DEA·AHP를 활용한 상호금융기관의 효율성 분석 : 광주·전남지역을 중심으로 Analysis of the Efficiency of Mutual Financial Institutions Through DEA·AHP : Focusing on the Gwangju and Jeollanam-do Province Areas원문보기
최근 한국 은행 기준금리가 2% 미만으로 유지되면서 각기 은행들의 예대마진율 감소 및 수익구조의 악화를 초래하고 있다. 더불어 2020년 1월부터 코로나 19라는 전염병으로 인해 전 세계적으로 경기 저하 및 불균형적인 생활로 인해 초래되는 문제점 등이 나타나고 있다. 이러한 배경을 바탕으로 2017년과 2019년 2년간 우리 지역의 상호금융기관의 효율성을 분석하여 문제점과 그에 따른 해결책을 제시하고자 한다. 왜냐하면 현재까지 하나의 협동조합을 분석한 사례들은 많았으나 계통기구를 중심으로 분석한 사례는 없었기 때문에 지역발전과 밀접한 관계를 갖고 있는 상호금융기관을 분석하여 향후 지역 금융을 어떻게 발전시키고 유지하여야 하는지를 연구하는 것은 의미가 매우 크다고 할 수 있을 것이다. 본 논문은 광주 ‧ 전남지역의 상호금융기관 중 신협, 새마을금고, 농협을 대상으로 효율성분석을 한 후 그에 따른 문제점과 개선방안을 마련해보고자 하였다. 분석 표본의 기간은 2017년과 2019년 2년간이며, 자산규모는 500억 원 ~ 5,000억 원 규모로 구성된 단위조합들과 직원 6명 이상 종사하는 상호금융기관을 선정하였다. 그리고 각 상호금융기관들을 대상으로 각각 50개 조합으로 구분하여 총 150개 금융기관을 선정하였다. 분석방법으로는 먼저 ...
최근 한국 은행 기준금리가 2% 미만으로 유지되면서 각기 은행들의 예대마진율 감소 및 수익구조의 악화를 초래하고 있다. 더불어 2020년 1월부터 코로나 19라는 전염병으로 인해 전 세계적으로 경기 저하 및 불균형적인 생활로 인해 초래되는 문제점 등이 나타나고 있다. 이러한 배경을 바탕으로 2017년과 2019년 2년간 우리 지역의 상호금융기관의 효율성을 분석하여 문제점과 그에 따른 해결책을 제시하고자 한다. 왜냐하면 현재까지 하나의 협동조합을 분석한 사례들은 많았으나 계통기구를 중심으로 분석한 사례는 없었기 때문에 지역발전과 밀접한 관계를 갖고 있는 상호금융기관을 분석하여 향후 지역 금융을 어떻게 발전시키고 유지하여야 하는지를 연구하는 것은 의미가 매우 크다고 할 수 있을 것이다. 본 논문은 광주 ‧ 전남지역의 상호금융기관 중 신협, 새마을금고, 농협을 대상으로 효율성분석을 한 후 그에 따른 문제점과 개선방안을 마련해보고자 하였다. 분석 표본의 기간은 2017년과 2019년 2년간이며, 자산규모는 500억 원 ~ 5,000억 원 규모로 구성된 단위조합들과 직원 6명 이상 종사하는 상호금융기관을 선정하였다. 그리고 각 상호금융기관들을 대상으로 각각 50개 조합으로 구분하여 총 150개 금융기관을 선정하였다. 분석방법으로는 먼저 DEA 모형과 AHP 모형의 개념에 대해 살펴본 후 투입 및 산출 변수를 선정하였다. 그리고 DEA 모형의 한계점을 보완하기 위하여 전문가들을 대상으로 의견을 수렴하여 AHP분석을 통해 최종 변수들을 선정한 후 AHP 모형에 의한 효율성 분석도 함께 진행하였다. 마지막으로 DEA 모형과 AHP 모형을 통합하여 효율성을 분석하였으며 시사점은 다음과 같다. 첫째, 선행연구 분석을 통하여 1차로 선정한 다수의 투입 변수와 산출 변수를 정량적인 방법인 Profiling 분석과 서열상관관계 분석을 통해 2차 변수를 선정하였다. 정성적인 방법인 AHP 모형을 통해 2차 선정된 변수를 대상으로 질적 중요도를 반영하였다. 그 결과, 기존 투입 변수 8개와 산출 변수 8개 중에서 최종적으로 투입변수는 판매관리비, 대손충당금, 직원수, 출자금이며, 산출변수에는 부실여신, 연체율, 총대출금, 요구불예금으로 각각 4개씩 변수를 선정하여 분석하였다. 둘째, DEA 모형을 적용한 상호금융기관은 총 150개 중 효율적으로 나타난 상호금융기관은 전체의 7.33%로 11개 조합으로 나타났다. 그 외 조합들은 2017년 보다 2019년에 비효율적인 조합들이 더 많은 것으로 나타났다. DEA와 DEA·AHP 통합모형에서도 효율적인 조합들의 변화는 없었으나 비효율적인 조합들에서 일부 DMU 값들이 변화가 있었다. 따라서 규모의 요인에서 주로 효율적인 조합들의 형태가 많았으며, 기술적인 요인에서는 비효율적인 조합들이 많은 형태로 각각의 차이가 다르게 나타나고 있어 효율적인 조합들이 변경되는 형태를 보이고 있었다. 그리고 규모의 영향 면에서는 효율적인 조합의 순위는 새마을금고, 신협, 농협 순으로 나타났으며, 기술적인 면에서 효율적인 조합의 순위는 신협, 새마을금고, 농협 순으로 효율적인 조합의 분포를 나타내고 있었다. 주요 원인으로는 판매관리비의 과다와 직원수가 많기 때문이었다. 따라서 판매관리비와 직원수를 효율적으로 개선하고, 총대출금과 요구불예금의 확대로 인해 개선점을 찾을 수 있을 것으로 판단된다. 셋째, 2017년~2019년까지 3년간의 자료를 가지고 효율성을 분석한 결과, 2017년과 2018년에는 효율성의 변화가 없기 때문에 2018년도를 제외하고 2017년과 2019년도를 비교 분석하였다. 그 결과 CCR 모형과 BCC 모형 모두 차이가 있는 것으로 나타났다. 연도별 효율성 분석의 차이는 2017년도가 효율적인 조합들이 더 많았고, 2019년도에는 비효율적인 조합들이 더 많은 것으로 나타났다. 즉 2017년도의 경영에 대한 조합들의 효율성 및 수익구조가 더 양호한 것을 볼 수 있었다. 넷째, 상호금융기관의 효율성 개선율을 투입 변수와 산출 변수를 통해 분석하고 참조집단과 가중치를 통해 도출하여 부록 Ⅰ, Ⅱ에 첨부하였다. 이 중에서 효율성이 가장 낮은 상호금융기관은 하위 5개 조합 모두가 농협이었다. 분석한 결과, 투입변수 중 판매관리비가 과대하고, 직원수의 비율이 높았으며, 산출 변수 중 총대출금의 규모가 수익을 발생할만한 구조를 갖추지 않아 대출금의 규모를 늘려서 수익구조를 갖추려는 개선이 무엇보다도 중요하다 할 것이다. 다섯째, 상호금융기관의 효율성을 DEA 모형만을 이용하여 산출된 결과와 AHP 모형만을 이용하여 산출된 결과 그리고 DEA⋅AHP 통합모형을 이용하여 산출된 결과를 비교하여 보았다. DEA⋅AHP 통합모형은 DEA 모형과 AHP 모형을 이용하여 산출된 효율성 분포는 거의 유사한 형태를 보였으나 비효율적인 조합들에서 약간의 차이가 나타난 결과를 볼 수 있었다. 그리고 참조순위가 각 모형에서 순위가 바뀌는 형태를 보이고 있어 AHP 모형의 상대적 가중치를 반영할 경우 효율적인 조합들의 순위에 약간의 영향을 미치는 것으로 나타났다. 본 논문의 한계점과 향후 과제는 다음과 같다. 첫째, 투입 변수와 산출 변수에 대한 최초 선정이 선행연구를 통해 도출되었으며, 이는 상호금융기관 효율성에 영향을 미치는 중요한 변수를 배제할 가능성이 있기 때문에 선행연구뿐만 아니라 전문가의 의견을 통해 다양한 투입 및 산출 변수를 파악한 후 단계적 추가 변수에 따른 효율성 분석을 시도해야 할 것이다. 둘째，AHP 모형에 따른 전문가 패널이 한정되어 다양한 전문가 패널을 설정하지 못한 한계가 있다. 전문가 대상이 각 상호금융기관의 상위 직급의 종사자와 박사학위 이상 경영 전문가를 대상으로 하였으나 실제 감독기구인 금융감독원 및 상위 평가를 실시하고 있는 기관이나 언론사 평가자 등으로 다양하게 구성된다면 각 변수의 중요도가 달라질 가능성이 있다. 따라서 향후 AHP모형에 따른 전문가를 다양하게 구성하여 분석하는 것이 중요할 것이다. 셋째, 본 연구는 2017년도 이전 자료수집의 어려움으로 인해 과거 자료를 파악하지 못하여, 2017년과 2019년 2개년 자료를 통해 효율성 분석을 실시하였기 때문에 2017년도 이전 상호금융기관의 효율성을 분석하지 못했다. 각 상호금융기관의 효율성 분석을 위해서는 최소한 5개년 공시자료를 이용하여 상호금융기관들의 효율성을 분석하거나 또는 연도별 전후 효율성에 대한 차이를 분석하는 연구가 실시되어야 할 것이다. 넷째, 상호금융기관의 성과분석에 대해 공통된 변수와 정량적인 재무적 자료를 가지고 효율성을 분석하였다는 한계점을 지니고 있다. 따라서 향후 연구에서는 조금 더 다양한 변수와 함께 정성적인 비재무적 자료도 함께 감안하여 효율성 분석을 실시할 필요가 있다. 다섯째, 본 연구는 지역 상호금융기관에 한정하여 효율성을 분석하였기 때문에 전체 상호금융기관의 효율성을 대표할 수 없다는 한계점을 지니고 있다. 따라서 향후 전체 상호금융기관을 대상으로 효율성을 분석하여 지역별, 설립유형별, 기간별로 비교한다면 보다 좋은 연구가 될 것으로 판단한다.
최근 한국 은행 기준금리가 2% 미만으로 유지되면서 각기 은행들의 예대마진율 감소 및 수익구조의 악화를 초래하고 있다. 더불어 2020년 1월부터 코로나 19라는 전염병으로 인해 전 세계적으로 경기 저하 및 불균형적인 생활로 인해 초래되는 문제점 등이 나타나고 있다. 이러한 배경을 바탕으로 2017년과 2019년 2년간 우리 지역의 상호금융기관의 효율성을 분석하여 문제점과 그에 따른 해결책을 제시하고자 한다. 왜냐하면 현재까지 하나의 협동조합을 분석한 사례들은 많았으나 계통기구를 중심으로 분석한 사례는 없었기 때문에 지역발전과 밀접한 관계를 갖고 있는 상호금융기관을 분석하여 향후 지역 금융을 어떻게 발전시키고 유지하여야 하는지를 연구하는 것은 의미가 매우 크다고 할 수 있을 것이다. 본 논문은 광주 ‧ 전남지역의 상호금융기관 중 신협, 새마을금고, 농협을 대상으로 효율성분석을 한 후 그에 따른 문제점과 개선방안을 마련해보고자 하였다. 분석 표본의 기간은 2017년과 2019년 2년간이며, 자산규모는 500억 원 ~ 5,000억 원 규모로 구성된 단위조합들과 직원 6명 이상 종사하는 상호금융기관을 선정하였다. 그리고 각 상호금융기관들을 대상으로 각각 50개 조합으로 구분하여 총 150개 금융기관을 선정하였다. 분석방법으로는 먼저 DEA 모형과 AHP 모형의 개념에 대해 살펴본 후 투입 및 산출 변수를 선정하였다. 그리고 DEA 모형의 한계점을 보완하기 위하여 전문가들을 대상으로 의견을 수렴하여 AHP분석을 통해 최종 변수들을 선정한 후 AHP 모형에 의한 효율성 분석도 함께 진행하였다. 마지막으로 DEA 모형과 AHP 모형을 통합하여 효율성을 분석하였으며 시사점은 다음과 같다. 첫째, 선행연구 분석을 통하여 1차로 선정한 다수의 투입 변수와 산출 변수를 정량적인 방법인 Profiling 분석과 서열상관관계 분석을 통해 2차 변수를 선정하였다. 정성적인 방법인 AHP 모형을 통해 2차 선정된 변수를 대상으로 질적 중요도를 반영하였다. 그 결과, 기존 투입 변수 8개와 산출 변수 8개 중에서 최종적으로 투입변수는 판매관리비, 대손충당금, 직원수, 출자금이며, 산출변수에는 부실여신, 연체율, 총대출금, 요구불예금으로 각각 4개씩 변수를 선정하여 분석하였다. 둘째, DEA 모형을 적용한 상호금융기관은 총 150개 중 효율적으로 나타난 상호금융기관은 전체의 7.33%로 11개 조합으로 나타났다. 그 외 조합들은 2017년 보다 2019년에 비효율적인 조합들이 더 많은 것으로 나타났다. DEA와 DEA·AHP 통합모형에서도 효율적인 조합들의 변화는 없었으나 비효율적인 조합들에서 일부 DMU 값들이 변화가 있었다. 따라서 규모의 요인에서 주로 효율적인 조합들의 형태가 많았으며, 기술적인 요인에서는 비효율적인 조합들이 많은 형태로 각각의 차이가 다르게 나타나고 있어 효율적인 조합들이 변경되는 형태를 보이고 있었다. 그리고 규모의 영향 면에서는 효율적인 조합의 순위는 새마을금고, 신협, 농협 순으로 나타났으며, 기술적인 면에서 효율적인 조합의 순위는 신협, 새마을금고, 농협 순으로 효율적인 조합의 분포를 나타내고 있었다. 주요 원인으로는 판매관리비의 과다와 직원수가 많기 때문이었다. 따라서 판매관리비와 직원수를 효율적으로 개선하고, 총대출금과 요구불예금의 확대로 인해 개선점을 찾을 수 있을 것으로 판단된다. 셋째, 2017년~2019년까지 3년간의 자료를 가지고 효율성을 분석한 결과, 2017년과 2018년에는 효율성의 변화가 없기 때문에 2018년도를 제외하고 2017년과 2019년도를 비교 분석하였다. 그 결과 CCR 모형과 BCC 모형 모두 차이가 있는 것으로 나타났다. 연도별 효율성 분석의 차이는 2017년도가 효율적인 조합들이 더 많았고, 2019년도에는 비효율적인 조합들이 더 많은 것으로 나타났다. 즉 2017년도의 경영에 대한 조합들의 효율성 및 수익구조가 더 양호한 것을 볼 수 있었다. 넷째, 상호금융기관의 효율성 개선율을 투입 변수와 산출 변수를 통해 분석하고 참조집단과 가중치를 통해 도출하여 부록 Ⅰ, Ⅱ에 첨부하였다. 이 중에서 효율성이 가장 낮은 상호금융기관은 하위 5개 조합 모두가 농협이었다. 분석한 결과, 투입변수 중 판매관리비가 과대하고, 직원수의 비율이 높았으며, 산출 변수 중 총대출금의 규모가 수익을 발생할만한 구조를 갖추지 않아 대출금의 규모를 늘려서 수익구조를 갖추려는 개선이 무엇보다도 중요하다 할 것이다. 다섯째, 상호금융기관의 효율성을 DEA 모형만을 이용하여 산출된 결과와 AHP 모형만을 이용하여 산출된 결과 그리고 DEA⋅AHP 통합모형을 이용하여 산출된 결과를 비교하여 보았다. DEA⋅AHP 통합모형은 DEA 모형과 AHP 모형을 이용하여 산출된 효율성 분포는 거의 유사한 형태를 보였으나 비효율적인 조합들에서 약간의 차이가 나타난 결과를 볼 수 있었다. 그리고 참조순위가 각 모형에서 순위가 바뀌는 형태를 보이고 있어 AHP 모형의 상대적 가중치를 반영할 경우 효율적인 조합들의 순위에 약간의 영향을 미치는 것으로 나타났다. 본 논문의 한계점과 향후 과제는 다음과 같다. 첫째, 투입 변수와 산출 변수에 대한 최초 선정이 선행연구를 통해 도출되었으며, 이는 상호금융기관 효율성에 영향을 미치는 중요한 변수를 배제할 가능성이 있기 때문에 선행연구뿐만 아니라 전문가의 의견을 통해 다양한 투입 및 산출 변수를 파악한 후 단계적 추가 변수에 따른 효율성 분석을 시도해야 할 것이다. 둘째，AHP 모형에 따른 전문가 패널이 한정되어 다양한 전문가 패널을 설정하지 못한 한계가 있다. 전문가 대상이 각 상호금융기관의 상위 직급의 종사자와 박사학위 이상 경영 전문가를 대상으로 하였으나 실제 감독기구인 금융감독원 및 상위 평가를 실시하고 있는 기관이나 언론사 평가자 등으로 다양하게 구성된다면 각 변수의 중요도가 달라질 가능성이 있다. 따라서 향후 AHP모형에 따른 전문가를 다양하게 구성하여 분석하는 것이 중요할 것이다. 셋째, 본 연구는 2017년도 이전 자료수집의 어려움으로 인해 과거 자료를 파악하지 못하여, 2017년과 2019년 2개년 자료를 통해 효율성 분석을 실시하였기 때문에 2017년도 이전 상호금융기관의 효율성을 분석하지 못했다. 각 상호금융기관의 효율성 분석을 위해서는 최소한 5개년 공시자료를 이용하여 상호금융기관들의 효율성을 분석하거나 또는 연도별 전후 효율성에 대한 차이를 분석하는 연구가 실시되어야 할 것이다. 넷째, 상호금융기관의 성과분석에 대해 공통된 변수와 정량적인 재무적 자료를 가지고 효율성을 분석하였다는 한계점을 지니고 있다. 따라서 향후 연구에서는 조금 더 다양한 변수와 함께 정성적인 비재무적 자료도 함께 감안하여 효율성 분석을 실시할 필요가 있다. 다섯째, 본 연구는 지역 상호금융기관에 한정하여 효율성을 분석하였기 때문에 전체 상호금융기관의 효율성을 대표할 수 없다는 한계점을 지니고 있다. 따라서 향후 전체 상호금융기관을 대상으로 효율성을 분석하여 지역별, 설립유형별, 기간별로 비교한다면 보다 좋은 연구가 될 것으로 판단한다.
The base interest rate of the Bank of Korea has recently been kept below 2%, causing a decrease in the loan-to-deposit ratio and deterioration of the profit structures of banks. In addition, due to the epidemic called Corona 19 that has been sweeping the world since January 2020, the world is suffer...
The base interest rate of the Bank of Korea has recently been kept below 2%, causing a decrease in the loan-to-deposit ratio and deterioration of the profit structures of banks. In addition, due to the epidemic called Corona 19 that has been sweeping the world since January 2020, the world is suffering from problems caused by economic slowdown and unbalanced life. Based on this background, we would like to analyze the efficiency of mutual financial institutions in our region by analyzing the efficiency of the regional mutual financial institutions in 2017 and in 2019 and suggest problems and solutions accordingly. Because there have been many cases that have analyzed a single cooperative so far, but there has been no case that analyzed systemic organization. This is why we decided to analyze mutual financial institutions that are closely related to regional development, and this study can be said to be very meaningful in researching how to develop and maintain regional finance in the future. This paper tried to analyze the effectiveness of the National Credit Union Federation of Korea, Federation of Community Credit Cooperatives, and National Agricultural Cooperative Federation among mutual financial institutions in Gwangju and Jeollanam-do, and then prepare problems and improvement plans. The sample analysis period is two years(2017 and 2019), and unit cooperatives with assets of 50 billion won to 500 billion won and mutual financial institutions with 6 or more employees were selected for the research. Then, each mutual financial institution was divided into 50 cooperatives, and a total of 150 financial institutions were selected. As an analysis method, the concepts of the DEA model and the AHP model were first examined, and input and output variables were selected. And in order to supplement the limitations of the DEA model, opinions from experts were collected and final variables were selected through AHP analysis. Then the efficiency was analyzed using the AHP model. Finally, the efficiency was analyzed by integrating the DEA model and the AHP model, and the implications are as follows. First, the secondary variables were selected by conducting quantitative profiling analysis and sequence correlation analysis on a number of input and output variables selected primarily through the analysis of previous studies. Qualitative importance was reflected in the secondary selected variables through the AHP model, which is a qualitative method. As a result, among the 8 existing input variables and 8 calculated variables, SG&A expenses, allowance for bad debt, number of employees, and investment were finally set as input variables and each variable was selected and analyzed. Second, out of a total of 150 mutual financial institutions to which the DEA model was applied, the number of mutual financial institutions that were found to be effective was 7.33%, or 11, of the total. Other unions were found to be more inefficient in 2019 than in 2017. There was no change in the efficient combinations in the DEA and DEA·AHP integrated models, but some DMU values were found to change in the inefficient combinations. Therefore, there were mainly effective combinations in the scale factor, and in the technical factor, the inefficient combinations showed various differences, showing a change in the effective combinations. And in terms of size impact, the ranking of effective unions was in the order of Federation of Community Credit Cooperatives, National Credit Union Federation of Korea, and National Agricultural Cooperative Federation. In terms of technology, the ranking of effective unions was National Credit Union Federation of Korea, Federation of Community Credit Cooperatives followed by National Agricultural Cooperative Federation. The main reasons were excessive sales and administrative expenses and a large number of employees. Therefore, it is concluded that improvement points can be found by efficiently improving the sales and administrative expenses and the number of employees, and by expanding the total loan amount and demand deposit. Third, as a result of analyzing efficiency with data for three years from 2017 to 2019, there was no change in efficiency in 2017 and 2018. Therefore, we compared and analyzed 2017 and 2019, excluding 2018. As a result, it was found that there was a difference between the CCR model and the BCC model. The results of the efficiency analysis by year show that there were more effective combinations in 2017, and more inefficient combinations in 2019. In other words, in the case of 2017, the efficiency and profit structure of cooperatives were better. Fourth, the efficiency improvement rate of mutual financial institutions was analyzed through input and output variables, and derived through reference groups and weights, and attached to Appendix I and II. Among them, as for the mutual financial institutions with the lowest efficiency, National Agricultural Cooperative Federation scored the lowest in all areas. The results show that it is imperative for the National Agricultural Cooperative Federation to improve the profit structure by increasing the size of the loan because the sales and administrative expenses among the input variables were excessive, the ratio of the number of employees was high, and the size of the total loan among the output variables did not have a structure to generate profit. Fifth, the efficiency of mutual financial institutions was compared with the results calculated using only the DEA model, the results calculated using only the AHP model, and the results calculated using the DEA·AHP integrated model. The results of analyzing the efficiency distribution with the integrated DEA·AHP model show similar results as the results obtained using the DEA and AHP models, but slight differences were observed in the inefficient combinations. And, in the case of reference ranking, the ranking is changed in each model, so when the relative weight of the AHP model is reflected, it appears that the ranking of effective combinations is slightly affected. The limitations and future tasks of this paper are as follows. First, the initial selection of input variables and output variables was derived through previous studies, which indicate that there is a possibility that this excludes important variables affecting the efficiency of mutual financial institutions; thus, it is necessary to try to analyze the efficiency according to the step-by-step additional variables after identifying various input and output variables through the opinions of experts as well as previous studies. Second, the expert panel according to the AHP model is limited, so there is a limitation in not being able to set various expert panels. Although employees at higher positions in mutual financial institutions and management experts with a doctorate degree or higher were selected as experts, the importance of each variable might be different if the expert panel is composed of various experts such as the Financial Supervisory Service, which is the actual supervisory body, and evaluators of institutions or media companies that are conducting high-level evaluations. Therefore, it will be important to organize and analyze various experts according to the AHP model in the future. Third, this study did not analyze the efficiency of mutual financial institutions before 2017 because it was difficult to collect data prior to 2017. In order to analyze the efficiency of each mutual financial institution, a study should be conducted to analyze the efficiency of mutual financial institutions using publicly disclosed data for at least five years or to analyze the difference in efficiency before and after each year. Fourth, the performance analysis of mutual financial institutions has a limitation in that the efficiency is analyzed with common variables and quantitative financial data. Therefore, in future research, it is necessary to conduct an efficiency analysis by taking into account qualitative non-financial data as well as more diverse variables. Fifth, this study has a limitation in that it cannot represent the efficiency of all mutual financial institutions because the efficiency analysis is limited to regional mutual financial institutions. Therefore, it would be a better study if we analyze the efficiency of all mutual financial institutions in the future and compare them by region, type of establishment, and period.
The base interest rate of the Bank of Korea has recently been kept below 2%, causing a decrease in the loan-to-deposit ratio and deterioration of the profit structures of banks. In addition, due to the epidemic called Corona 19 that has been sweeping the world since January 2020, the world is suffering from problems caused by economic slowdown and unbalanced life. Based on this background, we would like to analyze the efficiency of mutual financial institutions in our region by analyzing the efficiency of the regional mutual financial institutions in 2017 and in 2019 and suggest problems and solutions accordingly. Because there have been many cases that have analyzed a single cooperative so far, but there has been no case that analyzed systemic organization. This is why we decided to analyze mutual financial institutions that are closely related to regional development, and this study can be said to be very meaningful in researching how to develop and maintain regional finance in the future. This paper tried to analyze the effectiveness of the National Credit Union Federation of Korea, Federation of Community Credit Cooperatives, and National Agricultural Cooperative Federation among mutual financial institutions in Gwangju and Jeollanam-do, and then prepare problems and improvement plans. The sample analysis period is two years(2017 and 2019), and unit cooperatives with assets of 50 billion won to 500 billion won and mutual financial institutions with 6 or more employees were selected for the research. Then, each mutual financial institution was divided into 50 cooperatives, and a total of 150 financial institutions were selected. As an analysis method, the concepts of the DEA model and the AHP model were first examined, and input and output variables were selected. And in order to supplement the limitations of the DEA model, opinions from experts were collected and final variables were selected through AHP analysis. Then the efficiency was analyzed using the AHP model. Finally, the efficiency was analyzed by integrating the DEA model and the AHP model, and the implications are as follows. First, the secondary variables were selected by conducting quantitative profiling analysis and sequence correlation analysis on a number of input and output variables selected primarily through the analysis of previous studies. Qualitative importance was reflected in the secondary selected variables through the AHP model, which is a qualitative method. As a result, among the 8 existing input variables and 8 calculated variables, SG&A expenses, allowance for bad debt, number of employees, and investment were finally set as input variables and each variable was selected and analyzed. Second, out of a total of 150 mutual financial institutions to which the DEA model was applied, the number of mutual financial institutions that were found to be effective was 7.33%, or 11, of the total. Other unions were found to be more inefficient in 2019 than in 2017. There was no change in the efficient combinations in the DEA and DEA·AHP integrated models, but some DMU values were found to change in the inefficient combinations. Therefore, there were mainly effective combinations in the scale factor, and in the technical factor, the inefficient combinations showed various differences, showing a change in the effective combinations. And in terms of size impact, the ranking of effective unions was in the order of Federation of Community Credit Cooperatives, National Credit Union Federation of Korea, and National Agricultural Cooperative Federation. In terms of technology, the ranking of effective unions was National Credit Union Federation of Korea, Federation of Community Credit Cooperatives followed by National Agricultural Cooperative Federation. The main reasons were excessive sales and administrative expenses and a large number of employees. Therefore, it is concluded that improvement points can be found by efficiently improving the sales and administrative expenses and the number of employees, and by expanding the total loan amount and demand deposit. Third, as a result of analyzing efficiency with data for three years from 2017 to 2019, there was no change in efficiency in 2017 and 2018. Therefore, we compared and analyzed 2017 and 2019, excluding 2018. As a result, it was found that there was a difference between the CCR model and the BCC model. The results of the efficiency analysis by year show that there were more effective combinations in 2017, and more inefficient combinations in 2019. In other words, in the case of 2017, the efficiency and profit structure of cooperatives were better. Fourth, the efficiency improvement rate of mutual financial institutions was analyzed through input and output variables, and derived through reference groups and weights, and attached to Appendix I and II. Among them, as for the mutual financial institutions with the lowest efficiency, National Agricultural Cooperative Federation scored the lowest in all areas. The results show that it is imperative for the National Agricultural Cooperative Federation to improve the profit structure by increasing the size of the loan because the sales and administrative expenses among the input variables were excessive, the ratio of the number of employees was high, and the size of the total loan among the output variables did not have a structure to generate profit. Fifth, the efficiency of mutual financial institutions was compared with the results calculated using only the DEA model, the results calculated using only the AHP model, and the results calculated using the DEA·AHP integrated model. The results of analyzing the efficiency distribution with the integrated DEA·AHP model show similar results as the results obtained using the DEA and AHP models, but slight differences were observed in the inefficient combinations. And, in the case of reference ranking, the ranking is changed in each model, so when the relative weight of the AHP model is reflected, it appears that the ranking of effective combinations is slightly affected. The limitations and future tasks of this paper are as follows. First, the initial selection of input variables and output variables was derived through previous studies, which indicate that there is a possibility that this excludes important variables affecting the efficiency of mutual financial institutions; thus, it is necessary to try to analyze the efficiency according to the step-by-step additional variables after identifying various input and output variables through the opinions of experts as well as previous studies. Second, the expert panel according to the AHP model is limited, so there is a limitation in not being able to set various expert panels. Although employees at higher positions in mutual financial institutions and management experts with a doctorate degree or higher were selected as experts, the importance of each variable might be different if the expert panel is composed of various experts such as the Financial Supervisory Service, which is the actual supervisory body, and evaluators of institutions or media companies that are conducting high-level evaluations. Therefore, it will be important to organize and analyze various experts according to the AHP model in the future. Third, this study did not analyze the efficiency of mutual financial institutions before 2017 because it was difficult to collect data prior to 2017. In order to analyze the efficiency of each mutual financial institution, a study should be conducted to analyze the efficiency of mutual financial institutions using publicly disclosed data for at least five years or to analyze the difference in efficiency before and after each year. Fourth, the performance analysis of mutual financial institutions has a limitation in that the efficiency is analyzed with common variables and quantitative financial data. Therefore, in future research, it is necessary to conduct an efficiency analysis by taking into account qualitative non-financial data as well as more diverse variables. Fifth, this study has a limitation in that it cannot represent the efficiency of all mutual financial institutions because the efficiency analysis is limited to regional mutual financial institutions. Therefore, it would be a better study if we analyze the efficiency of all mutual financial institutions in the future and compare them by region, type of establishment, and period.
AI-Helper
※ AI-Helper는 부적절한 답변을 할 수 있습니다.