ارائه مدل ترکیبی DEA-MLP در تشکیل سبدبهینه سهام: بررسی محتوای اطلاعاتی معیارهای حسابداری، معیارهای مبتنی بر ارزش و معیارهای BSC

مهندسی مالی و مدیریت اوراق بهادار

مقاله 15، دوره 11، شماره 43، تیر 1399، صفحه 333-362   

نوع مقاله: مقاله پژوهشی

نویسندگان

حسن فتاحی نافچی¹؛ مهدی عربصالحی^{* 1}؛ مجید اسماعیلیان²

¹گروه حسابداری، دانشکده علوم اداری و اقتصاد، دانشگاه اصفهان، اصفهان، ایران

²گروه مدیریت، دانشکده علوم اداری و اقتصاد، دانشگاه اصفهان، اصفهان، ایران

چکیده

این هدف می‌تواند با استفاده از روش‌ها و الگوریتم‌های مختلفی صورت پذیرد. هدف پژوهش حاضر تدوین مدل سبد بهینه سهام با استفاده از ترکیب روش‌های تحلیل پوششی داده‌ها، الگوریتم حذف دادهای پرت و شبکه‌های عصبی MLP است. جامعه آماری پژوهش شرکت‌های پذیرفته‌شده در بورس اوراق بهادار تهران در بازه زمانی 1386 تا 1396 می‌باشد. برای تشکیل سبد بهینه سهام از تمام معیارهای موجود دسته‌بندی شده برای رسیدن به سبد سهام بهینه استفاده گردید. سپس نتایج به‌دست‌آمده در رویکردهای مختلف بر اساس معیار نسبت شارپ با هم مقایسه شد. یافته‌های حاصل از پژوهش حاکی از آن است که استفاده از ترکیب تحلیل پوششی داده‌ها، الگوریتم حذف دادهای پرت، شبکه‌های عصبی MLP و معیارهای حسابداری در تهیه سبد بهینه سهام منجر به افزایش نسبت شارپ در مقایسه با سایر رویکردها (ریسک و بازده، مبتنی بر ارزش و ارزیابی متوازن) می‌شود. به‌طورکلی به‌کارگیری هم‌زمان روش‌های ترکیبی بهینه‌سازی و معیارهای جامع استخراج‌شده از گزارش‌های حسابداری می‌تواند سبد سهام بهینه‌تر و مطلوبیت بیشتر را برای سرمایه‌گذاران به همراه داشته باشد.

کلیدواژه‌ها

سبد بهینه سهام؛ تحلیل پوششی داده‌ها؛ الگوریتم حذف دادهای پرت؛ شبکه‌های عصبی MLP

مراجع

 

• سینایی، حسنعلی، و گشتاسبی مهارلویی، رسول (1391). ارزیابی کارایی و عملکرد نسبی شرکت­ها با رویکرد تحلیل پوششی داده­ها به منظور تشکیل سبد سهام. مجله دانش حسابداری، 3(11). 132-105.
• نمازی، محمد، و عظیمی‌بیدگلی، مصطفی (1391). تعیین معیارهای ارزیابی متوازن و رتبه­بندی آنها با استفاده از فرآیند تحلیل سلسله مراتبی در شرکت‌های پذیرفته شده در بورس اوراق بهادار تهران. فصل‌نامه مطالعات تجربی حسابداری مالی، 10(35)، 12-1.
• نمازی، محمدف و غفاری، محمدجواد. (1394). بررسی اهمیت و نقش اطلاعات توانایی مدیران و نسبت‌های مالی به عنوان معیاری در انتخاب سبد بهینه سهام در شرکت های پذیرفته شده در بورس اوراق بهادار تهران (با استفاده از تحلیل پوششی داده‌ها). فصل‌نامه حسابداری مالی، 7(26)، 30-1.
• Ben Abdelaziz, F., Aouni, B. & Fayedh, R.E. (2007). Multi-Objective Stochastic Programming for Portfolio Selection. European Journal of Operational Research, 4(177). 1811-1823.
• Cevikalp, H. (2010). New Clustering Algorithm for The Support Vector Machine Based Hierarchical Classification. Pattern Recognition Letters, 31(18), 1285-1291.
• Chen, T. Y., & Chen, L. H. (2007). DEA performance evaluation based on BSC indicators incorporated: The case of semiconductor industry. International journal of Productivity and Performance management, 56(4), 335-357.
• Cunha Callado, A. A., & Jack, L. (2015). Balanced scorecard metrics and specific supply chain roles. International Journal of Productivity and Performance Management, 64(2), 288-300.
• Halkos, E.,& D. S., Salamouris (2004). Efficiency Measurement of the Greek Commercial Banks with the Use of Financial Ratios: A Data Envelopment Analysis Approach,Management Accounting Research,15)2(,201–224.
• Horngren, C. T., Datar, S. D., & Rajan, M. V. (2012). Cost accounting: A managerial emphasis (14th ed). New Jersey, USA: Pearson Prentice Hall.
• Kaplan, R. S., & Norton, D. P. (1996). The Strategy-Focused Organization: How Balanced Scorecard Companies Survive in the new Business Environment, Boston, MA: Harvard Business School Press.
• Kocadagli, Ozan; & Ridvan Keskin (2015). A Novel Portfolio Selection Model Based on Fuzzy Goal Programming with Different Importance and Priorities. Expert Systems with Applications, 42(20), 6898-6912.
• Lehmann, D. R., Zahay, D., & Peltier, J. W. (2013). Survey analyze customer relationship management using balanced scorecard. Journal of Interactive Marketing, 27(1), 1-16.
• Ratnasingam, P. (2009). Service quality management applying the balanced scorecard: An exploratory study. International Journal of Commerce and Management, 19(2), 127-136.
• Song, Irene (2014). New Quantitative Approaches to Asset Selection and Portfolio Construction. Dissertation of Doctor of Philosophy, Columbia University.
• Vapnik, V., 1998, Statistical Learning Theory.Wiley, New York.

Zhang, WG. &  Nie, ZK. (2004). On Admissible Efficient Portfolio Selection Problem. Applied Mathematics and   Computation, 159 (2), 357-371.