روش های اصلاح نمونه کارها سهام

1 گروه ریاضیات ، دانشگاه سردار پاتل ، Vallabh Vidyanagar ، هند

2 G H کالج مهندسی و فناوری پاتل ، Vallabh Vidyanagar ، هند

کپی رایت © 2015 توسط نویسندگان و انتشارات تحقیقات علمی شرکت

این کار تحت مجوز بین المللی Creative Commons Attribution (CC توسط) مجاز است.

13 آگوست 2015 دریافت کرد ؛1 نوامبر 2015 پذیرفته شد ؛منتشر شده 4 نوامبر 2015

An investor would like to build a balanced portfolio with stocks representing different sectors. Several researchers have attempted the portfolio selection problem by different methods. Many of these methods consider companies of different sectors together. However, it can be argued that the attributes affecting the company’s growth vary for different sectors. Therefore, it is advisable to compare a company with the companies of the same sector. There are many options for the selection of a stock from a particular sector. A stock ranking method is proposed by using MADM methods based on overall performance under a stochastic environment. Of many MADM methods, SAW, AHP, TOPSIS, and VIKOR are applied. Usually, Euclidean distances (2-norm) are considered in the implementation of TOPSIS and VIKOR methods. In this work, this norm is generalized to p-norm, where p>1. این مدل برای 13 شرکت در بخش فناوری اطلاعات (IT) ذکر شده در بورس ملی هند و 13 معیار به عنوان شاخص های عملکرد یک شرکت آزمایش شده است. یک سیستم GUI MATLAB ایجاد شده است و نتایج برای چندین مقدار P در مورد روش های TOPSIS و ویکور علاوه بر روش های دیگر به دست می آید. همانطور که نتیجه نشان می دهد ، سفارش زیاد تحت تأثیر مقادیر مختلف P در محدوده خاص قرار نمی گیرد. علاوه بر این ، مقادیر بالاتر P تأثیر منفی بر سفارش دارد. مدل پیشنهادی قادر است در مقایسه با همسالان خود اطلاعات بهتری در مورد عملکرد کلی یک سهام خاص ارائه دهد. نتایج به دست آمده توسط روشهای مختلف به وضوح شرکتهای خوب را از شرکتهای فرومایه جدا می کنند ، هرچند که سفارش دقیق کمی متفاوت است.

کلید واژه ها:

رتبه بندی سهام ، روش های MADM ، نسبت های مالی ، روش P-topsis ، روش P-Vikor

امروزه به دلیل پیچیدگی و تنوع درگیر در سرمایه گذاری ، ارزیابی و رتبه بندی شرکت ها مسئله مهمی است. لازم است روشی برای شناسایی شرکتهای کارآمد و برتر ترویج شود. رتبه بندی سهام شرکتهای کارآمد را از شرکتهای غیر کارآمد متمایز می کند. به منظور بهینه سازی بازده ، فرایند انتخاب مؤثر سهام برای سرمایه گذاری های نمونه کارها یکی از مهمترین فرآیندهای تصمیم گیری در بازارهای سرمایه رقابتی است. چندین محقق با دیدگاه های مختلف این مشکل را بررسی کرده اند.

Quah (2008) متدولوژی هایی را برای انتخاب سهام بر اساس مدلهای رایانه ای نرم ارائه داد که بر استفاده از تجزیه و تحلیل اساسی برای غربالگری سهام متمرکز شده و عملکرد سه مدل رایانه ای را مقایسه می کند [1]. روشهای مورد استفاده عبارتند از: درک چند لایه (MLP) ، سیستم های استنتاج عصبی-فازی سازگار (ANFIS) و عملکرد پایه شعاعی رشد و هرس (GGAP-RBF).

Fatma Tiryaki و Beyza Ahlatcioglu (2009) از AHP فازی برای مشکل انتخاب نمونه کارها استفاده کردند [2]. نویسندگان سلسله مراتبی از عوامل با اهداف بیرونی ، ذاتی و سرمایه گذار را در سطح بالا در نظر گرفتند. عوامل بیرونی از عوامل اقتصادی ، سیاسی و فناوری تشکیل شده است. سودآوری ، اندازه و فناوری عوامل ذاتی هستند. سودآوری ، امنیت ، هیجان و کنترل به طور کلی اهداف سرمایه گذار است. Naser Jamshidi و Mahmood Ramshini (2014) با استفاده از رویکردهای ترکیبی از FAHP-TOPSIS و FAHP-DEA ، رتبه بندی شرکت های خودرو و پتروشیمی را کسب کرده اند [3]. حسن دینکر (2015) یک مدل انتخاب سهام مبتنی بر سود را با استفاده از روشهای فازی AHP و Moora (بهینه سازی چند هدف با تجزیه و تحلیل نسبت) ارائه داد و آن را در سهام بانکی ذکر شده در بورس ، بورس سهام استانبول اعمال کرد [4]. مجید مورادی و حسین جاناتیفر (2014) چارچوبی را بر اساس رویکرد تصمیم گیری چند معیار فازی (FMCDM) برای رتبه بندی شرکت های شرکت های خودرو که در بورس اوراق بهادار با استفاده از نسبت های مالی ذکر شده اند ، پیشنهاد کرده اند. این رویکرد به روش TOPSIS متکی است.

Sevastjanov Pavel و Dymova Ludmila (2009) روش جدیدی را برای غربالگری سهام با استفاده از تصمیم گیری و بهینه سازی معیارهای متعدد پیشنهاد کردند [6]. این روش شاخص های مالی و موفقیت بازار یک شرکت را در نظر می گیرد. این سهام را با همبستگی زیادی بین این دو انتخاب می کند. با این حال ، اگر قیمت سهام نیز به عنوان یکی از ویژگی هایی با وزن بالاتر در مقایسه با سایر ویژگی ها در نظر گرفته شود ، پیچیدگی کاهش می یابد. Kao-Yi Shen ، Min-ren Yan و Gwo-Hshiung Tzeng (2014) یک روش MADM را برای حل سهام زرق و برق (سرمایه گذاری و رشد ارزش) بر اساس تجزیه و تحلیل اساسی ارائه داده اند [7]. این روش ترکیبی از روش ویکور و DANP (فرآیند شبکه تحلیلی تصمیم گیری) است.

Ricardo Giglio و Sergio da Silva (2009) رتبه بندی سهام ذکر شده در بورس بووپا را با توجه به راندمان نسبی آنها بر اساس تئوری پیچیدگی الگوریتمی پیشنهاد داده اند [8]. این هیچ یک از نسبت های مالی را در رتبه بندی سهام در نظر نمی گیرد. Pinpo Maikaew و Patcharapo Yanpirat (2012) مدل رتبه بندی سهام معیارهای متعدد را پیشنهاد کرده و آن را بر روی سهام ذکر شده در بورس اوراق بهادار تایلند (SET 100) با استفاده از روش TOPSIS آزمایش کرده اند [9].

نمونه کارها کارآمد فقط می تواند ساخته شود که سهام موجود در نمونه کارها ترکیبی مناسب را تشکیل دهند. بنابراین ، انتخاب بهترین سهام در بین موجودات موجود در همان صنعت بسیار مهم است. بر این اساس ، نیاز به یک مطالعه برای ارائه مکانیسمی برای ارزیابی عملکرد وجود دارد. در این مقاله قصد دارد یک روش تصمیم گیری را برای اختصاص رتبه ها به شرکت ها (گزینه های دیگر) بر اساس چندین پارامتر مالی و غیر مالی (کمی و کیفی) (ویژگی ها) که بر عملکرد شرکت تأثیر می گذارد ، تهیه کند. با توجه به تنظیم کننده SEBI (هیئت اوراق بهادار و بورس هند) سرمایه گذاران می توانند به تمام اطلاعات و داده های شرکت های ذکر شده دسترسی پیدا کنند. تمام داده های در نظر گرفته شده در این مقاله در www. nseindia. com در دسترس است.< SPAN> نمونه کارها کارآمد فقط می تواند ساخته شود که سهام موجود در نمونه کارها ترکیبی مناسب را تشکیل دهند. بنابراین ، انتخاب بهترین سهام در بین موجودات موجود در همان صنعت بسیار مهم است. بر این اساس ، نیاز به یک مطالعه برای ارائه مکانیسمی برای ارزیابی عملکرد وجود دارد. در این مقاله قصد دارد یک روش تصمیم گیری را برای اختصاص رتبه ها به شرکت ها (گزینه های دیگر) بر اساس چندین پارامتر مالی و غیر مالی (کمی و کیفی) (ویژگی ها) که بر عملکرد شرکت تأثیر می گذارد ، تهیه کند. با توجه به تنظیم کننده SEBI (هیئت اوراق بهادار و بورس هند) سرمایه گذاران می توانند به تمام اطلاعات و داده های شرکت های ذکر شده دسترسی پیدا کنند. تمام داده های در نظر گرفته شده در این مقاله در www. nseindia. com در دسترس است. نمونه کارها کارآمد فقط می تواند ساخته شود که سهام موجود در نمونه کارها یک ترکیب مناسب را تشکیل دهند. بنابراین ، انتخاب بهترین سهام در بین موجودات موجود در همان صنعت بسیار مهم است. بر این اساس ، نیاز به یک مطالعه برای ارائه مکانیسمی برای ارزیابی عملکرد وجود دارد. در این مقاله قصد دارد یک روش تصمیم گیری را برای اختصاص رتبه ها به شرکت ها (گزینه های دیگر) بر اساس چندین پارامتر مالی و غیر مالی (کمی و کیفی) (ویژگی ها) که بر عملکرد شرکت تأثیر می گذارد ، تهیه کند. با توجه به تنظیم کننده SEBI (هیئت اوراق بهادار و بورس هند) سرمایه گذاران می توانند به تمام اطلاعات و داده های شرکت های ذکر شده دسترسی پیدا کنند. تمام داده های در نظر گرفته شده در این مقاله در www. nseindia. com در دسترس است.

سه نوع تجزیه و تحلیل ، یعنی تجزیه و تحلیل فنی ، تجزیه و تحلیل از پایین به بالا و تجزیه و تحلیل اجتماعی به ما کمک می کند تا درک کنیم که این شرکت در بین همسالان خود قرار دارد. قیمت سهام در صورت عدم رعایت شایعات یا گمانه زنی ها ، شاخص خوبی برای سلامت مالی یک شرکت است. حدس و گمان در قیمت سهام با ارزش بتا اندازه گیری می شود. این نشانگر انحراف استاندارد سهام یا نوسانات است. برای یک تحلیلگر فنی ، این نوسانات ارزش دارد زیرا معامله گران سهام با بتا بالا را ترجیح می دهند. اما برای اهداف سرمایه گذاری ، اصول یک شرکت ، یعنی تجزیه و تحلیل از پایین به بالا و اجتماعی ، باید در نظر گرفته شود. کار حاضر به انتخاب سهام برای هدف سرمایه گذاری می پردازد. بنابراین ، در این کار ، مقادیر بالاتر بتا با دادن وزن کمتری از آن دلسرد می شود. اصولاً ، درآمد سهام را درآورد. چندین نسبت مالی ، مانند کل درآمد ، سود خالص ، حاشیه سود عملیاتی ، حاشیه سود خالص ، برای اندازه گیری درآمد مفید است. سرمایه گذاران می توانند این نسبت های مالی یک شرکت را با سایر شرکت ها در همان بخش مقایسه کنند. سود سهام و پاداش پاداش شرکت ها به سهامداران خود برای نگه داشتن سهام خود است. وارن بافت ترجیح می دهد سهام یک شرکت را بر اساس ارزش ذاتی خود خریداری یا بفروشد. ارزش خالص و بازده ارزش خالص شاخص های ارزش ذاتی یک شرکت است. هلدینگ مروج و Holding FII + DII به ترتیب اعتماد به نفس مروج و سرمایه گذاران با ارزش خالص بالا را منعکس می کند. قابلیت اطمینان یک ویژگی کیفی ، تا حدی ذهنی نیز در فرآیند انتخاب است. این بر اساس ارزش برند محصولات و/یا خدمات ارائه شده توسط شرکت و همچنین کیفیت مدیریت است. تأثیرات برخی از ویژگی ها مانند ارزش کتاب سهام ، درآمد هر سهم در ویژگی ها ، یعنی ارزش خالص و سود خالص به ترتیب منعکس می شود. بنابراین ، آنها لازم نیست که جداگانه به عنوان ویژگی در نظر گرفته شوند.

روش پیشنهادی با در نظر گرفتن داده ها برای 13 شرکت فناوری اطلاعات هند برای پنج سال گذشته تأیید می شود [NSE]. شرکت های در نظر گرفته شده TCS ، HCL Tech ، Wipro ، سیستم های مداوم ، Mphasis ، Hexaware ، Vakrangee ، Infosys ، KPIT Tech ، Zensar Tech ، Niit Tech ، Sonata Software ، Mastek ، به این ترتیب. نتایج به دست آمده با نظرات کلی سرمایه گذاران آگاه مطابقت دارد. از آنجا که نوسانات ارز بر هر شرکت از بخش فناوری اطلاعات تأثیر می گذارد و تأثیر آن در تعداد سود خالص ظاهر می شود ، به عنوان یک ویژگی جداگانه در نظر گرفته نمی شود. داده های مورد استفاده برای هلدینگ مروج و Holding FII + DII و همچنین جایزه باید اخیر باشد. با این حال ، نوسانات در بقیه داده ها با استفاده از میانگین پنج سال از این داده ها صاف می شود. قابلیت اطمینان در مقیاس 1 تا 9 به یک مقدار اختصاص داده می شود ، هرچه تعداد آن کوچکتر باشد ، قابلیت اطمینان کمتر می شود.

MADM رویکردی است که برای حل مشکلات مربوط به انتخاب از بین تعداد محدودی از گزینه های دیگر استفاده می شود. کاربردهای بی شماری از این روشها در علوم مدیریت ، اقتصاد ، روانپزشکی ، تحقیقات بازاریابی ، آمار کاربردی ، نظریه تصمیم گیری و موارد دیگر وجود دارد که نام آنها چند مورد است. از بسیاری از روشهای MADM ، چهار روش متداول در این کار در نظر گرفته شده است.

1) روش وزن افزودنی ساده (SAW) ؛

2) روش فرآیند سلسله مراتب تحلیلی (AHP) ؛

3) تکنیک ترجیح سفارش با شباهت به راه حل ایده آل (TOPSIS) ؛

4) روش رتبه بندی سازش (یا visekriterijumskokompromisnorangiranje―vikor).

در روش TOPSIS ، مسافت ها به عنوان P-norms تعمیم می یابد. در روش ویکور نیز ، به طور کلی محققان مقدار P را به عنوان 1 برطرف می کنند. در هر دو مورد ، مقادیر P در محدوده [1 ، ∞] مورد آزمایش قرار می گیرند و اثرات آنها مورد بررسی قرار می گیرد. از روش منتقد برای یافتن بردار وزن در روش TOPSIS استفاده می شود و روش EigenValue در روش AHP استفاده می شود. سیستم GUI توسعه یافته شامل تمام روشهای فوق است و طبق انتخاب روش کاربر ، رتبه ها را به شرکت ها اختصاص می دهد.

به بهترین دانش ما ، اولین گزارش در مورد استفاده از روش های MADM برای رتبه بندی سهام هند است.

در سال 1947 ، کتابی "تئوری بازی ها و بهاویور اقتصادی" منتشر شده توسط فون نویمان و مورگنسترن در را برای چند روش تصمیم گیری ویژگی (MADM) باز کرد [10]. در سال 1957 این Churchman ، Ackoff و Aoff بودند که برای اولین بار به دلیل انتخاب سیاست سرمایه گذاری در تجارت با استفاده از روش وزن افزودنی ساده (SAW) با MADM رفتار کردند [11]. روشهای MADM به طور کلی گسسته هستند و تعداد محدودی از پیش تعیین شده از پیش تعیین شده. یک روش MADM نحوه پردازش اطلاعات ویژگی را برای رسیدن به یک انتخاب مشخص می کند. هر جدول تصمیم گیری (همچنین به نام ماتریس تصمیم گیری) در روشهای MADM دارای چهار قسمت اصلی است ، یعنی: 1) گزینه ها ، 2) ویژگی ها ، 3) وزن یا اهمیت نسبی هر ویژگی ، و 4) اقدامات عملکرد گزینه های دیگر با توجه به ویژگی هابشرماتریس تصمیم در جدول 1 نشان داده شده است.

2. 1روش اره

روش ساده وزن افزودنی (SAW) احتمالاً بهترین روش شناخته شده و گسترده برای MADM است. در اینجا به هر ویژگی وزنی داده می شود ، و مجموع کل وزن ها باید برابر با 1 باشد. هر گزینه با توجه به هر ویژگی ارزیابی می شود. نمره عملکرد کامپوزیت که رتبه بندی را تعیین می کند توسط

رتبه بندی های ترجیحی عادی از جایگزین با توجه به معیار ، که توسط ، برای سودمند و غیر مشارکت ، برای آن ارائه شده است.

2. 2روش AHP

فرآیند سلسله مراتب تحلیلی (AHP) یک تکنیک ساختاری برای سازماندهی و تجزیه و تحلیل تصمیمات پیچیده ، مبتنی بر ریاضیات و روانشناسی است. این توسط توماس ال سیتی در دهه 1970 ساخته شده است [12] [13]. این روش ابتدا با اختصاص شدت اهمیت در مقیاس 1 (با اهمیت برابر) به 9 (اهمیت شدید) ، ویژگی های جفت را با هم مقایسه می کند. با بیان عناصر n به عنوان و اولویت نسبی با توجه به ، ماتریس سفارش n می تواند تشکیل شود ، به نام ماتریس متقابل ، جایی

عناصر N باید مجموعه ای از وزن های عددی را اختصاص دهند که اجازه می دهد عناصر متنوعی با روشی منطقی با یکدیگر مقایسه شوند. در حالت ایده آل ، رابطه بین وزن

و توسط

ماتریس اگر عناصر آن گذرا باشند یعنی برای همه من ، j ، k سازگار است. برای یک ماتریس متقابل ،با برابری اگر و فقط اگر سازگار باشد ، حداکثر ei- کجاست

genvalue از. شاخص قوام (CI) مقدار است. شاخص تصادفی (RI) به عنوان av- تعریف شده است

ERAGE CI از تعداد زیادی از ماتریس های متقابل تولید شده به طور تصادفی محاسبه می شود. نسبت ثبات (CR)

از یک ماتریس متقابل همانطور که توسط T. Satty در سال 1990 تعریف شده است. معمولاً ، CR 0. 1 یا کمتر در نظر گرفته می شود

قابل قبول است ، و این نشان دهنده داوری آگاهانه است که به دانش تحلیلگر در مورد مسئله مورد مطالعه مربوط می شود. J. Alonso و M. Lamata معادله ای را به دست آوردند که در آن ، به عنوان یک معیار جایگزین برای تأیید شرایط با در نظر گرفتن میانگین 500000 ماتریس متقابل به طور تصادفی تولید می شود [14].

2. 3روش P-topsis

تکنیک ترتیب اولویت با شباهت به راه حل ایده آل (TOPSIS) یک روش تجزیه و تحلیل تصمیم چند معیار است که در ابتدا توسط هوانگ و یون در سال 1981 با پیشرفت های بیشتر توسط یون در سال 1987 ساخته شد ، و هوانگ ، لای و لیو در سال 1993 [[15] [16]. مفهوم اصلی این روش این است که جایگزین انتخاب شده باید کوتاهترین فاصله را از راه حل ایده آل و دورترین فاصله از راه حل منفی (ضد IDeal) به معنای هندسی داشته باشد.

به عنوان یک تصویر ، شکل 1 پنج گزینه دیگر ، A ، B ، C ، D و E را با دو معیار نشان می دهد. همچنین نقاط ایده آل و ضد ایده آل را نشان می دهد. بدیهی است ، در صورت فاصله معمول اقلیدسی (P = 2) با وزن برابر ، نقطه C نزدیکترین به ایده آل است و D طولانی ترین است. این روش را می توان به شرح زیر بیان کرد.

1) بگذارید ماتریس تصمیم باشد و عادی سازی آن باشد.

2) ماتریس تصمیم عادی وزنی را بسازید.

3) راه حل های ایده آل و منفی را تعیین کنید.

اجازه داد

شکل 1 . نقاط ایده آل و ضد ایده آل.

بدترین گزینه و بهترین گزینه را در زیر تعیین کنید:

4) روش TOPSIS با در نظر گرفتن L 2-NORM اقدامات جداسازی را ارزیابی می کند. یکی از مشارکتها در این مقاله تعریف اقدامات جداسازی عمومی با استفاده از L P-NORM با معیارهای فاصله واقعی و بررسی تأثیر آن در رتبه بندی است.

(1)

(2)

همچنین ، برای ، اقدامات جداسازی با L_¥-نمی به عنوان تعریف شده است

(3)

(4)

5) نزدیکی نسبی به راه حل ایده آل ، که برای رتبه بندی گزینه ها استفاده می شود ، همانطور که در فرمول محاسبه می شود

(5)

به وضوح، . گزینه های دیگر را با توجه به ارزش. در این مقاله ، روش پیشنهادی به عنوان P-topsis گفته می شود.

همچنین تلاش شده است تا این روش را با استفاده از فواصل وزنی اقلیدسی ، به جای ایجاد یک ماتریس تصمیم وزنی ، که به عنوان روش اصلاح شده Topsis گفته می شود ، توسط دنگ و همکاران اصلاح کنیم.(2000) [17]. در این مقاله ، هر سه روش ، یعنی TOPSIS ، TOPSIS اصلاح شده و P-TOPSIS ، اجرا می شوند.

2. 4روش P-Vikor

روش ویکور برای بهینه سازی چند معیار سیستم های پیچیده تهیه شده است. این در ابتدا توسط Serafim Opricovic برای حل مشکلات تصمیم گیری با معیارهای متناقض و غیرقابل انکار (واحدهای مختلف) در دکتری خود تهیه شده است. پایان نامه در سال 1979 [18] ، و یک برنامه در سال 1980 منتشر شد. ایده راه حل سازش در MCDM توسط Po-lung Yu در سال 1973 و توسط میلان زلنی [19] [20] معرفی شد. اجازه دهید و اگر عملکرد سود داشته باشد و اگر عملکرد هزینه داشته باشد. الگوریتم رتبه بندی سازش ویکور شامل مراحل زیر است:

1) مرحله اول تعیین هدف و شناسایی ویژگی های ارزیابی مربوط است. بهترین و بدترین مقادیر همه توابع معیار را تعیین کنید.

2) مقادیر و با رابطه را محاسبه کنید

(6)

(7)

3) مقدار را با رابطه محاسبه کنید

جایی که . در اینجا v به عنوان وزن استراتژی اکثر ویژگی ها معرفی می شود. معمولاً مقدار V به عنوان 0. 5 گرفته می شود. با این حال ، می تواند هر مقدار از 0 تا 1 را بدست آورد.

4) گزینه های دیگر را رتبه بندی کنید. مقادیر S ، R و Q را در کاهش نظم مرتب کنید. نتایج سه لیست رتبه بندی است. لیست رتبه بندی سازش برای یک V داده شده با رتبه بندی با اقدامات بدست می آید. بهترین گزینه گزینه ای با حداقل مقدار است.

5) برای وزن ویژگی های داده شده ، یک راه حل سازش ، جایگزین ، که بهترین رتبه بندی شده توسط اندازه گیری Q است ، در صورت رضایت از دو شرط زیر:

الف) مزیت قابل قبول: ، دومین گزینه برتر در رتبه بندی توسط Q.

ب) ثبات قابل قبول در تصمیم گیری: جایگزین نیز باید بهترین رتبه توسط S OR/و R. باشد

این راه حل سازش در یک فرایند تصمیم گیری پایدار است ، که می تواند باشد: رأی دادن توسط اکثریت قانون (در صورت لزوم) یا با اجماع (چه زمانی) یا با وتو (چه زمانی).

معمولاً محققان ارزش P را به عنوان 1 می گیرند. در این مقاله ، مقادیر دیگر P نیز محاکمه شده است.

2. 5تخمین وزن

اگر معیارها طبق انتخاب تصمیم گیرنده به وزن اختصاص داده شود ، ذهنیت وارد تصویر می شود. این ممکن است به نتیجه گیری های گمراه کننده منجر شود. یکی از راه های حذف این ذهنیت ، اختصاص وزن های وابسته به داده ها است. در اجرای حاضر ، روشی با نام Critic Method ، که توسط H. Kazan پیشنهاد شده است در روش TOPSIS استفاده شده است. به طور مشابه ، یکی از چندین روش مورد بحث برای اختصاص وزن عینی ، یعنی روش ویژه ویژه ، در روش AHP توسط S. Gao استفاده می شود [21].

در روش منتقد [22] ، هر دو انحراف استاندارد از معیار و همبستگی آن بین سایر معیارها در فرایند وزنه برداری گنجانده شده است. بگذارید انحراف استاندارد از معیارها باشد و ضریب همبستگی بین معیارها باشد.

وزن معیارها توسط

از کجا تعریف شده است

(8)

نرم افزار GUI ، با در نظر گرفتن برخی از روش های شناخته شده و اصلاحات پیشنهادی در این مقاله ، امکان انتخاب گروه کوچکی از سهام "خوب" (و رد یک گروه کوچک از سهام "فرومایه") را بر اساس انواع مختلف امکان پذیر می کندنسبت های مالی معنی دار در نظر گرفته شده است. نتایج در جدول زیر ارائه شده است. توجه داشته باشید که نتایج فقط برای دو مقدار P در جدول 2 نشان داده شده است ، اما مقادیر دیگر P را می توان در صورت استفاده از روش P-TOPSIS و VIKOR نیز امتحان کرد. اگرچه ترتیب واقعی شرکتهای با عملکرد بهتر و شرکتهای با عملکرد پایین برای روشهای مختلف متفاوت است ، اما می توان مشاهده کرد که آنها با برخی استثنائات یکسان هستند. به عنوان نمونه ، شرکت دوم با تمام روشها انتخاب می شود. به همین ترتیب ، شرکت ششم فقط با یک روش انتخاب نمی شود ، یعنی AHP. شرکت 4 به عنوان یک استثناء توسط روش ویکور انتخاب شده است که می تواند مورد غفلت واقع شود. نظرات مشابه در مورد رد شرکت های فرومایه اعمال می شود. به عنوان مثال ، شرکت های 13 و 5 با تمام روش ها به عنوان شرکت های فرومایه اعلام می شوند.

تا آنجا که اثرات P متفاوت در نظر گرفته شده است ، روش P-TOPSIS رتبه بندی یکنواخت را برای P در محدوده [1] [16] نشان می دهد ، و ثبات رتبه بندی را به میزان قابل توجهی زیاد از P نشان می دهد. با این حال ، مقادیر بزرگتر P منجر به پوچی می شود. به طور مشابه ، روش ویکور نیز فقط برای P در [1] [2] نتیجه رضایت بخش می دهد. برای رسیدن به نتیجه گیری کلی ، آزمایش بیشتر با سایر شرکت های بخش های مختلف ممکن است انجام شود. البته در این حالت ، ممکن است در مورد ویژگی های در نظر گرفته شده تجدید نظر کند.

عکس های صفحه نمایش انتخاب شده مانند شکل 2-4 روند اجرای واقعی را نشان می دهد. جدول فوقانی با عنوان "اطلاعات شرکت" حاوی داده های جمع آوری شده است که ثابت است. عناوین ستون ویژگی ها را نشان می دهد. ویژگی های در نظر گرفته شده با اختصار آنها عبارتند از: درآمد کل (TI) ، سود خالص (NP) ، ارزش خالص (NW) ، بازده ارزش خالص (RON) ، قیمت سهام (SP) ، هلدینگ مروج (PH) ، FII + DIIهلدینگ (FII) ، حاشیه سود عملیاتی (OPM) ، حاشیه سود خالص (NPM) ، نسبت پرداخت سود سهام (DPR). کاربر فقط باید انتخاب کند

شکل 2 . رتبه بندی با روش P-topsis (P = 4. 5).