تحلیل پنجره‌ای عملکرد مالی صنایع بورس اوراق بهادار تهران با رویکرد ترکیبی واسپاس، پرامتی II و الکتر III
الموضوعات : دانش مالی تحلیل اوراق بهادار
مجتبی موحدی
1
,
مهدی همایونفر
2
,
مهدی فدایی اشکیکی
3
,
منصور صوفی
4
1 - دانشجوی دکتری، گروه مدیریت صنعتی، واحد رشت، دانشگاه آزاد اسلامی، رشت، ایران
2 - استادیار، گروه مدیریت صنعتی، واحد رشت، دانشگاه ازاد اسلامی، رشت، ایران
3 - استادیار، گروه مدیریت صنعتی، واحد رشت، دانشگاه ازاد اسلامی، رشت، ایران
4 - استادیار، گروه مدیریت صنعتی، واحد رشت، دانشگاه آزاد اسلامی، رشت، ایران
الکلمات المفتاحية: ارزیابی عملکرد, شاخص های مالی, رتبه‌بندی, بورس اوراق بهادار, MCDA,
ملخص المقالة :
یکیاز دشوار ترین تصمیمات سرمایه گذاران حقیقی/ حقوقی بازار بورس اوراق بهادار، یافتن مناسب ترین ترکیب سهم هایی (پورتفولیو) است که انتظارات مالی آنها را برآورده سازد. بنابراین، ارزیابی عملکرد نظام مند شرکت های بورس اوراق بهادار یک پیش نیاز اساسی برای سرمایه گذاری آنها محسوب می شود. پژوهش حاضر قصد دارد تا با ارائه یک رویکرد ترکیبی تجزیه و تحلیل تصمیم چند معیاره (MCDA) به سرمایه گذاران در ارزیابی صنایع بورس اوراق بهادار تهران کمک کند. به این منظور، پس از تعیین وزن پنج معیار اصلی ارزیابی عملکرد مالی شرکت های بورس با استفاده از روش فرایند تحلیل شبکه ای (ANP)، از روش های واسپاس، پرامتیII و الکترIII برای رتبه بندی صنایع حاضر در بورس اوراق بهادار تهران طی یک دوره زمانی 10 ساله (1390 تا 1399) استفاده شده است. در ادامه، نتایج روش های بکار رفته در هر سال، با استفاده از روش بردا ادغام شد و رتبه صنایع در هر سال محاسبه گردید. در نهایت، با استفاده از ضریب همبستگی رتبه ای اسپیرمن، خروجی روش های بکار رفته با روش بردا مقایسه شدند. بر اساس نتایج، رتبه بندی روش الکتر III دارای بیشترین همبستگی با روش بردا است. بنابراین، رتبه بندی روش الکتر III به عنوان بهترین رتبه بندی انتخاب گردید.
امینی، امیر و علی نژاد، علیرضا (1398). ارائه مدل ترکیبی DEA وVIKOR جهت بررسی سطح کارایی شرکت های پذیرفته شده در بورس اوراق بهادار تهران و رتبه بندی آن ها. فصلنامه بورس اوراق بهادار، 12(48)، 143-111.
انواری رستمی، علی اصغر، آذر، عادل و نوروزی، محمد (1393). مدل سازی پیش بینی EPS با استفاده از شبکه های عصبی – فازی. پژوهش های حسابداری مالی و حسابرسی، 6(23)، 1-15.
دانشور، امیر، همایونفر، مهدی و فرهمندنژاد، آنیا (1398). توسعه یک روش هوشمند خوشه بندی چندمعیاره مبتنی بر پرامتی. چشم انداز مدیریت صنعتی، 9(3)، 41-61.
کریمی، آرام، مرادی، ثروت الله و تابعی، نادر (1397). تعیین عوامل و معیارهای مؤثر در آمایش مناطق مرزی (مورد مطالعه: شهرستان جوانرود). پژوهشنامه مطالعات مرزی، 6(2)، 71-92.
لطفی، ولی، مرادی، مهدی، میرزایی، حسین و انویه، لورنس (1399). تحلیل رابطه شاخص های بازار مالی و ادوار تجاری در ایران با استفاده از مدل تصحیح خطا. تحقیقات مالی، 22(1)، 110-130.
موحدی، مجتبی، همایون فر، مهدی، فدایی، مهدی و صوفی، منصور (1400). ارائه یک مدل ترکیبی به منظور تحلیل تطبیقی الگوریتم‌های خوشه‌بندی داده‌های مالی. تصمیم گیری و تحقیق در عملیات، تحت چاپ.
موحدی، مجتبی، همایون فر، مهدی، فدایی، مهدی و صوفی، منصور (1400). توسعه یک مدل مبتنی بر نگاشت شناختی فازی جهت تحلیل عملکرد شرکتهای بورس اوراق بهادار. فصلنامه بورس اوراق بهادار، تحت چاپ.
میر لوحی، مجتبی، تهرانی، رضا، عباسیان، عزت اله و جباری زاده، علی (1399). مقایسه عملکرد الگوریتم ژنتیک فازی و جست و جوی شکار فازی در بهینه سازی پرتفوی فازی با استفاده از مدل میانگین – واریانس در بورس اوراق بهادار تهران. فصلنامه بورس اوراق بهادار، 52، 71-95.
همایون فر، مهدی و امیرتیموری، علیرضا (1398). ارزیابی عملکرد متوازن تأمین کنندگان با رویکرد ترکیبی دیماتل- تحلیل پوششی داده ها در حضور عوامل نامطلوب. پژوهشهای نوین در ریاضی، 5(18)، 48-31.
Amado, C.A.F., Santos, S.P., & Marques, P.M. (2012). Integrating the Data Envelopment Analysis and the Balanced Scorecard approach for enhanced performance assessment. Omega, 40, 390-403.
Amjadian, S., Mohammadi A., & Parvizi B. (2020). Identification and Ranking performance Indicators Using ISM and BWM Methods in Companies Listed in Tehran Stock Exchange. Archives of Pharmacy Practice, 11(1), 140-155.
Bączkiewicz, A., & Kizielewicz, B. (2021). Towards Sustainable Energy Consumption Evaluation in Europe for Industrial Sector Based on MCDA Methods. Procedia Computer Science, 192, 1334-1346.
Brunelli, M., Fedrizzi, M., Greco, S., Figueira, J.R., & Słowinski, R. (2020). A special issue on multi-criteria decision aiding. Decisions in Economics and Finance, 43, 557–568.
Geetha, S., Narayanamoorthy, S., Kureethara, J.V., Baleanu, D., & Kang, D. (2021). The hesitant Pythagorean fuzzy ELECTRE III: An adaptable recycling method for plastic materials. Journal of Cleaner Production, 291, 1-45.
Hatami-Marbini, A., & Kangi, F. (2017). An extension of fuzzy TOPSIS for a group decision making with an application to Tehran stock exchange. Applied Soft Computing, 52, 1084-1097.
Macharis, C., Springael, J., Brucker, K.D., & Verbeke, A., (2004). PROMETHEE and AHP: The design of operational synergies in multicriteria analysis, strengthening PROMETHEE with ideas of AHP. European Journal of Operational Research, 153(2), 307–317.
Marzouk, M.M. (2011). ELECTRE III model for value engineering applications. Automation in Construction, 20(5), 596-600.
Nicklin, D., & Gohari Darabkhani, H. (2021). Techniques to measure particulate matter emissions from stationary sources: A critical technology review using Multi Criteria Decision Analysis (MCDA). Journal of Environmental Management, 296, 1-21.
Song, W., Xu, Z., & Liu, H.C. (2017). Developing sustainable supplier selection criteria for solar air-conditioner manufacturer: An integrated approach. Renewable and Sustainable Energy Reviews, 79, 1461-1471.
Thakkar, A., & Chaudhari, K. (2020). CREST: Cross-reference to exchange-based stock trend prediction using long short-term memory. Procedia Computer Science, 167, 616–625.
Thakkar, A., & Chaudhari, K. (2021). Fusion in stock market prediction: A decade survey on the necessity, recent developments, and potential future directions. Information Fusion, 65, 95–107.
Weng, B., Ahmed, M.A., & Megahed, F.M. (2017). Stock market one-day ahead movement prediction using disparate data sources. Expert Systems with Applications, 79, 153-163.
Zavadskas, E.K., Turskis Z., Antucheviene, J., & Zakareviciu, A. (2012). Optimization of Weighted Aggregated Sum Product Assessment. Electronical Engineering Electtronika IR Electrotechnica, 122(6), 1392-1215.
_||_
