بهینه سازی سبد سهام با تلفیق تحلیل پوششی داده ها و روش تصمیم گیری هورویتز

مسئله بهینه سازی سبد سهام یکی از جذاب ترین مسائل مالی و سرمایه گذاری است. منظور از بهینه سازی سبد سهام، تعیین شرکت ها و میزان سهمی است که یک سرمایه گذار می تواند خریداری نماید به گونه ای که از منافع سرمایه خود استفاده کرده و از خطرات آن اجتناب نماید. از نقطه نظر ریاضی مدل مارکوویتز مهمترین مدل بهینه-سازی سبد سهام است. علی رغم اهمیت این مدل، می توان آن را به جهت اتکا بر بازده تاریخی، که لزوما منعکس کننده وضعیت واقعی شرکت نیست، مورد انتقاد قرار داد. این پژوهش را می توان از معدود پژوهش هایی طبقه بندی کرد که بازده تاریخی شرکت ها را مبنای تصمیم گیری برای بهینه سازی قرار نمی دهند.
این پژوهش با استفاده از تکنیک تحلیل پوششی داده ها و روش های تصمیم گیری چند معیاره به حل مساله بهینه-سازی می پردازد. در گام اول نسبت های مالی مناسب به عنوان ورودی و خروجی در تحلیل پوششی داده ها به کار گرفته می شوند و پس از آن با استفاده از وزن های بهینه به محاسبه کارایی متقاطع برای هرواحد می پردازد. در ادامه از ماتریس کارایی متقاطع به عنوان یک ماتریس تصمیم، تعبیر شده که براساس آن می توان شرکت ها، را گزینه قلمداد کرد و با معیارهای متعدد مورد ارزیابی قرار داد. بر این مبنا و براساس تفسیری که از کارایی متقاطع ارائه می شود روش های تصمیم گیری بیشینه کمینه، بیشینه بیشینه و هورویتز به عنوان روش بهینه سازی سبد سهام به کار گرفته می شوند و در پایان عملکرد سبد های پیشنهادی با روش های فوق با دو شاخص شارپ و جنسن بررسی می شوند. نتایج پژوهش نشان از موفقیت سبد پیشنهادی روش بیشینه بیشینه و برخی از سبدهای پیشنهادی روش هورویتز نسبت به سبد بازار دارد.