ارائه مدل ترکیبی DEA-MLP در تشکیل سبدبهینه سهام: بررسی محتوای اطلاعاتی معیارهای حسابداری، معیارهای مبتنی بر ارزش و معیارهای BSC
این هدف می تواند با استفاده از روش ها و الگوریتم های مختلفی صورت پذیرد. هدف پژوهش حاضر تدوین مدل سبد بهینه سهام با استفاده از ترکیب روش های تحلیل پوششی داده ها، الگوریتم حذف دادهای پرت و شبکه های عصبی MLP است. جامعه آماری پژوهش شرکت های پذیرفته شده در بورس اوراق بهادار تهران در بازه زمانی 1386 تا 1396 می باشد. برای تشکیل سبد بهینه سهام از تمام معیارهای موجود دسته بندی شده برای رسیدن به سبد سهام بهینه استفاده گردید. سپس نتایج به دست آمده در رویکردهای مختلف بر اساس معیار نسبت شارپ با هم مقایسه شد. یافته های حاصل از پژوهش حاکی از آن است که استفاده از ترکیب تحلیل پوششی داده ها، الگوریتم حذف دادهای پرت، شبکه های عصبی MLP و معیارهای حسابداری در تهیه سبد بهینه سهام منجر به افزایش نسبت شارپ در مقایسه با سایر رویکردها (ریسک و بازده، مبتنی بر ارزش و ارزیابی متوازن) می شود. به طورکلی به کارگیری هم زمان روش های ترکیبی بهینه سازی و معیارهای جامع استخراج شده از گزارش های حسابداری می تواند سبد سهام بهینه تر و مطلوبیت بیشتر را برای سرمایه گذاران به همراه داشته باشد.
پرداخت حق اشتراک به معنای پذیرش "شرایط خدمات" پایگاه مگیران از سوی شماست.
اگر عضو مگیران هستید:
اگر مقاله ای از شما در مگیران نمایه شده، برای استفاده از اعتبار اهدایی سامانه نویسندگان با ایمیل منتشرشده ثبت نام کنید. ثبت نام
- حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران میشود.
- پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانههای چاپی و دیجیتال را به کاربر نمیدهد.