مقايسه¬ي رويکردهاي سنتي تحليل پوششي داده ها و ارائه يک الگوريتم جديد به منظور انتخاب سبد سرمايه¬گذاري و کاربرد آن براي انتخاب سهام شرکت¬هاي فعال پذيرفته شده در سازمان بورس اوراق بهادار تهران
محورهای موضوعی : مدیریت تحقیق و توسعه
عمران محمدی
1
(علم وصنعت)
کلید واژه: انتخاب سبدسهام تحليل پوششي داده¬, ها مديريت سرمايه¬, گذاري سازمان بورس اوراق بهادار تهران.,
چکیده مقاله :
انتخاب سبدسهام يکي از مهمترين حوزه هاي تصميم گيري سرمايه گذاري محسوب مي شود؛ سبدي از سهام که قادر باشد هم زمان بهترين نرخ بازده و ريسک سرمايه گذاري را در پي داشته باشد. البته از ديد سرمايه گذاران ممکن است عوامل مختلف ديگري بر تشکيل سبد سهام اثرگذار باشند که بايد بکارگرفته شوند. اين تعدد عوامل ضرورت استفاده از ابزارهاي نوينِ تصميم گيري را نشان مي دهد. تحليل پوششي داده ها يکي از اين ابزارهاست که امروزه با گسترش علم پژوهش عملياتي داراي رويکردهاي متنوعي مي باشد. هـدف اصـلي از پـژوهش جاري، مقايسه ي رويکردهاي سنتي تحليل پوششي داده ها در انتخاب سبد سهام مي باشد که نتايج با يک الگوريتم پيشنهادي مقايسه شده است. در مدل هاي سنتي به طور متعارف نوع بازده به مقياس با يک فرض ساده کننده به صورت ثابت يا متغير در نظر گرفته مي شود. اين امر ممکن است نتايج را با خطاهاي مهمي همراه کند. در الگوريتم پيشنهادي ابتدا نوع رفتار بازده به مقياس با تحليل هاي لازمه تعيين شده و سپس مدل مناسب جهت تشخيص کارايي، مورد استفاده قرار مي گيرد. در اين مقاله از داده هـاي واقعـي متعلق به سازمان بورس اوراق بهادار تهران در قالب يک مطالعه موردي استفاده شده و نتايج آن تجزيه و تحليل شده اند.
Abstract Portfolio selection is one of the most important areas in financial decision-making; A portfolio of stocks that could bring the highest rate of return and the lowest risk investment for its owner simultaneously. However in choosing the most prefered portfolio just these factors are not decisive and according to the economic environment, many factors can affect this process which should be employed. Therefore, these diversity of factors, bring to the limelight the importance of multi-criteria decision-making approaches. Data Envelopment Analysis (DEA) is one of this approaches. The main purpose of this paper is comparing the traditional DEA approaches to a new proposed algorithm. In traditional approaches simply assumed that return to scale is constant or variable. This simplification may cause large errors. In the new algorithm by analyzing the behavior of return to scale, appropriate model will be used. As a case study, the models have been solved with real data belonging to Tehran stock exchange and the results have been analyzed.
- عادل آذر، خسرواني، فرزانه و جلالي، رضا (1392). کاربرد تحليل پوششي داده ها (DEA) در تعيين پرتفويي از کارآمدترين و ناکارآمدترين شرکت هاي حاضر در بورس اوراق بهادار تهران. فصلنامه مدرس علوم انساني (پژوهش هاي مديريت در ايران). دوره هفدهم، شماره 1: 19-1.
2- فضل زاده، عليرضا، رنجپور، رضا و توحيدي، رسول (1391). بررسي توانايي مدل هاي تک شاخص شارپ و تحليل پوششي داده ها در انتخاب پرتفوي کارا در بورس اوراق بهادار تهران. فصلنامه بورس اوراق بهادار. دوره پنجم، شماره 18 (پياپي 44): 59-39.
3- جهانشاهلو، غلامرضا، حسين زاده لطفي، فرهاد، نيکومرام، هاشم (1389). تحليل پوششي دهده ها و کاربردهاي آن. انتشارات دانشگاه آزاد اسلامي واحد علوم تحقيقات تهران.
4- خواجوي، شکراله، سليمي فرد، عليرضا و ربيعه، مسعود (1384). کاربرد تحليل پوششي داده ها (DEA) در تعيين پرتفويي از کاراترين شرکت هاي پذيرفته شده در بورس اوراق بهادار تهران. مجله علوم اجتماعي و انساني دانشگاه شيراز، دوره بيست و دوم، شماره 2 (پياپي 43): 89-75.
5- افشار کاظمي، محمدعلي، خليلي عراقي، مريم، سادات کيايي، احمد (1391). انتخاب سبدسهام در بورس اوراق بهادار تهران با تلفيق روش تحليل پوششي داده ها (DEA) و برنامه ريزي آرماني (GP). فصلنامه علمي پژوهشي دانش مالي تحليل اوراق بهادار، دوره پنجم، شماره 13: 63-49.
6- سينايي، حسنعلي، گشتاسبي مهارلويي، رسول (1391). ارزيابي کارايي و عملکرد نسبي شرکت ها با رويکرد تحليل پوششي داده ها براي تشکيل سبد سهام. مجله دانش حسابداري، دوره سوم، شماره 11 (پياپي 43): 89-75.
7- مهرگان، محمدرضا (1391). تحليل پوششي داده ها: مدل هاي کمي در ارزيابي عملکرد سازمان ها. نشر کتاب دانشگاهي.
8- خواجوي، شکراله، غيوري مقدم، علي (1391). تحليل پوششي داده ها ، روشي بـراي انتخـاب پرتفـوي بهينـه بـا توجـه بـه ميـزان نقـد شوندگي سهام ، مورد مطالعه: شركت هاي پذيرفته شده در بورس اوراق بهادار تهران. مجله پيشرفت هاي حسابداري دانشگاه شيراز. دوره چهارم، شماره 2 (پياپي 3/63): 52-27.
9- طلوع، مهدي، جوشقاني، سمانه (1393). راهنماي GAMS به همراه مدل¬هايDEA ، نشر کتاب دانشگاهي.
10- Alinezhad, A., Zohrebandian, M., & Dehdar, F. (2010). Portfolio Selection using Data Envelopment Analysis with common weights. Iranian Journal of Optimization, 2(1), 323-333.
11- Charnes, A., Cooper, W. W., & Rhodes, E. (1978). Measuring the efficiency of decision making units. European Journal of Operational Research, 2(6), 429-444.
12- Charnes, A. Cooper, w. w. Golany B. and Seiford, L. M. (1985). Foundations of data envelopment analysis for Pareto-Koopmans efficient empirical production functions. Journal of Econometrics, vol. 30, pp. 91-107.
13- Chen, H.-H. (2008). Stock selection using data envelopment analysis. Industrial Management & Data Systems, 108(9), 1255-1268.
14- Cooper, W.W. Seiford, L.M. Zhu, J. (2011). Handbook on Data Envelopment Analysis. Chapter2. Returns to Scale in DEA. Springer.
15- Edirisinghe, N., & Zhang, X. (2007). Generalized DEA model of fundamental analysis and its application to portfolio optimization. Journal of Banking & Finance, 31(11), 3311-3335.
16- Farrell, M. J. (1957). The measurement of productive efficiency. Journal of the Royal Statistical Society. (Series A General)), 120(3, 253-290.
17- Gardijan, M., & Kojić, V. (2012). DEA-based investment strategy and its application in the Croatian stock market. Croatian Operational Research Review, 3(1), 203-212.
18- Lopes, A., Lanzer, E., Lima, M., & da Costa Jr, N. (2008). DEA investment strategy in the Brazilian stock market. Economics bulletin, 13(2), 1-10.
19- Markowitz, H. (1952). Portfolio selection*. The journal of finance, 7(1), 77-91.
20- Powers, J., & McMullen, P. (2000). Using data envelopment analysis to select efficient large market cap securities. Journal of Business and Management, 7(2), 31-42.
21- Sharpe, W. F. (1963). A simplified model for portfolio analysis. Management science, 9(2), 277-293.