna, vođenje društvene evidencije i statistike i drugi

poslovi.

Danas banke nisu ograničene samo na izdavanje kredita i prikupljanje depozita već veliku

ulogu igraju i poslovi investicijske prirode. Iz tog su se razloga i razvile tzv. Investicijske

banke, pored klasičnih poslovnih banaka. Zadatak i uloga takvih investicijskih banaka, koje

su osobito razvijene u SAD-u i Velikoj Britaniji, je preuzimanje rizika kod primarne emisije

vrijednosnih papira. Većina zemalja Europe nema klasičnu podjelu banaka na investicijske i

poslovne već se unutar tzv. univerzalnih banaka nalaze odjeljenja za investicijsko

bankarstvo.

2.2. SVJETSKA BANKA

Svjetska banka predstavlja grupu banaka koje su se razvile iz Međunarodne banke za obnovu

i razvoj. Središnji ured nalazi se u Washingtonu, ali zbog svog širokog djelovanja ima i urede

po cijelom svijetu. Banka ima 184 zemlje članice.

Cilj svjetske banke je poticanje gospodarskog razvoja svih sektora koji su važni za opći

razvitak, a posebno za siromašno stanovništvo u zemljama u razvoju. Banka daje jamstva za

financiranje infrastructure, odobrava zajmove, potiče i provodi projekte u poljoprivrednoj i

industrijskoj grani, pruža tehničku pomoć i daje stručne savjete pri razvoju nacionalne

politike zemlje.

2.3. SREDIŠNJA (CENTRALNA) BANKA – HRVATSKA NARODNA BANKA

Središnja banka je najznačajnija financijska institucija svake moderne države jer predstavlja

vrhovnu vlast nad svim bankama jedne zemlje. Prva središnja banka u svijetu osnovana je

1668. godine u Švedskoj, a dvadesetak godina kasnije u Engleskoj. Nakon osamostaljenja

Republike Hrvatske, 1991. godine, osnovana je Narodna banka Hrvatske koja je 1997. godine

preimenovana u Hrvatsku narodnu banku.

9

Zadaci i funkcije Hrvatske narodne banke koji proizlaze iz važećih za sve središnje banke su

(Zakon o Hrvatskoj narodnoj banci, 2001):

· Utvrđivanje i provođenje monetarne i devizne politike

· Držanje i upravljanje s međunarodnim pričuvama Republike Hrvatske

· Izdavanje novčanice i kovanog novca

· Izdavanje i oduzimanje odobrenja za rad banaka, nadziranje poslovanja banaka i

donošenje podzakonskih propisa kojima se regulira bankarsko poslovanje

· Vođenje računa banaka i obavljanje platnog prometa po tim računima, davanje

kredita bankama i primanje u depozit sredstava banaka

· Reguliranje, unapređenje i nadziranje platnog sustava

· Obavljanje zakonom utvrđenih poslova za Republiku Hrvatsku

· Donošenje podzakonskih propisa u poslovima iz svoje nadležnosti

· Obavljanje ostalih, zakonom utvrđenih poslova.

Zakonom o Hrvatskoj narodnoj banci određen je i njen položaj u matičnoj zemlji koji

proizlazi iz zakonitosti i propisa važećih za sve Središnje banke.

10

3. POSLOVANJE BANAKA U HRVATSKOJ

U 2013. godini banke su poslovale u veoma teškom ekonomskom okružju što je ograničavalo

njihove poslovne aktivnosti i narušilo rezultate poslovanja. Prema privatnom sektoru i dalje

je bila slaba kreditna aktivnost. Poteškoće u naplati potraživanja su ne nastavile. Iako se

osjetno zamijetio pad dobiti, kapitalna osnovica je ostala snažna i kvalitetna stoga je jamčila

dobru otpornost na šokove kao i dobru pripremljenost domaćeg bankarskog sustava na

primjenu novih regulativnih pravila od 2014. godine. Promjenama se željelo osigurati

prepoznavanje povećih rizika zbog dugih rokova i neizvjesnosti naplate.

Imovina banaka smanjila se, drugu godinu za redom, a isto tako smanjio se i udio danih

kredita, pri čemu je zadržana visoka razina zaliha likvidnosti. Usporene poslovne aktivnosti

i usmjerenost na manje rizične segmente poslovanja bankama, treću godinu zaredom,

donijele su rast stope adekvatnosti jamstvenog kapitala. Na kraju 2013. ta stopa je iznosila

21,1% što je dosta više od zakonskog minimum od 12%. No, osnovni kapital se smanjio u

2013. zbog rasta gubitaka iz poslovanja i većeg iznosa isplaćenih dividenda.

3.1. STRUKTURNA OBILJEŽJA

Četvrtu godinu zaredom nastavljen je blagi trend pada banaka. U rujnu 2013. godine otvoren

je stečajni postupak nad Centar bankom d.d. pa se broj banaka smanjio na 29.

Iako se broj banaka manje veličine kontinuirano smanjuje, zadržavanje njihovog broja na

relativno visokoj razini održalo je vrijednosti Herfindahl – Hirschmanova indeksa (HHI) i

dalje umjerenim.

11

Grafikon 1. Herfindahl – Hirschmanov indeks (HHI)

Izvor: Bilten o bankama, 2014, p. 5

HHI za imovinu u 2013. iznosio je 1440 što je za 0,9% više nego u 2012. Nešto znatnije je

porastao za dane kredite, za 1,3%, na 1468, a HHI za depozite blago se smanjio i bio je najniži

među tri promatrane vrijednosti. Smanjenje HHI-ja za depozite posljedica je razduživanja i

smanjivanja imovine dijela vodećih banaka, zbog čega je došlo i do blagog pada udjela prvih

pet banaka u ukupnoj imovini. Taj udio je zadržao vrlo visoku vrijednost i na kraju 2013.

iznosio je 74,4%. Isto tako udjeli preostalih promatranih grupa, upućivali su na znatnu

koncentriranost u bankovnom sustavu, što je prikazano na grafikonu ispod.

12

Grafikon 2. Udjeli imovine, kredita i depozita najvećih banaka u ukupnoj imovini, kreditima

i depozitima svih banaka, na dan 31. prosinca 2013.


U Hrvatskoj je 14 banaka u domaćem vlasništvu, a njih 15 u većinskom vlasništvu stranih

dioničara. Pritom najveći broj banaka kontroliraju dioničari iz Austrije i Italije.

U 2013. godini banke su i dalje nastavile smanjivati broj zaposlenika i mrežu poslovnih

jedinica kako bi na taj način smanjili opće troškove poslovanja i ublažili negativna kretanja

u računu dobiti i gubitka.

3.2. BILANCA I IZVANBILANČANE STAVKE

3.2.1. IMOVINA

Na kraju 2013. ukupna imovina banaka iznosila je 397,9 milijardi kuna. U odnosu na 2012,

to je smanjenje od 2,1 milijardu kuna ili 0,5%.

13

Tablica 1. Struktura imovine banaka , na kraju razdoblja, u milijunima kuna i postocima


Kao i dosad, kretanja u ukupnoj imovini banka, najvećim dijelom, bila su određena

kretanjima neto kredita s udjelom od 66,3%. Na kraju 2013. bili su manji za 4,1 milijardu

kuna, odnosno 1,5% u odnosu na 2012. godinu. Slaba kreditna aktivnost banaka bila je odraz

smanjene potražnje za kreditima i nesklonost banaka preuzimanju novih rizika.

U 2013. su ukupna ulaganja banaka u vrijednosne papire porasla za 871 milijardu kuna,

odnosno 2,0%, a njihov se udio u imovini banaka povećao za 11%. Taj porast zasnivao se na

trezorskim zapisima MF koji su porasli za 2,9 milijarde kuna ili 27,4%. Zamjetljiviji porast

na godišnjoj razini ostvarili su još jedino instrumrnti tržišta novca pod utjecajem porasta

komercijalnih zapisa i mjenica. Banke su smanjile ulaganja u obveznice za 3,3 milijarde kuna

ili 14,2%.

3.2.2. OBVEZE I KAPITAL

Banke su u 2013. godini zadržale gotovu istu razinu obveza kao i na kraju 2012., u iznosu od

342,3 milijarde kuna. Stopa smanjenja bila je manja od 0,1%.

14

Tablica 2. Struktura obveza i kapitala banaka, na kraju razdoblja, u milijunima kuna i

postocima


Porast depozita stanovništva i trgovačkih društava, bio je dostatan za zadovoljenje skromnog

kreditnog porasta i nastavak razuživanja banaka. Ukupni depoziti na kraju 2013. iznosili su

282,2 milijarde kuna što je porast od 7,0 milijardi kuna ili 2,5%. Stopa porasta depozita

ostvarena u 2013. bila je najslabija u posljednjih 16 godina. Na kraju 2013. saldo primljenih

kredita iznosio je 41,5 milijardi kuna što je u odnosu na 2012. smanjenje za 5,9 milijardi

kuna. Promjena se odrazila na pad udjela primljenih kredita u ukupnim izvorima financiranja

s 14,4% na 12,6%, a u ukupnoj imovini na 10,4%. Osim primljenih kredita, visinom utjecaja

na pad ukupnih obveza utjecale su kamate, naknade i ostale obveze koje su u odnosu na 2012.

bile manje za 9,5%.

15

Prvi put u zadnjih 15 godina je ukupan bilančani kapital banaka tijekom 2013. smanjen za

1,9 milijardi kuna, odnosno 3,2%. Na kraju godine iznosio je 55,5 milijardi kuna. Unatoč

tome udio kapitala u pasivi banaka ostao je relativno visok, 14,0%. Smanjenju kapitala

pridonijela je dobit tekuće godine koja je bila za 81,1% niža u odnosu na 2012. Isplata

dividend i izlazak jedne banke iz sustava imale su dodatni negativan utjecaj.

3.2.3. KLASIČNE IZVANBILANČNE STAVKE

Pad klasičnih izvanbilančnih stavki nastavlja se s iznimkom u 2011. u kojoj je zabilježen

porast.

Grafikon 3. Klasične izvanbilančne stavke banaka


Na kraju 2013. klasične izvanbilančne stavke iznosile su 51,2 milijardi kuna što je u odnosu

na prethodnu godinu smanjenje od 4,3 milijarde, odnosno 7,7%. Iako su se sve klasične

izvanbilančne stavke na godišnjoj razini smanjile, najviše je izraženo kroz izdane garancije,

za 2,8 milijardi kuna i revolving krediti za 1,0 milijardu kuna. Najveći pad zabilježen je kod

nepokrivenih akreditiva, koji su se smanjili skoro za četvrtinu. Svoj udio su jedino povećali

16

okvirni krediti i obveze financiranja za 3,6 postotnih bodova. Na kraju godine su dosegnuli

45,6% svih klasičnih izvanbilančnih stavki.

3.3. ZARADA

3.3.1. RAČUN DOBITI I GUBITKA

U 2013. veoma su se snizile dobit i profitabilnost banaka. Snažan utjecaj na to su imale

izmjena propisa o klasifikaciji plasmana te najava ispitivanja kvalitete imovine europskih

banaka. Kriteriji profitabilnosti spustili su se na najnižu razinu od 1998. godine, a polovica

banaka je poslovala sa gubitcima.

Grafikon 4. Dobit banaka prije oporezivanja


Najveću promjenu u računu dobiti i gubitka banaka pokazao je kamatni prihod. On se osjetno

smanjio zbog utjecaja rasta poteškoća u naplati kredita. Banke su ukupno u 2013. godini

ostvarile 726,1 milijuna kuna dobiti što je 2,6 milijardi manje u odnosu na 2012.

17

Tablica 3. Račun dobiti i gubitka banaka u milijardama kuna i postocima


Prema tablici gore vidi se da su troškovi ispravka vrijednosti i rezerviranja u 2013. bili viši

za 2,4 milijarde kuna, a gotovo 60% njihova porasta bilo je posljedica regulatornih promjena

iz listopada 2013. Operativni prihod banaka se smanjio za 3,1% zbog smanjenja neto prihoda,

isto kao i kamatni prihodi, koji su se smanjili za 7,6%, kao odraz pogoršanja naplativosti

plasmana u uvjetima slabog rasta kreditne izloženosti i sve nižih kamatnih stopa. Ključan

učinak na pad kamatnih prihoda imao je pad kamatnih prihoda od kredita, za 1,6 milijardu

kuna. I u 2013. godini banke su uspjele smanjiti opće administrativne troškove i amortizaciju

za 208,9 milijuna kuna. Bolje upravljanje troškovima znatno je ublažilo utjecaje nepovoljnog

kretanja kamatnih prihoda, odnosno pada kamatnih prihoda od kredita. Tako je u 2013.

ostvaren neto prihod iz poslovanja u iznosu od 6,9 milijardi kuna, a stopa njegovog smanjenja

bila je relativno mala u odnosu na 2012. Sustav kao cjelina držao je dobru razinu operativne

profitabilnosti, ali je ipak deset banaka iskazalo negativan neto prihod tj. u tim bankama

razina neto prihoda nije bila dovoljna za pokriće općih troškova poslovanja.

18

3.3.2. POKAZATELJI PROFITABILNOSTI

U 2012. godini došlo je do pada pokazatelja profitabilnosti, a u 2013. pad je bio još veći.

Pokazatelji profitabilnosti spustili su se na najnižu razinu još od krizne 1998.

Grafikon 5. Profitabilnost prosječne imovine (ROAA) i profitabilnost prosječnog kapitala

(ROAE) banaka


Prema grafikonu iznad vidljivo je da je profitabilnost prosječne imovine (eng. ROAA)

iznosila 0,2%, a profitabilnost prosječnog kapitala (eng. ROAE) 0,9%. Pad profitabilnosti u

2013. godini bio je posljedica rasta troška rizika, a zatim i smanjenje neto kamatne marže.

U 2013. godini banke nisu uspjele poboljšati troškovnu efikasnost unatoč naporima

uloženima u smanjivanje visine oćih troškova poslovanja. Omjer općih troškova poslovanja

i operativnog prihoda pogoršao se pod utjecajem smanjenja operativnog prihoda. U 2012.

iznosio je 51,8%, a zatim je porastao na 52,0% u 2013., što je vidljivo na grfikonu dolje.

19

Grafikon 6. Troškovna efikasnost banaka


3.4. KREDITNI RIZIK

3.4.1. KREDITI

U odnosu na 2012. banke su povećale iznos danih kredita za 3,0 milijarde kuna pa su krediti

na kraju 2013. iznosili 286,9 milijardi kuna. Na visinu godišnje stope rasta utjecale su tečajne

promjene.

20

Tablica 4. Dani krediti banaka, na kraju razdoblja, u milijunima kuna i postocima


Razina kredita trgovačkim društvima ostala je gotovo nepromjenjena u odnosu na 2012. U

2013. porasli su samo krediti javnim trgovačkim društvima dok su se krediti ostalim

21

trgovačkim društvima smanjili. Prema namjeni kredita najveće smanjenje je vidljivo kod

kredita za investicije, građevinarstvo i financiranje izvoza.

Izuzmu li se krediti dani stanovništvu, djelatnost građevinarstva je bankama i dalje naveći

izvor rizika. Na kraju 2013. na kreditne djelatnosti građevinarstva odnosilo se 24,7% ukupnih

kredita danih trgovačkim društvima.

Grafikon 7. Struktura kredita banaka po djelatnostima, na dan 31. Prosinca 2013.


Na kraju 2013. 73,8% ukupnih kredita bilo je odabrano u stranim valutama i u kunama s

valutnom klauzulom. Najveći dio ukupnih kredita odnosio se na kredite u eurima ili u kunama

s valutnom klauzulom u eurima, 64,2%. Zatim su slijedili krediti u kunama 26,2% te krediti

u švicarskim francima ili u kunama s valutnom klauzulom u švicarskim francima 8,8%. Na

sve ostale valute odnosilo se manje od 0,8% ukupnih kredita.

Smanjenje kredita u sektoru stanovništva za 2,6 milijardi kuna ili 2,1% bilo je rezultat pada

svih važniji vrsta kredita osim gotovih i nenamjenskih. Važan utjecaj na ukupno kretanje u

22

2013. imalo je smanjenje stambenih kredita za više od 1,6 milijardi kuna, a zatim osjetno

smanjenje kredita za kupnju automobila za 1,0 milijardu kuna.

Dvije vrste kredita nastavile su dominirati kod sektora stanovništva. Stambeni krediti i dalje

imaju vodeću ulogu u vrsti kredita s udjelom od 46,6%. Povećanjem iznosa gotovinskih

nenamjenskih kredita povećao se udio u strukturi kredita stanvništva na 30,1%.

3.5. LIKVIDNOSNI RIZIK

3.5.1. IZVORI FINANCIRANJA

Ukupni izvori financiranja banaka na kraju 2013. iznosili su 329,0 milijardi kuna. U odnosu

na 2012. to je povećanje za 0,3%. Taj porast bio je posljedica promjene tečaja kune pa su

ukupni izvori smanjeni za 0,4%, uzevši u obzir te utjacaje.

Tablica 5. Struktura izvora financiranja banaka, na kraju razdoblja, u postocima


Proces razduživanja banaka u protekloj godini se u najvećoj mjeri odnosio na smanjivanje

obveza prema većinskim stranim vlasnicima i povrat kredita domaćim financijskim

institucijama. Banke su smanjile sve vrste izvora primljenih od većinskih stranih vlasnika.

Visinom smanjnjenja prednjačili su primljeni krediti koji su se smanjili za 3,7 milijardi kuna,

odnosno 15,7%. Banke su se gotovo cijelu 2013. razduživale i na domaćem međubankovnom

tržištu. Omjer kredita i depozita u 2013. pao je za 3,8 postotnih bodova na 93,3.

23

4. ANALIZA OMEĐIVANJA PODATAKA (eng. DEA)

Analiza omeđivanja podataka (AOMP) je skup modela i metoda zasnovanih na

matematičkom modeliranju. Pristup analize omeđivanja podataka omogućava pretvorbu

višetrukih inputa u višestruke outpute. Podaci o korištenim inputima i outputima se

uvrštavaju za sve promatrane donositelje odluke (DO) u linearni program koji predstavlja

odabrani model analize omeđivanja podataka. Na taj način se ocjenjuje efikasnost pojedinog

DO unutar skupa promatranih DO.

Posljednjih godina korištenje analize omeđivanja podataka je vrlo često i koristi se u

industriji, trgovini, ekonomiji i slično. Analiza omeđivanja podataka otvara mogućnosti

korištenja u slučajevima u kojima je to ostalim metodama bilo nemoguće zbog složene

prirode veze između inputa i outputa. Od sredine osamdesetih godina analiza omeđivanja

podataka postala je vrlo popularna u mjerenju učinkovitosti u bankarskoj industriji o čemu

su pisali Sherman i Gold 1985., Ferrier i Lovell 1990. Leibenstein i Maital, 1992., tvrdili su

da je ova metoda vrhunska za mjerenje sveukupne tehničke neučinkovitosti.

Prema Cooperu, Seifordu i Toneu (2000.) AOMP se koristi također i kao dopuna novim

uvidima u aktivnosti koje su prije toga bile evaluirane nekom drugom metodom. Kao primjer

se mogu navesti studije sustavnog vrednovanja uz pomoć AOMP kojima su identificirane

mnoge neefikasnosti najprofitabilnijih poduzeća u kojima je osnovni kriterij vrednovanja bio

profit. Time se omogućio bolji sustav vrednovanja u mnoštvu studija iz prakse. Primjena

AOMP se također predlaže u preispitivanju efikasnosti vođenja banaka prije i nakon procesa

udruživanja.

Analiza omeđivanja podataka pojavila se prvi puta 1978. godine. Odmah je na mnogim

poljima prepoznata kao izvrsna i lako primjenjiva metoda za modeliranje operativnih procesa

u evaluaciji učinkovitosti. Zhu (2002.) je omogućio mnoštvo modela AOMP-inih

proračunskih tablica koje se mogu koristiti u ocjeni izvođenja i prilikom sustavnog

vrednovanja. Charnes, Cooper i Rhodes u svom radu iz 1978. opisuju analizu omeđivanja

24

podataka kao model matematičkog programiranja primjenjiv na opažajnim podacima koji

omogućuje novi način stjecanja empirijske procjene relacija kao što je produktivna funkcija

ili efikasno produktivne vjerojatnosne podloge koji predstavljaju potporne stupove

ekonomije.

Analiza omeđivanja podataka umjesto da se nastoji prilagoditi regresijskoj ravnini koja

prolazi kroz centar podataka kao što je to slučaj u statističkoj regresiji promatra se primjerice

jedna razina po dijelovima linearne funkcije vrijednosti koje se nalaze na vrhu opažanja.

Prednost AOMP metode je u tome što za određivanje efikasnosti jedinice odlučivanja nije

potrebno eksplicitno odrediti funkcijsku ovisnost između inputa i outputa kao što je to u

linearnim i nelinearnim regresijskim modelima.

4.1. POJAM EFIKASNOSTI

Za ekonomiste efikasnost je odnos između cilja i sredstva. Ako je situacija neučinkovita,

tvrdi se da su se željeni ciljevi mogli postići s manje uloženih sredstava. “Manje” i “više” u

tom kontekstu nužno se odnosi na manje i više vrijednosti. Dakle, ekonomska efikasnost ne

mjeri odnos između fizikalnih veličina ciljeva i sredstava, nego odnos između vrijednosti

cilja i sredstva.

4.1.1. ANALIZA OMEĐIVANJA PODATAKA - STANDARD ZA EFIKASNOST

AOMP je zasnovana na pojmu efikasnosti koja je korištena u inženjeringu i prirodno-

znanstvenom istraživanju. Ta tehnička efikasnost je definirana kao omjer količine posla koji

može obaviti neki stroj u odnosu utrošene energije uložene u proces. Koncept tehničke i

ekonomske efikasnosti je različit i nije odmah primjenjivan u ekonomske svrhe prilikom

računanja, što proizlazi iz predpostavke da će output biti veći od inputa zbog dodane

vrijednosti u proizvodnji. Ipak, standardna ekonomska efikasnost koja je slična tehničkoj

može biti definirana i korištena za usporedbu relativne efikasnosti i ekonomskih entiteta. Na

primjer, poduzeće može biti efikasno u odnosu na drugo ako proizvodi barem jednaku

25

količinu outputa s manje inputa ili više outputa s istom ili manjom količinom inputa. Svako

poduzeće smatra se tehnički efikasno ako ne može povećati output ili smanjiti input bez

smanjivanja drugih outputa ili povećanja drugih inputa. Nešto širi koncept ekonomske

efikasnosti je kada poduzeća pronađu kombinaciju inputa koji omogućuju proizvodnju

željene razine outputa uz minimalne troškove. Prema Bankeru i Maindirattu (1988) to se

zove predviđena efikasnost zato što kod maksimiziranja dobiti poduzeće mora raspodijeliti

svoja sredstva tako da tehnička stopa zamjene bude jednaka omjeru cijene i resursa.

4.1.2. ANALIZA OMEĐIVANJA PODATAKA I TEHNIČKA EFIKASNOST

U mikroekonomiji mogućnost proizvodnje se sastoji od kombinacije inputa i outputa koji

proizlaze iz tehničke efikasnosti. Funkcija proizvodnje je matematički izraz za postupak koji

transformira inpute u outpute. Prema tome, ona definira granicu proizvodne mogućnosti. Na

primjer kao dobro poznata Cobb-Douglasova funkciji proizvodnje

gdje je maksimalni output za danu količinu dva inputa: kapital i rad . Iako sva poduzeća

proizvode isto dobro ( ) sa istom tehnologijom i definiranom količinom 1, ona mogu

svejedno koristiti drugačije kombinacije rada i kapitala za proizvodnju različitih razina

outputa. Ipak, sva poduzeća čije kombinacije inputa i outputa leže na granici proizvodnje

definirane količine 1 nazivaju se tehnički efikasna.

AOMP pruža sličan pojam efikasnosti. Glavna razlika je u tome što kod AOMP granica

proizvodnje nije definirana nekim brojem kao gore naveden primjerice 1, nego je ostvarena

iz stvarnih podataka za promatrano poduzeće. Prema tome, rezultat efikasnosti za određeno

poduzeće kod AOMP nije definiran prema apsolutnim standardima.

U mikroekonomskoj analizi, efikasna proizvodnja je definirana prema tehnološkim odnosima

s pretpostavkom da poduzeće posluje efikasno. Da li poduzeća imaju ili nemaju pristup istoj

tehnologiji, pretpostavka je da rade na granici mogućnosti njihove relevantne proizvodnje,

26

stoga su po definiciji tehnički efikasna. Kao rezultat, mnogo od mikroekonomske teorije

ignorira pitanje koje se tiče tehnološke neefikasnosti.

AOMP pretpostavlja da sva poduzeća imaju istu neodređenu tehnologiju koja definira

njihove proizvodne mogućnosti. Cilj AOMP je definirati koja poduzeća posluju na granici

efikasnosti, a koja ne. Prema tome AOMP dijeli inpute i outpute poduzeeća na efikasne i

neefikasne kombinacije. Efikasna input-output kombinacija prinosa implicitne granice

proizvodnje je procijenjena za kombinaciju inputa i outputa svakog poduzeća. Ako input-

output kombinacija poduzeća leži na granici AOMP, smatra se da poduzeće posluje efikasno.

Isto tako, ako se input-output kombinacija nalazi izvan AOMP, posuzeće se smatra

neefikasnim.

Odnos između AOMP i ekonomske proizvodnje najjednostavnije se može prikazati sljedećim

grafikonom prema kojem poduzeće koristi jedan input za proizvesti jedan output.

27

Grafikon 8. Odnos AOMP i ekonomske proizvodnje

Izvor: Data envelopment analysis and commercial bank performance: A primer with

applicationsto Missouri banks, 1992, p. 34

U primjeru je šest poduzeća čiji su inputi označeni sa x, a output sa y. Njihove input-output

kombinacije označeni su (s = 1,2,3,…6). Dok je kombinacija inputa i outputa granične

proizvodnje označena sa , efikasna granična proizvodnja je prikazana

povezanom crtom. Prema AOMP i su neefikasni zato što oni leže izvan granice. Isto

tako je neefikasan jer isti output se može proizvesti s manje inputa.

28

4.1.3. ANALIZA OMEĐIVANJA PODATAKA I EKONOMSKA EFIKASNOST

Ekonomska efikasnost koristi se prilikom navođenja mnoštva povezanih pojmova. Radi se o

korištenju resursa na način da se maksimizira produktivnost dobara i usluga. Promatrani

sustav može se nazvati ekonomski efikasnim ukoliko (Baumol i Blinder, 2007, p. 264)

· niti jedan akter ne može funkcionirati bolje, a da istovremeno ne pogorša

funkcioniranje drugog aktera u sustavu koji se promatra

· ne može se ostvariti više outputa ukoliko se ne poveća količina inputa

· dobit proizvodnje se ostvaruje uz najmanji trošak po jedinici.

Ove tri definicije nisu ekvivalentne, ali su prožete idejom da se ne može postići više od

trenutnog ukoliko su svi dostupni resursi iskorišteni.

4.1.4 MJERENJE EFIKASNOSTI

Tehnike mjerenja efikasnosti mogu se podijeliti u dvije grupe ovisno o procijeni funkcije

proizvodnje. Tu spadaju statistička regresijska analiza, metoda stohastičkih granica te analiza

omeđivanja podataka koja predstavlja neparametarske metode za razliku od prethodne dvije

navedene metode koje spadaju u parametarske modele. Uspoređujući analizu omeđivanja

podataka i regresijsku analizu dolazi se do zaključka da su te dvije metode imaju potpuno

različite pristupe. Razlika je u tome što se regresijskom analizom na osnovu nezavisnih

varijabli procijenjuju prosječne vrijednosti zavisnih varijabli, među kojima postoji funkcijska

zavisnost, a koje su temelj za računanje efikasnosti. Kod analize omeđivanja podataka

potrebe za funkcionalnom ovisnošću nema te se formira eksperimentalana granica efikasnosti

na temelju podataka o donositeljima odluke koji ulaze u analizu. AOMP se koncentrira na

individualna opažanja zato što za svaku promatranu jedinicu rješava problem linearnog

programiranja, dok regresijska analiza optimizira kroz sve DO i koristi se u slučajevima kada

dolazi do zanimanja za opća obilježja. Nasuprot tome, AOMP se koristi kada se promatrana

jedinica uspoređuje s ostalim jedinicama koje koriste iste inpute i outputete joj nije poteškoća

obraditi problem višestrukih inputa/outputa relativno jednostavnim matematičkim

postupcima te pritom omogućiti uočavanje uzroka i dosega neefikasnosti.

29

Osnovna prednost AOMP je to što ne traži funkcionalnu vezu za inpte i outpute iako se

pretpostavlja da ta veza postoji. Najveći nedostatak te metode je osjetljivost na ekstremna

opažanja i slučajne pogreške, ali i to da su efikasne jedinice međusobno neusporedive jer su

sv efikasne i ne postoje efikasnije.

Analiza omeđivanja podataka predstavlja model analize multifaktorske produktivnosti za

mjerenje relativnih efikasnosti homogenog skupa jedinica odlučivanja. Pokazatelj efikasnosti

u slučaju višestrukih inputa i outputa definira se kao (Jardas Antonić, 2011, p. 84)

Analiza omeđivanja podataka koristi linearno programiranje za izračunavanje ljuske koja

obavija sve dobivene vrijednosti (točke), spajajući pritom najefikasnija opažanja. Udaljenost

između ovojnice i opažanja izračunava se kako bi se omogićilo mjerenje tzv. Ferellove

tehničke efikasnosti.

Jedan od zahtjeva kod analize omeđivanja podataka je da vrijednosti ne smiju biti

negativne, ali u praksi se događa suprotno. U velikom broju slučajeva vrijednosti inputa i

outputa imaju negativne vrijednosti.

Uz predpostavku da su i pomaknuti za i , retrospektivno, postoji skup

novih vrijednosti i

Granica efikasnosti razapeta je jedinicama čija je vrijednost od . Za novonastali model

varijabilnih prinosa vrijedi da je

30

Granica efikasnosti u slučaju kada se i zamijene s i retrospektivno ostaje ista

stoga se dolazi do zaključka da se model varijabilnih prinosa može nositi s problemom

negativnih podataka.

Inputu orijentirane optimalne vrijednosti modela varijabilnih prinosa invarijantne su na

promjenu output dok su output orijentirane vrijednosti invarijantne na promjenu inputa.

Ukoliko postoje negativne vrijednosti i podataka inputa i podataka outputa može se koristiti

bilo koji od navedena dva modela varijabilnih prinosa. Kada se negativne vrijednosti

podataka transformiraju u pozitivne, granica efikasnosti u modelima varijabilnih prinosa

ostaje nepromjenjena.

Definicija 4.8 (Definicija translatorne invarijantnosti) (Cooper, W. et al. 2006, p.97)

Za bilo koji dani problem, kaže se da je AOMP model translatorno invarijantan ako

pomicanjem (translacijom) početnih vrijednosti inputa/outputa rezultira novim problemom

koji ima isto optimalno rješenje (za oblik ovojnice) kao i početni.

4.2. OSNOVNI MODELI ANALIZE OMEĐIVANJA PODATAKA

Analiza omeđivanja podatka određuje empirijsku granicu efikasnosti omeđujući inpute

odozdo, a outpute odozgo, a zato što je određuju postojeći donositelji odluke, granica

efikasnosti je ostvariv cilj kojem moraju težiti neefikasni DO. Oni postižu efikasnost

projekcijom na efikasnu granicu. Tako se AOMP bazira na ekstremnim opažanjima,

uspoređujući svaki DO samo s najboljima.

Težine inputa i outputa određuju se primjenom metode na način koji pridružuje skup

najpovoljnijih težina svakom DO. Pojam najpovoljniji znači da je rezultirajući omjer inputa

31

i outputa za svaki DO maksimiziran u odnosu na sve ostale DO kada su te težine pridružene

pripadajućim inputima i outputima za svakog DO (Rabar, 2010, p. 514).

Iako se radi o jednostavnoj metodi, postoji nekoliko modela unutar AOMP koji se koriste u

određenim situacijama s obzirom na svoje zahtjeve. U ovom radu bit će opisana dva modela

i to CCR (Charnes-Cooper-Rhodes) model koji se koristi u slučajevima konstantnih prinosa

i BCC (Banks-Charnes-Cooper) model koji se koristi u slučajevima varijabilnih prinosa.

4.2.1. CCR MODEL 1

CCR model jedan je od osnovnih modela u AOMP koji je nastao 1978. godine. Nazvan je

prema početnim slovima prezimena svojih utemeljitelja Charnesa, Coopera i Rhodesa. Model

se zasniva na predpostavci konstantnog prinosa. To znači da izvedivost aktivnosti (X, Y)

povlači izvedivost aktivnosti (tX, tY) za svaki pozitivan broj t. Granica efikasnosti takvog

modela može se prikazati na primjeru jednog inputa i jednog outputa kao što je na grafikonu

ispod.

1 Definicije i teoremi u radu preuzeti su iz knjige Cooper, W. et al. 2006, Introduction to Data Envelopment

Analysis and Its Uses, Springer

32

Grafikon 9. Prikaz granice efikasnosti CCR modela

Izvor: Ocjenjivanje efikasnosti poslovanja hrvatskih bolnica metodom analize omeđivanja

podataka, 2010, p. 515

Prema modelu za svakog DO formira se virtualni input i virtualni output, uz pomoć težina

inputa ( ) i outputa ( ).

Optimalne težine se zatim pokušavaju odrediti korištenjem linearnog programiranja tako što

će se maksimizirati njihov omjer. One mogu varirati od jednog do drugog DO čime se dolazi

do zaključka da su težine u AOMP izvedene iz podataka, a ne fiksirane unaprijed. Svakoj

jedinici dodijeljuje se najbolji skup težina s vrijednostima koje variraju od jedinice do

jedinice.

Ocjena relativne efikasnosti promatranog postiže se rješavanjem dolje

prikazanog problema razlomljenog programiranja, kako bi se dobile vrijednosti za težine

inputa te vrijednosti težina outputa označene s koje

predstavljaju varijable traženog problema.

33

Uz ograničenje

Ograničenja osiguravaju da omjer virtualnog outputa nasuprot omjera virtualnog inputa ne

smiju prelaziti 1 za svakog . Cilj je steći vrijednost težine i koje maksimiziraju

omjer koji je bio ocjenjivan. Uz postavljena ograničednja, optimalna vrijednost koja se

može dobiti za * je najviše 1. Matematički, ograničenje nenegativnosti (4.3) za uvjete

razlomka o pozitivnoj vrijednostu postavljene u (4.2).

U sljedećem koraku će se prethodni problem razlomljenog programiranja zamijeniti

problemom linearnog programiranja .

Uz ograničenje

34

TEOREM 4.1 Problem razlomljenog programiranja ekvivalentan je problem linearnog

programiranja .

TEOREM 4.2 Optimalne vrijednosti maksimuma * u (4.1.) i (4.5) nezavisne su od

mjernih jedinica inputa i outputa pod uvjetom da su te jedinice jednake za svakog DO.

Tim teoremom objašnjava se da ukoliko se određena jedinica inputa ili outputa koristi za

jednog DO tada se ta ista mjerna jedinica mora koristiti i za ostale DO.

Pretpostavi li se da postoji optimalno rješenje problema koje će se predstaviti s

gdje su vrijednosti s ograničenjima danima u (4.8) i (4.9), može se

identificirati da li se CCR efikasnost može postići na način opisan sljedećom definicijom.

Definicija 4.3 (CCR efikasnost)

1. je CCR efikasan ako je i ako postoji barem jedno optimalno rješenje

za koje vrijedi i .

2. U suprotnom je CCR neefikasan.

Iz toga slijedi da CCR neefikasnost zanči da je ili i barem jedan element

jednak nuli za svako optimalno rješenje .

Promatra li se slučaj u kojem je tj. koji je CCR neefikasan, mora postojati barem

jedan DO u (4.7) za koji će težina proizvesti jednakost lijeve i desne strane dok se u

protivnom vrijednost može povećati. Neka je skup skup takvih za koji je

35

Podskup skupa koji se sastoji od CCR efikasnih rješenja DO naziva se referentni skup

ili skupina ravnopravnih sudionika. Skup dobiven spajanjem elemenata iz naziva se

granica efikasnosti.

4.2.1.1. CCR MODEL I DUALNI PROBLEM

Dualni problem problema izražen je realnom varijablom i varijablama nenegativnog

vektora

uz ograničenja

Iz ograničenja se vidi da u slučaju kada je , uređeni par pokazuje bolje

rezultate nego . U skladu s time definiraju se dopunske varijable i

koje se interpretiraju kao višak inputa i manjak outputa. Za njihvo otkrivanje

potrebno je provesti dvofazni postupak. U prvoj fazi minimizira se dok se u drugoj fazi

maksimizira zbroj viškova inputa i manjkova outputa uz korištenje optimalne vrijednosti

funkcije cilja prve faze

uz ograničenja

gdje je jedinični vektor tako da je i .

Funkciju cilja (4.15) može se zamijeniti zbrojem viškova inputa i manjkova outputa oblika

36

gdje težine i predstavljaju pozitivne vektore.

Definicija 4.4 (referentni skup)

Za neefikasni definira se njegov referentni skup zasnovan na rješenju dobivenom

nakon prve i druge faze sa

Optimalno rješenje se može izraziti u obliku:

Navedene relacije sugeriraju da efikasnost od za može biti dosegnuta ako se

vrijednosti inputa smanje proporcionalno s omjerom i ako se uklone viškovi inputa

zabilježeni sa , a vrijednosti outputa povećaju manjkovima outputa u . Opisano

poboljšanje može se izraziti sljedećom formulom pod imenom CCR projekcija:

37

4.2.1.2. OUTPUT - USMJERENI MODEL

Do sada se pisalo o input – usmjerenom modelu čiji cilj je bio minimizirati inpute kako bi se

ostvarila barem zadana razina outputa. Suprotno njemu output – usmjereni model pokušava

maksimizirati outpute korištenjem jednake ili manje količine inputa.

Za ocjenu relativne efikasnosti u modelu CCR usmjerenom na outpute koristi se

linearnim programom

uz ograničenja

Za otkrivanje mogućih viškova inputa i manjkova outputa za također se koristi

dvofaznim postupkom koji se od prethodnog razlikuje u tome što optimalna vrijednost

funkcije cilja sada predstavlja recipročnu vrijednost iznosa efikasnosti, a za neefikasnog

istovremeno i faktor povećanja vektora outputa na Dopunske varijable

definiraju se sa:

Dualni problem od je izražen modelom u kojem varijable predstavljaju vektori i

:

uz ograničenja

38

TEOREM 4.5

Neka je optimalno rješenje dano s tada se optimalno rješenje output –

usmjerenog modela dobiva iz:

To ukazuje na svojstvo da se rješenje za output – usmjereni CCR model može dobiti iz

rješenja inputu – usmjerenog CCR modela.

4.2.2. BCC MODEL2

BCC model koristi se u slučaju rastućeg ili opadajućeg prinosa kod kojeg proporcionalno

povećanje inputa rezultira više ili manje nego proporcionalnim povećanjem output, dakle

radi se o varijabilnom prinosu.

BCC model usmjeren na inpute razlikuje se od CCR modela istog usmjerenja samo u

dodatnom ograničenju . S obzirom da je postavljeno i ograničenje za sve

, nametnut je uvjet konveksnosti na dopustive načine na koje se DO može konbinirati.

Slično je i kod BCC modela usmjerenog na outpute s dodatnim ograničenjem .

Funkcija cilja koja predstavlja iznos efikasnosti označuje se sa , a referentni skupovi se

označuju kao i kod CCR modela.

2 Definicije i teoremi u radu preuzeti su iz knjige Cooper, W. et al. 2006, Introduction to Data Envelopment

Analysis and Its Uses, Springer

39

Zbog dodatnog ograničenja granica efikasnosti kod BCC modela razlikuje se od one u CCR

modelu. To je prikazano na slici ispod na primjeru jednog inputa i jednog outputa. Budući da

je svaki neefikasni DO bliži svojoj BCC projekciji više nego CCR, BCC efikasnost lakše je

ostvariva, a iznosi efikasnosti uz model BCC nikad nisu niži od onih u modelu CCR bez

obzira na odabrano usmjerenje.

Grafikon 10. Prikaz granice efikasnosti BCC modela

Izvor: Ocjenjivanje efikasnosti poslovanja hrvatskih bolnica metodom analize omeđivanja

podataka, 2010, p. 519

Prema modelu usmjerenom na inpute entitet E dostiže efikasnost projekcijom u točku R, a

prema modelu usmjerenom na outpute projekcijom u točku T. Entitet E može dosegnuti

efikasnost projekcijom u bilokoju točku na granici efikasnosti između točaka R i T ako se

korist kombinacijom dvaju usmjerenja.

Prema modelu BCC usmjerenom na inpute entitet F dostiže efikasnost u dvije faze. U prvoj

fazi se inputi maksimalno proporcionalno smanjuju pomakom u točku F'. Ona se nalazi na

neefikasnom dijelu granice pa ju je moguće poboljšati pomakom u točku D. Time se uklanja

manjak outputa bez pogoršanja prije postignute vrijednosti inputa, a to je druga faza. Slično

je i u modelu usmjerenom na outpute, gdje entitet C dostiže efikasnost maksimalnim

40

proporcionalnim povećanjem outputa (pomak u točku C') i uklanjanjem viška inputa bez

pogoršanja prije postignute vrijednosti output (pomak u točku B).

Definicija 4.6 (BCC-efikasnost)

Ako optimalno rješenje dobiveno u dvofaznom procesu za model

zadovoljava i nema dopunskih varijabli , tada se naziva

BCC-efikasnim, a u protivnom BCC-neefikasnim.

Input orijentiran BCC model ocjenjuje efikasnost za rješavanjem

sljedećeg linearnog programa:

uz ograničenja

Dualni problem u multiplikatorskoj formi pripadnog izražen je kao:

uz ograničenja

Razlika u CCR i BCC modelu očituje se u slobodnoj varijabli , koja predstavlja varijablu

duala udruženu s ograničenjem koje se ne pojavljuju u CCR modelu.

41

Primarni program se rješava dvofaznom procedurom kao i u CCR modelu. U prvoj

fazi se minimizira vrijednost , nakon čega se u drugoj fazi maksimizira suma viškova

inputa i manjkova outputa, zadržavajući pritom . Povezanost između ocjenjenih

vrijednosti dobivenih CCR i BCC modelima uočava se u tome što je dopustivo područje za

podskup dobivenog područja CCR modela iz čega slijedi da nije manji od

optimalne vrijednosti cilja .

Definicija 4.7 (Referentni skup)

Za BCC neefikasnog definira se njegov referntni skup , temeljen na optimalnom

rješenju kao:

Ukoliko se dobije više optimalnih rješenja, može se izabrati bilokoje da bi se utvrdilo:

4.3. PREDNOSTI I NEDOSTACI ANALIZE OMEĐIVANJA PODATAKA

Svaka metoda ima svoje prednosti i nedostatke. Najčešće prednosti i nedostaci koji se

spominju kod AOMP su (Jardas Antonić, 2005, p.123):

Prednosti analize omeđivanja podataka:

· ne zahtjeva eksplicitno određivanje matematičke forme za formiranje funkcije

proizvodnje

42

· dokazano je korisna prilikom otkrivanja odnosa koji ostaju nepokriveni za ostale

metodologije

· sposobna je za rukovanje višestrukim inputima i outputima

· izvori neefikasnosti mogu se analizirati i kvantificirati za svaku evaluiranu jedinicu

· metoda daje projekcije na temelju kojih relativno neefikasne jedinice mogu poboljšati

svoje poslovanje

· ne traži specifikaciju težina već ih metoda sama izračunava

Nedostaci analize omeđivanja podataka:

· rezultati su osjetljivi na odabir inputa i output

· broj inputa i output je ograničen brojem DO koje ulaze u analizu

· broj efikasnih jedinica na granici ima tendenciju rasti s količinom varijabli inputa i

outputa

Navedeni nedostaci mogu se izbjeći kombiniranjem dvije ili više metoda.

43

5. ANALIZA

Ocjenom efikasnosti obuhvaćeno je 28 donositelja odluke, a to su banke u Republici

Hrvatskoj. Analizom omeđivanja podataka određena je, prema odabranim kriterijima, razina

njihove relativne efikasnosti.

5.1. ODABIR INPUTA I OUTPUTA

Banke raspolažu velikim brojem podataka pa će se oni pokušati pretvoriti u kvalitetne

informacije kako ih najbolje iskoristiti za povećanje efikasnosti poslovanja. Prvi korak u

izradi modela za ocjenu rada banke je odabir onih rezultata rada (outputa) koji odražavaju

željene ciljeve i glavnih resursa (inputa) koji se pritom koriste. Između njih se moraju

odabrati oni koji najbolje prikazuju proces koji se ocjenjuje i koji daju pravu sliku ukupnog

poslovanja. To je, uz odabir modela, jedini element unošenja subjektivnosti u AOMP, što je

osnovno ograničenje u njezinoj primjeni kao alata odlučivanja.

Uz navedeno, treba voditi računa o odnosu broja varijabli inputa i outputa i broju jedinica

koje se analiziraju da bi rezultati analize bili što bliži stvarnosti. Iako ne postoji točno

definirano pravilo, broj jedinica morao bi biti najmanje 3-5 puta veći od ukupnog broja

varijabli inputa i outputa.

Osim što ukazuju na aktualno stanje i omogućuju praćenje kretanja pojedinih sastavnica,

financijski pokazatelji su prijeko potrebni za ocjenu funkcioniranja i učinkovitosti

bankarskog sustava i osnova su planiranja. Za ovo istraživanje odabrano je ukupno sedam

pokazatelja. Za svaku su banku u analizu uvrštena tri istovrsna inputa:

kamatni troškovi

troškovi od provizija i naknada

ostali operativni troškovi

i četiri istovrsna outputa:

44

kamatni prihodi

prihodi od provizija i naknada

ostali operativni prihodi

dobitak (gubitak)

Razlozi za odabir navedenih pokazatelja su sljedeći. Najznačajniji prihodi u računu dobiti i

gubitka banke su kamatni prihodi koji se ostvaruju na odabrene kredite, ali istodobno banka

je dužna plaćati kamatu na prikupljene depozite te su u tom smislu najznačajniji rashodi,

rashodi od kamata tj. ukupni kamatni troškovi. Osim prikupljanja depozita i odobravanja

kredita kao treća karakteristika se navodi da su banke institucije platnog prometa. Na temelju

obavljene usluge prijenosa novca s računa na račun banka ostvaruje prihode i troškove od

nakanada i provizija. Pod ostale operativne troškove i prihode podrazumijevaju se

administrativni prihodi i troškovi te amortizacija.

5.2. EMPIRIJSKI PODACI ZA ANALIZIRANE BANKE

U daljnjoj analizi za svaku od 30 promatranih banaka koristit će se podaci o odabranim

inputima i outputima u tisućama kuna objavljenima u Biltenu o bankama za 2014. godinu.

koji se odnose na polugodišnje razdoblje do 30.6.

Tablica 6. Izvorni empirijski podaci

u tisućama kuna

30.6.2014.

kamatni

prihodi

kamatni

troškovi prihodi

od

provizij

a i

naknada

troškovi od

provizij

a i

naknada

ostali

operativni

prihodi

ostali

operativn

i troškovi

dobitak(

gubitak)

BPC 70,757 32,681 4,129 1,526 51 2,670 -41,475

Kovanica 37,388 19,723 2,990 653 0 2,326 -7,135

BSD 15,658 6,213 1,711 342 37 959 137

BKS 27,901 10,383 2,670 667 504 857 1,538

Croatia 67,238 37,936 5,102 2,238 2,853 2,361 580

Erste 1,337,458 608,606 245,524 62,635 70,515 74,380 114,556

45

HPB 431,485 178,281 237,499 156,046 10,640 15,899 34,450

HYPO 600,353 339,376 117,293 22,328 16,802 22,623 9,995

IMEX 67,027 37,966 9,875 883 24 2,288 10,932

IKB 59,466 24,933 12,925 1,726 882 3,461 5,100

Jadranska 62,097 42,163 6,932 1,582 1,277 3,783 -22,413

KABA 42,033 21,437 8,912 3,459 1,416 2,574 -10,623

KENT 30,330 13,161 3,046 1,144 744 1,227 -4,021

Kreditna

banka Zg

110,133 68,598 13,147 4,238 705 4,786 10,417

NAVA 5,213 5,455 603 334 2 246 -51,832

OTP 322,873 122,572 68,893 14,627 2,849 16,065 21,046

Partner 44,750 23,376 3,954 1,199 1,511 1,137 1,564

Podravska 75,094 33,525 16,899 5,743 3,046 6,209 1,829

Primorska 5,997 3,850 1,217 515 43 228 -2,366

PBZ 1,560,310 503,272 382,439 136,531 37,338 83,359 342,239

RBA 769,842 243,720 236,586 66,688 21,721 23,910 182,613

Samoborska 8,770 4,319 1,965 853 192 545 -159

SBER 210,744 80,682 25,063 4,511 3,167 4,363 12,145

Slatinska 42,861 19,644 6,100 1,539 775 1,456 1,548

SG SB 596,870 249,435 142,837 26,990 595 25,155 100,873

Štedbanka 30,804 13,051 2,347 746 1,241 169 6,056

Tesla 383 1 19 32 3 -28 -3,045

VABA 30,216 21,101 2,890 912 1,227 1,887 1,900

Veneto 27,166 13,546 4,511 797 910 2,162 -14,149

ZABA 2,841,826 1,615,789 508,882 65,469 25,582 72,594 565,307

Izvor: Financijski izvještaj HNB-a, 2014.

Prema izvornim podacima neke od banaka prilikom analize remetile bi stvarnost dobivenih

rezultata stoga su izuzete iz daljnje analize (Tesla i NAVA). Isto tako svi dobitci odnosno

gubitci uvećani su za najveći gubitak + 1 kao bi se dobile pozitivne vrijednosti i što vjerniji

rezultati istraživanja.

Tablica 7. Normalizirani podaci

Banka

(I)

Kamatni

trošak

(I)

Trošak

prov i

nakna

(I) Operat

trošak

(O) Kam

prihod

(O)

Prihod

provizija i

naknada

(O)

Operat

prihod

(O)

Dobit

BPC 32681 1526 2670 70757 4129 51 1

Kovanica 19723 653 2326 37388 2990 1 34341

BSD 6213 342 959 15658 1711 37 41613

46

BKS 10383 667 857 27901 2670 504 43014

Croatia 37936 2238 2361 67238 5102 2853 42056

Erste 608606 62635 74380 1337458 245524 70515 156032

HPB 178281 156046 15899 431485 237499 10640 75926

Hypo 339376 22328 22623 600353 117293 16802 51471

Imex 37966 883 2288 67027 9875 24 52408

IKB 24933 1726 3461 59466 12925 882 46576

Jadranska 42163 1582 3783 62097 6932 1277 19063

KABA 21437 3459 2574 42033 8912 1416 30852

Kent 13161 1144 1227 30330 3046 744 37455

KBZ 68598 4238 4786 110133 13147 705 51893

OTP 122572 14627 16065 322873 68893 2849 62522

Partner 23376 1199 1137 44750 3954 1511 43040

Podravska 33525 5743 6209 75094 16899 3046 43305

Primorska 3850 515 228 5997 1217 43 39110

PBZ 503272 136531 83359 1560310 382439 37338 383715

RBA 243720 66688 23910 769842 236586 21721 224089

Samoborska 4319 853 545 8770 1965 192 41317

SBER 80682 4511 4363 210744 25063 3167 53621

Slatinska 19644 1539 1456 42861 6100 775 43024

SG SB 249435 26990 25155 596870 142837 595 142348

Štedbanka 13051 746 169 30804 2347 1241 47531

VABA 21101 912 1887 30216 2890 1227 43376

Veneto 13546 797 2162 27166 4511 910 27327

ZABA 1615789 65469 72594 2841826 508882 25582 606783

Izvor: Obrada autora

Iz tabličnog prikaza normaliziranih podataka odabranih inputa i outputa banaka može se

zaključiti da ZABA dominira na četiri od ukupno sedam pokazatelja. Za njom slijede Erste

banka i PBZ. Nakon provedene analize metodom omeđivanja podataka bit će moguće utvrditi

zavisnost zapažanja s dobivenim rezultatima.

47

Grafikon 11. Prikaz normaliziranih pokazatelja


U tablici 8. je prikazana deskriptivna statistika inputa i outputa uključenih u analizu

učinkovitosti upravljanja bankama u Republici Hrvatskoj. Za navedene varijable prikazane

su srednje vrijednosti, standardna devijacija, maksimalna i minimalna vrijednost.

Tablica 8. Deskriptivna statistika inputa i outputa uključenih u model AOMP-a

Kamatni tr Trosk prov i naknada

Operativni tr

Kam prihod

Prihod prov

Operativni prih

Dobit

Max 1615789 156046 83359 2841826 508882 70515 606783

Min 3850 342 169 5997 1217 1 1

Srednja vrijednost

156762.1 20949.54 13551.18 340266 74154.93 7380.286 88707.46

SD 319128.1 40047.24 23136.47 619691.3 128793.7 15132.23 124738.8


Omjeri između najvećih i najmanjih vrijednosti koji opisuju izabrane inpute i outpute su:

· Kamatni troškovi 1 : 419,685

0

500000

1000000

1500000

2000000

2500000

3000000

BP

C

Ko

va

nic

a

BS

D

BK

S

Cro

ati

a

Ers

te

HP

B

Hy

po

Ime

x

IKB

Jad

ran

ska

KA

BA

Ke

nt

KB

Z

OT

P

Pa

rtn

er

Po

dra

vsk

a

Pri

mo

rsk

a

PB

Z

RB

A

Sa

mo

bo

rsk

a

SB

ER

Sla

tin

ska

SG

SB

Šted

ban

ka

VA

BA

Ve

ne

to

ZA

BA

(I) Kamat tr (I) Trosk prov i naknada (I) Operativni tr

(O) Kamat prihod (O) Prih prov i naknada (O) Operativni prih

(O) Dobit

48

· Troškovi provizija i naknada 1 : 456,275

· Operativni troškovi 1 : 493,248

· Kamatni prihodi 1 : 473,875

· Prihodi provizija i naknada 1 : 418,145

· Operativni prihodi 1 : 70 515

· Dobit 1 : 606 703.

Iskazani omjeri upućuju na najveće razlike u području operativnih prihoda i dobiti. Omjeri

između minimalnih i maksimalnih vrijednosti ukazuju da su resursi kojima se koriste banke

različiti, a samo istraživanje će pokazati u kojoj mjeri koreliraju s prosječnom učinkovitošću.

5.3. STATISTIČKA VERIFIKACIJA PODATAKA

Za korištenje metode analize omeđivanja podataka u analizi uspješnosti poslovanja banaka

uz identifikaciju zajedničkih varijabli za sve donositelje odluka potrebno je utvrditi

povezanost inputa i output. Bitna pretpostavka AOMP je da pozitivna promjena inputa uvijek

rezultira pozitivnom promjenom outputa.

Iako je za poslovanje banaka uzet ograničen broj pokazatelja, njihova povezanost utvrđena

je Pearsonovim koeficijentom korelacije prema sljedećoj formuli

Tablica 9. Matrica koeficijenata korelacije inputa i outputa

Kamatni

tr

Trosk

prov i

naknada

Operativni

tr

Kam

prihod

Prihod

prov

Operativni

prih

Dobit

Kamatni tr 1 0.509096 0.828484 0.974953 0.893298 0.627017 0.923585

Trosk

prov i

naknada

0.509096 1 0.711453 0.631717 0.817892 0.616376 0.600526

Operativni

tr

0.828484 0.711453 1 0.919553 0.913217 0.877988 0.842418

49

Kam

prihod

0.974953 0.631717 0.919553 1 0.957243 0.720702 0.957294

Prihod

prov

0.893298 0.817892 0.913217 0.957243 1 0.722338 0.927451

Operativni

prih

0.627017 0.616376 0.877988 0.720702 0.722338 1 0.571198

Dobit 0.923585 0.600526 0.842418 0.957294 0.927451 0.571198 1


Podaci u gore navedenoj matrici koeficijenta korelacije prikazuju pozitivnu korelaciju za sve

uključene varijable.

Svi inputi i output prikazuju visoku i značajnu međusobnu korelaciju. Vidljivo je da je ona

najmanja (0.50) između lamatnih troškova i troškova provizija i naknada, ali je to i dalje

značajnu. Dakle, s obzirom na utvrđenu korelaciju, analiza efikasnosti dat će vjerodostojne

rezultate.

5.4. ODABIR TIPA MODELA

Pri odabiru tipa modela važno je poznavati vrste prinosa karakteristične za proces koji se

analizira i obilježja podataka. S obzirom da se kod poslovanja banaka nije moglo sa

sigurnošću utvrditi da li je riječ o konstantnim prinosima kod kojih se koristi CCR model ili

varijabilnim prinosim kod kojih se preporučuje BCC model, provedena je analiza kroz oba

modela.

Model AOMP može se prilagoditi strategiji koju menadžment odabere. Ukoliko je cilj

minimizirati inpute, uz ostvarenje iste razine outputa, koristit će se model usmjeren na inpute,

dok se prilikom maksimikzacije outputa, uz iste inpute, odabire model usmjeren na outpute.

U nastavku će se usporediti i obraditi CCR i BCC modeli usmjereni prema inputima i

outputima na temelju čega će se donijeti zaključak o tome koju strategiju bi prema podacima

bilo najbolje izabrati za uspješno poslovanje banaka.

50

5.5. OCJENA RELATIVNE EFIKASNOSTI BANAKA

Analiza relativne efikasnosti banaka obavljena je na temelju podataka iz Tablice 7. uz pomoć

softvera, koristeći inputu i outputu usmjerene CCR i BCC modele. Usporedba rezultata

pokazuje značajne razlike.

Tablica 10. Rezultati CCR i BCC modela

Rezultati analize CCR input CCR output BCC input BCC output

Broj relativno efikasnih banaka 14 14 18 18

Broj relativno neefikasnih banaka 14 14 10 10

Prosječna relativna efikasnost 0.9269897 0.9269897 0.947166432 0.954094367

Standardna devijacija 0.1039594 0.1039594 0.088718113 0.073034571

Najmanja vrijednost relativne

efikasnosti 0.609007 0.609007 0.634957468 0.737116098


Modeli prema inputu i output se gotovo ne razlikuju, ali uspoređujući CCR i BCC model

vidljivo je da je kod BCC modela nešto više banaka efikasno.

Tablica 11. Analiza učinkovitosti efikasnog upravljanja bankama

Redni

broj

Donositelj

odluke

CCR model BCC

model

1 BPC 91,23% 91,5444%

2 Kovanica 94,173% 94,4953%

3 BSD 100% 100%

4 BKS 100% 100%

5 Croatia 78,4036% 100%

6 Erste 100% 100%

7 HPB 100% 100%

8 Hypo 94,9433% 100%

9 Imex 100% 100%

10 IKB 100% 100%

11 Jadranska 73,7527% 81,538%

12 KABA 72,1279% 76,1822%

13 Kent 86,6827% 87,7323%

14 KBZ 60,9007% 63,4957%

51

15 OTP 98,7299% 100%

16 Partner 84,522% 92,5905%

17 Podravska 90,1518% 91,474%

18 Primorska 100% 100%

19 PBZ 98,3156% 100%

20 RBA 100% 100%

21 Samoborska 100% 100%

22 SBER 100% 100%

23 Slatinska 85,2393% 85,9046%

24 SG SB 100% 100%

25 Štedbanka 100% 100%

26 VABA 86,3931% 87,1089%

27 Veneto 100% 100%

28 ZABA 100% 100%


Prosječna relativna efikasnost prema CCR modelu je 92,70% što znači da prosječno efikasna

banka mora postići iste rezultate koristeći 92,70% resursa, odnosno 7.30% bolje rezultate s

istim resursima. S obzirom da BCC uzima u obzir varijabilne prinose iskazuje višu relativnu

učinkovitost, a ona za promatrane donositelje odluka iznosi 94,70%. To znači da prosječna

banka treba koristiti 94,70% dostupnih resursa za postizanje iste količine rezultata. Ako

prosječna banka želi poslovati efikasno treba proizvesti 5,30% više outputa s istom količinom

inputa.

Uzmu li se u obzir sve banke koje se promatraju u Republici Hrvatskoj prema CRR modelu

efikasno je njih 50%, a prema BCC modelu 64% i one definiraju granicu efikasnosti

upravljanja bankama. Te uspješne banke pojavljuju se kao uzor onima neefikasnim. Prema

tome u daljnjoj analizi koristit će se BCC model.

5.6. ORIJENTACIJA MODELA

Prema predhodnim rezultatima odabran je BCC model prema kome je 18 banaka efikasno

prema čemu se zaključuje da je pogodniji zbog varijabilnih prinosa na opseg. Nakon toga

52

potrebno je odrediti da li je model orijentiran prema inputu ili outputu. Izraz orijentiran

označava izlaznu ili ulaznu orijentaiju u ocjenjivanju efikasnosti. Postoje tri opcije, jedna je

input orijentacija koja ima za cilj smanjnje inputa ukoliko je to moguće uz nepromijenjeni

output. Druga je output orijentacija gdje se povećava razina output uz nepromijenjene inpute.

Ostali modeli podrazumijevaju kombinaciju inputa i outputa i oni predstavljaju treću opciju.

S obzirom na odabrane inpute i outpute u ovom istraživanju odlučeno je usporediti input i

output orijentirane modele kako bi se uvidjelo koju odluku bi menadžment donio odluči li se

za prvi odnosno drugi model, tj povećanje prihoda uz iste troškove ili obrnuto, samanjenje

troškova uz iste prihode.

53

6. REZULTATI ANALIZE

6.1. RELATIVNI REZULTATI EFIKASNOSTI PREMA BCC MODELU

U sljedećoj fazi BCC model se primjenjuje za mjerenje uspješnosti poslovanja svake banke

i dobivanja relativnih rezultata učunkovitosti. Tablica ispod prikazuje statistiku za za 28

banaka.

Tablica 12. Statistika BCC modela

Rezultati analize BCC output BCC input

Broj relativno efikasnih banaka 18 18

Broj relativno neefikasnih banaka 10 10

Prosječna relativna efikasnost 0.954094 0.947166

Standardna devijacija 0.073034 0.088718

Najmanja vrijednost relativne efikasnosti 0.737116 0.634957

Najveća vrijednost relativne efikasnosti 1 1


Te banke koje su bile relativno učinkovite mogu biti predstavljene kao bolje u poslovanju.

Kako razlikovati najbolje od njih? Jedna od mogućnosti je istražiti referentnu frekvenciju za

sve relativno efikasne banke kao pokazatelj “najboljeg izvođača”. Pri tome je najvažnije

pronaći najefikasnijeg DO s najviše sličnih inputa i output u odnosu na neefikasne.

Tablica 13. Referentni skup frekvencija

BCC output BCC input

Banka Frekvencija Banka Frekvencija Banka Frekvencija Banka Frekvencija

BSD 2 Primorska 0 BSD 2 Primorska 0

BKS 1 PBZ 0 BKS 2 PBZ 0

Croatia 1 RBA 4 Croatia 1 RBA 4

Erste 4 Samoborska 2 Erste 3 Samoborska 3

HPB 0 SBER 7 HPB 0 SBER 6

Hypo 0 SG SB 2 Hypo 0 SG SB 1

Imex 3 Štedbanka 8 Imex 4 Štedbanka 8

54

IKB 1 Veneto 1 IKB 1 Veneto 1

OTP 0 ZABA 3 OTP 0 ZABA 3


Prema tablici je vidljivo da je Štedbanka kandidat za “najboljeg izvođača” između 18

efikasnih banaka i kod inputu kao i kod outputu orijentiranim bankama . Thanassoulis (2001)

je istaknuo da je tada potrebna detaljna analiza i moguć pregled najgoreg i najboljeg izvođača

kako bi se razumio proces i kako bi se mogle izvući korisne informacije koje mogu pomoći

i najboljim i najgorim donositeljima odluke za poboljšanje efikasnosti poslovanja.

6.2. IZVORI I IZNOSI RELATIVNE NEEFIKASNOSTI

U slijedećoj fazi su identificirani izvori i iznos relativne neefikasnosti za svaku od 10

neefikasnih banaka prema output i input orijentiranom modelu. Razlika između stvarnih

podataka i projeciranih vrijednosti pokazuje koliko neefikasna banka treba povećati outpute

da bi postala efikasna u odnosu na efikasanu banku u svom referentnom skupu, odnosno

koliko treba smanjiti inpute da bi postala efikasna u odnosu na banku u svom referentnom

skupu.

Tablica 14. Potencijalno poboljšanje (projecirane vrijednosti) za output orijentirani model

Input/output Aktualno Ciljano Razlika Postotak

BPC

Kamatni tr 32681 32681 0 0.00%

Trosk prov i naknada 1526 1526 0 0.00%

Operativni tr 2670 2139.372 -530.628 -19.87%

Kam prihod 70757 77335.78 6578.775 9.30%

Prih prov i naknada 4129 9579.092 5450.092 132.00%

Operativni prih 51 824.9959 773.9959 999.90%

Dobit 1 47246.93 47245.93 999.90%

Kovanica

Kamatni tr 19723 19723 0 0.00%


Operativni tr 2326 1532.447 -793.553 -34.12%

55

Kam prihod 37388 39593.27 2205.269 5.90%


Operativni prihod 1 119.5439 118.5439 999.90%

Dobit 34341 45834.68 11493.68 33.47%

Jadranska

Kamatni tr 42163 30955.61 -11207.4 -26.58%


Operativni tr 3783 1319.118 -2463.88 -65.13%

Kam prihod 62097 73806.12 11709.12 18.86%


Operativni prihod 1277 1517.793 240.7935 18.86%

Dobit 19063 49805.21 30742.21 161.27%

KABA

Kamatni tr 21437 21437 0 0.00%


Operativni tr 2574 1558.825 -1015.18 -39.44%

Kam prihod 42033 57023.58 14990.58 35.66%


Operativni prih 1416 1921 505 35.66%

Dobit 30852 50966.21 20114.21 65.20%

Kent

Kamatni tr 13161 13161 0 0.00%


Operativni tr 1227 852.1854 -374.815 -30.55%

Kam prihod 30330 34929.56 4599.565 15.17%


Operativni prih 744 856.8281 112.8281 15.17%

Dobit 37455 45458.42 8003.417 21.37%

KBZ

Kamatni tr 68598 68598 0 0.00%


Operativni tr 4786 3761.156 -1024.84 -21.41%

Kam prihod 110133 142082.4 31949.42 29.01%


Operativni prih 705 1824.263 1119.263 158.76%

Dobit 51893 66947.08 15054.08 29.01%

Partner

Kamatni tr 23376 20851.15 -2524.85 -10.80%


Operativni tr 1137 749.2068 -387.793 -34.11%

56

Kam prihod 44750 47312.86 2562.856 5.73%


Operativni prih 1511 1597.536 86.53577 5.73%

Dobit 43040 47149.83 4109.828 9.55%

Podravska

Kamatni tr 33525 33525 0 0.00%

Trosk prov i naknada 5743 5280.868 -462.132 -8.05%

Operativni tr 6209 3643.676 -2565.32 -41.32%

Kam prihod 75094 82589.27 7495.268 9.98%


Operativni prih 3046 3350.027 304.0268 9.98%

Dobit 43305 52963.33 9658.326 22.30%

Slatinska

Kamatni tr 19644 19644 0 0.00%


Operativni tr 1456 1140.232 -315.768 -21.69%

Kam prihod 42861 48618.81 5757.806 13.43%


Operativni prih 775 1387.182 612.1822 78.99%

Dobit 43024 48803.7 5779.703 13.43%

VABA

Kamatni tr 21101 15843.39 -5257.61 -24.92%


Operativni tr 1887 361.7282 -1525.27 -80.83%

Kam prihod 30216 36070.32 5854.319 19.37%


Operativni prih 1227 1368.145 141.1448 11.50%

Dobit 43376 48365.65 4989.648 11.50%


Primjerice, Karlovačka banka trebala bi povećati svoj output kako bi postala efikasna u

odnosu na druge banke, osobito povećati prihod za 65,20% što bi se moglo postići

povećanjem ostalih inputa za 35,66%.

57

Tablica 15. Potencijalno poboljšanje (projecirane vrijednosti) za input orijentirani model

Input/output Aktualno Ciljano Razlika Postotak

BPC

Kamatni tr 32681 29917.64 -2763.36 -8.46%


Operativni tr 2670 2015.6 -654.4 -24.51%

Kam prihod 70757 70757 0 0.00%


Operativni prih 51 736.8225 685.8225 999.90%

Dobit 1 46683.54 46682.54 999.90%

Kovanica

Kamatni tr 19723 18637.31 -1085.69 -5.50%


Operativni tr 2326 1485.279 -840.721 -36.14%

Kam prihod 37388 37388 0 0.00%


Operativni prih 1 100.9747 99.97467 999.90%

Dobit 34341 45545.65 11204.65 32.63%

Jadranska

Kamatni tr 42163 27218.83 -14944.2 -35.44%


Operativni tr 3783 1137.235 -2645.76 -69.94%

Kam prihod 62097 62097 0 0.00%

Prih prov i naknada 6932 6932 0 0.00%

Operativni prih 1277 1277 0 0.00%

Dobit 19063 49538.77 30475.77 159.87%

KABA

Kamatni tr 21437 16331.18 -5105.82 -23.82%


Operativni tr 2574 1327.847 -1246.15 -48.41%

Kam prihod 42033 42033 0 0.00%



Dobit 30852 47584.93 16732.93 54.24%

Kent

Kamatni tr 13161 11546.45 -1614.55 -12.27%


Operativni tr 1227 777.6934 -449.307 -36.62%

Kam prihod 30330 30330 0 0.00%

58



Dobit 37455 44736.87 7281.871 19.44%

KBZ

Kamatni tr 68598 43556.81 -25041.2 -36.50%


Operativni tr 4786 2252.31 -2533.69 -52.94%

Kam prihod 110133 110133 0 0.00%


Operativni prih 705 1956.114 1251.114 177.46%

Dobit 51893 51893 0 0.00%

Partner

Kamatni tr 23376 19327.04 -4048.96 -17.32%


Operativni tr 1137 623.6981 -513.302 -45.15%

Kam prihod 44750 44750 0 0.00%



Dobit 43040 47405.46 4365.461 10.14%

Podravska

Kamatni tr 33525 30666.65 -2858.35 -8.53%


Operativni tr 6209 3375.531 -2833.47 -45.63%

Kam prihod 75094 75094 0 0.00%



Dobit 43305 51605.25 8300.249 19.17%

Slatinska

Kamatni tr 19644 16875.1 -2768.9 -14.10%


Operativni tr 1456 1250.771 -205.229 -14.10%

Kam prihod 42861 42861 0 0.00%


Operativni prih 775 1029.155 254.1546 32.79%

Dobit 43024 46576.2 3552.196 8.26%

VABA

Kamatni tr 21101 14796.94 -6304.06 -29.88%


Operativni tr 1887 273.1172 -1613.88 -85.53%

Kam prihod 30216 33676.34 3460.345 11.45%

59



Dobit 43376 48043.29 4667.292 10.76%


Ukoliko se ponovno promatra Karlovačka banka iz primjera iznad, ali ovoga puta prema

BCC inputu orijentiranom modelu, dolazi se do zaključka da bi trebala smanjiti svoje inpute

tj. kamatne troškove i troškove od provizija i naknada za 23,82% i operativne troškove za

48,41% ako želi zadržati svoje prihode na nepromjenjenoj razini.

Prema tim podacima može se analizirati svaka neefikasna banka i uvidjeti što je potrebno

poboljšati za bolje i efikasno poslovanje u usporedbi sa skupinom efikasnih banaka. Pritom

menadžment mora odlučiti u kom smjeru će poslovati, želi li smanjiti inpute ili povećati

outpute.

6.3. RASTUĆI, PADAJUĆI I KONSTANTNI PRINOSI NA OPSEG

Sljedeći dio analize osvrnut će se na prinose na opseg banaka. Potencijalnim investitorima

najatraktivnije su one banke sa rastućim prinosima na opseg.

Prema output orijentiranom modelu jedna od projiciranih neefikasnih banaka ima rastuće

prinose na opseg, dok je najviše onih efikasnih sa konstantnim prinosima, njih 14. Četiri

banke od efikasnih i projiciranih neefikasnih imaju padajuće prinose na opseg. To se vidi na

tablici ispod.

Tablica 16. BCC output prinosi na opseg

Prinosi na opseg Efikasne Projicirane Ukupno

Rastući 0 1 1

Konstantni 14 5 19

Padajući 4 4 8

Ukupno 18 10 28

60


Prema tome Karlovačka banka je najpovoljnija za ulaganja jer bi se to ulaganje brzo i

povratilo iako je ona prema svom referentnom skupu relativno neefikasna ima najbolje

uvjete.

BR. Banke Iznos Prinosi na opseg

Prinosi na opseg projiciranih banaka

1 BPC 0.914932 Konstantni

2 Kovanica 0.944302 Konstantni

3 BSD 1 Konstantni

4 BKS 1 Konstantni

5 Croatia 1 Padajući

6 Erste 1 Konstantni

7 HPB 1 Konstantni

8 Hypo 1 Padajući

9 Imex 1 Konstantni

10 IKB 1 Konstantni

11 Jadranska 0.841353 Konstantni

12 KABA 0.737116 Rastući

13 Kent 0.868319 Konstantni

14 KBZ 0.775135 Padajući

15 OTP 1 Padajući

16 Partner 0.945832 Padajući

17 Podravska 0.909246 Konstantni

18 Primorska 1 Konstantni

19 PBZ 1 Padajući

20 RBA 1 Konstantni

21 Samoborska 1 Konstantni

22 SBER 1 Konstantni

23 Slatinska 0.881572 Padajući

24 SG SB 1 Konstantni

25 Štedbanka 1 Konstantni

26 VABA 0.896835 Padajući

27 Veneto 1 Konstantni

28 ZABA 1 Konstantni

61

Za input orijentirani model dvije neefikasno projicirane banke imaju rastuće prinose na

opseg. Četrnaest efikasnih banaka su sa konstantnim prinosima i šest neefikasnih, dok se

padajući prinosi na opseg uočavaju kod četiri efikasne banke, odnosno dvije neefikasne.

Tablica 17. BCC input prinosi na opseg

Prinosi na opseg Efikasne Projicirane Ukupno

Rastući 0 2 2

Konstantni 14 6 20

Padajući 4 2 6

Ukupno 18 10 28

BR. Banke Iznos Prinosi na opseg

Prinosi na opseg projiciranih banaka

1 BPC 0.915444

Konstantni

2 Kovanica 0.944953

Konstantni

3 BSD 1

Konstantni

4 BKS 1

Konstantni

5 Croatia 1

Padajući

6 Erste 1

Konstantni

7 HPB 1

Konstantni

8 Hypo 1

Padajući

9 Imex 1

Konstantni

10 IKB 1

Konstantni

11 Jadranska 0.81538

Konstantni

12 KABA 0.761822

Rastući

13 Kent 0.877323

Rastući

14 KBZ 0.634957

Padajući

15 OTP 1 Padajući

16 Partner 0.925905

Padajući

17 Podravska 0.91474

Konstantni

18 Primorska 1

Konstantni

19 PBZ 1

Padajući

20 RBA 1

Konstantni

62

21 Samoborska 1

Konstantni

22 SBER 1

Konstantni

23 Slatinska 0.859046

Konstantni

24 SG SB 1

Konstantni

25 Štedbanka 1

Konstantni

26 VABA 0.871089

Kostantni

27 Veneto 1

Konstantni

28 ZABA 1

Konstantni


Prema tome Karlovačka i Kent banka su najpovoljnije za ulaganja jer bi se to ulaganje brzo

i povratilo iako su one prema svojim referentnim skupovim relativno neefikasne imaju

najbolje uvjete.

6.4. UTJECAJ INPUTA I OUTPUTA NA EFIKASNOST

Težine u analizi upućuju na to koliko input i output utječu na efikasno poslovanje banaka. U

sljedećim tablicama prikazat će se težine prema output i input orijentiranim modelima te će

se interpretirati neki značajniji rezultati.

Tablica 18. Težine BCC modela orijentiranog prema output

Br. Banke Efikasnost Kamatni tr

Tr prov i naknada

Operativni tr

Kam prihod

Prih prov i naknada

Operativni prih Dobit

1 BPC 0.914932 1.67E-05 3.64E-04 0 1.41E-05 0 0 0

2 Kovanica 0.944302 3.15E-05 6.88E-04 0 2.67E-05 0 0 0

3 BSD 1 0 2.92E-03 0 2.80E-05 0 0 1.35E-05

4 BKS 1 8.24E-05 0 1.68E-04 3.03E-05 0 0 3.62E-06

5 Croatia 1 0 3.75E-04 0 3.23E-06 0 2.74E-04 0

6 Erste 1 4.15E-07 1.19E-05 0 0 1.66E-06 8.40E-06 0

7 HPB 1 0 0 6.29E-05 2.82E-08 4.16E-06 0 0

8 Hypo 1 1.08E-07 1.53E-05 2.63E-05 0 4.82E-06 2.59E-05 0

9 Imex 1 1.73E-05 3.87E-04 0 1.49E-05 0 0 0

10 IKB 1 1.87E-05 1.48E-04 8.05E-05 6.16E-06 4.90E-05 0 0

11 Jadranska 0.841353 0 6.46E-04 0 5.40E-06 3.72E-05 3.18E-04 0

63

12 KABA 0.737116 4.27E-05 1.68E-04 0 2.38E-06 5.86E-05 2.67E-04 0

13 Kent 0.868319 7.52E-05 1.13E-04 0 2.88E-05 0 1.71E-04 0

14 KBZ 0.775135 8.91E-06 4.34E-05 0 3.88E-06 0 0 1.10E-05

15 OTP 1 5.75E-06 1.97E-05 0 2.11E-06 4.64E-06 0 0

16 Partner 0.945832 0 6.45E-04 0 8.50E-06 6.13E-06 3.94E-04 0

17 Podravska 0.909246 3.49E-05 0 0 3.05E-06 5.11E-06 2.25E-04 0

18 Primorska 1 4.65E-05 0 3.60E-03 0 0 0 2.56E-05

19 PBZ 1 1.36E-06 2.19E-06 0 6.41E-07 0 0 0

20 RBA 1 4.10E-06 0 0 1.30E-06 0 0 0

21 Samoborska 1 2.32E-04 0 0 2.39E-05 0 0 1.91E-05

22 SBER 1 1.05E-05 6.00E-06 2.92E-05 4.75E-06 0 0 0

23 Slatinska 0.881572 2.14E-05 9.50E-05 0 8.02E-06 1.23E-05 0 1.35E-05

24 SG SB 1 1.42E-06 1.70E-05 7.42E-06 0 7.00E-06 0 0

25 Štedbanka 1 7.27E-05 0 3.04E-04 3.25E-05 0 0 0

26 VABA 0.896835 0 2.21E-04 0 0 0 1.69E-04 1.83E-05

27 Veneto 1 1.45E-05 1.01E-03 0 0 1.22E-04 3.64E-04 4.25E-06

28 ZABA 1 2.86E-07 5.30E-06 2.64E-06 0 1.97E-06 0 0


Primjerice, na efikasno poslovanje Veneto banke značajno utječe čak tri od četiri promatrana

outputa. Prihodi od provizija i naknada imaju utjecaj od 1.22E-04, zatim operativni prihodi

3.64E-04 i dobit u iznosu od 4.25E-06. Prema ovome primjeru dobit ima najmanji utjecaj na

outpute. Najmanji utjecaj na efikasno poslovanje od svih promatranih banaka i njihovih

outputa pokazali su se kamatni prihodi od 2.82E-08 kod HPB-a, a najveći utjecaj operativni

prihodi 3.94E-04 kod Partner banke.

Tablica 19. Težine BCC modela orijentiranog prema inputu

Br. Banke Efikasnost

Kamatni tr

Tr prov i naknada

Operativni tr

Kam prihod

Prihod prov i naknada


1 BPC 0.914932 1.52E-05 3.31E-04 0 1.29E-05 0 0 0

2 Kovanica 0.944302 2.94E-05 6.42E-04 0 2.50E-05 0 0 0

3 BSD 1 0 2.92E-03 0 2.80E-05 0 0 1.35E-05

4 BKS 1 9.11E-05 8.07E-05 0 3.58E-05 0 0 0

5 Croatia 1 0 4.47E-04 0 3.84E-06 0 3.27E-04 0

6 Erste 1 4.15E-07 1.19E-05 0 0 1.66E-06 8.40E-06 0

7 HPB 1 0 0 6.29E-05 2.82E-08 4.16E-06 0 0

64

8 Hypo 1 1.11E-07 1.57E-05 2.70E-05 0 4.95E-06 2.66E-05 0

9 Imex 1 1.73E-05 3.87E-04 0 1.49E-05 0 0 0

10 IKB 1 3.38E-05 9.08E-05 0 1.26E-05 1.96E-05 0 0

11 Jadranska 0.841353 0 6.32E-04 0 5.29E-06 3.64E-05 3.12E-04 0

12 KABA 0.737116 2.85E-05 1.12E-04 0 1.59E-06 3.91E-05 1.78E-04 0

13 Kent 0.868319 7.38E-05 2.56E-05 0 2.00E-05 0 1.91E-04 0

14 KBZ 0.775135 1.12E-05 5.46E-05 0 4.88E-06 0 0 1.39E-05

15 OTP 1 5.79E-06 1.98E-05 0 2.12E-06 4.68E-06 0 0

16 Partner 0.945832 0 8.34E-04 0 1.10E-05 7.93E-06 5.10E-04 0

17 Podravska 0.909246 2.98E-05 0 0 2.61E-06 4.36E-06 1.92E-04 0

18 Primorska 1 4.65E-05 0 3.60E-03 0 0 0 2.56E-05

19 PBZ 1 1.38E-06 2.22E-06 0 6.51E-07 0 0 0

20 RBA 1 4.10E-06 0 0 1.30E-06 0 0 0

21 Samoborska 1 2.32E-04 0 0 2.39E-05 0 0 1.91E-05

22 SBER 1 1.00E-05 4.28E-05 0 4.75E-06 0 0 0

23 Slatinska 0.881572 2.86E-05 1.74E-04 1.17E-04 9.78E-06 5.82E-05 0 0

24 SG SB 1 1.42E-06 1.70E-05 7.42E-06 0 7.00E-06 0 0

25 Štedbanka 1 7.27E-05 0 3.04E-04 3.25E-05 0 0 0

26 VABA 0.896835 0 1.10E-03 0 0 1.13E-04 5.73E-04 0

27 Veneto 1 1.01E-05 1.08E-03 0 0 1.35E-04 4.31E-04 0

28 ZABA 1 2.86E-07 5.30E-06 2.64E-06 0 1.97E-06 0 0


Na efikasno poslovanje Slatinske banke utječu sva tri promatrana inputa. Kamatni troškovi

imaju utjecaj od 2.86E-05, zatim troškovi provizija i nakanada 1.74E-04 i operativni troškovi

u iznosu od 1.17E-04. Prema ovome primjeru kamatni troškovi imaju najmanji utjecaj na

inpute. Najmanji utjecaj na efikasno poslovanje od svih promatranih banaka i njihovih inputa

pokazali su se kamatni troškovi od 1.11E-07 kod Hypo banke, a najveći utjecaj operativni

troškovi 3.60E-03 kod Partner banke. Ostali iznosi koji imaju vrijednost 0 ne utječu na

efikasno poslovanje banaka.

U sljedećim tablicama prikazat će se omjeri težina zadanih inputa i outputa. Svaki iznos koji

je veći od jedan označava da taj input odnosno output utječe na postizanje veće efikasnosti

poslovanja banke.

65

Tablica 20. Omjeri težina BCC modela orijentiranog prema outputu

Br. Banke

Efikasnost Kamatni tr

Tr prov i naknada

Operativni tr

Kam prihod



1 BPC 0.914932 0.544759 0.554838 0 1 0 0 0

2 Kovanica 0.944302 0.622184 0.449326 0 1 0 0 0

3 BSD 1 0 1 0 0.437715 0 0 0.562285

4 BKS 1 0.855852 0 0.144148 0.844482 0 0 0.155518

5 Croatia 1 0 0.839991 0 0.217055 0 0.782945 0

6 Erste 1 0.252826 0.747174 0 0 0.407767 0.592233 0

7 HPB 1 0 0 1 1.22E-02 0.987848 0 0

8 Hypo 1 3.66E-02 0.341422 0.595845 0 0.564898 0.435102 0

9 Imex 1 0.658449 0.341551 0 1 0 0 0

10 IKB 1 0.466402 0.255153 0.278445 0.366403 0.633597 0 0

11 Jadranska 0.841353 0 1.02135 0 0.335617 0.257892 0.406491 0

12 KABA 0.737116 0.915358 0.582004 0 0.100197 0.5219 0.377903 0

13 Kent 0.868319 0.989257 0.128896 0 0.87291 0 0.12709 0

14 KBZ 0.775135 0.610948 0.18375 0 0.427449 0 0 0.572551

15 OTP 1 0.704306 0.287626 0 0.680399 0.319601 0 0

16 Partner 0.945832 0 0.772931 0 0.38019 2.42E-02 0.595583 0

17 Podravska 0.909246 1.170671 0 0 0.229308 0.086342 0.68435 0

18 Primorska 1 0.178993 0 0.821007 0 0 0 1

19 PBZ 1 0.685666 0.299073 0 1 0 0 0

20 RBA 1 1 0 0 1 0 0 0

21 Samoborska 1 1 0 0 0.209965 0 0 0.790035

22 SBER 1 0.845391 2.71E-02 0.127525 1 0 0 0

23 Slatinska 0.881572 0.420579 0.146153 0 0.343727 7.53E-02 0 0.581017

24 SG SB 1 0.355307 0.458047 0.186647 0 1 0 0

25 Štedbanka 1 0.948559 0 5.14E-02 1 0 0 0

26 VABA 0.896835 0 0.201999 0 0 0 0.207692 0.792308

27 Veneto 1 0.196225 0.803775 0 0 0.552391 0.331595 0.116014

28 ZABA 1 0.461391 0.347196 0.191413 0 1 0 0


66

Prema tablici iznad vidljivo je da su najznačajniji kamatni troškovi za postizanje efikasnosti

kod Podravske banke. Jedino njihov omjer u odnosu na druge inpute ima vrijednost veću od

1 (1.170671).

Tablica 21. Omjeri težina BCC modela orijentiranog prema inputu

Br. Banke

Efikasnost Kamatni tr

Tr prov i naknada

Operativni tr

Kam prihod



1 BPC 0.914932 0.495417 0.504583 0 0.909425 0 0 0

2 Kovanica 0.944302 0.580661 0.419339 0 0.933262 0 0 0

3 BSD 1 0 1 0 0.437715 0 0 0.562285

4 BKS 1 0.946164 5.38E-02 0 1 0 0 0

5 Croatia 1 0 1 0 0.258402 0 0.932087 0

6 Erste 1 0.252826 0.747174 0 0 0.407767 0.592233 0

7 HPB 1 0 0 1 1.22E-02 0.987848 0 0

8 Hypo 1 3.75E-02 0.3506 0.611862 0 0.580082 0.446798 0

9 Imex 1 0.658449 0.341551 0 1 0 0 0

10 IKB 1 0.843216 0.156784 0 0.747282 0.252718 0 0

11 Jadranska 0.841353 0 1 0 0.328602 0.252501 0.397994 0

12 KABA 0.737116 0.611314 0.388686 0 6.69E-02 0.348547 0.252379 0

13 Kent 0.868319 0.970695 2.93E-02 0 0.607085 0 0.142033 0

14 KBZ 0.775135 0.76878 0.23122 0 0.537876 0 0 0.720464

15 OTP 1 0.710035 0.289965 0 0.685933 0.3222 0 0

16 Partner 0.945832 0 1 0 0.491881 3.13E-02 0.770551 0

17 Podravska 0.909246 1 0 0 0.195877 7.38E-02 0.584579 0

18 Primorska 1 0.178993 0 0.821007 0 0 0 1

19 PBZ 1 0.696292 0.303708 0 1.015498 0 0 0

20 RBA 1 1 0 0 1 0 0 0

21 Samoborska 1 1 0 0 0.209965 0 0 0.790035

22 SBER 1 0.806866 0.193134 0 1 0 0 0

23 Slatinska 0.881572 0.561909 0.267785 0.170306 0.418967 0.354817 0 0

24 SG SB 1 0.355307 0.458047 0.186647 0 1 0 0

25 Štedbanka 1 0.948559 0 5.14E-02 1 0 0 0

26 VABA 0.896835 0 1 0 0 0.32534 0.702969 0

27 Veneto 1 0.137091 0.862909 0 0 0.607512 0.392488 0

67

28 ZABA 1 0.461391 0.347196 0.191413 0 1 0 0


Koristeći tablicu iznad dolazi se do zaključka kako najveći utjecaj za postizanje efikasnijeg

poslovanja u bankama ima omjer kamatnih prihoda u odnosu na ostale kod PBZ banke,

1.015498.

6.5. REFERENTNI SKUP

U ovom poglavlju usporedit će se referentni skupovi neefikasnih banaka odnosno koja

neefikasna banka i u kojem postotku bi se trebala ugledati na efikasnu banku koja se nalazi

u njenom referentnom skupu.

Tablica 22. Referenti skupovi BCC modela orijentiranog prema outputima

Br. Banka Postotak Referentni skup

1 BPC 0.914932 BSD

2 Kovanica 0.944302 BSD

3 BSD 1 BSD

4 BKS 1 BKS

5 Croatia 1 Croatia

6 Erste 1 Erste

7 HPB 1 HPB

8 Hypo 1 Hypo

9 Imex 1 Imex

10 IKB 1 IKB

11 Jadranska 0.841353 Imex

12 KABA 0.737116 Erste

13 Kent 0.868319 BKS

14 KBZ 0.775135 SBER

15 OTP 1 OTP

16 Partner 0.945832 Croatia

17 Podravska 0.909246 Erste

18 Primorska 1 Primorska

19 PBZ 1 PBZ

20 RBA 1 RBA

68

21 Samoborska 1 Samoborska

22 SBER 1 SBER

23 Slatinska 0.881572 IKB

24 SG SB 1 SG SB

25 Štedbanka 1 Štedbanka

26 VABA 0.896835 Erste

27 Veneto 1 Veneto

28 ZABA 1 ZABA


Prema tablici iznad Karlovačka banka ima najmanji postotak 73,7%. To znači da za 26,3%

treba reducirati svoje outpute kako bi se ugledala na najefikasniju banku u njenom

referentnom skupu, što je u ovom slučaju Erste banka i time postala relativno efikasna. S

94,58%, za 5,421%, najlakše bi se bilo prilagoditi Partner banci da bi postala relativno

efikasna kao Croatia banka koja je u njenom referentnom skupu.

Tablica 23. Referenti skupovi BCC modela orijentiranog prema inputima

Br. Banka Postotak Referentni skup

1 BPC 0.915444 BSD

2 Kovanica 0.944953 BSD

3 BSD 1 BSD

4 BKS 1 BKS

5 Croatia 1 Croatia

6 Erste 1 Erste

7 HPB 1 HPB

8 Hypo 1 Hypo

9 Imex 1 Imex

10 IKB 1 IKB

11 Jadranska 0.81538 Imex

12 KABA 0.761822 Erste

13 Kent 0.877323 BKS

14 KBZ 0.634957 SBER

15 OTP 1 OTP

16 Partner 0.925905 Croatia

69

17 Podravska 0.91474 Erste

18 Primorska 1 Primorska

19 PBZ 1 PBZ

20 RBA 1 RBA

21 Samoborska 1 Samoborska

22 SBER 1 SBER

23 Slatinska 0.859046 BKS

24 SG SB 1 SG SB

25 Štedbanka 1 Štedbanka

26 VABA 0.871089 Imex

27 Veneto 1 Veneto

28 ZABA 1 ZABA


Ukoliko bi se menadžment banaka odlučio za smanjnje inputa kako bi se relativno neefikasna

banka približila onoj efikasnoj u njenjom skupu, najlakše bi bilo to provesti Kovanica banci

kojoj je potrebno 5,5% da se približi banci u njenoj referentnoj skupini, a to je BSD. 36,5%

je potrebno KBZ-u da postigne efikasnost od SBER banke.

6.6. DOPUNSKE VARIJABLE

Jedan od podataka koji se dobije u analizi su dopunske varijable. One upućuju za koliko

pojedina relativno neefikasna banka treba smanjiti troškove da bi postigla efikasnost kao ona

banka koja je relativno efikasna. Isto tako, ukazuju koliko povećati inpute za postizanje

efikasnosti.

70

Tablica 24. Dopunske varijable BCC modela orijentiranog prema outputima

Br. Banka Efikasnost Kamatni tr

Trosk prov i naknada

Operativni tr

Kamatni prih



1 BPC 0.914932 0 0 530.6278 0 5066.19 769.2541 47245.83

2 Kovanica 0.944302 0 0 793.553 0 2135.381 118.4849 9468.132

3 BSD 1 0 0 0 0 0 0 0

4 BKS 1 0 0 0 0 0 0 0

5 Croatia 1 0 0 0 0 0 0 0

6 Erste 1 0 0 0 0 0 0 0

7 HPB 1 0 0 0 0 0 0 0

8 Hypo 1 0 0 0 0 0 0 0

9 Imex 1 0 0 0 0 0 0 0

10 IKB 1 0 0 0 0 0 0 0

11 Jadranska 0.841353 11207.39 0 2463.882 0 0 0 27147.66

12 KABA 0.737116 0 0 1015.175 0 0 0 9111.198

13 Kent 0.868319 0 0 374.8146 0 764.2592 0 2323.342

14 KBZ 0.775135 0 0 1024.844 0 7728.38 914.744 0

15 OTP 1 0 0 0 0 0 0 0

16 Partner 0.945832 2524.845 0 387.7932 0 0 0 1644.905

17 Podravska 0.909246 0 462.1317 2565.324 0 0 0 5335.975

18 Primorska 1 0 0 0 0 0 0 0

19 PBZ 1 0 0 0 0 0 0 0

20 RBA 1 0 0 0 0 0 0 0

21 Samoborska 1 0 0 0 0 0 0 0

22 SBER 1 0 0 0 0 0 0 0

23 Slatinska 0.881572 0 0 315.768 0 0 508.0713 0

24 SG SB 1 0 0 0 0 0 0 0

25 Štedbanka 1 0 0 0 0 0 0 0

26 VABA 0.896835 5257.605 0 1525.272 2378.498 84.3916 0 0

27 Veneto 1 0 0 0 0 0 0 0

28 ZABA 1 0 0 0 0 0 0 0


Prema tablici iznad, Kent banka uz 86,8% efikasnosti u odnosu na relativno efikasne banke

trabala bi smanjiti svoje operativne troškove za 374,814 tisuća kuna. Time bi i ona postala

jedna od relativno efikasnih banaka. Isto vrijedi i za sve ostale navedene banke.

71

Tablica 25. Dopunske varijable BCC modela orijentiranog prema inputima

Br. Banka Efikasnost Kamatni tr

Trosk prov i naknada

Operativni tr

Kamatni prih



1 BPC 0.915444 0 0 428.6369 0 4620.777 685.8225 46682.54

2 Kovanica 0.944953 0 0 712.6822 0 2007.3 99.97467 11204.65

3 BSD 1 0 0 0 0 0 0 0

4 BKS 1 0 0 0 0 0 0 0

5 Croatia 1 0 0 0 0 0 0 0

6 Erste 1 0 0 0 0 0 0 0

7 HPB 1 0 0 0 0 0 0 0

8 Hypo 1 0 0 0 0 0 0 0

9 Imex 1 0 0 0 0 0 0 0

10 IKB 1 0 0 0 0 0 0 0

11 Jadranska 0.81538 7160.029 0 1947.347 0 0 0 30475.77

12 KABA 0.761822 0 0 633.0827 0 0 0 16732.93

13 Kent 0.877323 0 0 298.7819 0 561.3131 0 7281.871

14 KBZ 0.634957 0 0 786.5964 0 632.3759 1251.114 0

15 OTP 1 0 0 0 0 0 0 0

16 Partner 0.925905 2316.912 0 429.0556 0 0 0 4365.461

17 Podravska 0.91474 0 422.5719 2304.087 0 0 0 8300.249

18 Primorska 1 0 0 0 0 0 0 0

19 PBZ 1 0 0 0 0 0 0 0

20 RBA 1 0 0 0 0 0 0 0

21 Samoborska 1 0 0 0 0 0 0 0

22 SBER 1 0 0 0 0 0 0 0

23 Slatinska 0.859046 0 0 0 0 0 254.1546 3552.196

24 SG SB 1 0 0 0 0 0 0 0

25 Štedbanka 1 0 0 0 0 0 0 0

26 VABA 0.871089 3583.92 0 1370.629 3460.345 0 0 4667.292

27 Veneto 1 0 0 0 0 0 0 0

28 ZABA 1 0 0 0 0 0 0 0


72

Ukoliko se promatra model koji je orijentiran prema inputima, Kent banka posluje sa 87,7%

efiikasnosti u odnosu na ostale relativno efikasne banke i potrebno joj je povećanje dobiti za

7281,871 tisuća kuna i prihoda od provizija i nakanada 561,313 tisuća kuna kako bi postala

relativno efikasna banka.

73

7. ZAKLJUČAK

Osnovni cilj ovog rada bio je ocijeniti efikasnost poslovanja banaka metodom analize

omeđivanja podataka ne temelju financijskog izvješća do 30. lipnja 2014. godine s obzirom

da su banke u 2013. poslovale veoma loše, a pokazatelji profitabilnosti spustili su se na

najnižu razinu. Dakle, usporedilo se poslovanje svih banaka u Republici Hrvatskoj, izuzevši

dvije banke koje nisu uključene u analizu da bi se dobili što točniji rezultati, kako bi bilo

moguće ponuditi prihvatljiva rješenja koja bi mogla pozitivno utjecati na uspješnost i

efikasnost poslovanja banka u Hrvatskoj. Time je i potvrđena postavljena radna hipoteza.

Pristup analize omeđivanja podataka omogućava pretvorbu višetrukih inputa u višestruke

outpute. Podaci o korištenim inputima i outputima se uvrštavaju za sve promatrane

donositelje odluke (DO) u linearni program koji predstavlja odabrani model analize

omeđivanja podataka. Na taj način se ocjenjuje efikasnost pojedinog DO unutar skupa

promatranih DO.

Prilikom analize banaka korištena su tri inputa: kamatni trošak, trošak provizija i naknada i

operativni trošak te četiri outputa: kamatni prihod, prihod od provizija i naknada, operativni

prihod i dobitak. Kod poslovanja banaka nije se moglo sa sigurnošću utvrditi da li je riječ o

konstantnim prinosima kod kojih se koristi CCR model ili varijabilnim prinosim kod kojih

se preporučuje BCC model stoga je provedena analiza kroz oba modela.

Model AOMP može se prilagoditi strategiji koju menadžment odabere. Ukoliko je cilj

minimizirati inpute, uz ostvarenje iste razine outputa, koristit će se model usmjeren na inpute,

dok se prilikom maksimikzacije outputa, uz iste inpute, odabire model usmjeren na outpute.

Nakon dobivenih rezultata BCC model se pokazao kao bolji izbor. U toku daljnje analize

odlučeno je usporediti input i output orijentirane modele kako bi se uvidjelo koju odluku bi

menadžment donio odluči li se za prvi odnosno drugi model, tj povećanje prihoda uz iste

troškove ili obrnuto, samanjenje troškova uz iste prihode. U ovom dijelu rada potvrđene su i

pomoćne hipoteze.

Prema BCC modelu prosječna banka treba koristiti 94,70% dostupnih resursa za postizanje

iste količine rezultata. Ako prosječna banka želi poslovati efikasno treba proizvesti 5,30%

više outputa s istom količinom inputa.

74

Od ukupnog broja banaka (28) njih 18 definira granicu efikasnosti i predstavlja referentni

skup za neefikasne. Kao najefikasnija pokazala se Štedbanka. Time je potvrđeno da se iz

običnog zapažanja tabličnog prikaza normaliziranih podataka odabranih inputa i outputa

banaka ne može točno odrediti koja od promatranih banaka je relativno najefikasnija bez

provođenja analize omeđivanja podataka. Naime, ZABA, Erste banka i PBZ su

promatranjem ukazivale da je njihovo poslovanje najefikasnije, ali analizom se utvrdilo da

neke druge banke s određenim inputima i outputima posluju efikasnije, kao već gore

navedena Štedbanka.

Za svaku od 10 neefikasnih banaka identificirani su izvori i iznos relativne neefikasnosti.

Razlika između stvarnih podataka i projeciranih vrijednosti pokazuje koliko neefikasna

banka treba povećati outpute, odnosno smanjiti inpute, da bi postala efikasna u odnosu na

efikasanu banku u svom referentnom skupu. Analiza omeđivanja podataka ne daje odgovor

na pitanje kako postići ciljeve koji su identificirani. Za to je potrebno koristiti znanje

menadžera banaka.

Kroz analizu dobili su se i rezultati konstantnih, rastućih i padajućih prinosa na opseg za

potencijalno investiranje u banke, težine koje pokazuju koliko inputi i outputi imaju utjecaj

na rezultate efikasnosti, omjeri težina prikazanih inputa i outputa kako bi se odredilo koji od

inputa odnosno outputa ima najveći utjecaj na efikasno poslovanje te dopunske varijable koje

označavaju za koliko je potrebno smanjiti troškove i povećati prihode u odnosu na relativno

efikasne banke. Prema dobivenim rezultatima Karlovačka i Kent banka pokazale su se kao

najpovoljnije za investiranje. Kod omjera težina su najznačajniji kamatni troškovi za

postizanje efikasnosti kod Podravske banke što se odnosi na output orijentirani model, a kod

input orijentiranog modela najveći utjecaj za postizanje efikasnijeg poslovanja u bankama

ima omjer kamatnih prihoda u odnosu na ostale kod PBZ banke. U referentnom skupu kao

uzori najčešće su se pojavljivale BDS, Erste banka i PBZ. Dakle, ostale banke koje su u

njihovom referentnom skupu bi se trebale ugledati na njihovo poslovanje kako bi postigle

relativnu efikasnost. U radu je za interpretaciju dopunskih varijabli kao primjer uzeta Kent

banka koja posluje sa 86,8% efikasnosti radi li se o output orijentiranom modelu, odnosno

87,7% efikasnosti ako je riječ o input orijntiranom modelu i za nju su određeni iznosi kao

75

dopunske varijable koji bi se trebali smanjiti odnosno povećati kako bi postala relativno

efikasna banka. Isto se može odrediti i za ostale banke.

Prema svemu što se spomenulo u predhodnim rečenicama identificirani su uzori prema

kojima bi se mogao voditi menadžment relativno neefikasnih banaka da bi postigao

efikasnost.

76

LITERATURA

1) KNJIGE

1. Cingula, M. i Klačmer, M.: Financijske institucije i tržište kapitala, TIVA i FOI Varaždin,

2003.

2. Cooper, W.W. at al.: Data Envelopment Analysis; History, Models and Interpretations,

International Series in Operations Research & Management Science, 2000.

3. Cooper, W. et al..: Introduction to Data Envelopment Analysis and its Uses: With DEA-

Slover Softver and References, New York: Springer, 2005.

4. Cooper, W. et al.: Introduction to Data Envelopment Analysis and Its Uses, Springer,

2006.

5. Ray, C. S.: Data Envelopment Analysys: Theory and Techniques for Economics and

Operations Research, Cambridge University Press, Cambridge, 2004.

6. Perišin, I. i Šokman, A.: Monetarno - kreditna politika IX izmijenjeno izdanje,

Informator, Zagreb, 1992.

7. Thanassoulis, E.: Introduction to the Theory and Application of Data Envelopment

Analysis, Norwell: Kluwer Academic Publishers, 2001.

8. Zelenika, R.: Metodologija i tehnologija izrade znanstvenog i stručnog djela, 4.

izmjenjeno i dopunjeno izdanje, Ekonomski fakultet Sveučilišta u Rijeci, Rijeka, 2000.

2) ČLANCI

9. Šegota, A.: Evaluating shops efficiency using data envelopment analysis: Categorical

approach, Zbornik radova Ekonomskog fakulteta u Rijeci: časopis za ekonomsku teoriju

i praksu, Vol.26 No.2 Prosinac, 2008.

10. Vujčić, B. i Jeremić, I.: Efficiency of Banks in Croatia: A DEA Approach, Comparative

Economics Studies, XLIV, No. 2, 169-193, 2002.

11. Yue, P.: Data Envelopment Analysis and Commercial Bank Performance: A Primer With

Applications To Missouri Banks, University of Texas at Austin, 1992.

77

3) OSTALI IZVORI

12. Bogović, T.: Ocjena učinkovitosti upravljanja hrvatskim gradovima metodom

omeđivanja podataka (AOMP), doktorski rad, Fakultet organizacije i informatike,

Varaždin, 2014.

13. Jardas Antonić, J.: Višekriterijska i usporedna analiza efikasnosti elektroničkog

poslovanja gradskih uprava, doktorska disertacija, Sveučilište u Rijeci, Ekonomski

fakultet, Rijeka, 2011.

14. Rabar, D.: Ocjenjivanje efikasnosti poslovanja hrvatskih bolnica metodom analize

omeđivanja podataka, Ekonomski pregled, Zagreb, 2010.

15. Šegota, A.: Usporedna analiza efikasnosti prodajnih objekata u maloprodaji, doktorska

disertacija, Ekonomski fakultet Zagreb, Zagreb, 2003.

16. Visković, V.: Statistička analiza financijskih izvještaja i uspješnosti

Erste&Steiermarkische bank d.d. od 2007. do 2012. godine i usporedba s glavnim

konkurentima, Ekonomski fakultet Split, Split, 2013.

17. Vujčić, B. i Jeremić, I.: Efficiency of Banks in Trasition: A DEA Approach, Croatian

national bank, Dubrovnik, 2001.

18. Analiza financijskih izvještaja pomoću financijskih pokazatelja na primjeru banke “X”,

Ekonomski fakultet u Zagrebu,

http://web.efzg.hr/dok/rac/ssever/Analiza%20slu%C4%8Daja_banke.pdf (travanj,

2015.)

19. Bilten o bankama 27, Hrvatska narodna banka, kolovoz, 2014.

20. Financijski izvještaj banaka do 30. lipnja 2014., Hrvatska narodna banka

21. Zakon o Hrvatskoj narodnoj banci, 2001, Narodne novine, Zagreb, broj 75/08 i 54/13

78

POPIS TABLICA

Tablica 1. Struktura imovine banaka , na kraju razdoblja, u milijunima kuna i postocima….13

Tablica 2. Struktura obveza i kapitala banaka, na kraju razdoblja, u milijunima kuna i

postocima…………………………………………………………………………………..14

Tablica 3. Račun dobiti i gubitka banaka u milijardama kuna i postocima………………….17

Tablica 4. Dani krediti banaka, na kraju razdoblja, u milijunima kuna i postocima………....20

Tablica 5. Struktura izvora financiranja banaka, na kraju razdoblja, u postocima………….22

Tablica 6. Izvorni empirijski podaci………………………………………………………..44

Tablica 7. Normalizirani podaci……………………………………………………………45

Tablica 8. Deskriptivna statistika inputa i outputa uključenih u model AOMP-a…………..47

Tablica 9. Matrica koeficijenata korelacije inputa i output…………………………………48

Tablica 10. Rezultati CCR i BCC modela………………………………………………….50

Tablica 11. Analiza učinkovitosti efikasnog upravljanja bankama………………………..50

Tablica 12. Statistika BCC modela………………………………………………………....52

Tablica 13. Referentni skup frekvencija……………………………………………………53

Tablica 14. Potencijalno poboljšanje (projecirane vrijednosti) za output orijentirani

model……………………………………………………………………………………….54

Tablica 15. Potencijalno poboljšanje (projecirane vrijednosti) za input orijentirani model..57

Tablica 16. BCC output prinosi na opseg…………………………………………………..59

Tablica 17. BCC input prinosi na opseg……………………………………………………60

Tablica 18. Težine BCC modela orijentiranog prema outputu……………………………...62

Tablica 19. Težine BCC modela orijentiranog prema inputu……………………………….63

Tablica 20. Omjeri težina BCC modela orijentiranog prema outputu………………………64

Tablica 21. Omjeri težina BCC modela orijentiranog prema inputu……………………….65

Tablica 22. Referenti skupovi BCC modela orijentiranog prema outputima………………67

Tablica 23. Referenti skupovi BCC modela orijentiranog prema inputima………………..68

Tablica 24. Dopunske varijable BCC modela orijentiranog prema outputima…………….70

Tablica 25. Dopunske varijable BCC modela orijentiranog prema inputima……………...71

79

POPIS GRAFIKONA

Grafikon 1. Herfindahl – Hirschmanov indeks (HHI)……………………………………..11

Grafikon 2. Udjeli imovine, kredita i depozita najvećih banaka u ukupnoj imovini,

kreditima i depozitima svih banaka, na dan 31. prosinca 2013…………………………..12

Grafikon 3. Klasične izvanbilančne stavke banaka…………………………………………15

Grafikon 4. Dobit banaka prije oporezivanja……………………………………………….16

Grafikon 5. Profitabilnost prosječne imovine (ROAA) i profitabilnost prosječnog kapitala

(ROAE) banaka…………………………………………………………………………….18

Grafikon 6. Troškovna efikasnost banaka………………………………………………….19

Grafikon 7. Struktura kredita banaka po djelatnostima, na dan 31. Prosinca 2013………….21

Grafikon 8. Odnos AOMP i ekonomske proizvodnje………………………………………27

Grafikon 9. Prikaz granice efikasnosti CCR modela……………………………………….30

Grafikon 10. Prikaz granice efikasnosti BCC modela………………………………………38

Grafikon 11. Prikaz normaliziranih pokazatelja……………………………………………47

ivona babiĆ - oliver.efri.hroliver.efri.hr/zavrsni/901.b.pdf · accept mjenice naplaćuje...

Documents