ارایه مدل جهت بهبود ارزیابی عملکرد تطبیقی شرکت ها با استفاده از شبکه عصبی مصنوعی و تحلیل پوششی داده ها

برای افزایش توان رقابتی، مدیران سازمان ها نیازمند تصمیم گیری بر مبنای اطلاعات درست هستند. یکی از ابزارهایی که به قدرت تحلیل مدیران و در نهایت تصمیم گیری بهتر کمک می کند، تحلیل پوششی داده ها است. این روش مبتنی بر برنامه ریزی خطی است و عملکرد واحدها را مورد سنجش قرار می دهد اما کاستی هایی نیز دارد مانند حساسیت به داده های پرت و عدم قدرت تفکیک پذیری واحدها. برای جبران این کاستی ها ایده ی ادغام آن با شبکه عصبی مصنوعی مطرح می شود. شبکه های عصبی می توانند ابزارهای بهتری را برای غلبه بر کاستی های تحلیل پوششی داده ها ارائه دهند و همچنین جنبه ی پیش بینی به آن بدهند. در این مقاله، مدل ترکیبی از تلفیق یکی از انواع مدل های جمعی تحلیل پوششی داده ها، مدل ram، که وزن ها را بر اساس دامنه تغییرات ورودی و خروجی اختصاص می دهد و از خروجی نامطلوب جلوگیری می کند، با شبکه های عصبی مصنوعی ارائه شده است. بخش مورد مطالعه، صنعت بانک، بیمه و شرکت های سرمایه گذاری فعال در بورس اوراق بهادار تهران است. داده ها برای ده دوره متوالی از سال 1391 الی 1400 از کدال جمع آوری شد و سپس با استفاده از مدل ترکیبی مطرح شده کارایی واحدها در سال 1401 تخمین زده شد و بر اساس آن واحدها رتبه بندی شدند. نتایج نشان داد که مدل ترکیبی، حساسیت به داده های پرت را ندارد و رتبه بندی ارائه شده آن تحلیل قابل اطمینان تری از عملکرد را نشان می دهد.