Çukurova Ünverstes İİBF Dergs Clt:20. Sayı:1. Hazran 2016 ss.127-147 Türk Sgortacılık Sektöründe Çok Krterl Karar Verme Teknkler (ÇKKV) le Perormans Ölçümü: BİST ygulaması Perormance Measurement n Turksh Insurance Sector wth Multcrtera Decson Makng (MCDM) Technques: Borsa Istanbul Case Süleyman ÇAKIR 1 ÖZET Sgorta sektörünün ulusal ve uluslararası tcaretn sürdürüleblrlğ le sosyal hayatın gelşmne katkıları göz önünde bulundurulduğunda bu sektörde aalyet gösteren rmaların perormansı oldukça önem kazanmaktadır. Bu çalışmada BİST e kayıtlı altı sgorta rmasının perormansı Çok Krterl Karar Verme (ÇKKV) teknkleryle ölçülmüştür. ygulamada değerlendrme krterler Garca vd. (2010) taraından önerlen ağırlıklandırılmış hede programlama (AHP) yaklaşımıyla ağırlıklandırılmıştır. İknc aşamada bu ağırlıklar Sayad vd. (2009) taraından gelştrlen aralık VIKOR yöntemyle bütünleştrlerek rmalar perormanslarına göre sıralanmıştır. Çalışmada önerlen bütünleşk modeln bulanık ortamda perormans ölçümü lteratürüne katkı sağlaması beklenmektedr. Anahtar Kelmeler: Ağırlıklandırılmış Hede Programlama, Aralık VIKOR Yöntem, Perormans Ölçümü, Sgorta Sektörü ABSTRACT Consderng ts contrbutons to the sustanablty o natonal and nternatonal trade and to the development o socal le, the perormances o companes operatng n nsurance sector has ganed much attenton. In ths study, the perormances o s nsurance rms lsted n Borsa Istanbul was measured usng multcrtera decson makng (MCDM) technques. In the applcaton, the evaluaton crtera have been weghted usng a weghted goal programmng method (WGP)proposed by Garca et al. (2010). In the second phase, by ntegratng the calculated crtera weghts wth an nterval VIKOR model developed by Sayad et al. (2009), the rms were ranked accordng to ther perormances. It s hoped that the suggested combned model would contrbute to the lterature. Keywords: Weghted Goal Programmng, Interval VIKOR Method, Perormance Measurement, Insurance Sector 1 Yrd.Doç.Dr., Recep Tayyp Erdoğan Ünverstes, İ.İ.B.F İşletme Bölümü, suleyman.cakr@erdogan.edu.tr
Türk Sgortacılık Sektöründe Çok Krterl Karar Verme Teknkler (ÇKKV) le Perormans Ölçümü: BİST ygulaması 1. Grş Sgorta, dünya ekonoms çnde ekonomk ve ekonomk olmayan aalyetler sgortalayarak, sstemn şlemesnde öneml br rol oynamaktadır. Sgorta olmadan ulusal ve uluslararası şlern yürütülmes mümkün olmamaktadır (Zevnk, 2004: 3). Sgortacılığın ekonomdek yer ve önem sgorta şrketlernn toplanan prmlerle oluşturdukları onları, tahvl, bono, hsse sened ve yatırım onlarına akıtmaları le ortaya çıkmaktadır. Hayat sgortalarından oluşan onlar uzun vadel yatırımlara dönüştürülürken, hayat dışı branşlardan elde edlen onlar se lkdte rskne karşı kısa vadel yatırımlara dönüştürülmektedr (Çekc ve İnel, 2013: 136). Sgorta onlarındak artışın tasarrularda yarattığı büyüme, ekonomk büyüme ve gelşmey destekledğ çn ülkelern mll gelrlern artırmakta ve dolayısıyla ekonomnn canlanmasını etklemekte ve sosyal reah düzeynn artmasına katkıda bulunmaktadır (ralcan, 2004:63). Sgortacılık aalyetlernn, toplumdak breyler arasında dayanışma sağlama ve güven yaratma, breylern ve grşmclernn kred bulmasını kolaylaştırma, uluslararası lşkler gelştrme, nansal stkrarı arttırma, verg kaynağı olma gb şlevler de bulunmaktadır. Br dğer açıdan, sgortacılık sektörü ülkelern gelşmşlk düzeylernn belrlenmes açısından öneml br gösterge olarak kabul edlmektedr. Br ülkede sgorta sektörü ne kadar büyümüş se, başka br deyşle sgortalı sayısı, kş başına düşen sgorta polçes ve kş başına prm tüketm ne kadar yüksekse, lgl ülkenn o ölçüde gelşmş olduğu söyleneblr (Karış vd. 2013). Bankacılık Düzenleme ve Denetleme Kurulu (BDDK) Fnansal Pyasalar Raporuna (2012) göre; Türkye de nans sektörünün akt büyüklüğü br öncek yıla göre %17,7 oranında artış göstererek 2.624 mlyar T ye ulaşmıştır. Bu büyüklük çnde sgorta sektörünün payı se 47.87 mlyar T le %1.82 olarak gerçekleşmştr. Sgortacılık sektöründe sthdam edlen kş sayısı se 2012 yılı sonu tbarı le 11.586 kşdr. Fnans sektörü toplamının %5 n oluşturan sgortacılık, toplam sthdamın %89 unu oluşturan bankacılıktan sonra en azla sthdam sağlayan sektördür. Mayıs 2014 tarh tbaryle Türkye Sgorta Brlğ ne üye olup aalyette bulunan toplam 61 sgorta ve 1 reasürans şrket bulunmaktadır. Bu şrketlern 4 ü hayat, 18 hayat/emekllk, 39 u hayat-dışı şrkettr. Türk sgortalar brlğ raporuna (2014) göre 2014 yılı sonu tbarıyla Dünyada toplam prm büyüklüğü, reel bazda %1,4 artarak 4,6 trlyon dolar olmuştur. Dünyada toplam prm üretmnn 3,9 trlyon dolarlık kısmı gelşmş ülkelerde oluşurken, sgorta blncnn tam olarak yerleşmedğ gelşmekte olan ülkelerde bu mktar 788 mlyar dolarda kalmıştır. Ancak, prmler gelşmş ülkelerde br öncek yıla göre %0,3 artarken, gelşmekte olan ülkelerde artış oranı %7,4 olmuştur. Ülkeler tbaryle 2014 yılı toplam prm üretmler Tablo 1 de gösterlmektedr. Türkye dek sgorta şrketlernn prm gelrlernn yıllara göre dağılımı se Tablo 2 de gösterldğ gbdr. Tablo 2 nceledğnde toplam prm üretmnn yıllara göre artış gösterdğ ve 2014 yılında 25.992 mlyon T lk br büyüklüğe ulaştığı anlaşılmaktadır. Hayat-dışı sgorta sektörünün küçük değşklklerle brlkte toplam prm üretmnn 128
Türk Sgortacılık Sektöründe Çok Krterl Karar Verme Teknkler (ÇKKV) le Perormans Ölçümü: BİST ygulaması yaklaşık %87.38 n; hayat sgortasının se dğer %12.62 lk dlm oluşturduğu görülmektedr. Tablo 1: Dünya Sgorta Sektörü Prm 2013 yılına üretm ($) göre reel prm Dünyadak payı (%) Prmlern GSYİH ya oranı (%) Kş başı prm ($) artışı (%) ABD 1594040 1.1 33.36 6.29 1638 Avrupa 1697529 3.5 35.53 6.83 1902 Asya 1317566 6.5 27.55 27.57 307 Okyanusya 100140 15.8 2.1 5.92 2600 Arka 68974 10.20 1.6 1.44 61 Dünya 4778248 3.7 100 6.17 662 Gelşmş ülkeler Gelşmekte olan ülkeler 3939311 2.9 82.44 8.15 3666 838936 7.4 17.56 2.71 136 Türkye 11861-6.61 0.24 1.5 166 Tablo 2: Türk Sgorta Şrketlernn Yıllara Göre Prm Gelrler (Mlyon T) 2010 2011 2012 2013 2014 Toplam 14130 17164 19829 24227 25992 prm Hayat dışı 11949 14479 17118 20832 22712 Oranı %84.56 %84.36 %86.33 %85.99 %87.38 Hayat 2181 2685 2710 3395 3280 Oranı %15.44 %15.64 %13.67 %14.01 %12.62 Sgorta sektörünün ulusal ve uluslararası tcaretn sürdürüleblrlğ le ekonomk ve sosyal hayatın gelşmne katkıları göz önünde bulundurulduğunda bu sektörde aalyet gösteren rmaların perormansı oldukça önem kazanmaktadır. İşletmelern yönetm ve kontrol sstemlernn br parçası olarak gerçekleştrlen perormans ölçümü amaçlarına ulaşmada şrketlern hang ölçüde başarılı olabldklern ve üretm aktörlern ne kadar etkn kullandıklarını gösteren br araçtır (Wu ve Hung, 2008). Sgorta sektöründe perormans ölçümünde çok sayıda ve bazen brbryle çelşeblen değerlendrme krtern ve brden azla alternat rmayı dkkate almak gerekmektedr. Dolayısıyla sgorta şrketlernde perormans ölçümü br çok krterl karar verme problem (ÇKKV) olarak ele alınablr. Gerçek hayatta brçok karar verme problem dlsel değşkenlerle ade edlen nsan sezgs, yargısı ve terch çermektedr. Bu tür subekt yargıları kesn (crsp) değerler le modellemek gerçekç olmayacaktır (Chang ve Wang, 2009). Ayrıca rmaların bazı üretm süreçler ve çıktılarına at verler belrszlk çereblr. Söz konusu belrszlk, verlern ölçülemeyen, tam olmayan ve elde 129
Türk Sgortacılık Sektöründe Çok Krterl Karar Verme Teknkler (ÇKKV) le Perormans Ölçümü: BİST ygulaması edlemeyen verler olmasından kaynaklanmaktadır. Determnstk yapıdak geleneksel ÇKKV teknkler bu tp problemlern çözümünde yetersz kalmaktadır. teratürde lk kez Zadeh (1965) taraından önerlen bulanık küme teors gerçek hayat problemlerndek belrszlğ modellemek amacıyla kullanılmakta ve klask yöntemlere göre daha y sonuç vermektedr. teratürde bu amaçla gelştrlmş brçok bulanık ÇKKV teknğ bulunmaktadır. Bulanık ÇKKV problemlernde bulanık parametrelern üyelk onksyonlarının, stokastk karar verme problemlernde se parametrelern olasılık dağılımlarının blndğ varsayılmaktadır. Ancak karar verclern bulanık ortamlarda üyelk onksyonlarını veya olasılık dağılımlarını belrlemeler kolay olmamaktadır. Böyle durumlarda aralık sayıların kullanılması daha uygun br yöntemdr. Sayad vd. (2009) aralık sayılarla ade edlen ÇKKV problemlernn çözümü amacıyla klask VIKOR modelnn aralık verler çn genşletlmş br modeln önermşlerdr. Bu çalışmada BİST e kayıtlı altı sgorta rmasının perormansı ÇKKV teknkleryle ölçülmüştür. ygulamada değerlendrme krterler Garca vd. (2010) taraından önerlen ağırlıklandırılmış hede programlama (AHP)-(weghted goal programmng-wgp) yaklaşımıyla ağırlıklandırılmıştır. Daha sonra bu ağırlıklar kullanılarak Sayad vd. (2009) taraından gelştrlen aralık VIKOR yöntemyle rmalar perormanslarına göre sıralanmıştır. Çalışmanın dğer bölümler aşağıdak gb organze edlmştr. İknc bölümde sgorta sektöründe daha önce yapılmış perormans ölçüm çalışmalarının özetlendğ br lteratür ncelemes yer almaktadır. Üçüncü bölümde uygulamada kullanılan matematksel modellern algortmaları açıklanmıştır. Dördüncü bölümde çalışmanın uygulama kısmına yer verlmştr. Son bölümde se çalışmaya lşkn genel br değerlendrme yapılmıştır. 2. Sgorta Şrketlernde Perormans Ölçümü İle İlgl teratürün İncelenmes Sgorta sektöründek rmalarda perormans ölçümünü konu alan son 20 yıldak çalışmaların genelde özelleştrme, brleşme ve satın alma ve ölçek ekonomler le etknlk arasındak lşky nceledkler görülmektedr. Söz konusu çalışmalarda matematksel yöntem olarak çoğunlukla Ver Zarlama Analz (VZA) ve Malmqust toplam aktör vermllğ endeks (MTFVE) ve Stokastk Sınır Analz (SSA) yöntemler kullanılmıştır. Cummns vd. (1999) MTFVE yardımıyla ABD hayat sgortası sektöründe 1988-1995 yılları arasındak satın alma ve brleşme, etknlk ve ölçek ekonomler arasındak lşky ncelemştr. ygulama sonucunda brleşme ve satın alma yoluna gden rmaların hayat sgorta sektöründek dğer rmalara göre daha etkn aalyet gösterdkler tespt edlmştr. Karm ve Jhantasana (2005), Tayland dak hayat sgortası rmalarının 1997-2002 yılları arasındak yat etknlğn SSA yöntemyle ölçmüşlerdr. 130
Türk Sgortacılık Sektöründe Çok Krterl Karar Verme Teknkler (ÇKKV) le Perormans Ölçümü: BİST ygulaması Çalışma sonucunda rmaların aalyet yılı le etknlkler arasında anlamlı br lşk bulunamamış ve sektör genelnde ortalama %82 le %140 arasında değşen oranlarda etknszlk tespt edlmştr. Nektaros ve Barros (2010) Yunanstan sgorta pazarındak serbestleşmenn rmalar üzerndek 1994-2003 yılları arasındak etksn ölçeblmek amacıyla MTFVE le etknlk analz gerçekleştrmştr. ygulama sonucunda hayat sektöründe ortalama yıllık %16.1, hayat-dışı sektörde ortalama %6.5 ve her k sektörde de aalyet gösteren rmalarda yıllık ortalama %3.3 lük vermlk artışı olduğu belrlenmştr. Hu vd. (2009) Çn dek yerl ve yabancı hayat sgortası rmalarının etknlğyle sahplk yapıları arasındak lşky ölçmek amacıyla VZA uygulaması yapmışlardır. 1999-2004 yılları arasındak panel very kullandıkları uygulama sonucunda lgl dönemde ortalama olarak etknlk artışı görülmüştür. Tobt regresyon analz sonucunda se rmaların pazar gücü, sahplk yapıları ve kullanılan dağıtım kanalları le etknlk skorlarının varyansı arasında lşk olduğu tespt edlmştr. Yukarıda özetlenen çalışmaların çoğunda, gelşmş ülkelerdek sgorta şrketlernn gelşmekte olan ülkelerdek rmalardan daha etkn çalıştıkları ve dünya genelndek rmalarda teknolok lerlemenn vermllk ve etknlk üzernde pozt katkısı olduğu tespt edlmştr (Huang ve Elng, 2013). Türk sgorta sektöründe perormans ölçümü lteratürü ncelendğnde dünya genelnde olduğu gb çoğunlukla rmalarda etknlk analzler yapıldığı görülmektedr. Bu çalışmalara örnek olarak aşağıdak çalışmalar verleblr. Kayalı (2007), 2000-2006 dönemnde Türkye de aalyet gösteren sgorta şrketlernn teknk, sa teknk ve ölçek etknlklerndek değşm MTFVE le ncelemştr. Amprk sonuçlar, lgl dönemde Türkye de aalyet gösteren sgorta şrketlern etknlk değerlernde artış olduğunu göstermştr. Özcan (2011) taraından, 2002-2009 dönemnde Türkye de aalyet gösteren hayat dışı (elementer) sgorta şrketlernn teknk etknlklernn ölçüldüğü çalışmada 2003, 2005 ve 2006 yılında sgorta sektörünün etkn çalışmadığı tespt edlmş ve buna göre potansyel yleştrme tabloları düzenlenmştr. Çetntaş ve Bçen (2012), Türkye hayat-dışı sgorta sektöründe aalyet gösteren 28 rmanın 2008-2010 yılları arasındak teknk etknlğn ölçtükler çalışmalarında 2008 yılında 18, 2009 yılında 11, 2010 yılında se 12 şrketn etknsz aalyet gösterdğn saptamışlardır. Akhsar ve Tezergl (2014) taraından, Türk sgorta sektöründe 2006 2010 dönemnde hayat dışı branşlarda aalyet gösteren 23 sgorta şrketnn TFV ler MTFVE le hesaplanmıştır. Elde edlen sonuçlara göre, sektörün genelnn teknk etknlğnde lgl dönemde azalma olduğu tespt edlmştr. Bu bulgu sektörün teknolok gelşmelerden yeternce yararlanamadığını göstermştr. Sgorta sektöründe perormans ölçümü amacıyla ÇKKV teknklernn kullanıldığı az sayıda çalışma bulunmaktadır. Bu çalışmalara örnek olarak aşağıdak çalışmalar verleblr. Turanlı ve Köse (2005) dogrusal hede programlama yöntemn kullanılarak Türk Sgorta Sektöründe hayat dısı branslarda yer alan srketlern perormanslarını 131
Türk Sgortacılık Sektöründe Çok Krterl Karar Verme Teknkler (ÇKKV) le Perormans Ölçümü: BİST ygulaması karlılık, lkdte ve kapaste açısından degerlendrmşlerdr. Tsa vd. (2008) bütünleşk ANP-TOPSIS yöntemyle Tayvan da aalyet gösteren 14 sgorta rmasının perormansını ölçmüşlerdr. ygulamanın lk aşamasında ANP yöntemyle değerlendrme krterler ağırlıklandırılmıştır. İknc aşamada se TOPSIS yöntemyle rmalar perormanslarına göre sıralanmışlardır. Peker ve Bak (2011), İMKB ye kayıtlı ve sgorta sektöründe aalyet gösteren üç şrket nansal perormanslarına göre sıralamak amacıyla Gr İlşksel Analz (GİA) yöntemn kullanmışlardır. 10 nansal oranın kullanıldığı uygulama sonucunda sgorta şrketlernn nansal başarısında en öneml oranın lkdte oranları olduğu bulgulanmıştır. Yücenur ve Demrel (2012), bulanık VIKOR yöntemyle Türkye de aalyet gösteren br sgorta rması satın almayı amaçlayan uluslararası br sgorta şrketnn seçm problemn ele almışlardır. Beş alternat rma arasından sekz krtere göre yapılan uygulama sonucunda önerlen yöntemn ÇKKV problemlernn çözümünde kullanılablecek, pratk br teknk olduğu belrtlmştr. Eltaş vd. (2012), 2010-2011 yıllarında İMKB de şlem gören 7 sgorta şrketnn nansal perormansını GİA yöntemyle ölçmüşlerdr. Sonuç tbaryle lkdte oranı yüksek olan br sgorta şrketnn perormansının da yüksek olacağı ade edlmştr. teratürdek çalışmalarda en sık kullanılan perormans değerlendrme krterler ve bu krterlern kullanıldığı örnek çalışmalar Tablo 3 te gösterlmektedr. Tablo 3: teratürde En Çok Kullanılan Değerlendrme Krterler Değerlendrme krter Kullanıldığı çalışma Fyat Brto vd. (2013), Yücenur ve Demrel (2012) Personel Gderler Karm ve Jhantasana (2005), Jeng ve a (2005) Acente sayısı Özcan (2011), Çtç (2004) Yazılan Prmler Huang ve Elng (2013), Dalkılıç (2012) Özsermaye Mahlberg ve rl (2010), Hu vd. (2009), Toplam Aktler Cummns vd. (1999), Kılıçkaplan ve Karpat (2004) Ödenen tazm. ve teknk karş. Turgutlu vd. (2007), Sezen vd. (2005) Teknk kar Kayalı (2007), Çetntaş ve Bçen (2012) Net kar marı Peker ve Bak (2011), Eltaş vd. (2012) Dönem net karı Akhsar ve Tezergl (2014), Worthngton ve Hurley (2002) Sgorta sektöründe perormans ölçümüyle lgl lteratür ncelemes sonucunda yapılan çalışmaların çoğunlukla rmalarda etknlk analz üzerne yoğunlaştığı, ÇKKV teknklernn kullanıldığı çok az sayıda çalışma bulunduğu tespt edlmştr. Bu az sayıdak çalışmalarda se rmalara at kesn (crsp) verlern kullanıldığı ve bulanık 132
Türk Sgortacılık Sektöründe Çok Krterl Karar Verme Teknkler (ÇKKV) le Perormans Ölçümü: BİST ygulaması teornn terch edlmedğ anlaşılmaktadır. teratürdek bu boşluk dkkate alınarak, bu çalışmada AHP ve aralık VIKOR yöntemlernn bütünleşk kullanımıyla Türk sgorta sektöründe perormans ölçümü gerçekleştrlmştr. ygulamada kullanılan verler rmalara at nansal tablolardan ve aalyet raporlarından elde edlen kncl verlerdr. Geçmşte yaşanan ekonomk krzler Türkye dek blanço ve gelr tablolarının verlernn sağlıklı olup olmadığını tartışılır duruma getrmştr. ÇKKV yöntemler matematksel teknkler olduğundan ver hatalarına karşı duyarlıdırlar, verlern derlenmes sırasında yapılacak küçük hatalar ble arklı sonuçların elde edlmesne sebep olablr (Ege, 2009). Bu olasılık dkkate alınarak, çalışmada aralık VIKOR yöntemnn kullanılmasının daha sağlıklı sonuç vereceğ düşünülmüş ve buna göre verler bulanıklaştırılmıştır. 3. Yöntem Çalışmanın bu bölümünde uygulama kısmında kullanılan matematksel teknklerle lgl blg verlmektedr. 3.1.Ağırlıklandırılmış Hede Programlama HP yöntem br ÇKKV problemndek karar verclern spesk hedelern mümkün olduğunca karşılayacak şeklde çözüm arayan br yöntemdr. HP, problemn optmal çözümü yerne karar verclern belrledğ hedelerden sapmaları mnmze etmey amaçlar (Chen ve Xu, 2012). Kullanılan modele bağlı olarak ulaşılan çözüm; çok krter perormansı le tek br krtern perormansı arasındak mutlak arkı mnmze etmektedr (norm 1 ) veya çok krter perormansı le tek krter perormansı le arasındak en büyük arkı mnmze etmektedr (norm ). teratürde ağırlıklandırılmış HP olarak da ade edlen norm 1 model aşağıda gösterlmektedr. 133
Türk Sgortacılık Sektöründe Çok Krterl Karar Verme Teknkler (ÇKKV) le Perormans Ölçümü: BİST ygulaması Amaç onksyonu n c mn ( n p ) 1 1 Hede kısıtlayıcı c 1 w v n p v 1,..,n, 1,..,c (1) Kısıt c w 1 1 Model (1) n çözümünden elde edlen değerlerle aşağıdak denklemler çözülür. c 1 n 1 c 1 w v D ( n V, p Z ) D, 1,...,n 1,...,c Burada, n le p sırasıyla negat ve pozt sapma değşkenlern, v se -nc krter çn -nc rmanın normalleştrlmş değern ade ederken, w notasyonu. değerlendrme krternn ağırlığını, D notasyonu çok krterl perormans le. krter perormansı arasındak arkı, Z se söz konusu arkın toplam değern göstermektedr. Model (1) nc sayıda hedee sahp olup modeln amaç onksyonu n p = 0 eştlğn sağlamaktadır. Br başka deyşle, sapma değşkenlernden yalnızca br tanes sıırdan büyük değer almaktadır. Modeldek V se -nc rmanın çok krterl perormansını göstermektedr. 3.2.Bulanık Kümeler Bulanık küme teors nsan düşünme tarzında ve dğer blşsel süreçlernde çkn olan belrszlğ modellemek amacıyla lteratürde lk kez Zadeh (1965) taraından önerlen matematksel br teordr. Bulanık kümenn ana kr bulanık kümede yer alan her br elemanın br üyelk derecesne sahp olmasıdır (Zmmermann, 1985). Üyelk dereceler üyelk onksyonu le ade edlmekte ve genelde [0,1] aralığında br değer almaktadır. 134
Türk Sgortacılık Sektöründe Çok Krterl Karar Verme Teknkler (ÇKKV) le Perormans Ölçümü: BİST ygulaması Eğer üyelk onksyonu sıır (0) değern alırsa o eleman bulanık kümeye at olmamakta; üyelk onksyonu br (1) değern aldığında o eleman bütün olarak kümeye at sayılmaktadır. (0, 1) arası değer alan elemanlar se kümeye bell br üyelk derecesyle (kısmen) at kabul edlmektedrler. Bulanık kümelerde üyelk onksyonları bulanık sayılarla ade edlmektedr. Br bulanık sayı A ~, X evrensel kümesnn konveks ve normal br alt kümesdr (Kaya ve Kahraman, 2010) Bulanık mantıkta brçok bulanık sayı kullanılmakla beraber yamuk (trapezodal) ve üçgensel (trangular) sayılar konveks onksyonları dğerlerne göre daha y modellemektedr. Bununla brlkte, üçgensel sayılar hesaplama kolaylığı nedenyle lteratürde daha azla terch edlmektedr (Moon ve Kang, 2001). A ~ ( l,m,u ) şeklnde gösterlen br üçgensel sayının ( l m u) üyelk onksyonu aşağıdak gbdr. - l, m - u u ~ ( ), A u - m 0, l m, m u, l veya u ~ A () 1 0 l m u Şekl 1: Üçgensel bulanık sayı Burada, l üçgensel sayının alt sınırını, m orta değer, u se üst sınırını göstermektedr. Bulanık ÇKKV problemlernde bulanık parametrelern üyelk onksyonlarının, stokastk karar verme problemlernde se parametrelern olasılık dağılımlarının blndğ varsayılmaktadır. Ancak karar verclern bulanık ortamlarda üyelk onksyonlarını veya olasılık dağılımlarını belrlemeler kolay olmamaktadır. Böyle durumlarda aralık sayıların kullanılması daha uygundur. Aralık sayılar çn aralık artmetğ kullanılarak bulanık sayılar aralık sayılara dönüştürülmektedr. Aralık sayılar karar matrsndek bulanıklığı pratk br şeklde temsl edeblmekte ve değerlendrme krterler hakkında çok az blgye gereksnm duymaktadır. Herhang br parametre çn belrlenen aralık, o parametrenn belrlenen aralık çnde değerler alableceğ anlamına gelmektedr (Choobneh ve Behrens, 1992). 135
Türk Sgortacılık Sektöründe Çok Krterl Karar Verme Teknkler (ÇKKV) le Perormans Ölçümü: BİST ygulaması Bulanık sayılar Zmmermann ın α-kesm kümeler (α-cuts sets) yaklaşımından (Zmmermann, 1991) yararlanarak aralık sayı şeklnde ade edleblr. Bulanık değşken ( l,m,u ) ~ çn α-kesm kümes aşağıdak denklem yardımıyla hesaplanmaktadır. ~ X (1 - ), ( 1- ) m l m u (2) 3.3. Aralık VIKOR Yöntem ÇKKV nn uzlaşık programlama mantığına dayalı olan VIKOR yöntemnn kavramları lteratüre lk kez Yu (1973) ve Zeleny (1982) taraından kazandırılmıştır. zlaşık çözüm, her br alternatn deal alternate yakınlık derecesne göre sıralanmasıyla elde edlmektedr (Kaya ve Kahraman, 2010). VIKOR yöntem Oprcovc (1998) taraından önerlmş olup ÇKKV lteratüründe lk kez Oprcovc ve Tzeng n (2004) çalışmasında kullanılmıştır. Daha sonra klask VIKOR yöntemn temel alan brçok bulanık VIKOR model gelştrlmştr (Shemshad vd. 2011; Vahdan vd. 2010; Yücenur ve Demrel, 2012; Zhang ve We, 2013). Sayad vd. (2009) aralık sayılarla ade edlen ÇKKV problemlernn çözümü amacıyla klask VIKOR modelnn aralık verler çn genşletlmş br modeln önermşlerdr. Söz konusu aralık VIKOR modelnn algortması aşağıdak gbdr. İlk olarak aralık sayılarla ade edlen karar matrs D ~ aşağıdak gb düzenlenr D C [ [ [ 1 11 21 m1,, 11, 21 ] ] m1 ] C [ 12 [ 22 [ 2,, m2 12 22, ] ] m2 ] C [ [ n 1n 2n [,, mn 1n 2n, ] ] mn ] (3) W= [w 1, w 2,,w n ] Burada, A alternatnn C krterne göre aldığı değern, w se. krtern önem ağırlığını göstermektedr. Bu çalışmada ~ değerler üçgensel bulanık sayılar le ade edlmştr. 136
Türk Sgortacılık Sektöründe Çok Krterl Karar Verme Teknkler (ÇKKV) le Perormans Ölçümü: BİST ygulaması 137 Aşama 1: İlk aşamada krterlern ayda veya malyet krter olmasına göre en y bulanık değerler ) ( ve en kötü bulanık değerler ) ( aşağıdak gb hesaplanır. I mak,, J, mn =1,,n ayda krter çn (4a) I, mn, J mak, =1,,n malyet krter çn (4b) Burada, I ayda krterlern, J se malyet krterlern belrtmektedr. Aşama 2: ], [ S S ve ], [ R R aralık değerler aşağıdak şeklde hesaplanır. n J n I w w S =1,,m (5a) n J n I w w S =1,,m (5b) J w I, w mak R =1,,m (6a) J w I w mak R, =1,,m (6b) Burada, S ve S A alternatnn en y aralık değere olan uzaklığının sırasıyla alt ve üst sınırını, R ve R se A alternatnn en kötü bulanık değere olan uzaklığının sırasıyla alt ve üst sınırını gösterrken, w ~ notasyonu. krtern önem ağırlığını ade etmektedr. Aşama 3: R R S S,,, ve ], [ Q Q Q parametreler hesaplanır. S mak S, S mn S (7)
Türk Sgortacılık Sektöründe Çok Krterl Karar Verme Teknkler (ÇKKV) le Perormans Ölçümü: BİST ygulaması R Q mn R, R mak R (8) Q v( S S ) (R R ) (1- v) (9a) ( S S ) ( R R ) v( S S ) (R R ) (1- v) (9b) ( S S ) ( R R ) Burada, S maksmum grup aydasını, R se karşıt stratenn mnmum pşmanlığını ade etmektedr. teratürde genellkle 0.5 değern alan v notasyonu, maksmum grup aydasını verecek strateye verlen ağırlığı ade ederken (1-v) değer de breysel pşmanlığın ağırlığını göstermektedr. Q ndeks grup aydasının ve mnmum pşmanlığın brlkte değerlendrlmesyle hesaplanmaktadır. Klask VIKOR yöntemnde olduğu gb alternatler Q değerlerne göre sıralanır ve mnmum Q değerne sahp alternat uzlaşık çözüm olarak kabul edlr. Ancak aralık VIKOR modelnn çözümü sonucunda elde edlen Q değerler aralık sayı olduğundan söz konusu aralık sayıların sıralanması gerekmektedr. teratürde bu amaçla gelştrlmş ve her br belrl teorlere dayalı brçok aralık sayı sıralama yöntem önerlmştr (Chanas ve Zelnsk, 1999; Delgado vd. 1998; Moore, 1979). Bu çalışmada aralık VIKOR uygulaması sonucunda elde edlen aralık sayıları sıralamak amacıyla Sengupta ve Pal (2000) taraından önerlen Kabul Edleblrlk Endeks (The Acceptablty Inde) yöntem kullanılacaktır. Söz konusu yöntemle lgl olarak aşağıda blg verlmektedr. Gerçel sayılar kümes R de tanımlı br X = [ X, X ] aralık sayısı alternat olarak X = {m(x), w(x)} şeklnde gösterleblr. Burada m(x) ve w(x) notasyonları sırasıyla X aralık sayısının orta noktasını ve yarı-genşlğn göstermekte ve aşağıdak gb hesaplanmaktadırlar. 1 m( X ) ( X 2 1 w( X ) ( X 2 X X ), ) (10) Sengupta ve Pal (2000), k aralık sayıyı karşılaştırmak amacıyla kabul edleblrlk onksyonu (acceptablty uncton) şeklnde ade edlen br onksyon önermşlerdr. Aşağıda (11) eştlğyle gösterlen söz konusu onksyonda X aralık sayısının değer 138
Türk Sgortacılık Sektöründe Çok Krterl Karar Verme Teknkler (ÇKKV) le Perormans Ölçümü: BİST ygulaması bakımından Y aralık sayısından daha aşağıda (neror) olduğunu belrten A( X Y ) veya kısaca A( ) notasyonu kullanılmaktadır (Sengupta ve Pal, 2000: 31-32). m( Y) m( X ) ( ), w ( Y ) w( X ) 0 (11) w( Y) w( X ) Bu ormulasyondak A( ) notasyonu lk aralık sayının knc aralık sayıdan daha küçük olduğunun kabul edleblrlk dereces şeklnde de yorumlanmaktadır. A(X < Y) = 0 olduğunda X aralık sayısı Y aralık sayısından daha küçüktür önermes reddedlmektedr. A(X < Y) > 0 olduğunda X sayısı Y den daha küçüktür önermes kabul edlmektedr. A( X Y ) < 0 durumunda se X sayısı Y den daha küçüktür önermes reddedlmektedr. Yan X aralığı Y den daha büyük kabul edlmektedr. Sengupta ve Pal ın yöntem geçşllk (transtve) varsayımına sahptr. R de tanımlı X, Y, Z gb üç aralık sayı çn; Eğer A( X Y ) 0 ve A ( Y Z) 0 se A ( X Z ) 0 olmaktadır. 4.ygulama Bu çalışmada, 2014 yılı tbarı le BİST e kote olup sgortacılık aalyetnde bulunan altı adet rmanın ÇKKV teknkleryle perormansının ölçülmes amaçlanmıştır. Perormans ölçümünde kullanılan değerlendrme krterler çn lteratürdek çalışmalar ve ver elverşllğ dkkate alınarak; personel gderler (C 1 ), yazılan prmler (C 2 ), toplam aktler (C 3 ), özsermaye (C 4 ) le ödenen tazmnatlar ve teknk karşılıklar toplamı (C 5 ) şeklnde beş (5) adet krter belrlenmştr. Perormans krterler arasında yer alan ödenen tazmnat ve teknk karşılıklar toplamı, br sgorta rmasının en temel k slev olan, rsk brlestrme ve üstlenme le reel nansal hzmet sağlama unsurlarını temsl etmektedr (Turgutlu vd, 2007). teratürde sıkça kullanılan dönem karı ve teknk kar gb karlılıkla lgl değşkenler se bazı sgorta şrketlernn negat verlere sahp olması nedenyle kapsam dışı bırakılmıştır. Frma verler T.C. Hazne Müşteşarlığı nın web stesnde yayımlanan 2014 yılı (en güncel) Sgortacılık ve Breysel Emekllk Faalyet Raporundan ve Kamuoyu Aydınlatma Platormu (KAP) web stesnde (https://www.kap.gov.tr/) yayımlanan rmalara at nansal tablolardan derlenen kncl verlerdr. Sgorta şrketlerne at karar matrs Tablo 4 te sunulmaktadır. 139
Türk Sgortacılık Sektöründe Çok Krterl Karar Verme Teknkler (ÇKKV) le Perormans Ölçümü: BİST ygulaması Tablo 4: Sgorta Şrketlerne At Karar Matrs Frma Personel Gderler (T) Yazılan Prmler (T) Özsermaye (T) Toplam Aktler (T) Ödenen tazm. ve teknk karş. (T) A 48828 1113503 532688 1547264 1438480 B 87116 2067216 913016 3252770 2946097 C 25029 223745 68925 431406 521303 D 56022 596863 334568 1212682 1003389 E 13320 299941 163976 505381 419786 F 17998 179959 98394 381276 292912 4.1. AHP le Krter Ağırlıklarının Hesaplanması ygulamanın lk aşamasında AHP yöntem kullanılarak beş adet değerlendrme krter ağırlıklandırılmıştır. Bu amaçla lk olarak Tablo 4 tek krter değerler aşağıdak doğrusal normalzasyon yöntemyle normalze edlmştr. r = / (12) Daha sonra, model (1) le gösterlen denklem yardımıyla Tablo 4 te yer alan rma verler kullanılarak krterlern önem ağırlıkları ve sapma değerler hesaplanmıştır. Hesaplamada INDO 6.1 paket programından yararlanılmıştır. Söz konusu değerler Tablo 5 te sunulmaktadır. Tablo 5: AHP Yöntemyle Hesaplanan Krter Ağırlıkları ve Sapma Değerler Krterler Ağırlıklar Sapma değerler Personel Gderler 0.023 0.251 Yazılan Prmler 0.203 0.085 Öz sermaye 0.070 0.082 Toplam Aktler 0.575 0.024 Ödenen tazm. ve teknk karş. 0.129 0.040 Tablo 5 e göre toplam aktler krter en yüksek ağırlığa (0.575) sahp krterdr. Bu krter, beklenldğ gb, beş krter çersnde en düşük sapma değerne (0.024) sahptr. İknc ve üçüncü en yüksek ağırlığa sahp krterler se sırasıyla yazılan prmler toplamı (0.203) le ödenen tazmnatlar ve teknk karşılıklar toplamı krterlerdr. En yüksek önem ağırlığına sahp bu üç krtern çok krter perormansının hesaplanmasındak toplam ağırlıkları %90.7 dr. 4.2.Aralık VIKOR Yöntemyle Sgorta Frmalarında Perormans Ölçümü ygulamanın knc aşamasında AHP yöntemyle elde edlen krter ağırlıkları aralık VIKOR yöntemyle bütünleştrlerek altı sgorta rmasının perormansı ölçülmüştür. Bu amaçla lk olarak Tablo 4 te verlen rmaların krter değerler bulanıklaştırılmıştır. Bulanıklaştırmada, lteratürde de terch edlen br yöntem olan (Azadeh ve Alem, 2010), 140
Türk Sgortacılık Sektöründe Çok Krterl Karar Verme Teknkler (ÇKKV) le Perormans Ölçümü: BİST ygulaması krterlern standart sapmalarının kullanıldığı eştlk (13) yardımıyla krterler üçgensel bulanık sayılara dönüştürülmüştür. Üst sınır değer (u) = Mevcut ver (m) + standart hata Alt sınır değer (l) = Mevcut ver (m) standart hata (13a) (13b) Daha sonra eştlk (2) le gösterlen Zmmermann ın α-kesm yaklaşımıyla bulanık sayılar aralık sayı şeklnde ade edlmştr. Farklı α-kesm değerler arklı sıralamalar verebleceğnden uygulamada hang α-kesm düzeynn kullanılması gerektğ önem kazanmaktadır. Yüksek br α-kesm değer seçlen aralığın bulanıklığını azaltırken, düşük br α değer bulanıklığı artıracaktır. Bu doğrultuda, rsk almaktan kaçınan br karar verc belrszlğ (bulanıklığı) azaltmak çn yüksek br α değer seçmeldr. Dğer yandan rsk almayı terch eden br karar verc de daha düşük α değern seçecektr (Wang, 2005: 368). Bu çalışmada α-kesm değer α=0.5 olarak alınmıştır. Buna göre oluşturulan aralık karar matrs Tablo 6 da sunulmaktadır. Tablo 6: Karar Matrs Frma C 1 C 2 C 3 C 4 C 5 A [42533, 55123] [963641, 1263365] [466387, 598989] [1322258, 1772270] [1234747, 1642213] B [80821, 93411] C [18734, 31324] D [49727, 62317] E [666, 7627] F [11703, 24293] [1917354, 2217078] [111873, 373607] [447001, 746725] [150079, 449803] [89980, 329821] [846715, 979317] [34463, 135226] [268267, 400869] [97675, 230277] [49197, 164695] [3027764, 3477776] [215703, 656412] [987676, 1437688] [280375, 730387] [190638, 606282] [2742364, 3149830] [317570, 725036] [799656, 1207122] [216053, 623519] [146456, 496645] Adım 1. Eştlk (4a) ve (4b) yardımıyla krterlern en y değerler ( ) ve en kötü değerler ( ) hesaplanmıştır. Hesaplamada personel gderler malyet krter olarak dğer dört krter se ayda krter olarak ele alınmıştır. Elde edlen değerler Tablo 7 de verlmektedr. 141
Türk Sgortacılık Sektöründe Çok Krterl Karar Verme Teknkler (ÇKKV) le Perormans Ölçümü: BİST ygulaması Tablo 7: En Iy ve En Kötü Değerler C 1 C 2 C 3 C 4 C 5 666 2217078 979317 3477776 3149830 93411 89980 34463 190638 146456 Adım 2. Eştlk (5) ve (6) kullanılarak hesaplanan S ve R aralık değerler Tablo 8 de gösterlmektedr. Hesaplamada w notasyonu le gösterlen krter ağırlıkları olarak AHP yöntemyle elde edlen ağırlıklar kullanılmıştır. Tablo 8: S ve R Aralık Değerler [ S, S ] [ R, R ] A [0.493, 0.630] [0.298, 0.377] B [0.020, 0.158] [0.020, 0.079] C [0.841, 0.971] [0.494, 0.571] D [0.636, 0.773] [0.357, 0.436] E [0.813, 0.950] [0.481, 0.559] F [0.859, 0.982] [0.502, 0.575] Adım 3. Eştlk (7), (8) ve (9a-b) yardımıyla alternatlern Q aralık değerler hesaplanmıştır. Sgorta rmalarına at Q değerler aralık sayı olduğundan model (11) le gösterlen kabul edleblrlk ndeks yardımıyla aralık sayılar sıralanmıştır. Buna göre, Q aralık değerler ve sıralama sonuçları Tablo 9 da gösterlmştr. Tablo 9: Q Aralık Değerler [ Q, Q ] Sıralama A [0.497, 0.586] 5 B [0.000, 0.072] 6 C [0.853, 0.937] 2 D [0.624, 0.713] 4 E [0.827, 0.916] 3 F [0.871, 0.947] 1 Elde edlen sonuçlara göre, F rması en y perormans gösteren rma olurken onu C rması ve E rması takp etmştr. Altı rma çnde en kötü perormansı se B rması göstermştr. 5. Sonuç ve Değerlendrme Sgorta sektörünün ülke ekonoms ve sosyal hayat üzerndek etkler dkkate alınarak bu çalışmada ÇKKV teknkleryle BİST e kote altı sgorta rmasının perormansı ölçülmüştür. İk aşamalı uygulamanın lk aşamasında AHP yöntemyle perormans krterlerne ağırlıklar atanmıştır. teratürde yer alan Shannon Entropy (Shannon, 1948) 142
Türk Sgortacılık Sektöründe Çok Krterl Karar Verme Teknkler (ÇKKV) le Perormans Ölçümü: BİST ygulaması ve CRITIC (Dakoulak vd. 1995) gb krter ağırlıklandırma modeller rmaları sıralarken aradak arkın daha büyük olmasını sağlamak çn genellkle en büyük değşkenlğ (varyansı) olan krter daha azla ağırlıklandırmaktadır. Ancak genel eğlm zleyen krterler le dğerlernden büyük ölçüde arklılık gösteren krterler arasındak arklılıkların da dkkate alınması gerekr. AHP yöntem, dğer brçok ÇKKV teknğnn aksne, değerlendrme krterler arasındak bağımlılık lşklern dkkate alarak genel eğlm zleyen krterlern daha azla ağırlıklandırılmasına olanak sağlamaktadır. ygulamanın knc aşamasında AHP model le hesaplanan ağırlıklar aralık VIKOR yöntemyle bütünleştrlerek rmaların perormansı analz edlmştr. Aralık sayılar belrszlğ modellemenn en bast ormu oldukları çn bulanık karar verme problemlernde kullanılmaları daha uygundur. Aralık sayıların dğer bulanık sayılara göre br dğer avantaı, değerlendrme krterler çn mnmum blgye htyaç duymalarıdır. Sonuç olarak, bu çalışmada önerlen bütünleşk modeln bulanık ortamda perormans ölçümü lteratürüne katkı sağlaması beklenmektedr. Ayrıca bu model dğer ÇKKV problemlernn çözümünde de kullanılablecek yen ve pratk br yöntemdr. Kaynakça Akhsar, İ. ve Tezergl, S.A. (2014), Malmqust Toplam Faktör Vermllk Endeks: Türk Sgorta Sektörü ygulaması Fnansal Araştırmalar Ve Çalışmalar Dergs 5(10), s:1-14. Azadeh, A. ve Alem, S.M. (2010), A leble determnstc, stochastc and uzzy Data Envelopment Analyss approach or supply chan rsk and vendor selecton problem: Smulaton analyss, Epert Systems wth Applcatons, 37,s:7438-7448. Bankaclk Düzenleme ve Denetleme Kurumu (2012), Fnansal Pyasalar Raporu Aralk 2012 Sayı 28. Brto, Duarte, Perera, Pedro ve Ramalho, Joaqum J.S. (2013) Mergers, coordnated eects and ecency n the Portuguese non-le nsurance ndustry Internatonal Journal o Industral Organzaton 31,s: 554 568. Chanas, S. ve Zelnsk, P. (1999), Rankng uzzy nterval numbers n the settng o random sets-urther results, Inormaton Scences, 117,s: 191 200. Chang, T.H. ve Wang, T.C. (2009), sng the uzzy mult-crtera decson makng approach or measurng the possblty o successul knowledge management, Inormaton Scences, 179,s: 355 370. Chen, Anthony ve Xu, Xangdong. (2012), Goal programmng approach to solvng network desgn problem wth multple obectves and demand uncertanty, Epert Systems wth Applcatons 39(4),s:4160-4170. 143
Türk Sgortacılık Sektöründe Çok Krterl Karar Verme Teknkler (ÇKKV) le Perormans Ölçümü: BİST ygulaması Choobneh F. ve Behrens A. 1992. se o ntervals and possblty dstrbuton n economc analyss. Journal o Operatons Research Socety. 43(9): 907-918. Cummns, J.D., Tennyson, S. ve Wess, M. A. (1999), Consoldaton and Ecency n the S e Insurance Industry. Journal o Bankng & Fnance. 23,s: 325-357. Çekc, M.E ve İnel, M.N. (2013), Türk Sgorta Sektörünün Drekt Prm Üretmlernn Tahmn Teknkler le İncelenmes Marmara Ünverstes İ.İ.B. Dergs, XXXIV,s:135-152. Çetntaş, H.ve Bçen, Ö.F. (2012), Türkye de sgortacılık sektörünün etknlk analz, Tsk Akadem, 11,s:124-154. Çtç, H. (2004), Türk sgorta sektörünün sorunları; DEA analz le Türk sgorta şrketlernn etknlk düzeylernn belrlenmes. Çukurova Ünverstes Sosyal Blmler Ensttüsü Dergs, 13(1),s: 121-149. Dalkılıç, N. (2012), Türkye de hayat ds sgortaclk sektöründe etknlk analz Muhasebe ve Fnansman Dergs, Temmuz, s:71-89. Delgado, M. Vla, M.A. ve Voman, W.A. (1998), Fuzzness measure or uzzy numbers: Applcatons, Fuzzy Sets and Systems, 93,s:125-135. Dakoulak D., Mavrotas G., Papayannaks,. (1995), Determnng Obectve Weghts n Multple Crtera Problems: The Crtc Method Computers & Operatons Research, 22,s:763-770. Ege, İ. (2009), Frmaların Etknlğnn Bulanık Ver Zarlama Analz le Belrlenmes: İMKB 30 Endeks Üzerne Br ygulama, EconAnadolu 2009: Anadolu luslararası İktsat Kongres, Eskşehr, 17-19 Hazran 2009. Eltaş, C., Eleren A., Yıldız, F. ve Doğan, M. (2012) Gr İlşksel Analz le Sgorta Şrketlernn Perormanslarının Belrlenmes 16. Fnans Sempozyumu, 10-13 Ekm, Erzurum. Garca, F., Guarro, F. ve Moya, I. (2010), A goal programmng approach to estmatng perormance weghts or rankng rms, Computer and Operatons Research, 37,s:1597-1609. Hu X., Zhang C., Hu Jn- ve Zhu Nong. (2009), Analyzng ecency n the Chnese le nsurance ndustry. Management Research News, 32(10), s:905-920. Huang, W. ve Elng, M. (2013), An Ecency Comparson o the Non-e Insurance Industry n the BRIC Countres. European Journal o Operatonal Research 226,s: 577 591. 144
Türk Sgortacılık Sektöründe Çok Krterl Karar Verme Teknkler (ÇKKV) le Perormans Ölçümü: BİST ygulaması Jeng, V. ve a, G.C. (2005), Specalzaton, and ecency: analyss o keretsu and ndependent nsurers n the apanese nonle nsurance ndustry. The Journal o Rsk and Insurance, 2005, 72(1), s:105-158 Karış, Ç. Tandoğan, D. ve Akbulut, S. (2013) Türkye de Sgortaclk Sektörünün Ekonomk Büyümeye Etks: 2002-2011 Dönem Analz 17.Fnans Sempozyumu. Muğla. Karm, M.Z.A. ve Jhantasana, C. (2005) Cost Ecency and Protablty n Thaland s e Insurance Industry: A Stochastc Cost Fronter Approach, Internatonal Journal o Appled Econometrcs and Quanttatve Studes, 2(4),s:1-13. Kaya, T. ve Kahraman, C. (2010), Multcrtera renewable energy plannng usng an ntegrated uzzy VIKOR & AHP methodology: The case o Istanbul Energy 35,s: 2517-2527. Kayalı, C. A. (2007), 2000-2006 Dönemnde Turkye de Faalyet Gosteren Sgorta rketlernn Etknlk Değerlendrmes. Yönetm ve Ekonom. 14(2)s,: 103-115. Kılıçkaplan, S. ve Karpat, G. (2004). Türkye hayat sgortas sektöründe etknlğn ncelenmes. D.E.Ü. İ.İ.B.F.Dergs, 19(1), s:1-14. Mahlberg, B ve Thomas, rl. (2010), Sngle Market eects on productvty n the German nsurance ndustry Journal o Bankng & Fnance 34,s:1540 1548. Moon, J. H. ve C. S. Kang. (2001), Applcaton o Fuzzy Decson Makng Method to the Evaluaton o Spent Fuel Storage Optons, Progress n Nuclear Energy, 39,s:345-351. Moore, R.E. (1979), Method and Applcaton o Interval Analyss, SIAM: Phladelpha, PA, SA. Nektaros, M. ve Barros, C.P. (2010), Malmqust Inde or the Greek Insurance Industry, The Geneva Papers on Rsk and Insurance - Issues and Practce 35, s: 309-324. Oprcovc, S., (1998), Multcrtera optmzaton o cvl engneerng systems. Faculty o Cvl Engneerng, Belgrade. Oprcovc S. ve Tzeng, GH. (2004), Compromse soluton by MCDM methods: a comparatve analyss o VIKOR and TOPSIS. European Journal o Operatonal Research. 156(2), s:445-455. Özcan, Anıl İ. (2011) Türkye de Hayat Dışı Sgorta Sektörünün 2002-2009 Dönem tbaryle Etknlk Analz Sosyal Blmler Dergs 9(1),s:61-78. 145
Türk Sgortacılık Sektöründe Çok Krterl Karar Verme Teknkler (ÇKKV) le Perormans Ölçümü: BİST ygulaması Peker, İ. ve Bak, B. (2011), "Gr İlşksel Analz Yöntemyle Türk Sgortaclk Sektöründe Perormans Ölçümü Internatonal Journal o Economc and Admnstratve Studes 4(7):2-18. Sayad, M.K., Heydar, M. ve Shahanagh, K. (2009), Etenson o VIKOR method or decson makng problem wth nterval numbers, Appled Mathematcal Modellng. 33, s:2257 2262. Sengupta, A. ve Pal, T.K. (2000), On Comparng Interval Numbers, European Journal o Operatonal Research 127, s:28 43. Sezen, B., İnce, H. ve Aren, S. (2005), Türkye dek Hayat Dısı Sgorta Srketlernn Ver Zarlama Analz Tekng le Görel Etknlk Degerlemes, İktsat İşletme ve Fnans Dergs 20 (236), s:87-95. Shannon, C.E. (1948), A Mathematcal Theory o Communcaton. Bell Systems and Technology Journal, 27, s: 379 423. Shemshada, A. ve Shrazb, H., Toreha, M. ve Tarokh, M.J. (2011) A uzzy VIKOR method or suppler selecton based on entropy measure or obectve weghtng Epert Systems wth Applcatons, 38(10), s:12160 12167. T.C. Başbakanlık Hazne Müsteşarlığı Sgorta Denetleme Kurulu. (2014), Türkye de Sgortacılık Ve Breysel Emekllk Faalyetler Hakkında Rapor, Ankara. Tsa, H-Y, Huang, B.H. ve Wang, A.S. (2008), Combnng ANP and TOPSIS Concepts or Evaluaton the Perormance o Property-ablty Insurance Companes Journal o Socal Scences 4 (1), s:56-61. Turanlı, M. ve Köse, A. (2005), Dogrusal hede programlama yöntemyle Türkye dek sgorta şrketlernn perormanslarının degerlendrlmes, İstanbul Tcaret Ünverstes Fen Blmler Dergs,4(7), s:19-39 Turgutlu, E., Kök, R. ve Kasman, A. (2007), Türk Sgortacılık Şrketlernde Etknlk: Determnstk ve Şans Kısıtlı Ver Zarlama Analz, İktsat, İşletme ve Fnans, 22(252), s:85-102. Türkye Sgorta, Reasürans ve Emekllk Şrketler Brlğ (2014). Faalyet Raporu (2014). ralcan G.Ş. (2004), Temel Sgorta Blgler Ve Sgorta Sektörünün Yapısal Analz, İstanbul: Beta Basım yayım. Vahdan, B., Hadpour, H, Sadaghan, J.S. ve Amr, M. (2010), Etenson o VIKOR method based on nterval-valued uzzy sets The Internatonal Journal o Advanced Manuacturng Technology, 47 (9-12), s:1231-1239. 146
Türk Sgortacılık Sektöründe Çok Krterl Karar Verme Teknkler (ÇKKV) le Perormans Ölçümü: BİST ygulaması Wang, Y.M., Greatbanks, R. ve Yang, J.B. (2005), Interval Ecency Assessment sng Data Envelopment Analyss, Fuzzy Sets and Systems, 153, s: 347-370. Worthngton, A.C. ve Hurley, E.V. (2002), Cost Ecency n Australan General Insurers: A Non-Parametrc Approach. Brtsh Accountng Revew, 34, s:89 108. Wu, S.I. ve Hung, J.M. (2008), A perormance evaluaton model o CRM on nonprot organzatons. Total Qualty Management & Busness Ecellence 19 (4), s:321 342. Yu, P.. 1973. A class o solutons or group decson problems, Management Scence.19 (8), s: 936 946. Yücenur, G.N. ve Demrel, N.Ç. (2012), Group decson makng process or nsurance company selecton problem wth etended VIKOR method under uzzy envronment. Epert Systems wth Applcatons, 39 (3), s:3702 3707. Zadeh,., A. (1965), Fuzzy sets. Inormaton and Control. 8, s:338 353. Zeleny, M. (1982), Multple Crtera Decson Makng, New York: McGraw-Hll. Zevnk, R.W. (2004), Complete Book o Insurance: nderstand the Coverage You Really Need, Napervlle: Sphn Publshng. Zhang, N. ve We, G. (2013), Etenson o VIKOR method or decson makng problem based on hestant uzzy set, Appled Mathematcal Modellng, 37(1), s:4938 4947. Zmmermann, H.J., (1985), Applcatons o uzzy sets theory to mathematcal programmng. Inormaton Scence, 35, s: 29-58. Zmmermann, H.J. (1991). Fuzzy set theory and ts applcatons, Dordrecht: Kluwer, second edton. 147