رتبه بندی صنایع منتخب بورس اوراق بهادار تهران بر اساس عوامل بنیادی صنعت با استفاده از روش تحلیل پوششی داده ها

Ranking Of Selected Industries Of Tehran Stock Exchange Based On Fundamental Factors In Industry Using Data Envelopment Analysis

Abstract

One of the issues that always has been considered is selecting stocks for profitable investments in financial markets. If the investor decides reasonably in the stock selection, a return more than the market average could be achieved. Comparing different companies based on the industry which the company belongs to, and identifying the premier industries through analysis of their efficiency could be useful guideline for stakeholders of this field. The main purpose of this research is ranking the stock industry to help the efficiency of capital markets applying the data envelopment analysis. The nature of the model is constant return to scale and input-oriented that 67 companies in 16 industries were studied and finally 7 industries were introduced as efficient and 9 other as non-efficient. Then determining the efficiency boundary, the inefficient industries are ranking and to improve their performance, some units were introduced as reference units.

Keywords: industry, technical analysis, fundamental analysis, ranking.

Authors:

Saeedeh Ketabi: Associate Professor

Saied Fathi : Associate Professor

Nahid Yousofan: Ms student

رتبه بندی صنایع منتخب بورس اوراق بهادار تهران بر اساس عوامل بنیادی صنعت با استفاده از روش تحلیل پوششی داده ها

نویسندگان:

سعیده کتابی: دانشیار دانشگاه اصفهان

سعید فتحی: دانشیار دانشگاه اصفهان

ناهید یوسفان^*: دانشجوی کارشناسی ارشد دانشگاه اصفهان

*نشانی پستی: ۴۴۹۶۶-۸۵۱۳۸

تلفن: ۰۹۳۷۰۰۶۶۹۸۷

پست الکترونیک: NYOUSOFAN69@GMAIL.COM

چکیده

انتخاب سهام مناسب جهت سرمایه گذاری سودآور یکی از مسائلی است که همواره در بازارهای مالی مورد توجه بوده است. اگر سرمایه گذار در انتخاب سهام به طور منطقی تصمیم گیری نماید، می تواند به بازدهی بیش ازمیانگین بازار دست یابد. مقایسه ی شرکت های مختلف براساس صنعتی که شرکت به آن تعلق دارد و تشخیص صنایع برتر از طریق بررسی عملکرد آنها می تواند راهنمای مفیدی برای ذینفعان این عرصه باشد. هدف اصلی این پژوهش، رتبه بندی صنایع بورس درجهت کمک به کارایی بازار سرمایه است تکنیک مورد استفاده در این راستا تحلیل پوششی داده هاست. ماهیت الگو بازده ثابت به مقیاس و ورودی محور است که با استفاده از آن ۶۷ شرکت در قالب ۱۶ صنعت مطالعه و در نهایت ۷ صنعت کارا و ۹ صنعت دیگر غیرکارا معرفی شدند، سپس برحسب مرز کارایی ایجاد شده صنایع ناکارا رتبه بندی و برای ارتقاء سطح کارایی آنها واحدهایی به عنوان مرجع انتخاب شده اند.

واژه های کلیدی: صنعت، تحلیل تکنیکال، تحلیل بنیادی، رتبه بندی.

مقدمه

تشکیل سرمایه مهمترین عامل پیشرفت اقتصادی است. توسعه ی سرمایه گذاری از یک سو موجب جذب سرمایه های غیر کارا و هدایت آنها به بخش های مولد اقتصادی شده واز سوی دیگر با توجه به جهت گیری سرمایه گذاران موجب سرمایه گذاری در صنایعی خواهد شد که از سود بیشتر یا خطر کمتری بر خوردارند و این امر در نهایت سبب تخصیص بهینه ی منابع می شود[۵].

فعالان بازارهای مالی برای سرمایه گذاری در بورس اوراق بهادار تهران که به دلایلی مانند عدم شفافیت اطلاعاتی، وجود رانت اطلاعاتی و تصادفی بودن تغییرات متوالی قیمت سهام ناکاراست، نیاز به تحلیل سهام شرکت ها بر اساس شاخص ها و معیارهایی دارند که ارزش واقعی سهام را نشان بدهد[۳]. یکی از شاخص های اصلی و مهم در تعیین ارزش ذاتی سهام شرکت ها تحلیل وضعیت صنعتی است که شرکت به آن تعلق دارد. در واقع صنعتی که دارای مزیت نسبی باشد بازدهی بالاتر از سایر صنایع خواهد داشت. بنابراین تعیین جایگاه صنایع در بورس اوراق بهادار به تنوع و کفایت اطلاعات در جهت کاراتر شدن بازار سرمایه کمک شایانی می کند .

یکی از مناسب ترین مدل ها برای دستیابی به نگرش کلی درباره ی کارایی و ارزش واحد ها، تحلیل پوششی داده ها است این روش که نوعی تجزیه و تحلیل چند عامله محسوب می شود، مجموعه ای از مدل های برنامه ریزی ریاضی است که با نگرش نهاده ای-ستاده ای به واحد های تصمیم گیری، آنها را مورد ارزیابی قرار می دهد. مدلDEA[۱] برای تعیین کارایی نسبی واحد ها نیازمند ورودی و خروجی است تا واحد هایی را که با توجه به ورودی خود خروجی کارا دارند، مجزا نماید.

همواره بسیاری از عوامل موثر بر تصمیمات بازار سرمایه شناسایی و مورد بررسی قرار گرفته اند لیکن در این مقاله از بین عوامل بنیادی صنعت، شاخص های «ارزش بازاری»، «بتا» و «انحراف معیار بازده» به عنوان متغیرهای ورودی و «بازده سالانه» و «نسبت در آمد به قیمت» به عنوان متغیر های خروجی در تحلیل پوششی داده ها در نظر گرفته شده اند.

پیشینه پژوهش

مطالعات مشابه انجام شده پیرامون شاخص های مالی موثر بر کارایی بازار سرمایه با استفاده از تحلیل پوششی داده ها نتایجی به شرح زیر دارد:

آذر و همکاران (۱۳۹۲) درپژوهشی با استفاده از روش تحلیل پوششی داده ها و ارائه دو مدل بصورت مجزا کارآمدترین و ناکارآمدترین پرتفوی را شناسایی کرده اند. در این مطالعه خروجی های مدل DEA شامل نرخ بازده یک ساله، نرخ بازده سه ساله، نرخ بازده پنج ساله و درآمد هر سهم و ورودی های مدل ضریب سیگما، ضریب بتا و نسبت P/E در نظر گرفته شده و از ۸۶ شرکت مورد بررسی ۱۱ شرکت کارا و به سرمایه گذاران جهت سرمایه گذاری پیشنهاد شده اند و ۷ شرکت نیز ناکارا تعیین شدند. فضلی و منصوری (۱۳۸۸) شاخص های کلیدی سهام را تعیین کرده و کارایی هر یک از این معیارها را ابتدا به روش DEA و سپس به روش AHP مشخص نموده و معیارها را طبق جداول ۱ و ۲ رتبه بندی کرده اند:

جدول (۱) رتبه بندی براساس رویکردDEA

جدول (۲) رتبه بندی براساس رویکردAHP

و در پایان اینگونه نتیجه گیری شده است: کارایی درخریدارانی که از نسبت E به P، نسبت P به E و گزارشات ارائه شده، استفاده کرده اند به مراتب بیشتر از کسانی بوده که از دیگر شاخص ها استفاده نموده اند و روش تحلیل پوششی داده ها توان بیشتری در مقایسه با فرآیند تحلیل سلسله مراتبی در رتبه بندی مذکور داشته است. خواجوی و همکاران (۱۳۸۴) از روش تحلیل پوششی داده ها برای تعیین پرتفوی بهینه از کاراترین شرکت های پذیرفته شده در بورس اوراق بهادار استفاده کردند. در مدل DEA، سه متغیر ورودی و چهار متغیر خروجی مشابه پژوهش آذر(۱۳۹۲) نتخاب شده و پس از حل الگوی [۲]CCR ورودی محور از بین ۹۰ شرکت مورد بررسی تعداد ۲۹ شرکت که در واقع ۲۳% کل شرکت ها را شامل می شدند کارا و تعداد ۶۱ شرکت ناکارا شناخته شدند.بلکویی (۱۹۹۷) در پژوهش خود، ارتباط ارزش سهام شرکت ها با متغیرهای بنیادی حسابداری مرتبط با ارزش را بررسی کرد که نتایج حاصله نشان داد علامت های متغیرهای بنیادی حسابداری افزایش قابل توجهی در R^۲ به وجود آورده اند که این خود نشان دهنده ی قدرت تبیین بیشتر متغیرهای بنیادی نسبت به سود است[۹]. کویرس (۱۹۹۸) به بررسی انتخاب سهام از دیدگاه گراهام و داد پرداخته است. ده شاخص مورد مطالعه در چهار طبقه قرار گرفتند: شاخص های قیمت گذاری پنج ساله (شامل: قیمت به درآمد و قیمت به ارزش دفتری)، نسبت های سودآوری پنج ساله (شامل: حاشیه سود و بازده حقوق صاحبان سهام)، نرخ رشد پنج ساله (شامل: درآمد هر سهم، فروش و ارزش دفتری هر سهم) و نسبت های اهرم مالی پنج ساله (شامل: نرخ پوشش بهره، حقوق صاحبان سهام به دارایی ها و جریان نقدی به بدهی). پس از محاسبه ی این شاخص ها برای شرکت های فعال در هر صنعت، از ترکیب نسبت های اهرم مالی، نسبت های سودآوری و نرخ رشد معیاری به نام عملکرد محاسبه شد و از طریق مقایسه ی صورت گرفته بین معیار عملکرد با قیمت گذاری مبنایی برای خرید سهام برتر معرفی شد. پور و مک مولن (۲۰۰۰) با استفاده از روش تحلیل پوششی داده ها معیارهای قوی و سایر معیارهای عملکرد را در مجموعه ای از اوراق بهادار متمایز کردند. آنان بیان کرده اند که انتخاب اوراق بهادار میتواند نمونه ای از مسائل تصمیم گیری چند معیاره باشد. در این پژوهش شاخص های ورودی شامل نسبت قیمت به سود، بتا و انحراف معیار بازده و شاخص های خروجی شامل نرخ بازگشت سرمایه ۱، ۳ ، ۵ و۱۰ ساله و سود هر سهم می باشد. در این پژوهش با

حل مدل تحلیل پوششی داده ها ۱۸۵ شرکت بزرگ در امریکا مورد بررسی قرار گرفته و اینگونه نتیجه گیری شد که استفاده از روش DEA به تصمیم گیرنده کمک می کند اوراق بهادار مناسب را انتخاب کند. همچنین مشخص شد که برای کارا شدن هر یک از اوراق بهادار لازم است چه مقدار بهبود در خروجی ها و ورودی ها صورت گیرد. ژرمی بیک ویت (۲۰۰۱) انتخاب سهام در شش بازار سهام (کانادا، آلمان، فرانسه، استرالیا، انگلستان و ژاپن) را طی سال های ۱۹۸۵ تا ۱۹۹۷ بررسی نمود. متغیرهای مورد استفاده در این پژوهش عبارتند از: نسبت قیمت به درآمد، نسبت قیمت به جریان نقدی، نسبت قیمت به ارزش دفتری، بازده حقوق صاحبان سهام، نسبت نرخ سرمایه گذاری مجدد به بازده حقوق صاحبان سهام، نرخ سرمایه گذاری مجدد به مقدار قیمت به درآمد در پنج سال، نرخ سرمایه گذاری مجدد به مقدار قیمت به درآمد در یک سال و نسبت نوسان قیمت طی یک سال. بر اساس اطلاعات به دست آمده توسط بیک ویت، با ترکیب این معیارها در استراتژی های مختلف سرمایه گذاری، یک مدل چند متغیری در شناسایی اوراق بهادار با بازده مورد انتظار کم و زیاد در بازارهای شش گانه ارائه شد. ابوکاری (۱۹۹۹) تعدادی از الگوهای قیمت گذاری سهام را که بر مبنای تجزیه و تحلیل بنیادی است، در بورس کانادا آزمایش کرد. نتیجه این مطالعات نشان می دهد که متغیرهای تحلیل بنیادی نقش مهمی در قیمت گذاری سهام ایفا می کنند[۲].

در پژوهش های گذشته از روش های تصمیم گیری چند معیاره برای تعیین شرکتهای کارا در بورس استفاده شده است اما در پژوهش حاضر به مقایسه شرکتها در داخل یک صنعت بسنده نشده و تلاش بر این است با تحلیل سهام شرکتهای بورس اوراق بهادار تهران، بررسی جامعی از صنایع بورس به عمل آید و پس از رتبه بندی صنایع ناکارا، پیشنهادی در جهت کارایی هرچه بیشتر آنها صورت پذیرد.

تکنیک های تصمیم گیری در بورس اوراق بهادار

روش های متنوعی برای تحلیل وضعیت سهام شرکت ها وجود دارد از مهمترین این روش ها می توان روش تحلیل بنیادی و تحلیل تکنیکال را نام برد.

رویکرد بنیادی و مدل های مورد استفاده در آن از دهه ۱۹۳۰ مطرح بوده اما پس از جنگ جهانی دوم به صورت کاربردی و نظری مورد توجه قرار گرفته است. بنیادگراها به تغییرات تصادفی قیمت ها معتقدند و اظهار می دارند که تغییرات تابع روند مشخصی نیست. در واقع تغییرات قیمت را فاقد حافظه میدانند. تمرکز آنان بر ارزش ذاتی اوراق بهادار است و بر این باورند که ارزش هر سهم به طور علمی قابل تعیین است. برای تعیین ارزش ذاتی می بایست اقتصاد ملی، صنایع و شرکت های آن صنعت را با تکیه بر تمامی اطلاعات موجود مورد مطالعه قرار داد. از آنجایی که وضعیت اقتصادی کشور در آینده بر سودآوری شرکت ها تاثیرگذار خواهد بود لذا تجزیه و تحلیل اوضاع اقتصادی و تغییرات آن امری ضروری است. در این مرحله شاخص های مهمی چون تورم، کسری بودجه دولت، تراز تجاری، نرخ ارز و مواردی از این قبیل مورد بررسی قرار می گیرند. وضعیت صنعتی که شرکت در آن قرار دارد تاثیر قابل توجهی بر نحوه ی فعالیت شرکت دارد. در صورت نامطلوب بودن وضعیت صنعت بهترین سهام موجود در این صنعت نیز نمی تواند بازده مناسبی داشته باشد. در واقع سهام ضعیف در صنعت قوی، بهتر از سهام قوی در صنعت ضعیف است. در این مرحله هدف تشخیص موقعیت فعلی صنعت و روند رشد آینده آن است[۴]. در بحث تشخیص مزیت نسبی صنایع در نظر گرفتن روند بازده تاریخی صنعت و تعیین دامنه نوسانات و یا روند حرکتی بازده، تعداد شرکت های حاضر در صنعت و نیز اطلاعات و اخبار و مصوبات دولتی اعم از حمایت های دولتی یا سبدهای حمایتی لازم است[۶]. پس از تعیین صنعت مناسب از بین شرکت های موجود در صنعت، شرکتی که سلامت مالی مطمئنی دارد انتخاب می شود. این انتخاب غالبا از طریق بررسی صورت های مالی مربوط به شرکت انجام می گیرد. با تحلیل این صورت ها می توان نسبت های مالی سودمندی چون نسبت های سودآوری، نسبت های نقدینگی، نسبت های قیمت و نسبت های کارایی را محاسبه کرد. در جهت هر چه شفاف تر شدن عملکرد شرکت ها نتایج تحلیل نسبت های مالی هر شرکت باید با نتایج تحلیل سایر شرکت های موجود در صنعت مقایسه شود. پس از بررسی شرایط اقتصاد ملی، وضعیت صنعت و وضعیت شرکت این موضوع مورد توجه قرار می گیرد که آیا قیمت سهام شرکت به درستی تعیین شده است یا نه؟ ارزش سهام واحدها در این روش با تکیه بر علوم مختلف از قبیل آمار، اقتصاد، اطلاعات مالی و با توجه به فرصت های آتی برآورد می شود[۴].

در دیدگاه تکنیکی گفته می شود که قیمت های آینده منعکس کننده قیمت های گذشته هستند و برای پیش بینی قیمت های آینده به طور اختصاصی باید از نظریه قیمت استفاده شود. منطقی که در پشت این نظریه است وابسته به فرضیه هایی است که فشار عرضه و تقاضا را در این امر مهم می دانند و چون عرضه و تقاضا تحت تاثیر حوادث اقتصادی غیر منتظره ای هستند که در آینده برای سرمایه گذاران پیش می آید، بسیار مشکل است که یک مدل تحلیلی برای حرکت قیمت ها در آینده ارائه کرد[۳]. هدف اصلی تحلیل گران تکنیکی ترسیم روند قیمت ها، تهیه نمودارها، بررسی نوسانات و

پیش بینی آینده است. آنان بر این باورند که ارزش

ذاتی سهام قابل محاسبه نیست و انتخاب سهام باید بر اساس چارت صورت گیرد. چارتیست ها با رسم منحنی تغییرات قیمت، زمان خرید و فروش سهام را تخمین می زنند. تحلیل تکنیکال بر خلاف روش بنیادی در بورس ایران بسیار نوپاست و عملا مدت زیادی از طرح عمومی این روش نمی گذرد. به همین دلیل منابع اطلاعاتی برای تحلیل تکنیکی در بورس بسیار اندک است[۴].

تحلیل پوششی داده ها (DEA)

تحلیل پوششی داده ها یکی از روش های تصمیم گیری چند معیاره مبتنی بر برنامه ریزی خطی است که برای اندازه گیری کارایی نسبی مجموعه ای از واحد های همگن به کار می رود. فارل[۳] در سال ۱۹۵۷ فرمول کارایی را به صورت رابطه ۱ مطرح کرد:

(۱)

در این تعریف از کارایی که با نام مرز کارایی فارل^۱ شناخته می شود، با استفاده از روابط ریاضی مرز کارا مشخص و برحسب دور افتادگی واحد تصمیم گیری (DMU) از مرز تعیین شده، کارایی آن اندازه گیری می شود. این رابطه به شکل زیر برای سنجش کارایی نسبی n واحد، به کمک m شاخص ورودی وs شاخص خروجی متعدد و غیر قابل قیاس مورد استفاده قرار می گیرد:

(۲)

در فرمول فوق v_i: وزن ورودی iام، x_ij: میزان ورودی iام برای واحد jام، u_r: وزن خروجی rام و y_rj: میزان خروجی rام برای واحد jام است.

به این ترتیب روش DEA با ارزیابی کارایی نسبی، بازده DMUها را بدون هیچ گونه اطلاعاتی در مورد محصول و قیمت ورودی ها اندازه گیری می کند[۱۲].

استفاده از الگوی DEA برای ارزیابی نسبی واحد ها نیازمند تعیین دو مشخصه اساسی ماهیت الگو و بازده به مقیاس می باشد :

_الگوی مورد استفاده از نظر ماهیت

الف) دیدگاه ورودی محور(داده گرا): در صورتی که در فرآیند ارزیابی، مجموع موزون ستاده های واحد هدف حداکثر شده و مجموع موزون داده ها معادل ۱ قرار گیرد، الگوی مورداستفاده داده گرا می باشد.

(۳)

ب) دیدگاه خروجی محور (ستاده گرا): در صورتی که در فرآیند ارزیابی، مجموع موزون داده های واحد هدف را حداقل کرده و مجموع موزون ستاده ها را معادل ۱ قرار دهیم، الگوی مورد استفاده ستاده گرا است.

(۴)

_ الگوی مورد استفاده از نظر بازده به مقیاس

هنگام ارزیابی مقایسه ای واحدها نخستین مسئله ی روش شناسی که باید مورد توجه قرار گیرد بازده نسبت به مقیاس است. اگر بازده به مقیاس ثابت باشد هر مضربی از ورودی ها، همان مضرب از خروجی ها را تولید می کند. الگوی [۴] CCR بازده به مقیاس واحد ها را ثابت فرض می کند، بنابراین واحد های کوچک و بزرگ با هم مقایسه می شوند و اگر بازده به مقیاس متغیر باشد، هر مضربی از ورودی ها، می تواند همان مضرب از خروجی ها یا کمتر از آن یا بیشتر از آن را، در خروجی ها تولید کند. الگوی BCC[۵] بازده به مقیاس را متغیر فرض می کند[۵].

تعیین متغیر های ورودی و خروجی

یکی از محدودیت های مدل تحلیل پوششی داده ها، این است که مجموع ورودی ها و خروجی های مدل نباید بزرگتر از یک سوم مجموع واحدهای تصمیم گیری باشند n˃۳(m + s)))، بنابراین با بررسی مطالعات پیشین ورودی ها و خروجی هایی که دارای اولویت هستند، طبق جدول ۳ انتخاب شدند:

جدول (۳) ورودی ها و خروجی های مدل

ماهیت شاخص ها و محاسبه آنها

۱- بازده سالانه: عایدی حاصل از سرمایه گذاری در هر ورقه بهادار از دو بخش مبلغ دریافتی بابت سود ورقه و منفعت یا ضرر ناشی از تغییر قیمت در طول دوره سرمایه گذاری تشکیل می شود. در محاسبه شاخص بازده، براساس دیدگاه تکنیکی تنها بخش دوم عایدی به عنوان سود در نظر گرفته شده که از رابطه ی زیر محاسبه می شود:

(۵)

در فرمول فوق D_t: بازده ناشی از تغییر قیمت در طول یک سال، P_t: قیمت انتهای سال ۹۲ و P_t-۱: قیمت ابتدای سال ۹۲ است. بازده هر صنعت از میانگین وزنی بازده شرکت های عضو آن صنعت به دست می آید.

۲- نسبت E به P: آن بخش از عایدی سهام که مربوط به مبلغ دریافتی بابت سود است، در معیار E/P به صورت قیاس میزان سودآوری با قیمت سهام لحاظ می شود. این معیار که به نوعی بیانگر بازده سهام است برای هر صنعت به طور سالانه محاسبه شده است.

۳- ارزش بازاری: ارزش بازاری هر صنعت همواره برابر است با ارزش نقدی آن صنعت که از حاصل ضرب تعداد سهام در قیمت بازار برای سال۹۲ محاسبه شده است.

۴- سیگما: این شاخص یکی از عوامل مؤثر بر رفتار سرمایه گذاران است. هرچه میزان انحراف بازده دوره های گذشته نسبت به میانگین بازده بیشتر باشد، ریسک سهم بالاتر رفته و ارزش آن کمتر خواهد بود. این شاخص برای هر شرکت حاصل انحراف معیار بازده ۱۲ ماهه است و برای هر صنعت بر حسب شرکت های عضو آن محاسبه می شود.

(۶)

در این رابطه r̄: میانگین بازده های ماهانه، r_t: بازده ماه t و n: تعداد بازده ها (۱۲) است.

۵- بتا: براساس مدل های متعدد از جمله مدل قیمت گذاری دارایی های سرمایه ای (CAPM)، مدل شارپ و دیگر مدل های عاملی بازده و ریسک سهام تا حد زیادی به بازده و ریسک بازار وابسته است. به بیانی ۳۰% واریانس بازده هر سهم به عامل بازار بستگی دارد و ۱۰% واریانس بازده را می توان به حساب عامل صنعت گذاشت[۷]. برای محاسبه بتا، ابتدا بازده ۱۲ ماهه شرکت های نماینده ی هر صنعت و بازده ۱۲ ماهه بازار محاسبه و سپس شاخص بتا از رابطه زیر محاسبه گردیده است.

(۷)

در فرمول فوق r_i: بازده سهام i وr_m: بازده بازار است. ریسک صنعت نیز در نهایت به صورت میانگین وزنی بتای شرکت های عضو هر صنعت محاسبه می شود.

دو معیار بازده و E/P که سرمایه گذاران همواره به دنبال افزایش آن هستند به عنوان خروجی و معیار های بتا و سیگما و نیز ارزش بازاری به عنوان ورودی مدل DEA منظور می شوند. در محاسبه شاخص ها برای هر صنعت از میانگین شاخص شرکت های عضو آن صنعت استفاده می شود، چراکه داده های اطلاعاتی تمایل زیادی به سمت میانگین خود دارند و تا زمانی که شرایط خاصی ایجاد نشود، این تمایل می تواند پایدار باشد.پس از گردآوری داده ها، بازده مربوط به صنایع قند و شکر و استخراج کانه های فلزی منفی شد که بیانگر زیان صنایع مذکور است و از آنجایی که امکان ورود داده ها با ضرایب منفی در مدل DEA وجود ندارد، جهت اصلاح این ضرایب تمامی داده های مربوط به سود با قدر مطلق منفی ترین سود حاصله جمع شده و سود صنعت قند و شکر با ارزش صفر وارد مدل شد.

روش پژوهش

این پژوهش از نظر هدف کاربردی و از جنبه ی گردآوری داده ها توصیفی است. برای گردآوری اطلاعات مربوط به مبانی نظری، از تحقیقات کتابخانه ای استفاده شده و متغیرهای ورودی و خروجی مدل با استفاده از مطالعات مشابه پیشین و مصاحبه با صاحب نظران عرصه ی مالی تعیین شده اند. جهت تعیین مقادیر کمی شاخص ها از پایگاه های سازمان بورس اوراق بهادار و مرکز پردازش اطلاعات مالی ایران استفاده شده است. تمامی داده های جمع آوری شده، ابتدا بوسیله ی صفحه گسترده Excel پردازش والگوی انتخابی DEA از طریق نرم افزار QSB حل شد.

اهداف پژوهش

هدف اصلی پژوهش، رتبه بندی صنایع بورس اوراق بهادار تهران است که گامی در جهت حرکت بازار سرمایه به سوی کارایی به شمار می آید. ذیل هدف مذکور به اهداف فرعی زیر نیز پرداخته می شود:

_ کاربرد چندین شاخص جهت سنجش میزان کارایی صنایع بورس اوراق بهادار؛

_ ارائه ی مرجع کارا، برای هر یک از صنایع غیر کارا.

جامعه ی آماری

جامعه ی آماری کلیه ی صنایع موجود در بورس اوراق بهادار تهران هستند که جهت بررسی شرایط زیر را دارا باشند:

۱- صنعت مورد مطالعه، حداقل از ۴ شرکت بورسی تشکیل شده باشد .

۲- در سال ۱۳۹۲ معاملات مربوط به شرکت های آن صنعت انجام شده و اطلاعات مالی مورد نیاز پژوهش را طی این سال به طور کامل ارائه کرده باشد

بر این اساس از ۳۸ صنعت موجود در بورس اوراق بهادار، نمونه ای منتخب شامل ۱۶ صنعت در نظر گرفته شده و مورد مطالعه قرار گرفت. برای مطالعه ی هر صنعت، بر حسب قاعده ی پارتو، شرکت هایی که بیش از ۸۰% از ارزش آن صنعت را تشکیل می دادند به عنوان نماینده ی صنعت انتخاب و داده های مربوط به آنها جمع آوری و پردازش شده است.

الگوی انتخابی (CCR)

با توجه به این که سرمایه گذاران همواره به دنبال افزایش بازده سرمایه گذاری خود هستند و از طرفی متغیر های خروجی الگو متناسب با سودند، با انتخاب الگوی ورودی محور بازده سرمایه گذاری حداکثر خواهد شد. الگوی DEA با، بازده نسبت به مقیاس متغیر (BCC) تعداد بیشتری از واحد ها را کارا نشان می دهد و این امر کمتر با واقعیت مطابقت دارد، از این رو الگوی مورد استفاده CCR در نظر گرفته شده است.

یافته های پژوهش

طبق تقسیم بند ی سازمان بورس و اوراق بهادار تهران، مجموعه شرکت های عضو بورس در ۳۸ صنعت طبقه بندی می شوند که بر اساس شرایط تعریف شده برای نمونه ی مورد مطالعه ۶۷ شرکت در قالب ۱۶ صنعت بررسی شده و با تعیین کارایی نسبی رتبه بندی شده اند. پس از اندازگیری متغیرهای ورودی و خروجی برای صنایع مورد بررسی، داده ها در ۱۶ مدل طراحی شده، بوسیله نرم افزارQSB حل گردیده ونتایج اولیه کارایی مربوط بهDMU ها در جدول شماره ۴ نشان داده شده اند.

جدول (۴) کارایی نسبی صنایع ورتبه بندی

طبق نتایج بدست آمده ۷ صنعت شامل بانک ها و موسسات اعتباری، مواد و محصولات دارویی، لاستیک

و پلاستیک، کاشی و سرامیک، رایانه و فعالیت های وابسته به آن، محصولات کاغذی و سایر محصولات کانی دارای کارایی برابر ۱ هستند؛ یعنی فعالیت آنها براساس معیارهای انتخابی، طی دوره مورد بررسی به شکل بهینه صورت گرفته است. ۹ صنعت دیگر، بر حسب کارایی های حاصل شده به این ترتیب رتبه بندی می شوند: صنعت املاک و مستغلات با کارایی نزدیک به ۱ کمترین فاصله از مرز کارایی را دارد، پس از آن صنایع سیمان، آهک و گچ، فلزات اساسی، فرآورده‌های نفتی،کک و سوخت هسته ای، قند و شکر، خودرو و ساخت قطعات، ماشین آلات و تجهیزات، ، استخراج کانه های

فلزی و در نهایت صنعت محصولات غذایی و آشامیدنی با کارایی ۳۹۳/۰ بیشترین فاصله از مرز کارا را به خود اختصاص داده اند.

در مرحله اول حل مدل های مربوط به هر یک از صنایع، علاوه بر گزارش کارایی غیربهینه ی واحدهای ناکارا، یک سری واحد مرجع برای هریک از این DMUها در نظر گرفته می شود که بر حسب وزن محاسبه شده، با اصلاح ورودی ها در مدل های ورودی محور موجود، هر صنعت می تواند به کارایی ۱؛ یعنی کارایی واحدهای مرجع خود نزدیک شود. در جدول شماره ۵ مجموعه مراجع نظیر هر صنعت و وزن (λ) محاسباتی جهت نزدیک شدن به مرز کارایی ارائه شده است.

جدول (۵) مجموعه مرجع صنایع

در نهایت صنایع مذکور با الگوبرداری از صنایع مرجع پیشنهاد شده می‌توانند خروجی‌های خود را طبق جدول

شماره ۶ بهبود دهند:

جدول (۶) مقادیر اصلاح شده خروجی های مدل

متغیر ارزش بازاری یک متغیر ورودی در مدل ارائه شده محسوب می شود که با توجه به مقدار ریسک باید مقدار کمتری به خود می گرفت. لذا، در صورت حفظ یا افزایش ارزش بازار صنعت باید در سایر معیارها تجدید نظر کرد. همانطور که در جدول ۶ قابل ملاحظه است اکثر صنایع برای رسیدن به کارایی مطلوب باید برای حفظ ارزش بازاری باید سایر مولفه ها را به نحوی تعدیل کنند که با این مقدار سرمایه به کارگرفته شده نتیجه بهتری از فعالیت صنعت حاصل شود. البته بر اساس نتایج به دست آمده، در مورد برخی از صنایع قابلیت افزایش این متغیر وجود دارد، علت این امر مقادیر سایر متغیرها و عوامل بنیادی اثرگذار بر کارایی این صنایع است؛ مثلا در مورد صنعت ماشین آلات و تجهیزات این افزایش ارزش، با کاهش قابل توجه ضریب سیگما جبران می شود. ضمن این که متغیرهای خروجی این صنعت در سطح مطلوبی قرار دارند. بتای کل بازار همواره برابر ۱ است و در سایر بخش های بازار زیاد یا کم شدن این نسبت بیانگر تغییرات مثبت و یا معکوس سهام با تغییرات بازار است. بر اساس مدل تعریف شده و منطق حداقل سازی ریسک، مقادیر پیشنهاد شده بیانگر کاهش این متغیر برای تمامی صنایع ناکارا است. انحراف معیار بازده نیز که ریسک صنایع را به شکلی دیگر مطرح می کند، در همه ی صنایع جهت رسیدن به بهینگی قابلیت بالقوه ی کاهش را دارد.

نتیجه گیری

بورس اوراق بهادار یکی از اجزای اصلی بازار سرمایه به شمار می رود که با کارایی روزافزون خود می تواند ابزار مفیدی برای دولت ها و اقتصاد کشورها باشد. از مهمترین عوامل موثر بر کارآمدی بازار سرمایه، در دسترس بودن اطلاعات و شفاف سازی وجوه تصمیم گیری در این بازار است. اطلاعات کافی در این زمینه امکان تصمیم گیری معطوف به شاخص های متعدد را فراهم می آورد که خود زمینه ای برای تصمیمات مطمئن و سودآور است. در راستای این مسئله بهره گیری از روش های تصمیم گیری چند معیاره و از جمله تکنیک تحلیل پوششی داده ها در این پژوهش مورد استفاده قرار گرفته است. با هدف ارتقاء سطح سودآوری سرمایه گذاران و کارایی صنایع بورس ایران، با تعیین شاخص های بنیادی و مهم ۱۶ مدل تحلیل پوششی داده ها که هر یک شامل ۱۷ محدودیت و ۵ متغیر هستند، طراحی و مورد بررسی قرار گرفت. با حل مدل های مذکور ۷ صنعت کارا و ۹ صنعت غیرکارا تشخیص داده شده و صنایع ناکارا طبق جدول شماره ۴ رتبه بندی شدند و در جهت کارا شدن هر یک از آن ها پیشنهاداتی در قالب بهبود در خروجی های مدل CCR ارائه گردید. مدل ارائه شده با کنار هم قرار دادن متغیرهای ریسک و بازده و استفاده از آن ها در قالب مدل تحلیل پوششی نشان داد که امکان بهبود عوامل انتخاب شده برای صنایع ناکارا وجود دارد. مقادیر پیشنهاد شده می تواند الگوی مناسبی برای صنایع و نیز سرمایه گذاران باشد. به عبارتی می توان گفت تناسب بین مقادیر ورودی و خروجی، مسیری مناسب برای صنایع جهت رسیدن به کارایی مطلوب ترسیم خواهد کرد و برای سهامداران نیز راهنمایی است که در صورت نزدیک شدن مقادیر متغیرهای مذکور به میزان بهینه پرتفوی خود را بهبود بخشند. ضمن این که روش مطرح شده با دقت مناسبی مورد استفاده قرار گیرد، به طوری که ورودی ها و خروجی ها به درستی برای سیستم مورد بررسی تعریف و محاسبه شوند.

فهرست منابع:

• آذر، عادل. خسروانی، فرزانه. جلالی، رضا. (۱۳۹۲). کاربرد تحلیل پوششی داده ها در تعیین پرتفوی کارآمدترین و ناکارآمدترین شرکت های حاضر در بورس اوراق بهادار تهران، پژوهش های مدیریت در ایران، دوره ۷، شماره۱،صص۱-۲۰.
• ابزری، مهدی. سامتی، مرتضی. دلبری، مهدی. (۱۳۸۱). کاربرد مدل فرآیند تحلیل سلسله مراتبی در تعیین معیارهای موثر بر انتخاب سهام در بورس اوراق بهادار تهران، برنامه و بودجه، شماره۷۷، صص۳-۲۷.
• انواری رستمی، علی اصغر. ختن لو، محسن. (۱۳۸۵). بررسی مقایسه ای رتبه بندی شرکت های برتر بر اساس نسبت های سودآوری شاخص های بورس اوراق بهادار تهران، بررسی های حسابداری و حسابرسی، شماره۴۳، صص۲۵-۴۳.
• حجابی، روح اله. (۱۳۸۶). بررسی متدولوژی های تحلیل و ارزشیابی سهام با محوریت نسبت P/E، بانک و اقتصاد، شماره۸۸، صص۶۵-۶۸.
• خواجوی، شکراله. سلیمی فرد، علیرضا. ربیعه، مسعود. (۱۳۸۴). کاربرد تحلیل پوششی داده ها در تعیین پرتفوی از کاراترین شرکت های پذیرفته شده در بورس اوراق بهادار تهران، مجله علوم اجتماعی وا نسانی دانشگاه شیراز، دوره۲۲، شماره۲، پیاپی۴۳.
• شهدایی، محمدعلی. (۱۳۸۵). ارزشگذاری سهام بر مبنای P/E، تهران، چالش.
• طالب نیا، قدرت الله. برزیگر، جهاد. (۱۳۸۷). ارزیابی ریسک شرکت های دارویی بورس اوراق بهادارتهران، فصلنامه بورس اوراق بهادار، سال۱، شماره۳،صص۵-۳۱.
• فضلی، صفر. منصوری، صالح. (۱۳۸۸). مقایسه رویکرد تحلیل پوششی داده ها و فرایند تحلیل سلسله مراتبی در رتبه بندی شاخص های کلیدی تصمیم گیری خرید و فروش سهام، مطالعات مدیریت صنعتی، سال۶، شماره۱۵، صص۱-۲۴.
• مشایخی، بیتا. تحریری، آرش. گنجی، حمیدرضا. عسگری، محمدرضا. (۱۳۸۹). تاثیر متغیرهای کلان اقتصادی بر رابطه ی بین متغیرهای بنیادی مستخرج از صورت های مالی و بازده سهام، فصلنامه بورس اوراق بهادار، سال۳، شماره۱۲، صص۱۲۷-۱۰۹.
• Beckwith, (2001). Stock Selection in Six Major Non-U.S Markets, Journal of Investing, Vol. ۱۰, No. 2 , PP. 37-44.
• Powers, J. McMullen, P. R. (2000). Using Data Envelopment Analysis to Select Efficient Large Market Cap Securities, Journal of Business and Management, ۷, No. 2, PP. 31-42.
• Bhattacharjee, (2012). Efficiency dynamics and sustainability of the Indian IT-ITeS industry: An empirical investigation using DEA, Journal of IIMB Management Review, Vol. 24, Issue. 4, PP. 203-214.
• Squyres, J.G. (1998). A Quick Peek According to Graham and Dodd, Journal of Financial Statement Analysis, Fall, PP. 79-83.

[۱] Data Envelopment Analysis

[۲] Charnes, Cooper and Rhodes

[۳]farrel

[۴] Charnes, Cooper and Rhodes

[۵] Banker, Charnes and Cooper