توسعه یک مدل ترکیبی مبتنی بر خوشه بندی و تحلیل پوششی داده ها جهت سنجش عملکرد شرکت های فعال در بورس اوراق بهادار تهران

یکی از چالش های پیش روی سرمایه گذاران، شناسایی شرکت هایی است که دارای کارایی بهتر و ریسک سرمایه گذاری کمتری می باشند. از ملزومات این تصمیم گیری، سنجش درست کارایی شرکت ها و یا به عبارتی ارزیابی عملکرد واحدها می باشد. در این پژوهش با هدف سنجش کارایی شرکت های عضو فعال در بورس اوراق بهادار تهران، علاوه براستفاده از نسبت های مالی، از دو رویکرد شبکه عصبی و تحلیل پوششی داده ها، استفاده شده است. برای این منظور ابتدا با بررسی ادبیات موضوع 5 نسبت مالی پرکاربرد در خصوص سنجش عملکرد شرکت های حاضر در بورس اوراق بهادار تهران شناسایی گشته و در مرحله دوم 37 شرکت فعال در بورس اوراق بهادار توسط تکنیک شبکه عصبیخوشه بندی گردیده و سپس کارایی شرکت های حاضر در هر خوشه با تکنیک تحلیل پوششی داده ها برای بازه زمانی سال 1731 مورد ارزیابی قرار گرفته اند. نتایج این سنجش، نشان می دهد که نمادهای خپارس و فراور در خوشه اول و نمادهای کچینی و رانفور در خوشه دوم بیشترین میزان کارایی را در حالت های ورودی، خروجی محور مدل SBM به خود اختصاص داده اند.

Keywords:

کارایی , نسبت های مالی , خوشه بندی , تحلیل پوششی داده ها , برنامه ریزی آرمانی , شرکت های فعال در بورس اوراق بهادار تهران