23936

توسعه مدل دو مرحله اي تحليل پوششي داده ها براي بنگاه هاي سرمايه گذاري با در نظر گرفتن ماهيت و ساختار داده هاي مالي

دكتري

مهندسي صنايع

1394

1399/11/11

عمران محمدي

سيد جعفر سجادي، علي امروزنژاد

مهندسي صنايع

صندوق هاي سرمايه گذاري يكي از مهم ترين نهاد ها و ساز و كار هاي مفيد سرمايه گذاري در بازار هاي سرمايه هستند. بدين صورت كه منابع مالي را از سرمايه گذاران جمع آوري نموده و در سبد متنوعي از اوراق بهادار هم چون سهام، اوراق قرضه، ابزار هاي كوتاه مدت بازار پول و غيره سرمايه گذاري مي كنند. بر اين اساس، ساختار حاكم بر فعاليت آنها مي تواند به عنوان يك فرآيند دو مرحله اي در نظر گرفته شود. بدين صورت كه مدير در مرحله اول به دنبال جذب سرمايه از سرمايه گذاران است و در مرحله دوم به تشكيل سبد سرمايه مي پردازد. با توجه به اهميت و نقش كليدي صندوق هاي سرمايه گذاري در بازار هاي مالي، لزوم ارزيابي عملكرد آنها با هدف شناسايي صندوق هاي برتر و بهبود صندوق هاي ناكارآمد، امري ضروري است. در اين راستا بايستي به دو نكته بسيار مهم شامل ساختار داخلي صندوق ها و هم چنين عدم قطعيت موجود در داده هاي مالي توجه گردد. زيرا در غير اين صورت نتايج حاصله مي توانند نا معتبر، نادرست و گمراه كننده باشند. از اين رو هدف از رساله پيش رو، ارائه و توسعه رويكرد هاي توانمند و كارآمد به منظور ارزيابي عملكرد بنگاه هاي سرمايه گذاري با قابليت در نظر گرفتن ساختار شبكه اي حاكم بر آنها و پياده سازي در حضور انواع مختلف عدم قطعيت و شرايط زماني داده هاي مالي مي باشد. بدين منظور چهار رويكرد نوين تحليل پوششي داده هاي دو مرحله اي استوار، تحليل پوششي داده هاي دو مرحله اي بازه اي، تحليل پوششي داده هاي دو مرحله اي فازي و تحليل پوششي داده هاي دو مرحله اي پنجره اي مدل سازي و سپس با بهره گيري از داده هاي واقعي بازار سرمايه ايران، هر چهار رويكرد پيشنهادي اجرا و مورد تجزيه وتحليل قرار گرفته اند. نتايج حاصله بيانگر توانمندي و كارآمدي رويكرد هاي پيشنهادي پژوهش به منظور ارزيابي عملكرد، رتبه بندي و طبقه بندي صندوق هاي سرمايه گذاري با در نظر گرفتن ساختار داخلي آنها تحت عدم قطعيت داده ها و دوره هاي زماني مختلف مي باشد.

1400/03/31

Developing Two-Stage Data Envelopment Analysis Model for Investment Firms Considering the Nature and Structure of Financial Data

1/31/2022 12:00:00 AM

Mutual funds (MFs) are one of the most important institutions and useful mechanisms for investing in capital markets. MFs pool money from many investors and invest the money in securities like stocks, bonds, money market instruments, and other assets. Accordingly, the structure of their activities can be considered as a two-stage process that the manager seeks to attract funds from investors in the first stage, and constructs the portfolio in the second stage. Given the importance and key role of MFs in the financial markets, it is necessary to evaluate their performance in order to identify efficient MFs and improve inefficient MFs. In this regard, two very important points should be considered including internal structure of MFs and also the uncertainty in financial data. Because otherwise the results can be invalid, inaccurate and misleading. Accordingly, the purpose of this dissertation is to provide a powerful and efficient approach to evaluate the performance of investment firms with respect to internal structure as well as the types of uncertainty in financial data. For this purpose, four new approaches including robust network data envelopment analysis (RNDEA), interval network data envelopment analysis (INDEA), fuzzy network data envelopment analysis (FNDEA), and window network data envelopment analysis (WNDEA) are modeled and then using the actual data of the Iran capital market, the proposed approaches have been analyzed. Experimental results show that the proposed approaches of research are powerful and effective for performance assessment, ranking and classification of investment funds by considering their internal structure under the uncertainty of data and different time periods.

ارزيابي عملكرد بنگاه هاي سرمايه گذاري , تحليل پوششي داده هاي شبكه اي , ساختار دو مرحله اي , عدم قطعيت داده هاي مالي , بهينه سازي استوار , برنامه ريزي امكاني , تحليل پنجره اي

Investment Firms Performance Assessment , Network Data Envelopment Analysis , Two-Stage Structure , Financial Data Uncertainty , Robust Optimization , Possibilistic Programming , Window Analysis