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
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.