مقايسه رتبه‌بندي سهام برتر با استفاده از مدل‌‌هاي تصميم‌گيري چند معياره تاكسونومي و پرومتي

Comparing the superiority of Glomar stock using multi-criteria decision-making models, Taxonomy and PROMETHEE

توزيع منابع بازار سرمايه، در گروي حضور فعالان بازار است و عمدهترين موضوعي كه در بازارهاي مالي با آن مواجه هستيم، تصميمگيري در مورد تخصيص منابع بازار، انتخاب اوراق‌بهادار مناسب براي سرمايه‌گذاري و تشكيل سبدهاي بهينه سهام است. طي سال‌هاي اخير، توسعه تكنيك‌هاي جديد در تحقيق عملياتي و علم مالي، به همراه پيشرفت در علوم كامپيوتر و تكنولوژي منجر به پيدايش مدل‌هاي جديدي از جمله مدلهاي تصميم‌گيري چندمعياره براي انتخاب سبد سهام شده است. به منظور اهداف پژوهش و براساس ديدگاه تجزيه و تحليل بنيادي، جهت رتبه‌بندي سهام از 18 نسبت مالي در 6 گروه سود‌آوري، نقدينگي، فعاليت، اهرمي، ارزش بازار و مالكانه براي 30 شركت بورسي تصادفي طي سال هاي 1390 الي 1396 استفاده شده و با بكارگيري دو روش تصميم‌گيري چندمعياره تاكسونومي و پرومتي، به رتبه‌بندي سهام نمونه و مقايسه نتيجه، پرداخته شده است. نتايج نشان داد رتبه‌بندي حاصل از مدل آنتروپي شانون-پرومتي در مقايسه با مدل تحليل عاملي-تاكسونومي، بازده سهام را بهتر پيش‌بيني كرده است.

The distribution of capital market resources depends on the presence of market participants, and the main issue we are facing is the decision to allocate resources, the selection of suitable securities for investment, and the formation of optimal stock portfolios. The development of new techniques in operational research and financial science, along with advances in computer science and technology, has led to the emergence of models, including multi-criteria decision-making models for selecting stock portfolios. Based on the fundamental analysis of stock valuation, 18 financial ratios in 6 groups of profitability, liquidity, activity, leverage, market value, and ownership were used to evaluate 30 companies during 2011-2017. Two methods, Taxonomy and PROMETHEE, is done to rank the sample shares and compare the result. The results showed that the ranking of the Shannon- PROMETHEE entropy model in comparison with the taxonomic-factor analysis models has a better prediction of stock returns.