مدل سرمایه گذاری مناسب در سبد سهام با رویکرد تحلیل پوششی داده‌ها- شبکه عصبی

Subject Areas : policy making

مصطفی  کاظمی ¹ (دانشیار گروه مدیریت، دانشگاه فردوسی، وزارت علوم تحقیقات و فناوری، مشهد، ایران)
محمد  اسفندیار ² (گروه مدیریت، دانشگاه فردوسی، وزارت علوم تحقیقات و فناوری، مشهد، ایران)
حدیث  نجاریان ³ (دانش آموخته گروه مدیریت، دانشگاه پیام نور، وزارت علوم تحقیقات و فناوری، بابل، ایران)

Received: 2015-02-22 Accepted : 2015-02-22 Published : 2014-02-01

Keywords: شبکه‌های عصبی مصنوعی, ارزیابی عملکرد, تحلیل پوششی داده‌ها, شرکت‌های سرمایه‌گذاری,

Abstract :

در سال‌های اخیر با ورود سرمایه گذاران خصوصی به بازار سرمایه، رقابت موجود بین شرکت‌های سرمایه گذاری افزایش چشمگیری داشته است. شرکت‌های بزرگ و قدرتمند، اهداف پیش بینی شده خود را با جدیت پیگیری می‌کنند تا توان رقابتی خود را بالا ببرند. برای تجزیه و تحلیل کارایی شرکت‌های سرمایه گزاری از روش‌های پارامتریک و نا‌پارامتریک استفاده می‌شود. با توجه به ضعف قدرت تفکیک‌پذیری و حساسیت مرز کارایی به داده‌های پرت در روش تحلیل پوششی داده‌ها، در این پژوهش کارایی 31 شرکت‌های سرمایه‌گذاری در بورس اوراق بهادار تهران با استفاده از مدل‌های تحلیل پوششی داده‌ها و مدل ترکیبی شبکه‌های عصبی و تحلیل پوششی داده‌ها به عنوان دو روش نا‌پارامتریک، مورد ارزیابی قرار می‌گیرند. با استفاده از مدل‌های BCC و CCR تحلیل پوششی داده‌ها کارایی شرکت‌های سرمایه گذاری در بازه زمانی 1388ـ1390 محاسبه و نتایج تجزیه و تحلیل گردید. با توجه به ضعف تحلیل پوششی داده‌ها در رتبه‌بندی واحد‌های کارا، با استفاده از روش اندرسون و پیترسون واحد‌های کارا رتبه‌بندی شده است.در روش ترکیبی شبکه‌های عصبی و تحلیل پوششی داده‌ها از شبکه پرسپترون چند لایه با الگوریتم آموزش لونبرگ ـ مارکوآرت (LM) استفاده شده است. مقایسه نتایج مدل ترکیبی با روش تحلیل پوششی داده‌ها نشان‌دهنده قدرت بالای شبکه‌های عصبی برای اندازه‌گیری کارایی می­باشد.