A Window Analysis of Financial Performance of the Tehran Stock Exchange Industries Using a Hybrid WASPAS, PROMETHEE II and ELECTRE III Approach

Subject Areas : Financial Knowledge of Securities Analysis

Mojtaba  Movahedi ¹ (PhD Candidate, Department of Industrial Management, Rasht Branch, Islamic Azad University, Rasht, Iran)
Mehdi  Homayonfar ² (Assistant professor, Industrial management group, Rasht unit, Islamic Azad University, Rasht, Iran)
Mehdi  Fadaei Eshkiki ³ (Assistant professor, Industrial management group, Rasht unit, Islamic Azad University, Rasht, Iran)
Mansour  Soufi ⁴ (Assistant Professor, Department of Industrial Management, Rasht Branch, Islamic Azad University, Rasht, Iran)

Received: 2022-10-08 Accepted : 2023-01-01 Published : 2023-07-23

Keywords: Performance evaluation, Financial Criteria, Ranking, stock exchange, MCDA,

Abstract :

One of the most difficult decisions for private/intuitional investors of stock exchange market is finding the best combination of shares (portfolio) which meets their financial expectations. Therefore, a systematic performance evaluation of companies in stock exchange is a critical prerequisite for their investment. By developing a combined multi, criteria decision analysis (MCDA) approach; this research aims to help investors in evaluating Tehran stock exchange industries. To this regard, after determining the weight of the five main criteria in financial performance evaluation of the stock exchange listed companies using analytical network process (ANP), WASPAS, PROMETHEE II and ELECTRE III methods, the listed industries in Tehran stock exchange were ranked during a 10 years period (2011 to 2020). Next, the results of the applied methods combined for each year using Borda aggregating method and the ranks of the industries in each year were calculated. Finally, using Spearman's rank correlation coefficient, the outputs of the applied methods compared with the rank of Borda method. According to the results, ranking of the ELECTRE III method has the highest correlation with Borda method. Therefore, ranking of the ELECTRE III method selected as the best ranking.

References:

 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.