عنوان فارسی |
افزایش عملکرد سبد سهام با استفاده از روش تحلیل پوششی داده ها |
عنوان انگلیسی |
Enhancement of equity portfolio performance using data envelopment analysis |
کلمات کلیدی |
تحلیل پوشش داده ای (DEA)؛ تجزیه و تحلیل سرمایه گذاری؛ عملکرد پرتفوی؛ سرمایه گذاری ارزش؛ سرمایه گذاری تکانه؛ اندازه گیری عملکرد |
درسهای مرتبط |
حسابداری |
تعداد صفحات انگلیسی : 12 | نشریه : ELSEVIER |
سال انتشار : 2012 | تعداد رفرنس مقاله : 68 |
فرمت مقاله انگلیسی : PDF | نوع مقاله : ISI |
آیا این مقاله برای بیس پایان نامه مناسب است؟ : بله | آیا این مقاله برای ارائه کلاسی مناسب است؟ : بله |
وضعیت شکل ها و عنوان شکل ها: شکل ندارد. | وضعیت جداول و عنوان جداول : ترجمه شده است. |
وضعیت تایپ فرمول ها : تایپ شده است | نام مجله مقاله : European Journal of Operational Research (مجله اروپایی تحقیق در عملیات) |
تعداد صفحات ترجمه تایپ شده با فرمت ورد با قابلیت ویرایش : 23 صفحه با فونت ۱۴ B Nazanin | آیا در بسته تبلیغات سایت نیز قرار داده شده است؟: محتوی بسته این محصول فاقد هر گونه تبلیغات می باشد. |
پاورپوینت : ندارد | گزارشکار : ندارد | شبیه سازی : ندارد |
سطح کیفیت ترجمه و ضمانت فراپیپر برای این مقاله چگونه است؟ |
ترجمه دارای وضعیت طلایی بوده و تا 24 ساعت در صورت عدم رضایت مشتری مبلغ مورد نظر عودت داده خواهد شد. |
بعد از خرید این محصول یک فایل برای شما قابل دانلود خواهد بود که دارای ورد (word) ترجمه مقاله است که قابل ویرایش است و همچنین pdf ترجمه مقاله به همراه pdf مقاله انگلیسی برای شما قابل مشاهده خواهد بود. در فایل های دانلود هیچگونه تبلیغاتی وجود ندارد و شما با خیال راحت میتوانید از ترجمه مقاله استفاده کنید.
1. مقدمه
2. بررسی مدل
3. داده ها و روش شناختی
4. نتایج
5. نتیجه گیری
نتیجه گیری:
در این مقاله به بررسی کاربردپذیری روش تحلیل پوشش داده ای به عنوان پایه ای برای معیار انتخاب سهام پرداخته میشود. در تحقیقات ما این اولین مرتبه است که از روش تحلیل پوشش داده ای برای ترکیب شاخص های تکانه و ارزشی بر اساس امتیاز کارایی استفاده میگردد. با استفاده از داده های نمونه فنلاند در طی دوره های مالی 1994 تا 2010، پرتفوی های سه چارک سهام غیرمالی برپایه امتیازات کارایی تحلیل پوشش داده ای تشکیل خواهند شد. عملکرد هر یک از پرتفوی ها بر اساس سری های زمانی انباشته شده بازده های ماهانه در سرتاسر یک دوره 16 ساله ارزیابی میگردد. نتایج بدست آمده نشان می دهند که امتیازات کارایی تحلیل پوشش داده ای یک معیار سودمندی را برای انتخاب سبد سهام فراهم می نماید. پرتفوی های صدک برتر تحلیل پوشش داده ای ( یعنی پرتفوی های برنده/ ارزش و متغیر ارزش به تنهایی) بر عملکرد پرتفوی های صدک مبنا (یعنی فرینده به تنهایی/ فریبنده - بازنده) و پرتفوی بازار بر اساس تمامی متریک های عملکرد به کار رفته تاثیر می گذارد. عملکرد برونی زمانی بهبود خواهد یافت که تکانه قیمت سهام در متغیرهای تحلیل پوشش داده ای در نظر گرفته می شود. بر اساس نتایج به دست آمده، به نظر میرسد روش تحلیل پوشش داده ای روش انتخابی خوبی را برای تشکیل پرتفوی فراهم کند زیرا بیشتر معیارهای به کار رفته می توانند سهام ها را به گونه ای طبقه بندی کنند که نه تنها پرتفوی های صدک برتر بر پرتفوی بازار و صدک مبنا تاثیر میگذارند بلکه پرتفوی های صدک میانی نیز قادر خواهند بود بر عملکرد پرتفوی صدک مبنا تاثیر شایانی بر جای بگذارند. در تحقیقات ما چنین اختلافات عملکردی قوی گزارش نشده است در حالیکه در مطالعات قبلی از روش سه چارک تقسیم سهام به پرتفوی استفاده گردید. همانند تحقیقات قبلی، استفاده از داده های دوره نمونه کامل در دوره های خوشبینانه و بدبینانه نشان می دهد که زیان پرتفوی های تحلیل پوشش داده ای صدک برتر به مراتب کمتر از ارزش آنها در طول شرایط بدبینانه می باشد. این فرایند در مورد پرتفوی های مبنا صدق نمیکند. در این مقاله ما چندین پیشنهاد برای تحقیق در آینده ارائه می نماییم. نتایج ما نشان میدهند که استفاده از معیار تشکیل پرتفوی در روش تحلیل پوشش داده ای بر روی عملکرد پرتفوی های سه چارک تاثیر حاشیه ای می گذارد. در این مقاله توضیح داده میشود که آیا سیستم ارزش گذاری به کار رفته در تحلیل پوششی داده ای میتواند محتوا و عملکرد نسبی پرتفوی های چارک را در مقایسه با پرتفوی های کپی سازی شده بر پایه سایر روش شناختی های چند معیاری تغییر دهد (برای اطلاعات بیشتر به تحقیقات بن عبدالعزیز (2207) و معرفی چنین روش شناختی مراجعه کنید). علاوه بر آن اندازه نمونه در تحقیقات ما علیرغم جامع بودن آن از دیدگاه بازار سهام محلی چندان بزرگ نیست. بنابراین، روش های تحلیل پوشش داده ای به کار رفته در این تحقیق را میتوان در سایر بازارهای سهام بزرگ استفاده نمود. همانطور که قبلا گفتیم این امر برای بررسی اینکه چه میزان از نتایج ما قابل تعمیم هستند، صورت میگیرد. علاوه بر آن برای شناسایی مجموعه متغیرهایی که منجر به ایجاد عملکرد بهتر در هرکدام از بازارهای سهام می شوند، میتوان از چندین ترکیب و متغیر ورودی و خروجی استفاده کرد.
Conclusions:
This paper examines the applicability of DEA as a basis for stock selection criteria. To our best knowledge, this is the first time when the DEA approach is employed for combining value and momentum indicators into a single efficiency score. Using the Finnish sample data over the 1994–2010 period 3-quantile portfolios of non-financial stocks are formed on the basis of their DEA efficiency scores. The performance of each portfolio is evaluated on the basis of stacked time-series of monthly returns throughout the 16-year period. The results show that the DEA efficiency scores provide a useful basis for equity portfolio selection. The DEA top-quantile portfolios (i.e. value- only/value-winner portfolios) significantly outperform both the comparable bottom-quantile (i.e. glamour-only/glamour-loser) portfolios and the market portfolio based on all the performance metrics employed. The outperformance improves slightly when stock price momentum is included in the DEA variables. Based on the results, DEA seems to provide a highly selective approach to portfolio formation, since most of the criteria employed are capable of classifying stocks in such a way that not only do the top-quantile portfolios outperform both the market portfolio and the corresponding bottom-quantile portfolios, but also the middlequantile portfolios outperform the comparable bottom-quantile portfolios. To our knowledge, such strong performance differences have not been reported in earlier peer-reviewed studies that have employed the comparable 3-quantile approach of dividing stocks into portfolios. Consistently with the previous literature, the division of the full sample period into bullish and bearish periods reveals that the top-quantile DEA portfolios lose far less of their value during the bearish conditions than do the corresponding bottom portfolios. This paper suggests several potential extensions for further research; our results show that basing the portfolio formation-criterion on different DEA methods has only a marginal impact on performance of comparable 3-quantile portfolios. In the light of this finding, it would be interesting in forthcoming studies to examine whether the weighting system employed in DEA would change the contents and the relative performance of quantile portfolios in comparison to counterpart portfolios formed on the basis of other multicriteria methodologies (e.g., see Ben Abdelaziz et al. (2007) for the introduction of such a methodology). Furthermore, the size of the sample in our study is not large in spite of its comprehensiveness from the local stock market aspect. Thus, the DEA methods employed in this paper could be applied to other larger stock markets to examine to what extent our results are generalizable. Furthermore, several combinations and permutations of input and output variables could be tested to find the set of variables that leads to the best performance in each stock market.
نقد و بررسیها
هنوز بررسیای ثبت نشده است.