Development of network data envelopment analysis model to evaluate the technical efficiency of the pharmaceutical industry

Subject Areas : Economic Development, Innovation, Technological Change, and Growth

Seyede Elham Eftekharian ¹ , Seyed Farzad Hashemi ^{2 *} , Ali Nemati ³ , Razieh Mehrjoo ⁴ , Mahnaz Ahadzadeh Namin ⁵

1 - Ph.D Student, Shahr-e-Qods Branch, Islamic Azad University, Tehran, Iran, [e-mail]
2 - Assistant Professor, Department of Financial Management, Shahr-e-Qods Branch, Islamic Azad University, Tehran, Iran, (corresponding author), [e-mail]
3 - Assistant Professor, Central Tehran Branch, Islamic Azad University, Tehran, Iran, [e-mail]
4 - Assistant Professor, Shahr-e-Qods Branch, Islamic Azad University, Tehran, Iran, [e-mail]
5 - Department of Mathematics, Shahr-e-Qods Branch, Islamic Azad University, Tehran, Iran

Received: 2023-10-02 Accepted : 2024-05-09 Published : 2024-02-10

Keywords: envelopment analysis, Fundamental Analysis, Technical Analysis, Efficiency Evaluating, Pharmaceutical Industry ,

Abstract :

The purpose of this article is to evaluate the technical efficiency of listed companies in the pharmaceutical industry in 2021. To achive this, the additive model of two-stage network data envelopment analysis was investigated with semi-positive and negative indicators and simultaneously considering the production process(Fundamental Analysis) in the first stage and the financial production process (Technical Analysis) in the second stage. In addition, FAHP applied to determine the weights of the first and second stages. The results showed: the production process is more important in defining the total efficiency of a company in the Stock Exchange. In the first stage, %33 and in the second stage, %25 of the pharmaceutical industry companies achieved full efficiency of one. According to the efficiency one of %13 companies of the studied industry in both first and second stages, the efficiency of the mentioned companies was also full and found to be one; These companies include Toliddaru, Exir Pharmaceutical and Loghman Pharmaceutical & Hygienic Companies. The lowest total efficiency belongs to Sobhan Pharmaceutical Group. In general, 88% companies of the studied industry have an efficiency higher than 0.5.

References:

اُستا، سهراب (1397). مدلی برای ارزیابی عملکرد شرکت¬های سرمایه¬گذاری با استفاده از تحلیل پوششی داده¬ها و شاخص¬های مالی و اقتصادی. رساله دکتری رشته حسابداری، دانشگاه علامه طباطبایی، دانشکده مدیریت و حسابداری.
درودی، هما، و امینی، محمد باقر. (1398). سنجش کارایی نسبی و رتبه بندی شعب بانک‌ها، رویکرد پنجره ای: مطالعه موردی استان زنجان. اقتصاد مالی، 13(48)، 239-260. 20.1001.1.25383833.1398.13.48.9.4
محبتی‌جهرمی، مینا (1394). ارزیابی کارایی شرکت‌های پذیرفته شده در بورس اوراق بهادار تهران با استفاده از تکنیک تحلیل پوششی داده‌ها. پایان نامه کارشناسی ارشد، دانشگاه علم و هنر.
رهنمای‌رودپشتی، فریدون و صالحی، اله کرم (1389). مکاتب و تئوری‌های مالی و حسابداری. انتشارات:تهران، چاپ دانشگاه آزاد اسلامی واحد تهران مرکزی.
جوكار سرهنگي، عيسي و جباري، حسین (۱۳۹۳). کاربرد فرايند تحليل سلسله مراتبي فازي جهت اولويت¬بندي مراکز شهري با ملاحظات اکولوژيکي(مطالعه موردي: آذربايجان غربي).‎ جغرافيــــا و برنامــــه¬ريــــزي محيطــــي، 25 (4(56)) ، ۲۳۷-۲۵۰. https://civilica.com/doc/1199432
سلیمانی دامنه، رضا؛ مؤمنی، منصور؛ مصطفایی، امین؛ رستمی مال خلیفه، محسن. (1396). توسعه یک مدل تحلیل پوششی داده¬های شبکه¬ای پویا برای ارزیابی عملکرد بانک¬ها. چشم انداز مدیریت صنعتی، 25، 67-89. https://sid.ir/paper/523682/fa
شجاع، نقی، و درویش متولی، محمدحسین. (1394). ارزیابی کارایی فعالیت های پژوهشی واحدهای دانشگاه آزاد اسلامی: رویکرد تحلیل پوششی داده¬ها. مدلسازی اقتصادی، 9(4 (32))، 123-141. https://sid.ir/paper/176149/fa
شفیعی، مرتضی، (1396)، طراحی مدل تحلیل پوششی داده¬های چند سطحی در ارزیابی کارایی موسسات مالی، تحقیق در عملیات در کاربردهای آن، 14(2(53))، ص ص 66-41. 41-66. https://sid.ir/paper/164695/fa
عابدی دهکردی، هما، توحیدی، قاسم، رضویان، شبنم وکرامتی، محمد علی. (1402). ارزیابی کارایی شرکتهای تولیدکننده سیمان با استفاده از رویکرد تحلیل پوششی داده‌های شبکه‌ای ناهمگن. مطالعات مدیریت صنعتی، 21(69)، 199-233. 10.22054/jims.2023.67648.2788
علی¬پور، صفدر، ملیکان، اسفندیار و فخاری، حسین(1401). ارائه مدل شبکه¬ای تحلیل پوششی داده¬ها جهت ارزیابی کارایی اطلاعاتی واحدهای گزارشگر. پژوهش¬های حسابداری مالی و حسابرسی، 14(2(54))، 01-48. 10.30495/faar.2022.693668
علیرضایی، محمدرضا، رخشان، فاطمه، و بنی خویی، بهاره. (1397). کاربرد کارایی متقاطع تحلیل پوششی داده ها در گزینش سبد سهام 20 شرکت معتبر بورس. تصمیم گیری و تحقیق در عملیات، 3(1)، 24-40https://sid.ir/paper/268879/fa .
علی نژاد، علیرضا و خلیلی، جواد. (1397). ارزیابی عملکرد شرکت‌های داروسازی پذیرفته‌شده در بورس اوراق بهادار تهران با استفاده از رویکرد ترکیبی تحلیل پوششی داده ها و داده کاوی. مدیریت کسب و کار، 10(37)، 148-165. 20.1001.1.22520104.1397.10.37.7.2
غفاری، مهسا (1396)؛ سنجش کارایی شرکت¬های پذیرفته شده در بورس اوراق بهادار با رویکرد تحلیل پوششی داده¬ها. پایان نامه کارشناسی ارشد، دانشگاه آزاد اسلامی، واحد شهریار، دانشکده حسابداری، گروه مدیریت.
کتابی، سعیده، فتحی، سعید و یوسفان، ناهید (1394). رتبه بندی صنایع منتخب بورس اوراق بهادار تهران بر اساس عوامل بنیادی صنعت با استفاده از روش تحلیل پوششی داده ها. مدیریت دارایی و تامین مالی، 3(2(9)) ، 55-67. https://sid.ir/paper/245706/fa
مرادی پور، کیوان، اسدی رحمتی، ساناز، و عبدالی، الهام (1400). مدل چانه¬زنی برای تخمین کارایی شبکه چند مرحله¬ای با تخصیص هزینه ثابت و کاربردهای آن. مدلسازی اقتصادی، 15(3 (55))، 65-90. 10.30495/ECO.2022.1941475.2579
مؤمنی، منصور، صفری، حسین، رستمی، محسن، مصطفایی، امین و سلیمانی دامنه، رضا (1396). طراحی یک مدل تحلیل پوششی داده¬های شبکه¬ای غیرشعاعی جهت ارزیابی عملکرد. فصلنامه علمی-پژوهشی مطالعات مدیریت(بهبود و تحول)، 26(86)؛ 23-1. https://doi.org/10.22054/jmsd.2017.8441
همایون فر، مهدی، صلاحی، فریبا، دانشور، امیر، خاتمی فیروزآبادی، سید محمدعلی(1400). کاربرد رویکرد ترکیبی تحلیل پوششی داده‌ها و شبکه عصبی مصنوعی در ارزیابی کارایی متوازن شرکت های داروسازی بورس اوراق بهادارتهران. تحقیق در عملیات در کاربردهای آن، ۱۸ (۳)، ۷۳-۹۲. http://jamlu.liau.ac.ir/article-1-1908-fa.html
Benjamin, M. M. (2024). Nigerian Stock Market Efficiency And Volatility: A Data Envelopment Analysis. International Journal of Innovative Social Sciences & Humanities Research, 12(1), 161-170
. ISSN: 2354-2926. Charnes, A., Cooper, W. W., & Rhodes, E. (1978). Measuring the efficiency of decision making units. European Journal of Operational Research, 2(6): 429–444. doi:10.1016/0377-
2217(78)90138-8 Contreras, I., Hidalgo, J. I., & Nunez-Letamendia, L. (2012). A GA combining technical and fundamental analysis for trading the stock market[Conference session]. In European
Conference on the Applications of Evolutionary Computation (pp. 174–183). Springer, Heidelberg, Berlin. https://doi.org/10.1007/978-3-642-29178-4_18 Despotis, D. K., Sotiros, D. & Koronakos, G. (2023). Data envelopment analysis of two-stage processes: an alternative (non-conventional) approach. INTERNATIONAL TRANSACTIONS
IN OPERATIONAL RESEARCH, 0, 1-22. https://doi.org/10.1111/itor.13320 Edirisinghe, N. & Zhang, X. (2010). Input/output selection in DEA under expert information, with application to financial markets. European journal of operational research, 207(3):
1669-1678. doi:https://doi.org/10,1016/j.ejor.2010,06,027. Emrouznejad, A., Anouze, A.L. & Thanassoulis, E., (2010). A semi-oriented radial measure for measuring the efficiency of decision making units with negative data, using DEA.
European Journal Operational Research, Elsevier, 200(1), 297–304.
Farrell, M. J. (1957). The measurement of productive efficiency. Journal of the Royal Statistical Society, 120(3): 253 – 290. https://doi.org/10.2307/2343100 Kočišová, K. (2020). Two-Stage DEA: An Application in Banking. In: Popkova, E., Sergi, B. (eds) Scientific and Technical Revolution: Yesterday, Today and Tomorrow. ISC 2019. Lecture
Notes in Networks and Systems, vol 129. Springer, Cham. https://doi.org/10.1007/978-3-030-47945-9_162. Kuo, K.-C., Lu, W.-M., & Dinh, T. N. (2020). An integrated efficiency evaluation of China stock market. Journal of the Operational Research Society, 72(4), 950-969. doi:
https://doi.org/01605682,2019,1700190/10,1080. Li, M., Zhu, N., He, K., & Li, M. (2022). Operational Efficiency Evaluation of Chinese Internet Banks: Two-Stage Network DEA Approach. Sustainability, 14(21), 14165.
https://doi.org/10.3390/su142114165.
Sinha, R. P. (2021). Two-Stage Data Envelopment Analysis Efficiency of Indian General Insurance Companies. Global Business Review, 0(0). https://doi.org/10.1177/09721509211047645. Tarnaud, A. C. & Leleu, H. (2018). Portfolio analysis with DEA: Prior to choosing a model. Omega, Elsevier, 75(C): 57-76. doi:https://doi.org/10,1016/j.omega.2017,02,003.
Tsai, M.-C., Cheng, C.-H., Nguyen, V. T., & Tsai M.-I. 2020. The Theoretical Relationship between the CCR Model and the Two-Stage DEA Model with an Application in the Efficiency
Analysis of the Financial Industry. Symmetry, 12(5), 712. https://doi.org/10.3390/sym12050712. Refrences (in English) Abedi Dehkordi, H., Tohidi, G., Razavyan, S., & Keramati, M. A. (2023). Efficiency evaluation of cement production companies using nonhomogeneous network DEA. Industrial
Management Studies, 21(69), 199-233. doi: 10.22054/jims.2023.67648.2788 Ali-Nezhad, A. R., & Khalili, J. (2018). Performance Evaluation of the of pharmaceutical companies admitted to the Tehran Stock Exchange using the combined approach of Data
Envelopment Analysis and Data Mining. Journal of Business Management, 10(37), 148-165. Alipour, S., malekian, E., & Fakhari, H. (2022). Proposing a Network Data Envelopment Analysis (NDEA) Model for Evaluating Information Efficiency of Reporting Entities. Financial
Accounting and Auditing Research, 14(54), 1-48. doi: 10.30495/faar.2022.693668 Alirezaee, M. R., Rakhshan, F., & Banaye khoyi, Bahareh. (2018). Application of DEA-cross efficiency in portfolio selection of 20 reputable companies in the Iranian stock market.
DECISIONS AND OPERATIONS RESEARCH, 3(1), 24-40. SID. https://sid.ir/paper/268879/en Doroudi, H. & Amini, M., B. (2019). Relative efficiency measurement and ranking of bank branches, window approach: case study of Zanjan province. Financial Economics, 13(48), 239-
260. 20.1001.1.25383833.1398.13.48.9.4
Mohabbati Jahromi, M. (2015). Performance evaluation of firms accepted in Tehran Stock Exchange techniques using DEA two stage. MS Thesis, Science and Art University. Ghafari, M. & Arjmand-Far, A. (2017). Measuring the Efficiency of Companies accepted in the Stock Exchange with the Data Envelopment Analysis Approach. Islamic Azad University,
Shahriyar Branch, Faculty of Acounting. Homayounfar, M., Salahi, F., Daneshvar, A., Khatami Firouzabadi, S. M. A.(2021) Applying a Hybrid DEA-ANN Approach in Evaluation of Balanced Efficiency of the Tehran Stock
Exchange Pharmaceutical Companies. Journal of Operational Research in Its Applications, 18 (3), 73-92. http://jamlu.liau.ac.ir/article-1-1908-fa.html Jokar Sarhangi, I. & Jabbari, H. (2015). Application of Fuzzy Analytical Hierarchy process for prioritizing urban centers with ecological considerations (case study: West Azerbaijan).
Geography and Environmental Planning, 25(4(56)), 237-250. https://civilica.com/doc/1199432 Ketabi, S., Fathi, S. & yousofan, N. (2015). Ranking of Selected Industries of Tehran Stock Exchange based on Fundamental Factors in Industry using Data Envelopment Analysis.
Journal of Asset Management and Financing, 3(2(9)), 55-67. https://sid.ir/paper/245706/fa Momeni, M., Safari, H., Rostami, M., Mostafaee, A. & Soleymani-Damaneh, R. (2017). Designing a Non-Oriented NDEA for Performance Evaluatio. Improvement and Transformation
Management Studies, 26(86), 1-23. https://doi.org/10.22054/jmsd.2017.8441 Moradipour, K., Asadi-Rahmati, S. & Abdali, E. (2021). A Bargaining Game Model for Estimating Efficiency of the Multi-stage Network with Fixed Cost Allocation and its Applications.
Economic modeling, 15(3(55)), 65-90. 10.30495/ECO.2022.1941475.2579 Osta, S. (2018). A model for evaluating the performance of investment companies using DEA and Financial and Economic indicators. Doctoral dissertation, Allameh Tabataba'i
University, Faculty of Management and Accounting.
Rahnamaye Roodposhti, F. & Salehi, A. K. (2010). Financial and Accounting Schools and Theories. Publications of Islamic Azad University, Central Tehran Branch: Tehran. Shafiei, M. (2017). Designing a multi-level data envelopment analysis model in efficiency evaluating of financial institutions, Operations Research Journal in its Applications, 14, 2 (53),
pp. 41-66. (In Persian) Shoja, N., & Darvish Motevali, M. H. (2016). Evaluating the Effectiveness of Research Activities in Islamic Azad University Branches by Using Data Envelopment Analysis(DEA). Economic
Modelling, 9(4 (32)), 123-141. SID. https://sid.ir/paper/176149/en Soleimani Damaneh, R., Momeni, M., Mostafaei, A., & Rostami Malkhalife, M. (2017). Developing of a Dynamic Network Data Envelopment Analysis Model for Performance Evaluating
Banking Sector. Journal of Industrial Management Perspective, 7(1), 67-89.

Full-Text:



Economic Modeling https://eco.firuzkuh.iau.ir

 

Original Article

Development of network data envelopment analysis model to evaluate technical efficiency of the pharmaceutical industry

Seyedeh Elham Eftekharian ¹, Seyed Farzad Hashemi ², Ali Nemati+,
Razieh Mehrjoo³, Mahnaz Ahadzadeh Namin-

DOI:

Abstract  In this article, we evaluate the technical efficiency of listed companies in the pharmaceutical industry in 2021. We utilize the additive model of two-stage network data envelopment analysis with semi-positive and negative indicators, considering both the production process (Fundamental Analysis) in the first stage and the financial production process (Technical Analysis) in the second stage. Additionally, we apply the FAHP to determine the weights of the first and second stages. Our results indicate that the production process plays a more significant role in defining a company's total efficiency on the Stock Exchange. In the first stage, 33% of the pharmaceutical industry companies achieved full efficiency, while 25% reached full efficiency in the second stage. We found that 13% of the companies achieved full efficiency in both stages; these companies include Toliddaru, Exir Pharmaceutical, and Loghman Pharmaceutical & Hygienic Companies. Sobhan Pharmaceutical Group exhibited the lowest total efficiency. Overall, 88% of the companies in the studied industry have an efficiency higher than 0.5.

Received: 02/10/2023   Accepted: 09/05/2024   Keywords: Data Envelopment Analysis, Fundamental Analysis, Technical Analysis, Efficiency Evaluating, Pharmaceutical Industry   JEL Classification:  G11, G14, G20

 

 

 

 

 

 

 

1. Introduction

Investors always aim to make the most favorable investment decisions to achieve higher returns. Therefore, they seek to rank companies based on their performance efficiency and buy shares of the efficient ones. Among various methods for performance evaluation, Data Envelopment Analysis (DEA) stands out as one of the most reliable. However, standard DEA cannot identify the inefficiency factors of decision-making units. The introduction of the two-stage DEA technique addresses this issue. We use the Fuzzy Analytical Hierarchy Process (FAHP) method to calculate the weights of the first and second stages of the network. There are two distinct and common techniques in stock price forecasting. The first is Technical Analysis (TA, referred to as the "financial production process"), which uses the inductive analysis of historical price fluctuations to predict asset price movements. The second technique is Fundamental Analysis (FA, referred to as the "production process"), which examines a company's fundamental performance through profitability, asset utilization, liquidity, leverage, and growth. Generally, we consider profitability and growth perspectives as outputs, and asset utilization, liquidity, and leverage perspectives as inputs. In this research, we integrate TA and FA techniques and consider them simultaneously in a Network Data Envelopment Analysis (NDEA) model.

Despite the need to evaluate company performance, useful studies in this field are limited, and the NDEA method has received less attention. Most research extracts input and output indicators based solely on either the FA or TA approach. However, considering their complementary roles, we simultaneously incorporate both approaches in this study. Another innovation of this research is the combination of FAHP and NDEA. Additionally, we develop the NDEA model to handle semi-positive and negative indicators, marking another research innovation. Finally, we implemented the presented model on the listed companies of the pharmaceutical industry in 2021 and analyzed the results.

 

2. Research method and data  

The statistical population of this research consists of listed companies in the pharmaceutical industry. Based on specific selection criteria, we selected 24 out of 41 companies. The input indicators for this research are asset turnover, current ratio, debt-to-equity ratio, and leverage ratio. The intermediate indicators are return on equity, return on assets, earnings per share, and net income growth rate. The output indicators are return and stock price risk. We consider the outputs of the first stage, which are the intermediate indicators, as the inputs for the second stage. Given that the return and net income growth rate indicators have semi-positive and negative values, we focused on developing the NDEA model to address these factors. To solve the problem of additive efficiency decomposition in determining the weights of the different stages of the network, we used the Fuzzy Analytical Hierarchy Process (FAHP) method. We consulted the opinions of 19 experts, resulting in a weight assignment of 0.564 for the first stage and 0.436 for the second stage.

 

3. Analysis and discussion

Based on the findings, companies with trading symbols Dalber, Pakhsh, D-Tolid, D-Lor, D-Loqma, Va-Pakhsh, D-Fara, and Daro achieved full efficiency in the first stage. In the second stage, D-Tolid, D-Lor, D-Amin, D-Fara, D-Kosar, and D-Loqma achieved full efficiency. Consequently, D-Tolid, D-Lor, and D-Loqma companies attained an efficiency value of one in both stages, resulting in an overall efficiency of one for these companies. The coefficients calculated for the first and second stages suggest that the overall efficiency lies between the efficiencies of the two stages, leaning towards the first stage. Analysis of the scatter diagram depicting the first and second stage efficiencies in 2021 revealed that a few companies were positioned in the first quarter, indicating high production and high financial production. Further analysis is warranted for companies positioned in the first quarter to gain deeper insights.

 

4. Conclusion  

Efficiency evaluation of listed companies is crucial due to their significant role in driving production and contributing to the economy. This study aimed to assess the technical efficiency of listed pharmaceutical companies in 2021, utilizing the NDEA model and refining it to accommodate semi-positive and negative indicators. The results underscored the dominance of the production process in influencing overall efficiency, with 33% of companies in the first stage and 25% in the second stage achieving an efficiency value of one. Furthermore, 13% of companies demonstrated efficiency in both stages, resulting in an overall efficiency value of one. Analysis of the scatter diagram depicting efficiencies in the first and second stages revealed a majority of companies concentrated in the quadrant of low production-high financial production or low production-low financial production. However, a select few companies exhibited strong performance across both stages, suggesting the need for further analysis of companies in the first quadrant to glean deeper insights.

 

Funding

There is no funding support.

 

Declaration of Competing Interest

The author declares no conflicts of interest relevant to the content of this article.

 

Acknowledgments 

We thank anonymous reviewers for their useful comments greatly contributing to improve our work.

---

[1] *Ph.D Student, Department of Financial Management, Shahr-e-Qods Branch, Islamic Azad University, Tehran, Iran, [e-mail]

**Assistant Professor, Department of Financial Management, Shahr-e-Qods Branch, Islamic Azad University, Tehran, Iran, (corresponding author), [e-mail]

[2]  +Assistant Professor, Department of Accounting, Central Tehran Branch, Islamic Azad University, Tehran, Iran, [e-mail]

´ Assistant Professor, Department of Mathematics, Shahr-e-Qods Branch, Islamic Azad University, Tehran, Iran, [e-mail]

- Assistant Professor, Department of Mathematics, Shahr-e-Qods Branch, Islamic Azad University, Tehran, Iran, [e-mail]

[3] How to Cite: Eftekharian, S. E., Hashemi, S. F., Nemati, A., Mehrjoo, R. & ,Ahadzadeh Namin, M. (2024(. Development of network data envelopment analysis model to evaluate the technical efficiency of the pharmaceutical industry. Economic Modeling, 17(64): 117_138.

پژوهشی

توسعه مدل تحلیل پوششی داده­های شبکه برای ارزیابی کارآیی فنی صنعت داروسازی¹

سیده الهام افتخاریان ²، سیدفرزاد هاشمی³، علی نعمتی⁴، راضیه مهرجو⁵، مهناز احدزاده نمین-

DOI:

تاریخ دریافت: 10/07/1402 تاریخ پذیرش: 20/02/1403   واژگان کلیدی:  تحلیل پوششی داده‌ها، تحلیل بنیادی، تحلیل تکنیکال، ارزیابی کارآیی، صنعت داروسازی  طبقه‌بندی JEL:   C02, C67 ,G20

چکیده هدف این مقاله، ارزیابی کارآیی فنی شرکت­های بورسی صنعت داروسازی، در سال 1400 است. بدین منظور، مدل ترکیبی تحلیل پوششی داده‌های شبکه دو مرحله­ای با وجود شاخص­های نیمه مثبت و منفی و با درنظر گرفتن همزمان فرآیند تولید(تحلیل بنیادی) در مرحله اول و فرآیند تولید مالی(تحلیل تکنیکال) در مرحله دوم بررسی شد. همچنین، فرآیند تحلیل سلسله مراتبی فازی برای تعیین اوزان مراحل اول و دوم استفاده شد. نتایج نشان داد: فرآیند تولید(تحلیل بنیادی) در تعریف کارآیی کلی یک شرکت در بازار سهام مهمتر است؛ در مرحله اول، 33 درصد و در مرحله دوم، 25 درصد شرکت­های صنعت داروسازی کارآیی کامل یک را کسب نمودند؛ با توجه به کارآیی یک 13 درصد شرکت­های صنعت مورد مطالعه در هر دو مرحله اول و دوم، مقدار کارآیی کل شرکت­های مذکور نیز کامل و برابر یک شد؛ این شرکت­ها عبارتند از: داروسازی تولید دارو، داروسازی اکسیر و دارویی و بهداشتی لقمان؛ کمترین میزان کارآیی کل نیز متعلق به گروه دارویی سبحان است؛ به­طورکلی، 88 درصد از شرکت­های صنعت مورد مطالعه، کارآیی بالاتر از 5/0 دارند.

 

 

 

1.‌ مقدمه

ﺗﻮﺳـﻌﻪ اﻗﺘﺼـﺎدي در ﺟﻬـﺎن پیشرفته اﻣـﺮوزی، مدیون ﺑﻮرس و ﻓﻌﺎﻟﯿﺖﻫـﺎي ﺑـﺎزار ﺳـﺮﻣﺎﯾﻪ اﺳـﺖ. ﺳﺮﻣﺎﯾﻪﮔﺬاران ﻫﻤﻮاره ﺑـﻪ­­دﻧﺒﺎل اﺗﺨﺎذ مطلوبﺗﺮﯾﻦ ﺗﺼﻤﯿﻤﺎت ﻣﺎﻟﯽ و ﺳﺮﻣﺎﯾﻪﮔﺬاري ﻫﺴـﺘﻨﺪ ﺗـﺎ ﺑﺎزده بالاتری ﻧﺼﯿﺒﺸﺎن ﺷﻮد. لذا به­دنبال رﺗﺒﻪﺑﻨﺪي ﺷﺮﮐﺖﻫﺎ ﺑﺮﻣﺒﻨﺎي ﮐﺎراﯾﯽ ﻋﻤﻠﮑﺮد آنها و ﺧﺮﯾــﺪ ﺳﻬﺎم ﺷﺮﮐﺖﻫﺎي ﮐﺎرا ﻫﺴﺘﻨﺪ. در اﯾــﻦ راﺳﺘﺎ، ﺗﺠﺰﯾﻪ و ﺗﺤﻠﯿﻞ وﺿﻌﯿﺖ ﺣﺎل و ﮔﺬﺷﺘﻪ ﺷﺮﮐﺖﻫﺎ و ﺷﻨﺎﺳﺎﯾﯽ ﮐﺎراﺗﺮﯾﻦ آنها ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ ﺑﺮﺧﯽ از معیارها، ﮐﻤﮏ ﺑﺴـﯿﺎر زﯾﺎدي ﺑـﻪ ﺳﺮﻣﺎﯾﻪﮔﺬاران ﻣﯽﮐﻨﺪ. روش‌های مختلفی برای ارزﯾـﺎﺑﯽ ﻋﻤﻠﮑﺮد وﺟـﻮد دارد که یکی از معتبرترین آنها، تحلیل پوششی داده­ها⁶ است(غفاری، 1396). تحلیل پوششی داده­ها یک تکنیک غیرپارامتریک تحقیق در عملیات جهت تخمین کارآیی واحدهاي تصمیم­گیرنده است(مؤمنی، صفری، رستمی، مصطفایی و سلیمانی دامنه، 1396). برتری اصلی روش تحلیل پوششی داده­ها نسبت به سایر روش­ها، توانایی بررسی همزمان چندین ورودی و خروجی بدون نیاز به مشخص بودن رابطه بین ورودی­ها و خروجی­هاست. ویژگی دیگر این روش، کارآیی آن برای الگویابی در صنایع مختلف با ورودی­ها و خروجی­های پیچیده است(علی­پور، ملیکان و فخاری، 1401). اگرچه تکنیک تحلیل پوششی داده­های یک مرحله­ای روشی مرسوم برای ارزیابی کارآیی است اما قادر به شناسایی عوامل ناکارآیی واحدهای تصمیم­گیرنده نیست. با معرفی تکنیک تحلیل پوششی داده­های دو مرحله­ای امکان غلبه بر مشکل مذکور فراهم شد(محبتی‌جهرمی، 1394). اخیراً، روش تحلیل پوششی داده­ها شبکه­ای برای ارزیابی ساختار داخلی مجموعه­های تولیدی توسعه یافته است؛ به­طوریکه عملکرد سیستم را به­گونه­ای مطلوب­تر بررسی می­کند(مرادی­پور، اسدی رحمتی و عبدالی، 1400؛ تسای، چنگ، انگوین، تسای⁷، 2020). روش تحلیل پوششی داده­های شبکه، توسعه­ای از تحلیل پوششی داده­های استاندارد است که ارزیابی کارآیی واحدهای تصمیم­گیری را با در نظر گرفتن ساختار داخلی آنها، مدل می­کند. درحالی که در تحلیل پوششی داده­های استاندارد، واحد تصمیم­گیری به­عنوان یک فرآیند واحد در نظر گرفته می­شود، در روش تحلیل پوششی داده­های شبکه، واحد تصمیم­گیری به­عنوان شبکه­ای از فرآیندهای فرعی به­هم پیوسته (مراحل) در نظر گرفته می­شود. در رویکرد متداول روش تحلیل پوششی داده­های شبکه، فرآیندهای فرعی به­عنوان واحد‌های مجزا با ورودی‌ها و خروجی‌های مجزا، در نظر گرفته می‌شوند. بنابراین، هر فرآیند فرعی مجموعه امکان تولید خاص خود را دارد، که می‌تواند به‌طور بدیهی از مجموعه‌ای از مفروضات با استفاده از اصل برون‌یابی حداقل، استخراج شود. مجموعه امکان تولید سیستم کلی، به­عنوان ترکیب تک تک مجموعه امکان تولیدها تعریف می­شود. رویکرد مرسوم، شامل تمام روش‌هایی است که در آن کارآیی‌های سیستم و بخش­ها یا مراحل، به­طور مشترک در یک برنامه ریاضی واحد، محاسبه می‌شوند. یک ویژگی اساسی که کارای سیستم را با کارآیی بخش­ها مرتبط می­کند، این است که یک سیستم به­طور کلی کاراست اگر و تنها اگر که بخش­های آن، همگی کارا باشند. (دسپوتیس، سوتیرس و کروناکس⁸، 2023).

دو نوع تکنیک مجزا و متداول در پیش­بینی قیمت سهام وجود دارد. اولین تکنیک، تحلیل تکنیکال⁹  است که از روش­های کمی یا کیفی یا هر دو به­منظور پیش­بینی حرکت قیمت دارایی از تحلیل استقرایی نوسانات قیمت تاریخی استفاده می­کند. دومین تکنیک، تحلیل بنیادی¹⁰ است که ابتدا توسط گراهام و دود¹¹ (1934) پیشنهاد شده و سپس توسط گوردون و شاپیرو¹² (1956) و اولسون¹³ (1995) گسترش داده شد. علیرغم اهداف یکسان، این تکنیک­ها به­ندرت در یک تحقیق ادغام شده­اند و تحلیل تکنیکال از محبوبیت بیشتری برخوردار است. با ترکیب شاخص­های مالی شرکت و شاخص­های بازار سهام در یک مدل، به بررسی بیشتر سلامتی و پایداری شرکت­های بورسی پرداخته می­شود(کو، لو و دین¹⁴، 2020). بر این اساس، عملکرد بنیادی یک شرکت به­واسطه منظرهای سودآوری، به­کارگیری دارایی، نقدینگی، اهرم و رشد بررسی می شود(کو و همکاران، 2020). منظرهای سودآوری و رشد، عموماً خروجی درنظر گرفته می‌شوند، زیرا تولید درآمد هدف اصلی یک شرکت است. منظرهای به کارگیری دارایی، نقدینگی و اهرم به­عنوان ورودی درنظر گرفته می‌شوند زیرا با برنامه‌ریزی عملیاتی یک شرکت مرتبط هستند (ادیریسیق و ژانگ¹⁵، 2010). بعلاوه، از آنجا که تحلیل بنیادی و تحلیل تکنیکال در ارزیابی سهام مفهوم مکمل دارند، در این پژوهش، دو تکنیک مذکور با هم ادغام شده و در یک مدل تحلیل پوششی داده­ها شبکه به­طور همزمان درنظر گرفته می­شوند تا ارزیابی متعادل­تری از عملکرد داخلی شرکت­ها پیشنهاد دهیم. در این مقاله دو اصطلاح «فرآیند تولید¹⁶» و « فرآیند تولید مالی¹⁷» به­کار گرفته شده است. دارایی‌های مالی در ماهیت و روابط وابستگی بین قیمت‌هایشان از واحدهای تولیدی سنتی متفاوت هستند؛ همین امر، منجر به «فرآیند تولید مالی» می‌شود که می­توان آن را به عنوان تولید توزیعی از بازده­ها در سرمایه‌گذاری اولیه درنظر گرفت. بنابراین، به­منظور نشان دادن «فرآیند تولید مالی»، با یک تلقی جدید درخصوص ریسک سهام یا پرتفوی، به تحقیق تارنود و لِلو(2018) ارجاع می­دهیم. وی اشاره کرد، به­دلیل ارتباط تصادفی بین ریسک و بازده، در حقیقت آنها خروجی تولید شده از ورودی سرمایه­گذاری اولیه هستند. بر این اساس، شاخص­های مرحله اول شبکه براساس رویکرد تحلیل بنیادی انتخاب و «فرآیند تولید» نامگذاری شد و شاخص­های مرحله دوم براساس رویکرد تحلیل تکنیکال تعریف و به­عنوان «فرآیند تولید مالی» معرفی گردید. از منظر تجزیه کارآیی نیز، مدل­های تجزیه کارآیی مضربی و تجزیه کارآیی ترکیبی وجود دارندم. مقاله حاضر براساس رویکرد تجزیه کارآیی ترکیبی است به­طوریکه کارآیی کلی، نتیجه میانگین وزنی کارآیی­های مراحل انفرادی است، اما مشکل رویکرد اخیر، این است که وزنی که توسط مدل تعیین می­شود، به سمت مرحله دوم انحراف دارد. برای حل این مسئله و تعیین وزن مراحل اول و دوم شبکه، از روش تحلیل سلسله مراتبی¹⁸ استفاده شد. از آنجا که تصميم‌گيرندگان اغلب به­علت طبيعت فازي مقايسه‌هاي زوجي قادر نيستند به صراحت نظرشان را در مورد برتري‌ها اعلام كنند، به همين دليل در قضاوت‌هايشان ارائه يك بازه را به جاي يك عدد ثابت ترجيح مي‌دهند (جوکار سرهنگی و جباری، ۱۳۹۳). لذا در این پژوهش از روش تحلیل سلسله­مراتبی فازی استفاده شده است.

با توجه به لزوم ارزیابی عملکرد شرکت­ها، تاکنون مطالعات سودمندی در این زمینه صورت انجام­گرفته و اغلب به­صورت کاربردی به تجزیه و تحلیل عملکرد و همچنین پیش­بینی عملکرد با استفاده از تخمین داده­ها پرداخته­ شده است. یکی از رویکردهای ارزیابی که کمتر به آن توجه شده، استفاده از روش تحلیل پوششی داده­های شبکه است که در این تحقیق، رویکرد دو مرحله­ای روش مذکور، به­کار گرفته شده است. از طرف دیگر، در اکثر تحقیقات، شاخص­های ورودی و خروجی تنها براساس رویکرد تحلیل بنیادی یا تحلیل تکنیکال استخراج شده­اند و در اندک تحقیقاتی، این دو رویکرد در کنار هم قرار گرفته­اند. لذا در این تحقیق، با توجه به نقش مکملی که رویکردهای تحلیل بنیادی و تکنیکال نسبت به یکدیگر دارند، دو رویکرد مذکور بهطور همزمان در یک مدل تحلیل پوششی داده­های شبکه در نظر گرفته شده­اند. نوآوری دیگر این تحقیق، ترکیب یکی از روش­های تصمیم­گیری یعنی تحلیل سلسله­مراتبی فازی و تحلیل پوششی داده­های شبکه، جهت تعیین وزن مراحل اول و دوم در مدل ارائه شده، است. از دیگر نوآوری­های تحقیق، توسعه مدل تحلیل پوششی داده­های شبکه، در حضور شاخص­های نیمه مثبت و منفی است. نهایتاً، مدل ارائه شده، به­طور موردی بر روی شرکت­های بورسی صنعت داروسازی اجرا و نتایج مورد بررسی و تحلیل قرار گرفتند. لذا، مسئله این است که وضعیت کارآیی فنی شرکت­های بورسی صنعت داروسازی با وجود شاخص­های نیمه مثبت و منفی، به چه صورت است؟

برای دستیابی به این هدف، ادامه مقاله بدین شرح ساماندهی شده است: در بخش دوم، به ادبیات موضوع پرداخته می­شود؛ در بخش سوم، روش پژوهش تصریح و در بخش چهارم، یافته­ها و نتایج پژوهش آورده می­شود. بخش پنجم نیز به نتیجه‌گیری و پیشنهادها اختصاص می‌یابد.

 

2.‌ مروری بر ادبیات

سازمان­ها به طور یکنواخت پیچیده شده­اند؛ ولی براي پاسخگویی به تعهدات­شان در مقابل مجموعه سهامداران و ذی­نفعان، نیاز دارند که به اندازه کافی منعطف نیز باشند؛ علاوه بر این، نیاز به ارزیابی عملکرد براي بقاي بلندمدت سازمان­ها به­صورت یک ضرورت اجتناب­ناپذیر در آمده است. اندازه­گیري کارآیی خصوصا در دو دهه اخیر به علت اهمیت آن در ارزیابی عملکرد توجه زیادي شده(شفیعی، 1396)؛ در حقیقت سنجش کارآیی هر مجموعه به این معناست که مجموعه­ مورد نظر چقدر خوب کار می­کند(شجاع و درویش متولی، 1394). تحلیل پوششی داده­ها از تکنیک­ها و مدل­های برنامه­ریزی ریاضی برای ارزیابی عملکرد واحدهای مشابه (مثلاً شعب بانک­ها، بیمارستان­ها و مدارس و ...) است و از ورودی­ها و خروجی­های چندگانه استفاده می­کند. ایده اولیه ورودي­هاي چندگانه و خروجی یگانه به­وسیله فارل¹⁹ (1957) معرفی شد و چارنز ، کوپر و رودز²⁰(1978) براي ورودي­ها و خروجی­هاي چندگانه آن را توسعه داده­اند. (مؤمنی و همکاران، 1396). در روش مرسوم تحلیل پوششی داده­ها، به واحدهاي تصمیم­گیري به­عنوان یک جعبه سیاه نگریسته شده و لذا ساختار درونی آنها عموما نادیده گرفته می­شود و این گونه فرض می­شود که عملکرد واحد تصمیم گیرنده تابعی از ورودي­ها و خروجی­هاي انتخابی است؛ اما در بسیاري از موارد، واحدهاي تصمیم­گیرنده داراي یک ساختار چندسطحی سلسله مراتبی یا یک شبکه درونی از فعالیت­ها و تصمیمات هستند؛ که عملکرد هر کدام از این سطوح می­تواند بر عملکرد کل سازمان تاثیر بگذارد(شفیعی، 1396). برای رفع عیب مدل­های سنتی، مدل­های تحلیل پوششی داده­های شبکه­ای²¹ معرفی شدند که عملیات فرایندها و اجزا را در ارزیابی کارآیی سیستم طی مراحل مختلف بررسی می­کند. (سلیمانی­دامنه، مؤمنی، مصطفایی و رستمی­مال­خلیفه، 1396). این تکنیک، کارآیی نسبی مجموعه­ای از واحدهای تصمیم­گیرنده را در یک مقطع زمانی محاسبه می­کند. فارل(1957) سنجش کارآیی نسبی را، زمانی که ورودی­ها و خروجی­های متعدد و غیرقابل قیاس وجود دارند، بررسی و پیشنهاد کرد که براساس میانگین موزون واحدهای کارآمد یک واحد فرضی کارآمد ساخته شود تا از آن به­عنوان مبنای مقایسه­ای برای یک واحد ناکارآمد استفاده شود. فرمول محاسبه کارآیی نسبی عبارت است از:  مجموع موزون خروجی­ها تقسیم بر مجموع موزون ورودی­ها. عبارت کارآیی نسبی به این دلیل است که کارآیی حاصل، نتیجه مقایسه واحدها با یکدیگر است. سرمایه­گذاران برای سرمایه­گذاری در بورس اوراق بهادار، از ابزارهای تحلیل بنیادی و تحلیل تکنیکال استفاده می کنند­. در تحلیل بنیادی، برای پیش‌بینی روند حرکت سهام علاوه بر استفاده از قیمت آن از اطلاعات مربوط به سود شرکت، هزینه‌های شرکت، میزان سرمایه و مالیات شرکت و میزان بدهکاری آن استفاده می‌شود. این اطلاعات از گزارش­های سالیانه یک شرکت که به­صورت عمومی منتشر و استخراج می­شوند. ارکان اصلی تحلیل بنیادی عبارتند از: تحلیل اقتصاد، تحلیل صنعت و تحلیل شرکت(رهنمای‌رودپشتی و صالحی، 1389). تحلیل­گران تکنیکال با رسم منحنی تغییرات قیمت، زمان خرید و فروش سهام را تخمین می‌زنند. تحلیل تکنیکی، درحال حاضر، از مهم‌ترین روش‌‌های تحلیل بازار است که به­طور گسترده در تمام کشورهای جهان استفاده می­شود (کتابی، فتحی و یوسفان، 1394، ص. 59) اما کانترراس، هیدالگو و نونز-لتامندیا²²(2012) به مکمل بودن تحلیل بنیادی و تحلیل تکنیکال اشاره کردند.

با توجه به لزوم ارزیابی کارآیی شرکت­ها، تاکنون تحقیقات متعددی در این زمینه انجام شده است. مقادیر کارآیی و نوسان بازار سهام نیجریه طی دوره 2010 الی 2020 با استفاده از روش تحلیل پوششی داده­ها ارزیابی شد (بنجامین²³، 2024). دسپوتیس و همکاران (2023)، رویکردی جایگزین برای روش تحلیل پوششی داده­های شبکه دو مرحله­ای پیشنهاد دادند. آنها فرآیند دو مرحله­ای را به­عنوان سیستمی درنظر گرفتند که با توجه به نقش شاخص­های میانی، از دو منظر قابل بررسی است؛ سیستم به عنوان تولیدکننده و مصرف­کننده شاخص­های میانی. مدل آنها بر روی 22 تولیدکننده خودرو در سال مالی 2019 اجرا و نتایج بررسی شد. لی، ژو، هه و لی²⁴(2022)، فرآیند عملیاتی بانک­های اینترنتی را با استفاده از مدل تحلیل پوششی داده­های شبکه، به دو مرحله عملیات ارزش و ایجاد ارزش تقسیم کردند. کارآیی شرکت‌های تولیدکننده سیمان با توجه به تفاوت در فناوری­های تولید سیمان و درنتیجه ورودی­ها و خروجی­های متفاوت در هر یک از فناوری­ها، براساس تحلیل پوششی شبکه­ای داده­ها در شرایط ناهمگن و به­صورت سه­مرحله­ای، محاسبه شد(عابدی دهکردی، توحیدی، رضویان و کرامتی، 1402). کارآیی 15 شرکت بیمه هندوستان با استفاده از مدل تحلیل پوششی داده­های دو مرحله­ای ارزیابی شد (سینها²⁵، 2021). همایون­فر، صلاحی، دانشور و خاتمی فیروزآبادی(1400)، رویکرد ترکیبی تحلیل پوششی داده­ها و شبکه عصبی را برای ارزیابی عملکرد شرکت داروسازی ایران دارو به­کار گرفتند. مدل بازی چانه­زنی برای ارزیابی کارآیی واحدهای تصمیم­گیری با ساختار شبکه­ای چندمرحله­ای توسعه داده شد و درنهایت، رویکرد جایگزینی برای تخصیص هزینه ثابت مشترک در شبکه چندمرحله‌ای براساس بازی چانه­زنی پیشنهاد شد(مرادی­پور و همکاران، 1400). کوچیسوا²⁶(2020)، برای ارزیابی کارآیی بانک­های مهم جهانی از طریق یک فرآیند تولید دو مرحله­ای (شامل فرآیندهای فرعی تولید سپرده و تولید دارایی­های سودآور) و نشان دادن موثرتر بودن این روش نسبت به روش سنتی تحلیل پوششی داده­ها، از روش تحلیل پوششی داده­های شبکه پویا استفاده شد. برای ارزیابی کارآیی نسبی و رتبه­بندی شعب بانک­ها در استان زنجان، رویکرد پنجره­ای مورد استفاده قرار گرفت(درودی و امینی، 1398). ارزیابی کارآیی 22 شرکت بورسی با توجه به ورودی­ها و خروجی­ها و با استفاده از شاخص مالم کوئیست ورودی محور در طول سال­های 1395-1391 انجام شد (علی نژاد و خلیلی، 1397). آن‌ها برای از بین بردن وابستگی ورودی‌ها و خروجی‌ها، از روش تجزیه به مولفه­های اصلی استفاده کردند و با استفاده از تکنیک‌ وزن‌های مشترک و روش مین ماکس، به رتبه‌بندی واحدهای کارا پرداختند (اُستا، 1397). کتابی و همکاران (۱۳۹۴)، در پژوهشی با استفاده از روش تحلیل پوششی داده‌ها، به رتبه‌بندی صنایع بورسی پرداختند.

براساس مطالعات انجام شده، تحقیقات اندکی با استفاده روش تحلیل پوششی داده­ها شبکه دو مرحله‌ای و با وجود شاخص­های نیمه مثبت و منفی انجام شده است. همچنین، براساس بررسی­های صورت گرفته، ادغام روش تحلیل پوششی داده­ها و روش تحلیل سلسله­مراتبی فازی جهت تعیین وزن مراحل اول و دوم شبکه، تاکنون انجام نشده است. علاوه­بر این، علی­رغم تأیید مکمل بودن روش‌های تحلیل بنیادی و تحلیل تکنیکال در تحقیقات مختلف و مزیت به کارگیری همزمان این دو روش در مسائل برای همپوشانی معایب یکدیگر و ایجاد ارزش­افزوده بیشتر، محققان اندکی به این موضوع توجه داشته‌اند.‬

‬‬‬‬

3. روش پژوهش

جامعه آماری این پژوهش، شرکت­های بورسی صنعت داروسازی است. به­طوری­ که با اعمال محدودیت­های: سال مالی منتهی به پایان اسفند، پذیرش نماد شرکت در بورس اوراق بهادار قبل از سال 1393 و عدم توقف نماد معاملاتی بیش از 6 ماه طی دوره مورد بررسی، از 41 شرکت این صنعت، 24 شرکت انتخاب شدند.

 

جدول 1. تعریف متغیرهای تحقیق

منبع: کو و همکاران(2020) و یافته­های پژوهش 

 

براساس یافته‌های تارنود و للو (2018) و کو و همکاران(2020)، متغیرهای ورودی: گردش دارایی، نسبت جاری، نسبت بدهی به حقوق صاحبان سهام و نسبت اهرمی، متغیرهای میانی: بازده حقوق صاحبان سهام، بازده دارایی­ها، سود هر سهم و نرخ رشد درآمد خالص و متغیرهای خروجی: بازده و ریسک قیمت سهام شرکت، در نظر گرفته شدند. خروجی­های مرحله اول که همان متغیرهای میانی هستند، به عنوان ورودی‌های مرحله دوم درنظر گرفته می­شوند. جدول 1، جزئیات این متغیرها و وضعیت آنها از لحاظ نوع مقدار(کاملاً مثبت یا نیمه مثبت و منفی) و مطلوب یا نامطلوب بودن، نشان می­دهد.

فرض کنید n واحد تحت ارزیابی دارای شبکه­ای دو مرحله­ای به فرم شکل 1 است. برای  به ترتیب ورودی  و  به دو دسته ورودی‌های کاملاً مثبت مطلوب  و ورودی‌های کاملاً مثبت نامطلوب  تقسیم­بندی شده­اند. اگر مجموعه I={1,…,m} نشان­دهنده کل ورودی­های مرحله اول باشد، داریم  و  . از طرف دیگر،  شاخص میانی کاملاً مثبت،  و  شاخص میانی دارای مقادیر نیمه مثبت و منفی،  است؛ به­طوریکه، اگر مجموعه K={1,…,k} نشان­دهنده کل شاخص­های میانی باشد، داریم و  .  خروجی مرحله دوم شامل دو دسته مجزا ()، خروجی­های کاملاً مثبت نامطلوب  و خروجی­های نیمه مثبت و منفی  است. اگر مجموعه R={1,…,s} نشان­دهنده کل خروجی­های مرحله دوم باشد، داریم:  و .

 

 

 

 

شکل 1. مدل تحقیق بر اساس نماد متغیرها

منبع: یافته­های پژوهش

 

لذا می­توان نوشت، ورودی­های کاملاً مثبت و مطلوب  و ورودی­های کاملاً مثبت و نامطلوب ؛ به­طوری که . برای شاخص­های میانی کاملاً مثبت نیز داریم  و برای ورودی­های نیمه مثبت و منفی داریم  ؛ به­طوری که . طبق روش امروزنژاد و همکاران(2010) در مواجه با شاخص­های نیمه مثبت و منفی می­توان روابط (1) و (2) را نوشت:

نوع	وضعیت و نام متغیر	عنوان متغیر	توصیف/اندازه‌گیری	منظر
ورودی	کاملاً مثبت و نامطلوب ()	گردش دارایی	درآمد حاصل از دارایی‌های تحت تملک یک شرکت	به­کارگیری دارایی
		نسبت جاری	کل دارایی‌های جاری تقسیم بر کل بدهی‌های جاری	نقدینگی
	کاملاً مثبت و مطلوب()	نسبت بدهی به حقوق صاحبان سهام	بدهی بلند مدت تقسیم بر حقوق صاحبان سهام
		نسبت اهرمی	کل بدهی تقسیم بر کل دارایی	اهرم
میانی	کاملاً مثبت()	بازده دارایی‌ها27	درآمد خالص تقسیم بر کل دارایی ها	سودآوری
		بازده حقوق صاحبان سهام28	درآمد خالص تولید شده به ازای هر واحد حقوق صاحبان سهام عادی
		سود هر سهم29	درآمد خالص منهای سود تقسیمی سهام تقسیم بر تعداد سهام عادی
	نیمه مثبت و منفی()	نرخ رشد درآمد خالص	درآمد خالص سال­ جاری تقسیم بر درآمد خالص سال قبل منهای یک	رشد
خروجی	نیمه مثبت و منفی()	بازده	بازده سالیانه سهام، اندازه‌گیری شده بدین طریق:  = بازده روزانه سهام بازده سالیانه سهام = مجموع بازده‌های روزانه در طول یک سال	-
	کاملاً مثبت و نامطلوب()	ریسک	انحراف معیار بازده روزانه	-

(1)

که در آن:

و برای شاخص کاملاً مثبت خروجی نامطلوب و خروجی نیمه مثبت و منفی مرحله دوم به ترتیب می­توان نوشت:

  و  ؛ به­طوری که .

از آنجایی که  یک شاخص نیمه مثبت و منفی است، روابط (3) و (4) را می‌توان نوشت:

(2)

و

که در آن:

(3)

با توجه به توضیحات فوق، تکنولوژی تولید به همراه شرط دسترسی­پذیری ضعیف برای مرحله دوم با استفاده از ضرایب انقباضی به صورت رابطه (5) در نظر گرفته می­شود.

(5)

(4)

و

با تکنولوژی تعریف شده در رابطه (5)، کارآیی  در مرحله دوم از مدل شعاعی با فرض شرط دسترسی‌پذیری ضعیف براساس رابطه (6) محاسبه می­شود.

(6)

s.t.                                                                                                                                                                                                   به­دلیل وجود شرط دسترسی­پذیری ضعیف در قید مربوط به خروجی­های نیمه مثبت و منفی، علامت تساوی قرار داده شده است که خروجی بد از مقداری که دارد بیشتر نشود. مدل (6) به­دلیل وجود حاصلضرب دو متغیر  و  یک مدل غیرخطی است. جهت خطی­سازی آن از تغییر متغیر براساس رابطه (7) استفاده می­شود. با تغییر متغیر ذکر شده در رابطه (7)، مدل (6) به فرم خطی رابطه (8) تبدیل می­شود. (7)   (8)                  s.t.                                                                                                                                                                        ,    تعریف 1: فرض کنید جواب بهینه مدل (8) در ارزیابی  باشد.  نشان­دهنده آن ست که  در مرحله دوم کاراست؛ در غیر این­صورت یعنی اگر  باشد، گوئیم  ناکاراست. برای محاسبه کارآیی مرحله اول که به­عنوان پیرو در نظر گرفته می­شود، تکنولوژی تولید را به­صورت رابطه (9) تعریف می­کنیم. برای محاسبه کارآیی مرحله اول ، ماهیت ورودی در نظر گرفته شده است که مدل آن با توجه به تکنولوژی امکان تولید تعریف شده با استفاده از مدل (10) محاسبه می­شود. علامت تساوی در قید پنجم رابطه (10) برای این لحاظ شده است که از مقادیر بدی که شاخص دارد، بالاتر نرود. (9)   (10)                s.t.                                                                                ;   تعریف (2): اگر  جواب بهینه مدل (10) و  مقدار بهینه آن باشد؛  نشان­دهنده آن  است که  در مرحله اول کاراست؛ در غیر این صورت،  را ناکارا می­نامیم. حال، تکنولوژی امکان تولید را برای کل شبکه شکل 1 تعریف می­کنیم. با توجه به تکنولوژی مرحله اول و دوم، تکنولوژی کلی شبکه به­صورت رابطه (11) است. (11) با توجه به تکنولوژی تعریف شده در رابطه (11)، کارآیی کلی شبکه از رابطه (12) محاسبه می­شود: (12)                             s.t.          ,                        ,                         ,                        ,                         ,                        ,                          ,     ,    , ,                      ,                       ,                         , ,                   مدل ارئه شده در رابطه 12 به­دلیل وجود حاصل­ ضرب دو متغیر  و ، مدلی غیرخطی است. برای خطی‌سازی آن از تغییر متغیر استفاده می­کنیم. لذا مدل (12) به فرم خطی رابطه (13) بازنویسی می­شود. (13)   s.t.      ,            ,             ,            ,             ,           ,            ,           ,     ,           ,  ,  ,             ,            ,           ,      ,          . قضیه 1:  کارآیی کلی شبکه است اگر و تنها اگر در مرحله اول و دوم نیز کارا باشد. اثبات: فرض کنید () جواب بهینه مدل (13) در ارزیابی  باشد و  ، در این صورت  و . از آنجایی که قیود مدل­های (10) و (8) در مدل (13) موجود است لذا () یک جواب شدنی مدل (10) و () یک جواب شدنی مدل (8) است. از آنجایی که  و ، لذا  کارا است. برعکس، فرض کنید () یک جواب بهینه مدل (10) و () یک جواب بهینه مدل (8) باشد یعنی  در مرحله اول و دوم کارا باشند، در این­صورت () یک جواب شدنی مدل (13) است با   و در نتیجه  کارای کلی نیز می­باشد. همان­طور که در بخش قبل اشاره شد، برای رفع اشکال تجزیه کارآیی ترکیبی در تعیین وزن مراحل مختلف روش تحلیل پوششی داده­های شبکه، در این پژوهش از روش تحلیل سلسله مراتبی فازی استفاده شد. در این راستا، از نظر 19 نفر متخصص در زمینه بانکی، مالی، سرمایه­گذاری و بازار سهام استفاده گردید که هر کدام از آنها، بیش از 5 سال سابقه کار داشتند. نتیجه بررسی­ها، اختصاص وزن 564/0 برای مرحله اول و وزن 436/0 برای مرحله دوم بود. به­دلیل رعایت اختصار، جدول وزن اختصاص داده شده به هر مرحله توسط خبرگان و پرسشنامه تحلیل سلسله­مراتبی ارائه نشده است.   4.‌ برآورد مدل و تجزیه و تحلیل یافته‌ها  با توجه به توضیحات ذکر شده در بخش قبل و معرفی متغیر­های ورودی، میانی و خروجی، مدل شبکه دو مرحله­ای تحقیق بر حسب متغیرهای تعریف شده، به صورت شکل 2 است. مدل مذکور بر روی شرکت­های صنعت داروسازی و برای سال 1400 اجرا گردید و نتایج در ادامه این بخش آورده شده است.               شکل 2. مدل شبکه دومرحله­ای تحقیق براساس متغیرهای تعریف شده   جدول 2، شناسه هر یک از شرکت­های صنعت داروسازی، مقادیر سطوح مختلف کارآیی در سال 1400 و رتبه­بندی آنها بر اساس مقدار کارآیی کل را نشان می­دهد.   جدول 2. بررسی سه سطح کارآیی شرکت­های صنعت داروسازی شناسه نماد شرکت­ها کارآیی مرحله اول کارآیی مرحله دوم کارآیی کل رتبه ID1 دالبر 00/1 71/0 89/0 2 ID2 دپارس 56/0 86/0 70/0 7 ID3 پخش 00/1 11/0 64/0 13 ID4 دتماد 62/0 41/0 57/0 16 ID5 دتولید 00/1 00/1 00/1 1 ID6 ددام 69/0 86/0 78/0 3 ID7 دابور 65/0 34/0 53/0 18 ID8 داسوه 80/0 23/0 58/0 15 ID9 دلر 00/1 00/1 00/1 1 ID10 دامین 51/0 00/1 73/0 4 ID11 دجابر 63/0 79/0 72/0 5 ID12 دسینا 47/0 28/0 43/0 21 ID13 دفارا 41/0 00/1 67/0 10 ID14 دکوثر 45/0 00/1 69/0 9 ID15 دزهراوی 22/0 76/0 56/0 17 ID16 درازک 54/0 47/0 52/0 19 ID17 دلقما 00/1 00/1 00/1 1 ID18 وپخش 00/1 27/0 69/0 8 ID19 والبر 53/0 78/0 65/0 12 ID20 دشیمی 50/0 44/0 50/0 20 ID21 دفرا 00/1 30/0 71/0 6 ID22 دارو 00/1 16/0 66/0 11 ID23 دکیمی 50/0 66/0 59/0 14 ID24 دسبحا 39/0 19/0 35/0 22 میانگین 69/0 61/0 67/0 - منبع: براساس یافته های پژوهش   جدول 2، شرکت­های دالبر، پخش، دتولید، دلر، دلقما، وپخش، دفرا و دارو، کارآیی کامل در مرحله اول و شرکت­های دتولید، دلر، دامین، دفارا، دکوثر و دلقما کارآیی کامل در مرحله دوم را کسب نمودند؛ درنتیجه شرکت­های دتولید، دلر و دلقما، مقدار کارآیی یک در هر دو مرحله را به­دست آورند و درنتیجه کارآیی کل شرکت­های مذکور، کامل و برابر یک شد. کمترین میزان کارآیی مرحله اول، کارآیی مرحله دوم و کارآیی کل،‌ در طی دوره مورد بررسی، به­ترتیب متعلق به شرکت دزهراوی، با رقم 22/0، شرکت پخش با رقم 11/0 و شرکت دسبحا، با رقم 35/0 است.    شکل 3. مقادیر سه سطح کارآیی شرکت­های صنعت داروسازی در سال ۱۴۰۰  منبع: یافته­های پژوهش   شکل 3،‌ مقادیر مختلف کارآیی شرکت­های زیرمجموعه صنعت داروسازی را در سه سطح کارآیی در سال 1400 و در یک نمودار نمایش می­دهد. در این نمودار به خوبی مشخص است که کارآیی کل با توجه به ضرایب محاسبه شده برای مراحل اول و دوم، در سطحی متناظر با همان ضرایب که جایگاهی در میان دو رقم کارآیی مرحله اول و مرحله دوم است قرار گرفته و گرایش به سمت مرحله اول دارد. درخصوص اکثر شرکت­ها، امتیاز کارآیی مرحله اول بالاتر از مرحله دوم است بجز شرکت­های دپارس، ددام، دامین، دجابر، دفارا، دکوثر، دزهراوی، والبر و دکیمی. برای درک بهتر از کارآیی شرکت‌های مورد بررسی در دو سطح کارآیی مرحله اول و مرحله دوم، نمودار پراکندگی کارآیی­های مذکور در سال 1400 ترسیم شد(شکل 4).      شکل 4. یک­چهارم بخش­های کارآیی در سال 1400 منبع: یافته­های پژوهش با استفاده از خطوط ترسیم شده به رنگ قرمز که بر اساس میانگین کارآیی مراحل اول و دوم است، می‌توان کارآیی مراحل انفرادی شرکت‌ها را به چهار بخش تقسیم نمود. همان‌طور که به خوبی قابل ملاحظه است، درخصوص کارآیی مرحله اول، 10 شرکت کارآیی بیش از حد متوسط و 14 شرکت کارآیی پایین­تر از مقدار متوسط کارآیی این مرحله را کسب کردند. در رابطه با کارآیی مرحله دوم، بیشتر شرکت‌ها(13 مورد) از کارآیی بالاتر از مقدار میانگین کارآیی این مرحله برخوردارند. در نیمه بالایی نمودار، شرکت‌هایی که کارآیی مرحله دوم آنها بیش از حد متوسط است قرار دارند که تعداد بیشتری از شرکت‌ها در این بخش دیده می‌شوند. در بخش بالا و سمت راست، شرکت‌هایی قرار گرفته‌اند که کارآیی مرحله اول و مرحله دوم آنها، بالاتر از حد متوسط است و به­خوبی مشاهده می‌شود که تعداد اندکی از شرکت‌ها توانسته‌اند در این بخش قرار گیرند. کارآیی مرحله اول در بازه 22/0 تا 1 قرار دارد و کارآیی مرحله دوم، دامنه گسترده­تری از اعداد را به خود اختصاص داده است، زیرا در بازه 11/0 تا 1 قرار دارد. همچنین، ضروری است که تجزیه و تحلیل بیشتری درخصوص شرکت­های قرار گرفته در ربع(اول) با کارآیی مرحله اول و دوم بالاتر، انجام شود؛ زیرا آنها پیشنهاد سرمایه­گذاری هستند.    5. نتیجه­گیری و پیشنهادها ارزیابی کارآیی شرکت‌های بورسی، با توجه به نقش و سهم ارزشمند این دسته از شرکت‌ها در تولید و اقتصاد کشور، از موضوعاتی است که مورد توجه گروه‌های مختلفی قرار دارد. لذا، هدف این مقاله، محاسبه کارآیی فنی شرکت‌های بورسی صنعت داروسازی در سال 1400 بوده است. بدین­منظور، از مدل تحلیل پوششی داده­های شبکه استفاده و به علت وجود شاخص­های نیمه مثبت و منفی، به توسعه مدل مذکور پرداخته شد. نتایج نشان داد، فرآیند تولید(تحلیل بنیادی)، نقش هدایت­کنندگی کارآیی کل را دارد. در مرحله اول، 33 درصد شرکت­ها و در مرحله دوم، 25 درصد شرکت­ها مقدار کارآیی یک و 13 درصد از شرکت­ها(دتولید، دلر و دلقما) که در هر دو مرحله اول و دوم کارا بودند، مقدار کارآیی کل یک را نیز بدست آوردند. همچنین، 71 درصد از شرکت­ها در مرحله اول و 54 درصد از شرکت­ها در مرحله دوم، کارآیی بیشتر از 5/0 کسب کردند. به­طور کلی، 88 درصد از شرکت­های صنعت مورد مطالعه، کارآیی بالاتر از 5/0 دارند. سه شرکت با کمترین میزان کارآیی کلی نیز شرکت­های دسبحا، دسینا و دشیمی شناسایی شدند که همان شرکت­های باقیمانده با کارآیی کمتر از 5/0 هستند. با بررسی نمودار پراکندگی کارآیی مراحل اول و دوم شرکت­ها در سال 1400، مشخص شد که اکثر شرکت­ها در یک­چهارم کارآیی مرحله اول کم- مرحله دوم زیاد و کارآیی مرحله اول کم- مرحله دوم کم قرار گرفته­اند و تعداد کمی از شرکت­ها در هر دو مرحله به خوبی عمل می‌کنند. بر این اساس، ضروری است که تجزیه و تحلیل بیشتری درخصوص شرکت­های(دالبر، دتولید، ددام، دلر و دلقما) قرار گرفته در ربع(اول) با کارآیی مراحل اول و دوم بالاتر، انجام شود؛ زیرا آنها پیشنهاد سرمایه گذاری هستند. براساس نتایج، اجرای این پژوهش برای سایر صنایع بورسی که دارای شاخص­های ورودی، میانی و خروجی نیمه مثبت و منفی هستند، پیشنهاد می­شود. همچنین، برای بررسی تغییرات کارآیی این صنعت یا سایر صنایع طی دوره زمانی مشخص، درنظر گرفتن بازه زمانی چندساله برای این پژوهش پیشنهاد می­شود. به این دلیل، با تغییر سال، امکان تغییر در وضعیت شاخص­ها و کاملاً مثبت بودن آنها و درنتیجه الزام به اعمال تغییر در مدل وجود دارد.   حامی مالی این مقاله حامی مالی ندارد. تعارض منافع تعارض منافع وجود ندارد. سپاسگزاری نویسندگان از داوران ناشناس که در بهبود کیفیت مقاله کمک کرده­اند، تشکر می‌کنند.   منابع -       اُستا، سهراب (1397). مدلی برای ارزیابی عملکرد شرکت­های سرمایه­گذاری با استفاده از تحلیل پوششی داده­ها و شاخص­های مالی و اقتصادی. رساله دکتری رشته حسابداری، دانشگاه علامه طباطبایی، دانشکده مدیریت و حسابداری. -       درودی، هما و امینی، محمد باقر (1398). سنجش کارآیی نسبی و رتبه بندی شعب بانک‌ها، رویکرد پنجره ای: مطالعه موردی استان زنجان. اقتصاد مالی، 13(48)، 260-239.  20.1001.1.25383833.1398.13.48.9.4 -       محبتی‌جهرمی، مینا (1394). ارزیابی کارآیی شرکت‌های پذیرفته شده در بورس اوراق بهادار تهران با استفاده از تکنیک تحلیل پوششی داده‌ها. پایان نامه کارشناسی ارشد، دانشگاه علم و هنر. -       رهنمای‌رودپشتی، فریدون و صالحی، اله کرم (1389). مکاتب و تئوری‌های مالی و حسابداری. انتشارات:تهران، چاپ دانشگاه آزاد اسلامی، واحد تهران مرکزی. -       جوكار سرهنگي، عيسي و جباري، حسین (۱۳۹۳). کاربرد فرايند تحليل سلسله مراتبي فازي جهت اولويت­بندي مراکز شهري با ملاحظات اکولوژيکي(مطالعه موردي: آذربايجان غربي).‎ جغرافيــــا و برنامــــه­ريــــزي محيطــــي، 25 (4(56))، ۲50-۲37. https://civilica.com/doc/1199432 -       سلیمانی دامنه، رضا، مؤمنی، منصور، مصطفایی، امین و رستمی مال خلیفه، محسن (1396). توسعه یک مدل تحلیل پوششی داده­های شبکه­ای پویا برای ارزیابی عملکرد بانک­ها. چشم انداز مدیریت صنعتی، 25، 67-89..  https://sid.ir/paper/523682/fa  -       شجاع، نقی، و درویش متولی، محمدحسین (1394). ارزیابی کارآیی فعالیت های پژوهشی واحدهای دانشگاه آزاد اسلامی: رویکرد تحلیل پوششی داده­ها. مدلسازی اقتصادی، 9(4 (32))، 141-123. https://sid.ir/paper/176149/fa -       شفیعی، مرتضی (1396). طراحی مدل تحلیل پوششی داده­های چند سطحی در ارزیابی کارآیی موسسات مالی. تحقیق در عملیات در کاربردهای آن، 14(2(53))، 66-41،  https://sid.ir/paper/164695/fa -       عابدی دهکردی، هما، توحیدی، قاسم، رضویان، شبنم وکرامتی، محمد علی. (1402). ارزیابی کارآیی شرکتهای تولیدکننده سیمان با استفاده از رویکرد تحلیل پوششی داده‌های شبکه‌ای ناهمگن. مطالعات مدیریت صنعتی، 21(69)، 233-199. 10.22054/jims.2023.67648.2788  -       علی­پور، صفدر، ملیکان، اسفندیار و فخاری، حسین(1401). ارائه مدل شبکه­ای تحلیل پوششی داده­ها جهت ارزیابی کارآیی اطلاعاتی واحدهای گزارشگر. پژوهش­های حسابداری مالی و حسابرسی، 14(2(54))، 48-1. 10.30495/faar.2022.693668 -       علیرضایی، محمدرضا، رخشان، فاطمه، و بنی خویی، بهاره. (1397). کاربرد کارآیی متقاطع تحلیل پوششی داده ها در گزینش سبد سهام 20 شرکت معتبر بورس. تصمیم گیری و تحقیق در عملیات، 3(1)، 40-24https://sid.ir/paper/268879/fa . -       علی نژاد، علیرضا و خلیلی، جواد. (1397). ارزیابی عملکرد شرکت‌های داروسازی پذیرفته‌شده در بورس اوراق بهادار تهران با استفاده از رویکرد ترکیبی تحلیل پوششی داده ها و داده کاوی. مدیریت کسب و کار، 10(37)، 165-148. 20.1001.1.22520104.1397.10.37.7.2 -       غفاری، مهسا (1396). سنجش کارآیی شرکت­های پذیرفته شده در بورس اوراق بهادار با رویکرد تحلیل پوششی داده­ها. پایان نامه کارشناسی ارشد، دانشگاه آزاد اسلامی، واحد شهریار، دانشکده حسابداری، گروه مدیریت. -       کتابی، سعیده، فتحی، سعید و یوسفان، ناهید (1394). رتبه بندی صنایع منتخب بورس اوراق بهادار تهران بر اساس عوامل بنیادی صنعت با استفاده از روش تحلیل پوششی داده ها. مدیریت دارایی و تامین مالی، 3(2(9)) ، 67-55. https://sid.ir/paper/245706/fa    -       مرادی پور، کیوان، اسدی رحمتی، ساناز، و عبدالی، الهام (1400). مدل چانه­زنی برای تخمین کارآیی شبکه چند مرحله­ای با تخصیص هزینه ثابت و کاربردهای آن. مدلسازی اقتصادی، 15(3 (55))، 90-65. 10.30495/ECO.2022.1941475.2579 -       مؤمنی، منصور، صفری، حسین، رستمی، محسن، مصطفایی، امین و سلیمانی دامنه، رضا (1396). طراحی یک مدل تحلیل پوششی داده­های شبکه­ای غیرشعاعی جهت ارزیابی عملکرد. فصلنامه علمی-پژوهشی مطالعات مدیریت(بهبود و تحول)، 26(86)، 23-1. https://doi.org/10.22054/jmsd.2017.8441  -       همایون فر، مهدی، صلاحی، فریبا، دانشور، امیر و خاتمی فیروزآبادی، سید محمدعلی(1400). کاربرد رویکرد ترکیبی تحلیل پوششی داده‌ها و شبکه عصبی مصنوعی در ارزیابی کارآیی متوازن شرکت های داروسازی بورس اوراق بهادارتهران. تحقیق در عملیات در کاربردهای آن، ۱۸ (۳)، 92-73. http://jamlu.liau.ac.ir/article-1-1908-fa.html -       Abedi Dehkordi, H., Tohidi, G., Razavyan, S., & Keramati, M. A. (2023). Efficiency evaluation of cement production companies using nonhomogeneous network DEA. Industrial Management Studies, 21(69), 199-233. doi: 10.22054/jims.2023.67648.2788  (in persion) -       Ali-Nezhad, A. R., & Khalili, J. (2018). Performance Evaluation of the of pharmaceutical companies admitted to the Tehran Stock Exchange using the combined approach of Data Envelopment Analysis and Data Mining. Journal of Business Management, 10(37), 148-165. (in persion) -       Alipour, S., malekian, E., & Fakhari, H. (2022). Proposing a Network Data Envelopment Analysis (NDEA) Model for Evaluating Information Efficiency of Reporting Entities. Financial Accounting and Auditing Research, 14(54), 1-48. doi: 10.30495/faar.2022.693668 (in persion) -       Alirezaee, M. R., Rakhshan, F., & Banaye khoyi, Bahareh. (2018). Application of DEA-cross efficiency in portfolio selection of 20 reputable companies in the Iranian stock market. DECISIONS AND OPERATIONS RESEARCH, 3(1), 24-40. SID. https://sid.ir/paper/268879/en (in persion) -       Benjamin, M. M. (2024). Nigerian Stock Market Efficiency And Volatility: A Data Envelopment Analysis. International Journal of Innovative Social Sciences & Humanities Research, 12(1), 161-170. ISSN: 2354-2926. -       Charnes, A., Cooper, W. W., & Rhodes, E. (1978). Measuring the efficiency of decision making units. European Journal of Operational Research, 2(6): 429–444. doi:10.1016/0377-2217(78)90138-8 -       Contreras, I., Hidalgo, J. I., & Nunez-Letamendia, L. (2012). A GA combining technical and fundamental analysis for trading the stock market[Conference session]. In European Conference on the Applications of Evolutionary Computation (pp. 174–183). Springer, Heidelberg, Berlin. https://doi.org/10.1007/978-3-642-29178-4_18 -       Despotis, D. K., Sotiros, D. & Koronakos, G. (2023). Data envelopment analysis of two-stage processes: an alternative (non-conventional) approach. INTERNATIONAL TRANSACTIONS IN OPERATIONAL RESEARCH, 0, 1-22. https://doi.org/10.1111/itor.13320 -       Doroudi, H. & Amini, M., B. (2019). Relative efficiency measurement and ranking of bank branches, window approach: case study of Zanjan province. Financial Economics, 13(48), 239-260. 20.1001.1.25383833.1398.13.48.9.4 (in persion)   -       Edirisinghe, N. & Zhang, X. (2010). Input/output selection in DEA under expert information, with application to financial markets. European journal of operational research, 207(3): 1669-1678. doi:https://doi.org/10,1016/j.ejor.2010,06,027. -       Emrouznejad, A., Anouze, A.L. & Thanassoulis, E., (2010). A semi-oriented radial measure for measuring the efficiency of decision making units with negative data, using DEA. European Journal Operational Research, Elsevier, 200(1), 297–304. -       Farrell, M. J. (1957). The measurement of productive efficiency. Journal of the Royal Statistical Society, 120(3): 253 – 290. https://doi.org/10.2307/2343100 -       Ghafari, M. & Arjmand-Far, A. (2017). Measuring the Efficiency of Companies accepted in the Stock Exchange with the Data Envelopment Analysis Approach. Islamic Azad University, Shahriyar Branch, Faculty of Acounting. (in persion) -       Homayounfar, M., Salahi, F., Daneshvar, A., Khatami Firouzabadi, S. M. A.(2021) Applying a Hybrid DEA-ANN Approach in Evaluation of Balanced Efficiency of the Tehran Stock Exchange Pharmaceutical Companies. Journal of Operational Research in Its Applications, 18 (3), 73-92. http://jamlu.liau.ac.ir/article-1-1908-fa.html (in persion)   -       Jokar Sarhangi, I. & Jabbari, H. (2015). Application of Fuzzy Analytical Hierarchy process for prioritizing urban centers with ecological considerations (case study: West Azerbaijan). Geography and Environmental Planning, 25(4(56)), 237-250. https://civilica.com/doc/1199432 (in persion) -       Ketabi, S., Fathi, S. & yousofan, N. (2015). Ranking of Selected Industries of Tehran Stock Exchange based on Fundamental Factors in Industry using Data Envelopment Analysis. Journal of Asset Management and Financing, 3(2(9)), 55-67. https://sid.ir/paper/245706/fa (in persion)    -       Kočišová, K. (2020). Two-Stage DEA: An Application in Banking. In: Popkova, E., Sergi, B. (eds) Scientific and Technical Revolution: Yesterday, Today and Tomorrow. ISC 2019. Lecture Notes in Networks and Systems, vol 129. Springer, Cham. https://doi.org/10.1007/978-3-030-47945-9_162. -       Kuo, K.-C., Lu, W.-M., & Dinh, T. N. (2020). An integrated efficiency evaluation of China stock market. Journal of the Operational Research Society, 72(4), 950-969. doi: https://doi.org/01605682,2019,1700190/10,1080. -       Li, M., Zhu, N., He, K., & Li, M. (2022). Operational Efficiency Evaluation of Chinese Internet Banks: Two-Stage Network DEA Approach. Sustainability, 14(21), 14165. https://doi.org/10.3390/su142114165. -       Mohabbati Jahromi, M. (2015). Performance evaluation of firms accepted in Tehran Stock Exchange techniques using DEA two stage. MS Thesis, Science and Art University. (in persion) -       Momeni, M., Safari, H., Rostami, M., Mostafaee, A. & Soleymani-Damaneh, R. (2017). Designing a Non-Oriented NDEA for Performance Evaluatio. Improvement and Transformation Management Studies, 26(86), 1-23. https://doi.org/10.22054/jmsd.2017.8441 (in persion) -       Moradipour, K., Asadi-Rahmati, S. & Abdali, E. (2021). A Bargaining Game Model for Estimating Efficiency of the Multi-stage Network with Fixed Cost Allocation and its Applications. Economic modeling, 15(3(55)), 65-90. 10.30495/ECO.2022.1941475.2579 (in persion) -       Osta, S. (2018). A model for evaluating the performance of investment companies using DEA and Financial and Economic indicators. Doctoral dissertation, Allameh Tabataba'i University, Faculty of Management and Accounting. (in persion) -       Rahnamaye Roodposhti, F. & Salehi, A. K. (2010). Financial and Accounting Schools and Theories. Publications of Islamic Azad University, Central Tehran Branch: Tehran. -       Shafiei, M. (2017). Designing a multi-level data envelopment analysis model in efficiency evaluating of financial institutions, Operations Research Journal in its Applications, 14, 2 (53), pp. 41-66. (in persian) -       Shoja, N., & Darvish Motevali, M. H. (2016). Evaluating the Effectiveness of Research Activities in Islamic Azad University Branches by Using Data Envelopment Analysis(DEA). Economic Modelling, 9(4 (32)), 123-141. SID. https://sid.ir/paper/176149/en (in persion) -       Sinha, R. P. (2021). Two-Stage Data Envelopment Analysis Efficiency of Indian General Insurance Companies. Global Business Review, 0(0). https://doi.org/10.1177/09721509211047645. -       Soleimani Damaneh, R., Momeni, M., Mostafaei, A., & Rostami Malkhalife, M. (2017). Developing of a Dynamic Network Data Envelopment Analysis Model for Performance Evaluating Banking Sector. Journal of Industrial Management Perspective, 7(1), 67-89. (in persion) -       Tarnaud, A. C. & Leleu, H. (2018). Portfolio analysis with DEA: Prior to choosing a model. Omega, Elsevier, 75(C): 57-76. doi:https://doi.org/10,1016/j.omega.2017,02,003. -       Tsai, M.-C., Cheng, C.-H., Nguyen, V. T., & Tsai M.-I. 2020. The Theoretical Relationship between the CCR Model and the Two-Stage DEA Model with an Application in the Efficiency Analysis of the Financial Industry. Symmetry, 12(5), 712. https://doi.org/10.3390/sym12050712.   117     [1]  این مقاله مستخرج از رساله دکتری سیده الهام افتخاریان به راهنمایی دکتر سید فرزاد هاشمی و دکتر علی نعمتی و مشاوره دکتر راضیه مهرجو و دکتر مهناز احدزاده نمین در دانشکده علوم انسانی دانشگاه آزاد اسلامی واحد شهر قدس است. [2] * دانشجوی دکتری، گروه مدیریت­مالی، واحد شهرقدس، دانشگاه آزاد اسلامی، تهران، ایران، [e-mail]         [3] ** استادیار، گروه مدیریت مالی، واحد شهرقدس، دانشگاه آزاد اسلامی، تهران، ایران (نویسنده مسئول)، [e-mail] [4] + استادیار، گروه حسابداری، واحد تهران مرکزی، دانشگاه آزاد اسلامی، تهران، ایران، [e-mail]   [5] ´ استادیار، گروه ریاضی، واحد شهرقدس، دانشگاه آزاد اسلامی، تهران، ایران،[e-mail]                                     - استادیار، گروه ریاضی، واحد شهرقدس، دانشگاه آزاد اسلامی، تهران، ایران، [e-mail]                         [6]  Data Envelopment Analysis(DEA) [7]  Tsai, Cheng, Nguyen & Tsai [8]  Despotis, Sotiros & Koronakos [9]  Technical Analysis (TA) [10]  Fundamental Analysis (FA) [11]  Graham and Dodd [12]  Gordon and Shapiro [13]  Ohlson [14]  Kuo, Lu & Dinh [15]  Edirisinghe & Zhang [16]  Production Process [17]  Financial Production Process [18]  Analytical Hierarchy Process (AHP) [19]  Farrell [20]  Charnes, Cooper & Rhodes [21]  Network Data Envelopment Analysis(NDEA) [22]  Contreras, Hidalgo & Nunez-Letamendia [23]  Benjamin [24]  Li, Zhu, He & Li [25]  Sinha [26]  Kocisova [27]  Return on Assets (ROA) [28]  Return on Equity (ROE) [29]   Earning per Share (EPS)