بهینه سازی سبد سهام با تلفیق تحلیل پوششی داده‌ها و روش تصمیم‌گیری هورویتز

مسئله بهینه‌سازی سبد سهام یکی از جذاب‌ترین مسائل مالی و سرمایه‌گذاری است. منظور از بهینه‌سازی سبد سهام، تعیین شرکت‌ها و میزان سهمی است که یک سرمایه‌گذار می‌تواند خریداری نماید به گونه‌ای که از منافع سرمایه خود استفاده کرده و از خطرات آن اجتناب نماید. از نقطه‌نظر ریاضی مدل مارکوویتز مهمترین مدل بهینهسازی سبد سهام است. علی‌رغم اهمیت این مدل، می‌توان آن را به جهت اتکا بر بازده تاریخی، که لزوما منعکس‌کننده وضعیت واقعی شرکت نیست، مورد انتقاد قرار داد. این پژوهش را می‌توان از معدود پژوهش‌هایی طبقه بندی کرد که بازده تاریخی شرکت‌ها را مبنای تصمیم‌گیری برای بهینه‌سازی قرار نمی‌دهند. این پژوهش با استفاده از تکنیک تحلیل پوششی داده‌ها و روش‌های تصمیم‌گیری چند معیاره به حل مساله بهینهسازی می‌پردازد. در گام اول نسبت‌های مالی مناسب به‌عنوان ورودی و خروجی در تحلیل پوششی داده‌ها به‌کار گرفته می‌شوند و پس از آن با استفاده از وزن‌های بهینه به محاسبه کارایی متقاطع برای هرواحد می‌پردازد. در ادامه از ماتریس کارایی متقاطع به‌عنوان یک ماتریس تصمیم، تعبیر شده که براساس آن می‌توان شرکت‌ها، را گزینه قلمداد کرد و با معیارهای متعدد مورد ارزیابی قرار داد. بر این مبنا و براساس تفسیری که از کارایی متقاطع ارائه می‌شود روش‌های تصمیم‌گیری بیشینه کمینه، بیشینه بیشینه و هورویتز به‌عنوان روش بهینه‌سازی سبد سهام به کار گرفته می‌شوند و در پایان عملکرد سبد‌های پیشنهادی با روش‌های فوق با دو شاخص شارپ و جنسن بررسی می‌شوند. نتایج پژوهش نشان از موفقیت سبد پیشنهادی روش بیشینه بیشینه و برخی از سبدهای پیشنهادی روش هورویتز نسبت به سبد بازار دارد.