Cilt 6 Sayı 1 (2018): BUSINESS & MANAGEMENT STUDIES: AN INTERNATIONAL JOURNAL
Makaleler

ENTEGRE NAKİT GEREKSİNİM TAHMİN VE NAKİT OPTİMİZASYON MODELİ İLE ATM VE ŞUBE NAKİT OPERASYONLARININ OPTİMİZE EDİLMESİ

Canser BİLİR
Istanbul Sabahattin Zaim University
Biyografi
Adil DÖŞEYEN
Kuveyt Türk Katılım Bankası Ar-Ge Departmanı

Yayınlanmış 2018-04-25

Anahtar Kelimeler

  • Nakit Tedarik Zinciri,
  • ATM Optimizasyonu,
  • Nakit Tahminleme,
  • Nakit Envanteri,
  • Envanter Optimizasyonu

Nasıl Atıf Yapılır

BİLİR, C., & DÖŞEYEN, A. (2018). ENTEGRE NAKİT GEREKSİNİM TAHMİN VE NAKİT OPTİMİZASYON MODELİ İLE ATM VE ŞUBE NAKİT OPERASYONLARININ OPTİMİZE EDİLMESİ. Business & Management Studies: An International Journal, 6(1), 237–255. https://doi.org/10.15295/bmij.v6i1.219

Özet

Bu çalışma ile entegre bir nakit ihtiyaçları tahmini ve nakit envanteri optimizasyon modeli uygulaması sonuçları ile birlikte sunulmuştur. Bu model, Türkiye’de yer alan orta büyüklükteki bir bankanın hem şube hem de ATM ağına uygulanmış, bankanın nakit tedarik zinciri optimize edilmiştir. Gerçekleştirilen çalışmada temel amaç, müşteri hizmet düzeylerinde (nakit para bulunabilirliğinde) bir azalma olmaksızın, doğru tutarda nakdin doğru lokasyonda bulundurulması yolu ile banka şubeleri ve ATM’lerde yer alan fazla nakdin minimize edilmesi olarak tanımlanmıştır. Bilindiği kadarı ile, burada yer alan çalışma, bankaların hem şube hem de ATM ağına aynı zamanda uygulanan ilk model olma özelliği taşımaktadır. Entegre modelin uygulanması sonucu elde edilen sonuçlar göstermiştir ki, entegre nakit tahmini ve optimizasyon modelleri nakit bulunurluk seviyesinde, dolayısıyla müşteri memnuniyetinde bir azalma olmaksızın, şube ve ATM’lerdeki fazla nakit miktarında ciddi azalmalar sağlayabilmektedir. Sonuçların detaylı bir şekilde analizi de göstermiştir ki, nakit miktarındaki azalma şubelerde daha da dikkat çekici seviyededir. Sonuçlar ayrıca, çok farklı mevsimsel indekslerin kullanımının, banka nakit ihtiyaçlarının tahmin edilmesinde kritik bir rol oynadığını göstermesi açısından da önemlidir. Bu çalışmanın bir diğer eşsiz özelliği ise, geriçevrimli “recycling” özellikli ATM’leri modelleyen ilk çalışma olmasıdır. Çalışmanın sonuçları göstermiştir ki, uygun mevsimsel indekslerin kullanılmış olması şartıyla, bütünleşmiş nakit optimizasyon modelleri, geriçevrimli ATM nakit ihtiyaçlarını tahmin etmede de oldukça başarılı olabilmektedir.

İndirmeler

İndirme verileri henüz mevcut değil.

Referanslar

  1. Agoston, K. C., Benedek, G., & Gilanyi, Z. (2016). Pareto improvement and joint cash management optimisation for banks and cash-in-transit firms. European Journal of Operational Research 254 (3), 1074 - 1082.
  2. Baker, T., Jayaraman, V., & Ashley, N. (2013). A Data‐Driven Inventory Control Policy for Cash Logistics Operations: An Exploratory Case Study Application at a Financial Institution. Decision Sciences 44 (1), 205 - 226.
  3. Baumol, W. J. (1952). The Transactions Demand for Cash: An Inventory Theoretic Approach. The Quarterly Journal of Economics 66 (4), 545 - 556.
  4. Bretnall, A. R., Crowder, M. J., & Hand, D. J. (2010). Predictive-sequential forecasting system development for cash machine stocking. International Journal of Forecasting 26, 764 - 776.
  5. Castro, J. (2009). A Stochastic Programming Approach to Cash Management in Banking. European Journal of Operational Research 192 (3), 963 - 974.
  6. Ekinci, Y., Lu, J.-C., & Duman, E. (2015). Optimization of ATM cash replenishment with group-demand forecasts. Expert Systems with Applications 42 (7), 3480 - 3490.
  7. Eppen, G. D., & Fama, E. F. (1968). Solutions for Cash-Balance and Simple Dynamic-Portfolio Problems. The Journal of Business 41 (1), 94 - 112.
  8. Geismar, H. N., Sriskandarajah, C., & Zhu, Y. (2017). A Review of Operational Issues in Managing Physical Currency Supply Chains. Production and Operations Management 26 (6), 976 - 996.
  9. Lazaro, J. L., Jimenez, A. B., & Takeda, A. (2018). Improving cash logistics in bank branches by coupling machine learning and robust optimization. Expert Systems With Applications 92, 236 - 255.
  10. Osorio, A. F., & Toro, H. H. (2012). An MIP model to optimize a Colombian cash supply chain. International Transactions in Operational Research 19 (5), 659 - 673.
  11. Simutis, R., Dilijonas, D., Bastina, L., Friman, J., & Drobinov, P. (2007). Optimization of Cash Management for ATM Network. Information Technology and Control 36 (1A), 117 - 121.
  12. Teddy, S. D., & Ng, S. K. (2011). Forecasting ATM cash demands using a local learning model of cerebellar associative memory network. International Journal of Forecasting 27 (3), 760 - 776.
  13. Tobin, J. (1956). The interest elasticity of transactions demand for cash. The Review of Economics and Statistics 38 (3), 241 - 247.
  14. Venkatesh, K., Vadlamani, R., Prinzie, A., & Van del Poen, D. (2014). Cash demand forecasting in ATMs by clustering and neural networks. European Journal of Operational Research 232 (2), 383 - 392.