توسعه يك مدل تركيبي مبتني بر خوشهبندي و تحليل پوششي دادهها جهت سنجش عملكرد شركتهاي فعال در بورس اوراق بهادار تهران

يكي از چالشهاي پيش روي سرمايهگذاران، شناسايي شركتهايي است كه داراي كارايي بهتر و ريسك سرمايهگذاري كمتري ميباشند. از ملزومات اين تصميم گيري، سنجش درست كارايي شركتها و يا به عبارتي ارزيابي عملكرد واحدها ميباشد. در اين پژوهش با هدف سنجش كارايي شركتهاي عضو فعال در بورس اوراق بهادار تهران، علاوه بر استفاده از نسبتهاي مالي، از دو رويكرد شبكه عصبي و تحليل پوششي دادهها، استفاده شده است. براي اين منظور ابتدا با بررسي ادبيات موضوع 5 نسبت مالي پركاربرد در خصوص سنجش عملكرد شركتهاي حاضر در بورس اوراق بهادار تهران شناسايي گشته و در مرحله دوم 37 شركت فعال در بورس اوراق بهادار توسط تكنيك شبكه عصبي خوشهبندي گرديده و سپس كارايي شركتهاي حاضر در هر خوشه با تكنيك تحليل پوششي دادهها براي بازه زماني سال 1731 مورد ارزيابي قرار گرفتهاند. نتايج اين سنجش، نشان ميدهد كه نمادهاي خپارس و فراور در خوشه اول و نمادهاي كچيني و رانفور در خوشه دوم بيشترين ميزان كارايي را در حالت هاي ورودي، خروجي محور مدل SBM به خود اختصاص دادهاند.