List of Articles تحلیل پوششی داده ها (DEA)

• Open Access Article
  • Abstract Page
  • Full-Text
  
  1 - Stock selection of Tehran stock exchange investors with hybrid of data envelopment analysis (DEA) and goal programming (GP)
  محمد غلی افشارکاظمی مریم خلیلی عراقی احمد سادات کیایی
  One of the most important concerns of investors in financial market is to select astock or portfolio which is optimal in profitability. So a lot of methods related to stockselection have been introduced. The purpose of this study is to make optimal portfolioby hybrid of More

  One of the most important concerns of investors in financial market is to select astock or portfolio which is optimal in profitability. So a lot of methods related to stockselection have been introduced. The purpose of this study is to make optimal portfolioby hybrid of data development analysis (DEA) and goal programming (GP). Thereforethe data which is related to 6 industries among Tehran Stock Exchange (250 firms)have been collected from October 2009 March 2010. The ratio efficiency of everyindustries' firms has been calculated and the most efficient ones selected, and finally48 efficient firms have been determined. In next phase after collecting data related tothe criteria of investing for efficient firms, in order to determine F the linearprogramming has been used and to ensure the goals attainment with the low priorities,the result has been brought to goal programming model after a little coordination. Infinal phase investor has decided by considering priorities and his goals and using goalprogramming. The result show the complete achievement of (Beta), (Return), (Di)and (liquidity) goals and the incomplete achievement of (risk) goal and (Ci) goal has2.27 units positive derivation and it was made a various portfolio includes 8 stocksamong 250 stocks. Manuscript profile
• Open Access Article
  • Abstract Page
  • Full-Text
  
  2 - اندازه های کارایی متقاظع نامغلوب در تحلیل پوششی داده ها با رویکرد اهداف ثانویه
  سعید شاه قبادی عباس قماشی فرهاد مرادی
  تحلیل پوششی داده ها (DEA) یک روش برنامه ریزی ناپارامتریک برای ارزیابی کارایی نسبی مجموعه ای از واحدهای تصمیم گیری متجانس (DMUs) با ورودی های متعدد و خروجی های متعدد است. روش کارایی متقاطع DEA روشی شناخته شده است که برای ارزیابی و رتبه بندی مجموعه ای از واحدهای تصمیم گیر More

  تحلیل پوششی داده ها (DEA) یک روش برنامه ریزی ناپارامتریک برای ارزیابی کارایی نسبی مجموعه ای از واحدهای تصمیم گیری متجانس (DMUs) با ورودی های متعدد و خروجی های متعدد است. روش کارایی متقاطع DEA روشی شناخته شده است که برای ارزیابی و رتبه بندی مجموعه ای از واحدهای تصمیم گیری متجانس استفاده می شود. هر زمان که یک DMU قصد ارزیابی سایر DMU ها را داشته باشد، با مشکل وزن های بهینه غیر یکتای مدل های DEA مواجه می شود. زیرا وزن‌های مختلف امتیازات متقاطع متفاوتی را به ما می‌دهند و این باعث سردرگمی تصمیم‌گیرنده در تصمیم‌گیری نهایی می‌شود. اشکال اصلی این روش، مجموعه راه حل بهینه چندگانه است. هدف اصلی این مطالعه پیشنهاد رویکردی برای حل این مشکل برای ایجاد امتیازهای کارایی متقاطع DEA غیر غالب است. ما یک مدل هدف ثانویه برنامه ریزی خطی را برای انتخاب مجموعه ای از وزن های بهینه برای هر DMU پیشنهاد می کنیم. روش پیشنهادی ما نه تنها ساده تر از روش های دیگر ارائه شده با همین هدف است، بلکه کارایی بیشتری دارد. مثال های عددی برای نشان دادن این موضوع در پایان آورده شده است. Manuscript profile