انتخاب سبد سهام در بورس اوراق بهادار تهران با تلفيق روش تحليل پوششي داده‌ها (DEA) و برنامه ريزي آرماني (GP)

Stock selection of Tehran stock exchange investors with hybrid of data envelopment analysis (DEA) and goal programming (GP)

از مهمترين دغدغه‌هاي سرمايه گذاران در بازارهاي مالي، انتخاب سهم يا سبد سهامي است كه از لحاظ سودآوري بهينه باشد. به همين منظور روش‌هاي زيادي در رابطه با انتخاب سبد سهام معرفي شده‌اند. هدف اين تحقيق تشكيل پورتفوي بهينه، با تلفيق روش تحليل پوششي داده‌ها (DEA) و برنامه‌ريزي آرماني( (GPمي‌باشد. لذا در اين راستا داده‌هاي مربوط به 6 صنعت از بين صنايع بورس اورق بهادار تهران كه در مجموع شامل 250 شركت مي باشند، در فاصله زماني 01/01/1388 الي 29/12/1388 جمع آوري شده، كارايي نسبي شركت‌هاي واقع در هر صنعت محاسبه و كاراترين شركت هاي واقع در هر صنعت تعيين شده، كه در مجموع 48 شركت كارا مشخص گرديد. در مرحله بعد پس از جمع آوري داده‌هاي مربوط به معيار هاي سرمايه گذاري براي شركت هاي كارا، براي تعيين سطح آرماني سرمايه گذاري(?F) از برنامه ريزي خطي كمك گرفته شد، و براي اطمينان از تحقق آرمان هاي با اولويت كمتر، نتايج پس از اندكي تعديل، وارد مدل برنامه ريزي آرماني گرديد. در مرحله آخر با توجه به اولويت ها و آرمان هاي سرمايه گذار و با استفاده از برنامه ريزي آرماني موجبات كمك به اتخاذ تصميم سرمايه گذار فراهم آمد. نتايج بدست آمده نشان دهنده تحقق كامل آرمان هاي (بتا)، (بازدهي)، (Di) و (رتبه نقدشوندگي)، و عدم تحقق كامل آرمان (ريسك) بوده و از طرفي آرمان (Ci) به ميزان 2.27 واحد داراي انحراف مثبت مي باشد، و همچنين از انتخاب پورتفوي متنوع 8 سهمي از بين 250 سهم، حكايت مي كند.

One of the most important concerns of investors in financial market is to select a stock or portfolio which is optimal in profitability. So a lot of methods related to stock selection have been introduced. The purpose of this study is to make optimal portfolio by hybrid of data development analysis (DEA) and goal programming (GP). Therefore the data which is related to 6 industries among Tehran Stock Exchange (250 firms) have been collected from October 2009 March 2010. The ratio efficiency of every industriesʹ firms has been calculated and the most efficient ones selected, and finally 48 efficient firms have been determined. In next phase after collecting data related to the criteria of investing for efficient firms, in order to determine F the linear programming has been used and to ensure the goals attainment with the low priorities, the result has been brought to goal programming model after a little coordination. In final phase investor has decided by considering priorities and his goals and using goal programming. The result show the complete achievement of (Beta), (Return), (Di) and (liquidity) goals and the incomplete achievement of (risk) goal and (Ci) goal has 2.27 units positive derivation and it was made a various portfolio includes 8 stocks among 250 stocks.