تعيين عوامل موثر بر غربال سازي سهام با استفاده از فرايند تحليل شبكه اي

Detection of Effective Factors on Stock Screening Using Analytic Network Process

مديران سرمايه‌گذاري نهادهاي مالي همواره علاقمند به شناسايي شركت‌هاي برتر مي باشند تا با انتخاب آنها در سبد سهام خود، ضمن پوشش ريسك‌هاي محتمل، بازده مناسبي را كسب كنند. به همين منظور در اين مقاله عوامل تاثيرگذار بر غربال‌سازي سهام با استفاده از روش تصميم‌گيري چند-معياره و فرايند تحليل شبكه‌اي ارايه مي گردد. در اين الگو با يك رويكرد جامع نگر بر عملكرد شركت، از 5 معيار اصلي كارايي عملياتي، سودآوري، رشد، ريسك و بازار، متشكل از 21 زير معياره استفاده شده است. پس از مشورت با خبرگان و استفاده از فرايند تحليل شبكه‌اي، وزن و اثر هريك از معيارها در الگوي غربال سهام محاسبه و الگوي نهايي استخراج شد. سپس مدل پيشنهادي براي 10 سهم گروه خودرويي مورد آزمون قرار گرفت و نتايج آن با نتايج الگوي ارايه شده از سوي شركت ايران تحليل از لحاظ سودآوري شركت‌هاي مورد مطالعه در سال آتي مقايسه شد. در نهايت، الگوي پيشنهادي از نتايج بهتري نسبت به الگوي شركت ايران تحليل برخوردار بود. الگوي پيشنهادي غربال سازي يك الگوي بديع در حوزه بازار سرمايه مي باشد كه مي تواند مورد استفاد صندوق‌هاي سرمايه گذاري، شركت‌هاي هلدينگ، كارگزاري ها و ساير نهادهاي مالي قرار گيرد.

Investment managers of financial institutions are favor to identify superior companies to select those in their stock portfolio and hedge probable risks and achieve predetermined return. The main question is how we can sieve companies and basically which companies are superior. Therefore in this thesis we designed a novel sieving model by the use of multi criteria decision making and analytic network process. The model contains of 5 clusters including operating efficiency, profitability, risk, growth and market, which are consist of 21 nodes and sub-criteria that indicate companies performance. After consulting with experts and applying analytic network process technique, sub-criteria reduced to 18 effective criteria and used to score each company. The model ran for 10 active car manufacturing companies in Tehran Stock Exchange (TSE). The consequences of proposed stock sieving model compared with results of Iran Tahlil stock ranking model which is popular in (TSE). It showed on the 95% confidence level, results of two models have weak correlation. To assess validity and performance of each models, we defined profitability index because of stock yield importance for investors, and assessed two models respect to index. Results indicated performance of proposed stock sieving model is greater than Iran Tahlil ranking model.