مدل سرمايه گذاري مناسب در سبد سهام با رويکرد تحليل پوششي داده ها - شبکه عصبي
نویسندگان: نجاريان حديث | اسفنديار محمد | کاظمي مصطفي
کلیدواژه ها: شبکه هاي عصبي مصنوعي | تحليل پوششي داده ها | شرکت هاي سرمايه گذاري | ارزيابي عملکرد
چکیده:
در سال هاي اخير با ورود سرمايه گذاران خصوصي به بازار سرمايه, رقابت موجود بين شرکت هاي سرمايه گذاري افزايش چشمگيري داشته است. شرکت هاي بزرگ و قدرتمند, اهداف پيش بيني شده خود را با جديت پيگيري مي کنند تا توان رقابتي خود را بالا ببرند. براي تجزيه و تحليل کارايي شرکت هاي سرمايه گزاري از روش هاي پارامتريک و نا پارامتريک استفاده مي شود. با توجه به ضعف قدرت تفکيک پذيري و حساسيت مرز کارايي به داده هاي پرت در روش تحليل پوششي داده ها, در اين پژوهش کارايي 31 شرکت هاي سرمايه گذاري در بورس اوراق بهادار تهران با استفاده از مدل هاي تحليل پوششي داده ها و مدل ترکيبي شبکه هاي عصبي و تحليل پوششي داده ها به عنوان دو روش نا پارامتريک, مورد ارزيابي قرار مي گيرند. با استفاده از مدل هاي BCC و CCR تحليل پوششي داده ها کارايي شرکت هاي سرمايه گذاري در بازه زماني 1388-1390محاسبه و نتايج تجزيه و تحليل گرديد. با توجه به ضعف تحليل پوششي داده ها در رتبه بندي واحد هاي کارا, با استفاده از روش اندرسون و پيترسون واحد هاي کارا رتبه بندي شده است. در روش ترکيبي شبکه هاي عصبي و تحليل پوششي داده ها از شبکه پرسپترون چند لايه با الگوريتم آموزش لونبرگ - مارکوآرت (LM) استفاده شده است. مقايسه نتايج مدل ترکيبي با روش تحليل پوششي داده ها نشان دهنده قدرت بالاي شبکه هاي عصبي براي اندازه گيري کارايي مي باشد.
