Devising the Best Prospective Merger Plan for a Banking Sector Through a Hybrid DEA-Based Methodology: An Inverse DEA Perspective
Notice bibliographique
Résumé
Mergers & acquisitions (M&A) are strategic decisions that have long been associated with the banking sector, entailing the consolidation of assets among a group of banks through various types of financial transactions. Though a lot of research has been dedicated to the application of data envelopment analysis (DEA) to multiple aspects of M&A within this particular sector, little or even no significant attention has been paid to investigating the optimal matchings among banks, i.e., what should be the best partners of prospective bank mergers that are more likely to maximize the overall performance of the whole banking sector? To answer this question, we propose a hybrid DEA methodology that operates over two levels. The first level entails solving an inverse DEA (IDEA) model to evaluate the optimal gains that could potentially be generated out of pairwise consolidations among banks. As a result, all productive post-merger banks, i.e., those mergers that have real potential for gains’ generation, are duly discerned. In the second level, a DEA procedure integrating a standard DEA model with a greedy heuristic is devised to select the best pairs of merging banks based on the post-merger banks’ expected outcomes. Here, the best prospective merger plan is derived for the whole banking sector out of the entire sample of banks. Using data from the Office of the Superintendent of Financial Institutions (OSFI) database, the pertinence of the proposed methodology is shown by evaluating the potential merger gains of 28 Canadian banks prior to building the associated best prospective merger plan.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».