دانلود ترجمه مقاله افزایش عملکرد سبد سهام با روش تحلیل پوششی داده ها

1. مقدمه 2. بررسی مدل 3. داده ‏ها و روش شناختی 4. نتایج 5. نتیجه ‏گیری

چکیده – این مقاله به بررسی کاربردپذیری روش تحلیل پوشش داده ‏ای به عنوان معیار انتخاب برای سبد سهام می‏پردازد. در حقیقت می‏توان گفت که این اولین کاربرد تحلیل پوشش داده‏ ای برای مشارکت در سرمایه ‏گذاری ترکیبی است که هدف آن یکپارچه ‏سازی مزایای سرمایه‏ گذاری ارزشی و تکانه می‏ باشد. پرتفوهای سه چارک از نمونه سهم‏ های جامع غیرمالی فنلاندی که مبتنی بر امتیازهای کارایی DEA است، تشکیل شده‏ اند، آنها با استفاده از سه متغیر مدل‏ های تحلیل پوشش داده‏ ای محاسبه می ‏گردند (مدل ‏های بازدهی نسبت به مقیاس ثابت، اَبَرکارایی و کارایی عرضی). معمولا عملکرد پرتفوی بر اساس بازده متوسط سرمایه و چندین متریک عملکرد تعدیل شده رسیک در سالهای 1994 و 2010 مورد ارزیابی قرار گرفت. نتایج به دست آمده قابلیت ایجاد ارزش افزوده را برای انتخاب سبد سهام نشان می‏دهند. عملکرد برونی پرتفوی های تحلیل پوشش داده‏ ای سه چارک برتر در مقایسه با پرتفوی مبنا و متوسط سهام بازار از نظر آماری نسبت به سایر معیارهای عملکرد به کار رفته از اهمیت بالایی برخوردار است. عملکرد برونی زمانی دارای اهمیت است که تکانه قیمت سهام در متغیرهای تحلیل پوشش داده‏ ای در نظر گرفته می ‏شود. روش شناسایی به کار رفته، راه ‏حل مناسبی را برای شناسایی سهام‏ های آینده دارای عملکرد برونی در اختیار ما قرار می‏دهد، این فرایند از طریق برآورد تکانه قیمت و ابعاد مختلف ارزش نسبی به طور همزمان صورت می‏گیرد. روش تحلیل پوشش داده ‏ای به عنوان یک روش شناخت چند معیاری از اهمیت بالایی برخوردار است بویژه زمانی که تعداد سهام موجود در نمونه زیاد هستند. پس می‏توان به این نتیجه رسید که این فرایند پیامدهای خوبی را برای مدیریت پرتفوی کاربردی به همراه می‏ آورد.

This paper examines the applicability of data envelopment analysis (DEA) as a basis of selection criteria for equity portfolios. It is the first DEA application for constructing a combined equity investment strategy that aims to integrate the benefits of both value investing and momentum investing. The 3-quantile portfolios are composed of a comprehensive sample of Finnish non-financial stocks based on their DEA efficiency scores that are calculated using three variants of DEA models (the constant returns-to-scale, the super-efficiency, and the cross-efficiency models). The performance of portfolios is evaluated on the basis of the average return and several risk-adjusted performance metrics throughout the 1994–2010 sample period. The results show the capability of the DEA approach to add value to equity portfolio selection. The outperformance of the top 3-quantile DEA portfolios in contrast to both the comparable bottom portfolio and the stock market average is statistically significant on the basis of all performance measures employed. The outperformance is slightly more significant when the stock price momentum is included in the DEA variables. The methodology employed offers an interesting alternative for detecting the outperforming stocks of the future by capturing both the price momentum and several dimensions of relative value simultaneously. DEA is particularly useful as a multicriteria methodology in cases in which the number of stocks in the sample is large. It therefore also has useful implications to practical portfolio management.