کاربرد کارایی متقاطع تحلیل پوششی داده‌ها در گزینش سبد سهام 20 شرکت معتبر بورس

نوع مقاله: مقاله پژوهشی - کاربردی

نویسندگان

دانشکده ریاضی، دانشگاه علم و صنعت ایران، تهران، ایران.

چکیده

یکی از مشکلات انتخاب پرتفولیو، انتخاب یک مجموعه سهام، دارایی و اوراق بهادار با اهداف متضاد و غیرقابل مقایسه مانند بازده و ریسک می‌باشد. مدل کارایی متقاطع تکنیک تحلیل پوششی داده‌ها (DEA)، یکی از ابزارهای مفید در سنجش کارایی است که امکان تعیین واحدهای کارا از صنایع مختلف را جهت تشکیل پرتفولیو فراهم می‌نماید. هرچند کارایی متقاطع رویکردی برای ارزیابی است، اما کاربرد آن در انتخاب سبد سهام توسعه داده‌شده است. در این تحقیق، میانگین نمرات کارایی متقاطع و تغییرات آن را بررسی کرده و دو آمارۀ آن را در فرمول میانگین- واریانس گزینش سبد سهام گنجانیده­ایم. این روش دو مزیت ‌دارد: یکی گزینش سبد سهام‌هایی که ازلحاظ عملکردشان روی معیار ارزیابی چندگانه به‌خوبی توسعه‌یافته‌اند و دیگری کاهش پدیده­ی به‌اصطلاح "دسته‌بندی هم‌زمان" ارزیابی کارایی متقاطع در انتخاب سبد سهام. این روش برای ارزیابی کارایی گزینش سبد سهام 20 شرکت معتبر بورس طی 9 دوره زمانی به کار گرفته‌شده و تغییرات کارایی و علل آن موردبررسی قرارگرفته است. همچنین نشان داده‌شده است که سبد سهام منتخب با این روش، بازدهی بالاتری بر مبنای تنظیم ریسک نسبت به دو شاخص بازار سهام طی یک دوره 9 ساله به همراه دارد.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Application of DEA-cross efficiency in portfolio selection of 20 reputable companies in the Iranian stock market.

نویسندگان [English]

  • Mohammad Reza Alirezaee
  • Fatemeh Rakhshan
  • Bahareh Banaye khoyi
department of mathematics, Iran university of science and technology
چکیده [English]

One of the problems in portfolio selection, is choosing a stock with conflicting and incomparable objectives such as return and risk. DEA cross efficiency is one of the most useful tools in assessing performance and prioritize a number of firms that makes it possible to determine efficient units in portfolio selection from different industries. Although cross efficiency is an approach for evaluating performance, it application is improved in portfolio selection. The method used in this research, calculates the (average) cross efficiency scores and considers its changes and then incorporates two statistics of cross efficiency into the mean-variance (MV) formulation of portfolio selection. This method has two advantages: One is selection of portfolios well-diversified in terms of their performance on multiple evaluation criteria, and the other is alleviation of the so-called ‘‘ganging together’’ phenomenon of DEA cross-efficiency evaluation in portfolio selection. This procedure is applied on stock portfolio selection in the Iranian stock market consist of 20 reputable companies and efficiency changes with causes over this period is examined. It is demonstrated in this paper that the selected portfolio yields higher risk-adjusted returns than two stock market index for a 9-year sample period.

کلیدواژه‌ها [English]

  • Data Envelopment Analysis (DEA)
  • Cross efficiency
  • Portfolio selection
  • Stock market

مهرگان، محمدرضا، (1387). مدل­های کمی در ارزیابی عملکرد سازمان­ها (تحلیل پوششی داده‌ها).  انتشارات دانشگاه تهران.

واعظی، احسان، معمارپور، مهدی. (1396). ارزیابی کارایی و رتبه‌بندی شعب یک بانک خصوصی با استفاده از رویکرد تحلیل پوششی دومرحله‌ای و تکنیک رتبه‌بندی بردا. تصمیم‌گیری و تحقیق در عملیات، 2(2)، 116-129.

 

Andersen, P., & Petersen, N. C. (1993). A procedure for ranking efficient units in data envelopment analysis. Management science39(10), 1261-1264.

Banker, R. D., Charnes, A., & Cooper, W. W. (1984). Some models for estimating technical and scale inefficiencies in data envelopment analysis. Management science30(9), 1078-1092.

Banker, R. D., & Maindiratta, A. (1988). Nonparametric analysis of technical and allocative efficiencies in production. Econometrica: Journal of the econometric society, 1315-1332.

Braglia, M., & Petroni, A. (2000). A quality assurance-oriented methodology for handling trade-offs in supplier selection. International journal of physical distribution & logistics management30(2), 96-112.

Charnes, A., Cooper, W. W., Huang, Z. M., & Sun, D. B. (1990). Polyhedral cone-ratio DEA models with an illustrative application to large commercial banks. Journal of econometrics46(1-2), 73-91.

Charnes, A., Cooper, W. W., & Rhodes, E. (1978). Measuring the efficiency of decision making units. European journal of operational research2(6), 429-444.

Chen, C. M., & Zhu, J. (2011). Efficient resource allocation via efficiency bootstraps: An application to R&D project budgeting. Operations research59(3), 729-741.

Cooper, W. W., Park, K. S., & Pastor, J. T. (1999). RAM: A range adjusted measure of inefficiency for use with additive models, and relations to other models and measures in DEA. Journal of productivity analysis11(1), 5-42. Doyle, J., & Green, R. (1994). Efficiency and cross-efficiency in DEA: Derivations, meanings and uses. Journal of the operational research society45(5), 567-578.

Edirisinghe, N. C., & Zhang, X. (2007). Generalized DEA model of fundamental analysis and its application to portfolio optimization. Journal of banking & finance31(11), 3311-3335.

Green, R. H., Doyle, J. R., & Cook, W. D. (1996). Preference voting and project ranking using DEA and cross-evaluation. European journal of operational research90(3), 461-472.

Liang, L., Wu, J., Cook, W. D., & Zhu, J. (2008). Alternative secondary goals in DEA cross-efficiency evaluation. International journal of production economics113(2), 1025-1030.

Lim, S. (2012). Minimax and maximin formulations of cross-efficiency in DEA. Computers & industrial engineering62(3), 726-731.

Lim, S., Oh, K. W., & Zhu, J. (2014). Use of DEA cross-efficiency evaluation in portfolio selection: An application to Korean stock market. European journal of operational research236(1), 361-368.

Oral, M., Kettani, O., & Lang, P. (1991). A methodology for collective evaluation and selection of industrial R&D projects. Management science37(7), 871-885.

Park, J. H., Bae, H. R., & Lim, S. M. (2011). Multi-criteria ABC inventory classification using the cross-efficiency method in DEA. Journal of korean institute of industrial engineers37(4), 358-366.

Pastor, J. T., & Ruiz, J. L. (2007). Variables with negative values in DEA. Modeling data irregularities and structural complexities in data envelopment analysis (pp. 63-84). Springer, Boston, MA.

Salo, A., & Punkka, A. (2011). Ranking intervals and dominance relations for ratio-based efficiency analysis. Management science57(1), 200-214.

Scheel, H. (2001). Undesirable outputs in efficiency valuations. European journal of operational research132(2), 400-410.

Stewart, T. J. (1996). Relationships between data envelopment analysis and multicriteria decision analysis. Journal of the operational research society47(5), 654-665.

Thompson, R. G., Langemeier, L. N., Lee, C. T., Lee, E., & Thrall, R. M. (1990). The role of multiplier bounds in efficiency analysis with application to Kansas farming. Journal of econometrics46(1-2), 93-108.

Tofallis, C. (1996). Improving discernment in DEA using profiling. Omega24(3), 361-364.