مدلي براي ارزيابي عملكرد شركت‌هاي سرمايه‌گذاري با رويكرد تحليل پوششي داده‌ها و روش تجزيه به مؤلفه‌هاي اصلي

A Model for Performance Assessment of the Investment Companies with Data Envelopment Analysis Approach and Principal Component Segregation Method

ارزيابي عملكرد شركت‌ها، مسئله سهام‌داران فعلي و بالقوه است. بنابراين، پژوهش حاضر، به تبيين مدلي براي ارزيابي عملكرد شركت‌هاي سرمايه‌گذاري با استفاده از روش تحليل پوششي داده‌ها پرداخته است به نحوي كه به وسيله PCA، وابستگي متغيرهاي ورودي و خروجي با تجزيه به عامل‌هاي اصلي از بين برده شود. سؤال اصلي در اين تحقيق به اين صورت مطرح است كه چگونه مي‌توان عملكرد شركت‌هاي سرمايه‌گذاري را ارزيابي كرد؟ به منظور پاسخگويي به اين سؤال، كليۀ شركت‌هاي سرمايه‌گذاري پذيرفته شده در بورس ايران انتخاب شده‌اند و آخرين گزارشهاي سالانه موجود شركت‌هاي سرمايه‌گذاري در سال 1395 مورد تحليل قرار گرفته است. براي طراحي الگوريتم پيشنهادي، از رويكرد تلفيقي DEA-PCA استفاده شد كه نهايتاً منجر به طراحي مدل ارزيابي عملكرد گرديد. نتايج حاصل از اجراي الگوريتم پيشنهادي نشان مي‌دهد كه از مجموع 34 شركت سرمايه گذاري تحت بررسي در سال 1395، فقط 4 شركت با امتياز كارايي يك، كارا مي‌باشند. به عبارت ديگر 12درصد شركت‌هاي سرمايه‌گذاري كارا و 88 درصد ناكارا مي‌باشند كه البته شركت‌هاي كارا به عنوان الگو براي ساير شركت‌ها مي‌باشند.

The corporate performance assessment is a matter for current and potential stockholders. Therefore, the present study aims at explicating a model for performance evaluation of investment companies using the data envelopment analysis method, so that by applying PCA, the dependence between input and output variables is eliminated by decomposing to the main factors. The main question in this study is how to evaluate the performance of investment firms? In order to answer this question, all investment companies accepted in the Iranian stock exchange have been selected and the latest available annual reports of investment companies in year 2016, have been analyzed. To design the proposed algorithm, a DEA-PCA compilation approach was used which ultimately led to the design of a performance evaluation model. The results of the proposed algorithm show that out of 34 investment companies under review in 2016, only 4 companies with a performance score of one, are considered as efficient. In other words, 12% of investment companies are efficient and 88% are inefficient, which, of course, efficient companies are patternmakers for other companies