ارزیابی و رتبه بندی ریسک های بازار در پروژه های زیربنایی سرمایه گذاری با استفاده از تکنیک ترکیبیDEA/AHP

محورهای موضوعی : دانش سرمایه‌گذاری

فاطمه کمکی ¹ (گروه ریاضی، واحد خرم آباد، دانشگاه آزاد اسلامی، خرم آباد، ایران)
رضا فلاح نژاد ² (گروه ریاضی، واحد خرم آباد، دانشگاه آزاد اسلامی، خرم آباد، ایران)
فرهاد حسین زاده لطفی ³ (گروه ریاضی، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران)
محسن رستمی مال خلیفه ⁴ (گروه ریاضی، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران)

تاریخ دریافت : 1399/03/29 تاریخ پذیرش : 1400/03/22 تاریخ انتشار : 1403/07/01

کلید واژه: پروژه سرمایه گذاری, ریسک های بازار, تحلیل پوششی داده ها, DEA/AHP,

چکیده مقاله :

سرمایه گذاری در پروژه‌ها از عوامل رشد اقتصادی و توسعه پایدار در کشورها است. از آنجا که سرمایه گذاری‌ها معمولا" در معرض ریسک‌های مختلفی هستند و به دلیل اهمیت بحث ریسک در انتخاب پروژه‌ها، همواره بر موضوع بهینه سازی انتخاب پروژه‌ها و تکنیک‌‌های بهینه سازی برای کاهش ریسک‌ها تأکید شده است. گروه‌های عمده ریسک در ارتباط با پروژه‌های سرمایه گذاری به دو گروه ریسک‌های بازار و سیاسی تقسیم بندی می‌شوند که نتیجه‌ی هر دو می‌تواند به کاهش بهره‌وری و افزایش هزینه‌های تمام شده در یک پروژه سرمایه‌گذاری بیانجامد. ریسک بازار از چهار ریسک اصلی به نام‌های ریسک تجاری، ریسک پیشبرد پروژه،ریسک بهره برداری و ریسک ساخت/ اتمام تشکیل شده ‌است. هدف این مقاله ارزیابی و رتبه بندی انواع ریسک‌های بازار در انتخاب انواع پروژه‌های سرمایه گذاری، بر اساس مدل‌های برنامه ریزی ریاضی با تکنیک ترکیبی DEA/AHPمی‌باشد بطوریکه با توجه به اوزان نسبی تعیین شده، میزان تأثیر کلی ریسک‌های بازار بر اولویت بندی پروژه‌ها مشخص می‌شود. پس از اجرای الگوریتم ارائه شده، ریسک پیشبرد پروژه اولویت اول، ریسک ساخت/ اتمام اولویت دوم، ریسک بهره برداری و ریسک تجاری در اولویت‌های سوم و چهارم قرار گرفتند تا سرمایه گذاران قادر به شناسایی و کاهش اثرات آن‌ها در پروژه‌ها باشند.

چکیده انگلیسی:

AbstractInvestment in projects is one of the factors of economic growth and sustainable development in countries. Since investors are usually exposed to different risks and due to the importance of risk in selecting projects, it has always been focused on the optimization of project selection and optimization techniques to reduce risks. The main risks associated with investment projects are divided into market and political risk groups, which can lead to decrease in productivity and increased cost in a capital project .Market risk consists of four risk factors: commercial risk, project progress risk, vector gain risk and construction risk. The aim of this paper is evaluation and ranking of market risks in selecting different types of capital projects based on mathematical programming model with DEA / AHP combined technique so that according to the relative weights, the overall impact of market risk on project prioritization is determined. After the implementation of the proposed algorithm, the risk of advancing the first priority, risk of construction / completion of second priority, risk taking and commercial risk were placed third and fourth priority so that investors can identify and reduce their effects in projects.

منابع و مأخذ:

• اردشیر، عبدالله امیری، مهران، مهاجری، مهدی (1392). ارزیابی ریسک­های ایمنی در پروژه­های انبوه سازی با استفاده از ترکیب روش­های فازیFMEA، فازیFTA، DEA-AHP. نشریه دوماهانه علمی پژوهشی سلامت کار ایرانیان، دوره 10، شماره6.


• اسماعیل زاده، علی، حلیمه، جوانمردی، (1396). طراحی الگویی مناسب مدیریت نقدینگی و پیش بینی ریسک آن در بانک صادرات ایران، فصلنامه اقتصاد مالی، سال یازدهم، شماره39، ص 171-191.


• اکبریان، رضا؛ دیانتی، محمدحسین (1385). مدیریت ریسک در بانکداری بدون ربا. مجله اقتصاد اسلامی، دوره24، شماره6، ص153-170.


• جهانشاهلو، غلامرضا، دیواندری، علی، حسین زاده لطفی، فرهاد، سلطان پور علی شاهی اکرم، (1390)، تعیین وزن در فرآیند تحلیل سلسله مراتبی، (چاپ اول)، تهران، نشر پرنگ.


• جهانگرد، اسفندیار. آرین، دانشمند. سامان، پناهی. بهنام، نیک بین (1396). اثر سرمایه گذاری مستقیم خارجی بر رشد اقتصادی ایران بسط مدل پاجولا. فصلنامه اقتصاد مالی، سال یازدهم، شماره40، ص95-115.


• حسن زاده، علی، کاظمی، رسول (1383). مدیریت ریسک در پروژه­های سرمایه گذاری زیربنایی، فصلنامه صنعت بیمه، سال نوزدهم، شماره3، ص59-83.


• خلیلی عراقی، مریم، هاشمی، صالح (1387). برآورد ریسک سرمایه گذاری بر مبنای مدل ارزش در معرض خطر (VaR)، مجله مدیریت، شماره77.


• رهنمای رود پشتی، فریدون؛ نیکومرام، هاشم؛ طلوعی اشلقی، عباس؛ حسین زاده لطفی، فرهاد؛ بیات، مرضیه؛ (1394)، بررسی کارایی بهینه سازی پرتفوی براساس مدل پایدار با بهینه سازی کلاسیک در پیش بینی ریسک و بازده پرتفوی، فصلنامه مهندسی مالی و مدیریت اوراق بهادار، شماره22، دوره6، ص 29-60.


• رهنمای رودپشتی، فریدون؛ نیکومرام، هاشم؛ جولا، جعفر؛ (1397)، تبیین رابطه­ی بازدهی و نوسانات همزمان بازدهی سهام با استفاده از الگوی اختیارات سرمایه‌گذاری، دانش مالی تحلیل اوراق بهادار (مطالعات مالی)، شماره 37، دوره11، ص59-71.


• سارنج، علیرضا، نوراحمدی، مرضیه (1395). تخمین ارزش در معرض ریسک (VaR) و ریزش مورد انتظار (ES) با استفاده از رویکرد ارزش فرین شرطی در بورس اوراق بهادار تهران، مجله تحقیقات مالی، دوره18، شماره3، ص437-460.


• صالحی، مجتبی؛ حسین پور، زهرا (1395). ارائه مدلی جدید برای مدیریت ریسک در انتخاب پروژه­های سرمایه گذاری با استفاده از تجزیه و تحلیل خطا و فرآیند تحلیل شبکه فازی. مجله مدلسازی ریسک و مهندسی مالی دانشگاه خاتم، دوره1، شماره2، ص244-263.


• علم الهدی، سید سجاد (1397). بانکداری اسلامی و ریسک یک تحلیل تطبیقی. فصلنامه اقتصاد مالی، سال دوازدهم، شماره44، ص69-86.


• فتحی، سعید (1385). ریسک مالی، شاخص سازی، اندازه گیری، ماهنامه تدبیر، شماره


• گرایی نژاد، غلامرضا. دقیقی اصلی، علیرضا. استاد رمضان، آذین سادات (1394). تأثیر عوامل موثر بر جذب سرمایه گذاری مستقیم خارجی با تأکید بر متغیرهای نهادی و ساختاری. فصلنامه علوم اقتصادی، سال هشتم، شماره29.


• مرادی، پرویز، مرادی، منصور، عظیمی، لطیف (1394). تحلیل و تعیین استراتژی ریسک در تأمین تجهیزات برق با استفاده از منطق فازی(مطالعه موردی: شرکت­های طرف قرارداد شرکت منطقه­ایی غرب)، سی امین کنفرانس بین المللی برق، تهران.


• مهاجری، مهدی، اردشیر، عبدالله (1395). تجزیه و تحلیل ریسک­های ایمنی پروژه­های ساختمانی با استفاده از روش یکپارچهDEA-AHP. نشریه علمی پژوهشی امیرکبیر-مهندسی عمران و محیط زیست. دوره 48، شماره3، ص217-226.


• مهرگان، محمدرضا (1392). تحلیل پوششی داده ها، مدل های کمی در ارزیابی عملکرد سازمان ها، چاپ دوم، تهران، نشرکتاب دانشگاهی.


• نیکومرام، هاشم؛ رهنمای رود پشتی، فریدون؛ جوکار تنگ کرمی، ایمان؛ (1392)، تبیین نقش تجارت خارجی و نوآوری از طریق دستیابی به تکنولوژی خارجی بر سرمایه گذاری و رشد اقتصادی کشور ایران، دانش مالی تحلیل اوراق بهادار (مطالعات مالی)، دوره6، شماره4(پیاپی 20)، ص91-108.


• نیکومرام، هاشم؛ رهنمای رود پشتی، فریدون؛ زنجیردار، مجید؛ (1387)، تعیین رابطه ریسک و نرخ بازده مورد انتظار با استفاده از مدل شرطی قیمت گذاری دارایی­های سرمایه­ایی کاهشی(CD-CAMP)، مجله مطالعات مالی، دوره1، شماره3، ص47-73.


• نیکومرام، هاشم؛ سعیدی، علی؛ (1388)اندازه گیری عکس العمل رفتاری سرمایه گذاران در بازار سهام، مجله جستارهای اقتصادی، دوره5، شماره9، ص237-276.


• نیکومرام، هاشم، قایی، نسرین؛ علی رضایی، محمد رضا؛ (1384)، ارزیابی کارایی شرکتهای سرمایه گذاری پذیرفته شده در بورس اوراق بهادار تهران به کمک مدل­های محک زنی ریاضی تحلیل پوششی داده­ها، پژوهشنامه اقتصادی (دانشگاه علامه طباطبایی)، ، دوره5، شماره1(پیاپی16)، ص77-100.


• Brookfield, D., Boussabaine.H. (2009). A Coplexity-based framework of financial risk managemnt in larg-scale projects risk, management 11, pp. 44-65.


• Chapman, C.B. (1991). Risk in investment, procurement and performance in construction. E. & F.N. Spon (Champam and Hall), London.


• Charnes, A., Cooper, W.W., Rhodes, E. (1978). Measuring the efficiency of decision making units. European Journal of Operational Research, 2, pp. 429-444.


• Ching Ch,W.Y. (2003). A MCDM approach for six sigma project selection. The conference of knowledge and value management.


• Huang, X. (2007). Optimal project selection with random fuzzy parameters. International Journal Production Economics, 106(2), pp. 513–522.


• Iyer, K. C., and Sagheer, M. (2010). Hierarchical structuring of risks using interpretative structural modeling Journal. Constr. Eng. Manage.


• Kelim, S., Lodin, L. (2001). Decision making with dependence and feedback-the analytic network process, 2^nd Pittsburgh, USA: RWS Publications.


• Lee, E., Park,Y., Gye Shin, J. (2008). Larg engineering project risk management using a bayesian belief network. Expert systems with applications, 36(3), pp. 5880-5887.


• Lorie, J. H., Savage, L. J. (1955). Three Problems in Rationing Capital. The Journal of Business, 28(4), pp. 229–239.


• Ramakrishnan, R. (2007). Supplier selection problem: Integrating DEA with the approaches of total cost of ownership and AHP, Supply Chain Management: An International Journal, 12(4), pp. 258-261.


• Saaty, T. L. (1980). Multi criteria decision making: The analytic hierarchy process. New York: McGraw-Hill.


• Seddigh Raisi, A., Makouyi.A. (2011). Combine multiple criteria Hybrid Model design for six sigma projects selection. Journal of operations research and applications, 8(4), pp. 71-92.


• Tka, C.M., Lyocsa, S. (2009). On the evaluation of six sigma projects. Qualification reliability engineering international, 26(1), pp. 115-124.


• Viskonti, R.M. (2012). Inflation risk management in project finance in vestments. International Journal of finance and accounting, 1(6), pp. 198-207.


• Wanga, Y. (2009). Risk evaluation in failure mode and effects analysis using fuzzy weighted geometric mean.Expert systems with application, 36(2), pp. 1195-1207.


• Wang, Y. M., Liu, J., Elhag, T. (2008). An Integrated AHP–DEA Methodology for Bridge Risk Assessment, Computers an Industrial Engineering, 54(3), pp. 513–525.


• Weingartner, H.M. (1963). Mathematical programing and the analysis of capital budgeting problems. Prentice-Hallpress, englewood.


• Weingartner, H.M. (1966). Critera for programing investment project selection. The Journal of industrial economics, 15(1), pp. 65-76.


• Yescomber, E.R. (2002).Principle of project finance, academic press, Sandiego.


• Zulhabri, L., Torrance. A.J.V. (2006). Efficient risk allocation in project finance: Analysis of litearature review, international conference in the built environment in the 21th century, pp. 13-15.


• Ramanathan, Supplier selection problem: Integrating DEA with the approaches of total cost of ownership and AHP, Supply Chain Management: An International Journal 12/4(2007) 258-261-Emerald Group Publishing Limited.


• Sheng-Hshiung,T.(2002). The evaluation of airline service quality by fuzzy MCDM. Tourism Management, 23, 107-115