مقایسه ی رویکردهای سنتی تحلیل پوششی داده ها و ارائه یک الگوریتم جدید به منظور انتخاب سبد سرمایه گذاری و کاربرد آن برای انتخاب سهام شرکت های فعال پذیرفته شده در سازمان بورس اوراق بهادار تهران

نویسنده:
پیام:
چکیده:
انتخاب سبدسهام یکی از مهمترین حوزه های تصمیم گیری سرمایه گذاری محسوب می شود؛ سبدی از سهام که قادر باشد هم زمان بهترین نرخ بازده و ریسک سرمایه گذاری را در پی داشته باشد. البته از دید سرمایه گذاران ممکن است عوامل مختلف دیگری بر تشکیل سبد سهام اثرگذار باشند که باید بکارگرفته شوند. این تعدد عوامل ضرورت استفاده از ابزارهای نوین تصمیم گیری را نشان می دهد. تحلیل پوششی داده ها یکی از این ابزارهاست که امروزه با گسترش علم پژوهش عملیاتی دارای رویکردهای متنوعی می باشد. هدف اصلی از پژوهش جاری، مقایسه ی رویکردهای سنتی تحلیل پوششی داده ها در انتخاب سبد سهام می باشد که نتایج با یک الگوریتم پیشنهادی مقایسه شده است. در مدل های سنتی به طور متعارف نوع بازده به مقیاس با یک فرض ساده کننده به صورت ثابت یا متغیر در نظر گرفته می شود. این امر ممکن است نتایج را با خطاهای مهمی همراه کند. در الگوریتم پیشنهادی ابتدا نوع رفتار بازده به مقیاس با تحلیل های لازمه تعیین شده و سپس مدل مناسب جهت تشخیص کارایی، مورد استفاده قرار می گیرد. در این مقاله از داده های واقعی متعلق به سازمان بورس اوراق بهادار تهران در قالب یک مطالعه موردی استفاده شده و نتایج آن تجزیه و تحلیل شده اند.
زبان:
فارسی
صفحات:
39 تا 48
لینک کوتاه:
magiran.com/p1599024 
دانلود و مطالعه متن این مقاله با یکی از روشهای زیر امکان پذیر است:
اشتراک شخصی
با عضویت و پرداخت آنلاین حق اشتراک یک‌ساله به مبلغ 1,390,000ريال می‌توانید 70 عنوان مطلب دانلود کنید!
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی نامحدود همه کاربران به متن مطالب تهیه نمایند!
توجه!
  • حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران می‌شود.
  • پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانه‌های چاپی و دیجیتال را به کاربر نمی‌دهد.
In order to view content subscription is required

Personal subscription
Subscribe magiran.com for 70 € euros via PayPal and download 70 articles during a year.
Organization subscription
Please contact us to subscribe your university or library for unlimited access!