ارزیابی امتیاز کارایی هولدینگ‌های سرمایه گذاری با در نظر گرفتن متغیر نامطلوب با استفاده از مدل FDH: یک رویکرد تحلیل پوششی داده ها

محورهای موضوعی : مهندسی مالی

علیرضا ضیائی شیرکلائی ¹ , محمد ابراهیم پورزرندی ² , مهرزاد مینویی ³

1 - گروه مدیریت صنعتی، واحد تهران مرکزی، دانشگاه آزاد اسلامی، تهران، ایران
2 - گروه مدیریت صنعتی، واحد تهران مرکزی، دانشگاه آزاد اسلامی، تهران، ایران و عضو گروه پژوهشی مخاطرات مالی نوین
3 - گروه مدیریت صنعتی، واحد تهران مرکزی، دانشگاه آزاد اسلامی، تهران، ایران

تاریخ دریافت : 1400/06/01 تاریخ پذیرش : 1400/06/17 تاریخ انتشار : 1401/01/01

کلید واژه: تحلیل پوششی داده ها, تکنولوژی DEA, FDH شبکه‌ای, عوامل نامطلوب,

چکیده مقاله :

تحلیل پوششی داده‌ها یک روش ناپارامتریک برای اندازه‌گیری امتیاز کارایی یک مجموعه از واحدهای تحت ارزیابی محسوب می‌شود. اخیرا کاربرد مدل‌های تحلیل پوششی داده‌ها در ساختارهای شبکه‌ایی و یا چندمرحله‌ایی مورد توجه محققان بوده است. این مقاله به دنبال تقویت اولین اقدامات انجام شده برای توسعه مدل‌های شبکه DEA مبتنی بر تکنولوژی نامحدب است. برای این منظور، روشی را برای ملحوظ دانستن خروجی‌های نامطلوب در یک تکنولوژی نامحدب ارائه می‌کند. مدل‌های ارائه شده در این مقاله، ضمن محاسبه امتیاز کارایی کلی در یک سیستم شبکه‌ایی قادر هستند بدون هرگونه محاسبه اضافی کارایی هر مرحله را نیز جداگانه در حضور عوامل نامطلوب، محاسبه نمایند و در اختیار مدیران سیستم قرار دهند. همچنین برای نشان دادن دقت مدل پیشنهادی در مقایسه با مدل پایه ایی CCR قرار گرفته است که بدلیل شناسایی تعداد واحدهای کارای کمتر نسبت به مدل CCR دقت محاسباتی مدل را نتیجه می گیریم. براساس نتایج حاصل شده، علی رغم اینکه برخی واحدها کارای کلی محسوب می شوند، اما بدلیل وجود ناکارایی در برخی مراحل ناکارا محسوب می شوند و تنها هولدینگ صنعتی ملی با توجه به اینکه در هر دو مرحله کارا است به عنوان تنها واحد کارا در نظر گرفته شده است.

چکیده انگلیسی:

Data envelopment analysis is a non-parametric method for measuring the performance score of a set of units under evaluation. Recently, the application of data envelopment analysis models in networked or multi-stage structures has been considered by researchers. This paper seeks to reinforce the first steps taken to develop DEA network models based on asynchronous technology. To this end, it provides a way to consider undesirable outputs in an asynchronous technology. The models presented in this paper, while calculating the overall performance score in a network system, are able to calculate the performance of each step separately in the presence of undesirable factors without any additional calculation and provide it to the system administrators. Also, to show the accuracy of the proposed model compared to the basic CCR model, we conclude the computational accuracy of the model due to the identification of a number of less efficient units than the CCR model. According to the results, despite the fact that some units are considered as efficient, but due to inefficiency in some stages are considered inefficient and only the National Industrial Holding is considered as the only efficient unit due to the fact that it is efficient in both stages.