انتخاب سبد سهام با کمک مدل مارتل و زاراس و رویکرد تلفیقی تصمیم‌گیری چندشاخصه و خوشه‌بندی: مورد بررسی صنعت دارو

انتخاب سبد سهام با کمک مدل مارتل و زاراس و رویکرد تلفیقی تصمیم‌گیری چندشاخصه و خوشه‌بندی: مورد بررسی صنعت دارو

احمدرضا قاسمی^1*، سید حسین احمدی²

1 –استادیار، گروه مدیریت صنعتی پردیس فارابی(قم)- دانشگاه تهران – تهران - ایران

2- کارشناس‌ارشد، مدیریت صنعتی دانشگاه تهران - تهران - ایران

چکیده

در طی سالیان اخیر بازار سرمایه یکی از بخش‌های جذاب و روبه‌رشد سرمایه‌گذاری و سود‌آوری بوده است. اما به‌واسطۀ تعدد و پیچیدگی‌ فاکتور‌ها و روش‌های تصمیم‌سازی در این حوزه، اتخاذ رویکردی علمی درخصوص گزینش سبد سهام گاه با مشکلاتی مواجه بوده ‌است. این پژوهش بر آن است تا راه‌کاری نوین مبتنی بر ادبیات تصمیم‌گیری چندشاخصه و خوشه‌بندی به‌منظور گزینش سبد سهام ارائه دهد. نتایج پژوهش گویای آن است که پنج شاخص اصلی (شاخص‌های اهرمی، نسبت کارایی، نسبت ارزش بازار، نسبت نقدینگی و نسبت کارایی) و 24 شاخص فرعی شناسایی در گزینش سبد سهام دخیل هستند. ابزار تحلیل تصمیم‌گیری چندشاخصه و خوشه‌بندی، و مورد بررسی، شرکت‌های صنعت دارو‌سازی موجود در بورس بوده‌اند. نتایج خوشه‌بندی شرکت‌ها در حالت بهینه، آن‌ها را به دو خوشه طبقه‌بندی می‌کند و درنهایت شرکت‌های خوشۀ برتر با کمک مدل مارتل و زاراس رتبه‌بندی می‌شوند. براساس نتایج ، شرکت البرز دارو با توجه به امتیاز بالایی که در معیارهای ارزش بازار و نسبت‌های فعالیت به دست آورد،  برترین شرکت داروسازی انتخاب شد؛ پس از آن نیز به‌ترتیب شرکت‌ داملران در رتبۀ دوم و داروسازی اکسیر و رامک در جایگاه سوم قرار گرفتند. ابزار فوق با حذف قسمت چشمگیری از نمونه بررسی‌شده کمک شایانی به طبقه‌بندی و رتبه‌بندی شرکت‌های برتر می‌کند. با این وجود، پیشنهاد می‌شود در کنار روش کمی از روش‌های کیفی نیز بهره‌گیری شود. 

واژه‌های کلیدی: بورس، تصمیم‌گیری چند‌شاخصه، خوشه‌بندی، صنعت دارو، مدل مارتل و زاراس.

1- مقدمه

امروزه برای پوشش‌دادن ترجیحات متفاوت ریسک و بازده سرمایه‌گذاران، و عدم‌اطمینان بازار سهام در مدل‌های سرمایه‌گذاری مالی، از مدل‌های تصمیم‌گیری چند‌شاخصه به‌عنوان اصلی‌ترین ابزار سرمایه‌گذاری استفاده می‌شود. تصمیم‌گیری چند‌شاخصه، شاخه‌ای از پژوهش در عملیات است که پایه‌های ریاضی محکمی را برای ماهیت چندشاخصۀ (ذاتی) مسئلۀ رتبه‌بندی فراهم می‌آورد. تنوع شاخص‌های مؤثر بر تصمیم‌گیری‌های مالی (ازقبیل محیط ارزیابی و اهداف)، پیچیدگی محیط‌های اقتصادی، تجاری، مالی و ماهیت ذهنی اغلب تصمیم‌گیری‌های مالی تنها بخشی از ویژگی‌های مرتبط با چارچوب مدل‌سازی تصمیم‌گیری‌های چندشاخصه را تشکیل می‌دهند؛ بنابراین روش‌های تصمیم‌گیری چندشاخصه برای مطالعۀ بسیاری از مسائل تصمیم‌گیری مالی مناسب هستند (بالستروگوتنر¹ و همکاران، 2007)

انتخاب سهام و مدیریت سبد سرمایه، اصلی‌ترین حوزۀ تصمیم‌گیری مالی را تشکیل می‌دهند. مسئلۀ انتخاب سبد سهام مطلوب و بهینه، مسئله‌ای است که همواره همۀ سرمایه‌گذاران اعم از حقیقی و حقوقی با آن روبه‌رو هستند. مسئلۀ انتخاب سهام شامل ایجاد سبد سهامی می‌شود که مطلوبیت سرمایه‌گذار را حداکثر کند. روش ایجاد چنین سبد سهامی همواره ذهن محققان و تحلیل‌گران مالی را به خود معطوف ساخته است. فرایند ساخت سبد سهام بهینه شامل دو بخش عمده است:

در بخش نخست تصمیم گیرنده، اعم از شخص حقیقی یا حقوقی، باید سهام‌ موجود را که به‌عنوان فرصت‌های سرمایه‌گذاری محسوب می‌شوند، ارزیابی و انتخاب کند. این بخش با درنظرگرفتن وجود حجم وسیعی از سهام‌ مبادله‌شده در بازارهای بورس بین‌المللی، به‌منظور تمرکز تحلیل بر تعداد کمتری از بهترین انتخاب‌های سرمایه‌گذاری ضروری می‌شود.

 بخش دوم مشتمل بر تصمیم‌گیری دربارۀ میزان سرمایه‌گذاری در هریک از سهام‌های انتخاب‌شده در بخش اول است؛ در این بخش سرمایه‌گذار باید دربارۀ میزان سرمایه‌گذاری در هریک از سهام‌ انتخاب‌شده در بخش اول، تصمیم‌گیری کند و درنتیجه سبدی از سهام‌ انتخاب‌شده را ایجاد کند (سوخگیان و همکاران، 1389).

 دارو کالایی استراتژیک و سودآور است که همواره با نظارت دولت‌ها تهیه و پخش می‌شود. در کشور پهناور ایران با جمعیت 76میلیون و 625هزارنفری فعلی آن، 68 کارخانه داروسازی درحال‌حاضر به تولید انواع محصولات دارویی اهتمام دارند. ایران از لحاظ مصرف دارو، جزء 10 کشور نخست دنیا است. میانگین مصرف سرانۀ هر ایرانی سالانه 380 عدد دارو در سال است که بیش از استاندارد جهانی بوده و در قارۀ آسیا مقام اول را به خود اختصاص داده است. به‌عبارت‌دیگر، هر ایرانی هر روز یک عدد دارو مصرف می‌کند، حدود 20 درصد از کل دارو‌های کشور به‌صورت خود‌سرانه و بدون مشورت با پزشک مصرف می‌شوند. سالانه بیش از 10 هزار مورد، عارضۀ ناشی از مصرف اشتباه دارو در کشور گزارش شده است. میانگین داروهای تجویز‌شده در نسخۀ هر بیمار ایرانی حدود 7 قلم است که حدود 4 برابر میانگین مصرف سرانۀ کشورهای درحال‌توسعه است. ارزش کل مصرف دارو در ایران بالغ بر 3600 میلیارد تومان است (البته باتوجه به اینکه قیمت‌های دارو در ایران حدود یک‌سوم قیمت جهانی است) درواقع چنانچه کارخانه‌های داروسازی کشور دارو تولید نکنند، باید رقمی بیش از 14.5 میلیارد دلار (به نرخ مبادلاتی) صرف واردات دارو شود. صنعت داروسازی ایران با تولید بیش از 1000 قلم دارو توانمندی خوبی در این زمینه دارد. در سال گذشته نزدیک به 70 میلیون دلار دارو به کشورهای آسیای میانه، افغانستان، عراق، پاکستان، کشورهای حوزۀ خلیج فارس و... صادر کرده است. با توجه به این موارد شناسایی برترین شرکت داروسازی ایران و مهم‌ترین شاخص‌های مالی ارزیابی این شرکت‌ها امری ضروری به نظر می‌رسد. این موضوع به بهبود وضع موجود شرکت‌های داروسازی و شناخت رقبای اصلی و رعایت حداقل‌های لازم به‌منظور بقا منجر می‌شود (عزیزی، 1392).

ازآنجایی‌که شاخص‌های مالی مرتبط با شرکت‌ها بسیار متنوع هستند، لذا در این پژوهش به شناسایی مهم‌ترین معیارهای مالی برای رتبه‌بندی شرکت‌ها پرداخته شده است. هدف از انجام این تحقیق علاوه‌بر رتبه‌بندی و شناسایی مهم‌ترین شاخص‌ها و معیارهای مالی در شرکت‌ها، رتبه‌بندی شرکت‌های داروسازی  پذیرفته‌شده در بورس اوراق بهادار تهران از تاریخ 29/12/85 تا 29/12/90 می‌باشد که به‌این‌منظور، از یک روش تصمیم‌گیری چندمعیاره تلفیقی با تحلیل خوشه‌ای k میانگین استفاده شده و سپس با کمک مدل مارتل و زاراس شرکت‌های داخل خوشۀ اول رتبه‌بندی شده است. با توجه به مطالب بیان‌شده و اهمیت رتبه‌بندی شرکت‌های داروسازی، نیاز به تحلیل دقیق براساس مدلی که برتری تمامی شرکت‌ها را برای همۀ معیارها بسنجد،  وجود دارد. ازآنجاکه در مدل مارتل و زاراس تمامی شرکت‌های داروسازی براساس همۀ معیارها به‌صورت جداگانه بررسی و مقایسه می‌شوند (مدل‌ غیرجبرانی). درنهایت، شرکت‌ها براساس کل معیارها رتبه‌بندی می‌گردند؛ این مدل روش مناسبی برای رتبه‌بندی به نظر آمد و در نتایج نهایی پروژه نیز صحت این مطلب به اثبات رسید. برتری مدل مارتل و زاراس نسبت به روش‌هایی همچون TOPSIS و ELECTERE و...(جبرانی) در بررسی تمامی گزینه‌ها، بر اساس تمامی معیارها است (ویژگی که در روش‌های تصمیم‌گیری چندمعیاره غیرجبرانی وجود دارد). همچنین معمولاً در مدل‌های ذکرشده، از یک ماتریس تصمیم استفاده می‌شود که در بیشتر موارد دارای خطای اِعمال نظر شخصی نیز هست؛ اما این مدل براساس مقایسۀ گزینه‌ها با توجه به نظر خبرگان است؛ افزایش تعداد خبرگان می‌تواند باعث افزایش دقت  شود، به‌همین‌دلیل برای افزایش دقت کار و افزایش قابلیت اعتماد نتایج، در این پژوهش از نظر 10 خبره استفاده شده است (براساس خود مدل مارتل و زاراس نظر 7 خبره قابلِ‌اعتماد است).  

2- مروری بر مبانی نظری و پیشینۀ تحقیق

با افزایش فشار تحریم‌های خارجی، یکی از معضلات کنونی کشور تأمین مالی طرح‌های عظیم صنعتی است. بازار سرمایه و بورس یکی از راه‌کار‌های مناسب تأمین مالی طرح‌های کلان صنعتی است که ضمن هدایت سرمایه‌ها به‌سوی بازار‌های سالم و کارآمد، از هدایت این دارایی‌ها به سمت‌وسوی بازار‌های ناسالم جلوگیری می‌کند. بازار سرمایه از جمله بازار‌های جذاب و روبه‌رشد در عرصۀ اقتصادی کشور محسوب می‌شود و یکی از ارکان اصلی آن یعنی بورس اوراق بهادار به‌عنوان بهترین راه تجهیز منابع در کشور ما بوده است و هم‌اکنون از جایگاه ویژه‌ای در اقتصاد ما برخوردار می‌باشد. با گسترش این بازار̊ بسیج سرمایه‌های کوچک، تقویت بخش خصوصی، تشکیل واحدهای بزرگ تجاری، ارتباط با بازارهای جهانی، جلب سرمایه‌های خارجی، آزادسازی و خصوصی‌سازی میسر می‌شود و در نهایت می‌تواند آثار و نتایج مهمی‌ در بر داشته باشد (حافظیه، 1385).

ریسک و بازده از اساسی‌ترین مسائل مدیریت مالی هستند که در دهه‌های اخیر به‌طور وسیع بررسی شده و در فرایند سرمایه‌گذاری بسیار به آن توجه شده است. فرایند سرمایه‌گذاری مستلزم تصمیم‌گیری در پنج مورد است که عبارت است از؛ 1. تدوین خطّ‌مشی سرمایه‌گذاری؛ 2. تحلیل اوراق بهادار؛ 3. تشکیل سبد سهام؛ 4. بازبینی سبد سهام و 5. ارزیابی عملکرد سبد سهام. هر کدام از مراحل گفته‌شده و تنوع اوراق بهادار و عوامل اثرگذار بر این فرایندها، درمجموع موجب تنوع روش‌های سرمایه‌گذاری و پیچیدگی تصمیم‌گیری در موارد فوق شده است (شاه‌علیزاده و معماریانی، 1382).  با گذشت زمان و بین‌المللی‌شدن بازارهای مالی، هم پیچیدگی و هم حجم معاملات افزایش یافته و این امر نیاز فزاینده‌ای به مدل‌های فراگیر و یکپارچه ایجاد کرده است، تا سرمایه‌گذاران و مؤسسات مالی را در تصمیم‌گیری یاری کنند. ازاین‌رو برای پاسخ‌گویی به این نیاز، مدل‌سازی مالی و استفاده از برنامه‌ریزی ریاضی به وجود آمد (وو و کولول²، 1987).

تئوری مدرن سبد دارایی با کارهای هری مارکویتز (1952) و مقالۀ «انتخاب سبد سهام» شروع شد. در این مقاله مارکویتز تنوع بخشی را فرمول‌بندی و به‌صورت کمی نشان داد. وی تحلیل کرد که چرا تنوع بخشی، ریسک سرمایه‌گذاران انفرادی را کاهش می‌دهد و نخستین کسی بود که مفهوم سبد سهام کالا را بیان کرد. طبق مفروضات مارکویتز، سرمایه‌گذاران بازده را مطلوب دانسته و از ریسک‌گریزان هستند، در تصمیم‌گیری منطقی عمل می‌کنند و تصمیم‌‌هایی اتخاذ می‌کنند که باعث حداکثر شدن بازده مطلوب آن‌ها می‌شود(سوخگیان و همکاران، 1389). بنابراین مطلوبیت سرمایه‌گذاران، تابعی از بازده موردانتظار و ریسک است (گرکز و همکاران،  1389).

محققان متعددی پس از ماکویتز موضوع سهام و بازارهای مالی را بررسی کردند و مدل‌های متعددی ارائه دادند. ‌ بااین‌وجود، برخی نظیر باچ و اسپرونک (1997) بیان کردند که بسیاری از مدل‌ها در پیونددادن ماهیت چندبعدی مسئلۀ انتخاب سبد ناتوان بوده‌اند، و تنها به ارائۀ دیدگاهی کلی بر مدیریت سبد سهام تمرکز داشته‌اند (جعفرپور، 1379).

 پژوهش‌های زیادی دو رشتۀ رتبه‌بندی و تصمیم‌گیری چندشاخصه را به هم پیوند می‌زند. ماهیت مسئلۀ انتخاب برترین شرکت به‌وسیلۀ محققان تصمیم‌گیری و مالی، چندبعدی در نظر گرفته شده‌ است. ویژگی مخصوص چارچوب تصمیم‌گیری چندشاخصه، تواناییِ درنظرگرفتن اهداف چندگانۀ تشکیل سبد سهام به‌صورت هم‌زمان است.

 مزایای اصلی چارچوب تصمیم‌گیری چندشاخصه به موارد زیر اشاره دارد:

- امکان ساختن مدل واقعی‌تر، با درنظرگرفتن شاخص‌های متعدد از جمله دو معیار پایه‌ای بازده و ریسک و تعدادی از شاخص‌های مهم دیگر، مانند نسبت قیمت به عایدی، شاخص‌های مرتبط با خصوصیات بازار سهام.

رویکرد کلاسیک حد متوسطی را برای رفتار سرمایه‌گذاران در نظر می‌گرفت که می‌توانست محدودکننده ‌‌باشد؛ چون آنان نمی‌توانستند اهداف انفرادی، ترجیحات شخصی و نگرش به ریسک خود را به کار ببرند (ریموند، 1388؛ سی.پارکر، 1388).

درمجموع می‌توان گفت مدل‌های فراگیر و درعین‌حال یکپارچه، به سرمایه‌گذار فرصت خواهد داد تا محدودیت‌ها و اهداف موردنظر خود را در مدل اعمال کرده و به فراخور اولویت موردنظر خود در چارچوب تئوری سبد سهام، از مدل استفاده‌‌ کند. همچنین اطلاعات مؤثر در افق زمانی دور و نزدیک سرمایه‌‌گذاری را سریعاً در تصمیم‌گیری لحاظ کند (هادوی‌نژاد، 1383).

دیاکولاکی³ و همکاران (1992) در مقالۀ روش چندشاخصه برای ارزیابی عملکرد شرکت‌های صنعتی، نتایج تحلیل یک تئوری سود چندشاخصه را به نمونۀ بزرگی از شرکت‌های موجود در صنایع داروسازی یونان تعمیم دادند. آن‌ها از نسبت‌های رایج مالی به‌عنوان شاخص ارزیابی کلی شرکت  استفاده‌ ‌کردند. نتایج نشان داد که سودآوری بارزترین شاخص ارزیابی و گروه‌بندی شرکت‌ها محسوب می‌شود. علاوه‌بر‌آن ساختار سرمایۀ مناسب نیز شرط لازم برای اطمینان از سودآوری و اثربخشی فعالیت‌های شرکت است.

سیسکاس⁴ و همکاران(1994) یک سیستم یکپارچۀ حمایت از تصمیم‌گیری برای تحلیل و تأمین مالی شرکت‌ها توسط یک بانک توسعۀ صنعتی در یونان ارائه دادند. در ابتدا این سیستم، عملکرد مالی شرکت را با استفاده از نسبت‌های مالی سودآوری، عملکرد مدیریت و قدرت بازپرداخت دیون، در طول یک دورۀ پنج‌ساله را ارزیابی کرده و امکان استنباط دربارۀ روندهای رشد را فراهم کرد. علاوه‌بر‌آن، تکنیک‌های آماری گوناگونی به‌منظور کمک به شناسایی نسبت‌های مالی با اهمیت و گروه‌بندی شرکت‌ها در طبقات مرتبط در دسترس‌ قرار گرفتند.

ساماراس⁵ و همکاران (2008) با استفاده از یک روش چندشاخصه و مطابق با سیستم حمایت از تصمیم‌گیری، به ارزیابی سهام شرکت‌های موجود در بورس اوراق بهادار آتن پرداخته‌‌اند. این روش براساس نسبت تحلیل بنیادین است و از روش یوتی‌ای‌استار به‌منظور طبقه‌‌بندی سهام از بهترین به بدترین و لحاظ‌کردن قدرت ریسک‌پذیری سرمایه‌‌گذار بهره برده ‌‌است. این سیستم که برای هر دو سرمایه‌‌گذاران حقیقی و حقوقی  طراحی شده است، از حجم وسیعی از اطلاعات مرتبط استفاده ‌‌کرده و آن‌ها را در شرایط دنیای واقعی به اجرا درآورده است تا داده‌ها همیشه به‌روز باشند.

جعفر پور (1379) توسعۀ سیستم‌های انتخاب هوشمند مجموعۀ سهام را بررسی کرد. تخصیص منابع در شرایط عدم‌اطمینان به‌صورت بهینه، اهداف پژوهش وی بود. او به این نتیجه رسید که منبع انتخابی، سرمایه است که باید به‌صورت بهینه بین سهام بازار بورس تقسیم شود.

دلبری (1380) به مطالعۀ بررسی شاخص‌های مؤثر بر انتخاب سهام در بورس اوراق بهادار تهران براساس مدل فرایند تحلیل سلسله‌مراتبی پرداخته‌‌ است. وی بر این باور است از‌آنجایی‌که بورس اوراق بهادار تهران، بازاری ناکاراست و به‌عبارت‌دیگر در این بازار ارزش واقعی سهام با قیمت آن برابر نیست، مسئلۀ انتخاب سهام مهم‌تر جلوه می‌کند. شاخص‌های مؤثر در انتخاب سهام در این پژوهش عبارت‌اند از نسبت جاری، نسبت بدهی، گردش موجودی کالا، بازده دارایی‌ها، بازده سرمایه و درصد سود تقسیمی به درآمد. هادوی نژاد (1383) در پژوهشی  عوامل مؤثر بر انتخاب سهام در بورس اوراق بهادار تهران (محدود به شرکت‌های سیمان) با استفاده از رویکرد MADM را شناسایی کرده است. شایان ذکر است سرمایه‌‌گذاران در این شرکت‌ها باید عوامل متعدد تأثیرگذار بر سهام را ارزیابی کنند. در این پژوهش  24 معیار، با استفاده از پرسش‌نامه لیکرت، به‌عنوان شاخص‌های اولیه مؤثر بر انتخاب سهام در بورس اوراق بهادار تهران انتخاب و شناسایی شدند. نتیجه نهایی پژوهش وی، مهم‌ترین عوامل مؤثر بر انتخاب سهام در بورس اوراق بهادار تهران (شرکت‌های سیمانی) را به‌ترتیب عوامل سودآوری، کنترل فن‌آوری و اقتصادی شناسایی کرد. برهمین‌اساس، مهم‌ترین شاخص‌های مؤثر شامل سیاست‌ها و مقررات اقتصادی، نسبت‌های مالی مربوط به سود سهم و توجه به اجرای طرح‌های تحقیق و توسعه و چگونگی آن بودند.

مطالعۀ دیگری اخیراً به ارزیابی و رتبه‌بندی شرکت‌های بورسی براساس  شاخص‌های رشد فروش، رشد حاشیۀ سود، متوسط بازدهی، رشد سود قابل تخصیص، نرخ ارز، نوسانات قیمت فلزات پایه، مزیت رقابتی صنعت و رونق رکود اقتصادی پرداخته ‌است. ابزار تحلیل و رتبه‌بندی این تحقیق تکنیک AHP و آنتروپی شانون (برای وزن‌دهی) و TOPSIS است (موتمنی و سلیم، 1391). با توجه به مطالب بیان‌شده اهمیت رتبه‌بندی شرکت‌های داروسازی، مشخص می‌‌شود، بنابراین در این پژوهش با استفاده از روش‌های تصمیم‌گیری چندمعیاره و خوشه‌بندی به رتبه‌بندی شرکت‌های داروسازی بورس اوراق بهادار تهران پرداخته شده است، تا علاوه‌بر شناسایی برترین خوشه‌ها در صنعت داروسازی شرکت‌های داروسازی خوشۀ برتر نیز رتبه‌بندی شوند.

3- روش‌پژوهش

3-1- روش‌های‌ تصمیم‌گیری چند‌معیاره:

یکی از اصلی‌ترین و مهم‌ترین مشکلات موجود برای مدیران تصمیم‌گیری درست و به‌موقع و مطابق معیارهای مناسب است. مناسب‌ترین راهکار برای حل این مشکل استفاده از روش‌های تصمیم‌گیری چندمعیاره  MCDM است. این مسائل در مهندسی و مدیریت زمینه‌های تئوری و گسترده کاربرد زیادی دارد(ترینتافیلو و ایوانز⁶، 1999). برخی از این پژوهش‌ها از اعداد و اطلاعات فازی  چیادامرونگ⁷، (1999؛ چو⁸، 2009؛ هانگ و چینج⁹، 2009)   و برخی دیگر از متغیرهای احتمالی استفاده می‌کنند (مارتل و زاراس¹⁰، 1995؛ نوواک¹¹،2004؛ نوواک، 2006؛ نوواک، 2007). در این پژوهش از روش K-mean و مدل مارتل و زاراس برای تصمیم‌گیری و رتبه‌بندی شرکت‌های داروسازی استفاده شده است.

مدل مارتل و زاراس

ژان مارک مارتل و کاژیمیژ زاراس در سال 1997 مدلی تحت عنوان تنظیمات و مدل‌سازی با استفاده از احتمال و تسلط احتمالی در مقاله‌ای با همین نام معرفی کردند. از این مدل که در گروه مدل‌های غیرجبرانی قرار دارد، در سال‌های اخیر استقبال شده استو مقالاتی با کمک این مدل نوشته شده‌‌اند؛ البته در ایران به دلیل اساس ریاضی و مدل بسیار مشکل آن به ندرت از این روش و یا فقط از بخش‌هایی از آن استفاده شده است. همان‌طور که پیش‌تر بیان شد، اساس این مدل بر مقایسۀ گزینه‌ها با توجه به نظر خبرگان استوار است. در این پژوهش خبرگان به‌صورت تصادفی انتخاب شدند و 5 نفر ایشان از اعضای هیئت علمی دانشگاه‌ها و 5 نفر دیگر خبرگان بورس اوراق بهادار تهران بودند. با افزایش تعداد خبرگان دقت کار و قابلیت اعتماد نتایج  پژوهش افزایش می‌یابد؛ لذا در این پژوهش از نظر 10 خبره استفاده شده است (که براساس خود مدل مارتل و زاراس نظر 7 خبره قابلِ‌اعتماد  است)(مارتال و زاراس، 1995).

مراحل مدل مارتل و زاراس

مرحلۀ اول:

در این مدل ابتدا  تسلط گزینه­ها بررسی شده است. به این صورت که مطابق تعریف (1) تابع تجمعی نظر خبرگان دربارۀ گزینۀ (1) با گزینۀ (2) مقایسه شده است. در‌صورتی‌که در کل بازۀ ذکرشده مقدار تابع گزینۀ (1) از گزینۀ (2) کمتر باشد، گزینۀ (1) نسبت به گزینۀ (2) تسلط دارد و برای این گزینه FSD¹² قرار گرفته است. در‌صورتی‌که این رابطه برقرار نباشد به مرحلۀ دو رفته و ارتباط SSD¹³  مطابق تعریف (2) بررسی می‌شود؛ به‌این‌صورت که انتگرال گزینۀ (1) نسبت به گزینۀ(2) در تمام بازه کمتر باشد، گزینۀ (1) نسبت به گزینۀ(2) تسلط مرحلۀ دو (SSD) دارد.  همچنین درصورتی‌که با یکدیگر تقاطع داشته باشند، به بررسی تسلط مرحلۀ سوم یا TSD¹⁴ مطابق تعریف 3 پرداخته می‌شود. گفتنی است که در‌صورتی‌که گزینۀ (1) نسبت به گزینۀ (2)،  FSDداشته باشد، حتما SSD و TSD نیز دارد؛ اما عکس این مطلب صادق نیست. بررسی مربوط به FSD و SSD و TSD برای تمامی جفت گزینه‌ها انجام خواهد شد.

تعریف 1:

F_ik FSD_k F_jk  اگر و تنها اگر

 F_ik ¹ F_jk, و F_ik (x_k) £ F_jk (x_k)  

برای تمام

 x_k Î [c_k, d_k] در [c_k, d_k]

تعریف 2:

F_ik SSD_k F_jk  اگر و تنها اگر

 F_ik ¹ F_jk, و òF_ik (x_k) £ ò F_jk (x_k) برای تمام

 x_k Î[c_k,d_k].

تعریف 3:

F_ik TSD_k F_jk  اگر و تنها اگر

 F_ik ¹ F_jk,  و òòF_ik (x_k) £ òòF_jk (x_k)  

برای تمام x_k Î [c_k, d_k]  و m( F_ik ) ³ m( F_jk )

گفتنی است که در‌صورتی‌که گزینۀ iام نسبت به گرینۀ jام FSD یا تسلط مرحلۀ اول داشته باشد، شامل تسلط مراحل دوم SSD و سوم TSD  نیز می‌شود؛ در‌صورتی‌که عکس این موضوع صادق نیست.

مرحلۀ دوم:

در ادامه براساس تعاریف زیر ارتباط بین گزینه‌ها بررسی می‌شود؛ به این صورت که P اولویت بزرگ یا اصلی و Q اولویت ضعیف هستند، R نیز در‌صورتی‌که هیچ‌یک از دو مورد ذکرشده نباشد، استفاده خواهد شد. در مورد گزینه‌ها نیز به این صورت عمل می‌شود که مطابق تعریف (4) اگر در مواقعی که گزینۀ (1) و (2) با یکدیگر مقایسه می‌شوند، گزینۀ (2) نسبت به گزینۀ (1) تسلط نداشته باشد(هیچ‌یک از سه نوع تسلط FSD یا SSD و یا TSD)  و احتمال زیر نیز برای b و  a بین صفر تا یک  برقرار باشد، P قرار داده می‌شود؛ در‌صورتی‌که گزینۀ (1) نسبت به گزینۀ(2) تسلط داشته باشد و احتمال تعریف 5 نیز برقرار باشد، عبارت Q در نظر گرفته شده و در‌صورتی‌که هیچ‌یک برقرار نباشد، R در جدول قرار می‌گیرد. (گفتنی است که برای محاسبۀ احتمال زیر در محیط برنامه‌نویسی (Visual Studio) با مقادیر آلفا و بتا در محدودۀ ذکرشده و بررسی کل بازه بتا و آلفا بین صفر تا 1، جداول مربوطه تکمیل می‌شود)

تعریف 4:

a_ik P_k a_jk  اگر $ x_k^aÎ X_ik به طوری که

 P_r (X_jk < x_k^a ) > b / (1 - a) و  Ø F_jk SD_k F_ik

زمانی که

  bÎ[ 0.5 ; 1.0 ], aÎ[ 0 ; 1.0 ) و x_k^a= sup{ x_k / P_r(X_ik < x_k) £ a},

تعریف 5:

a_ik Q_k a_jk  اگر " x_k^aÎ X_ik  به طوری که

 P_r (X_jk < x_k^a) £ b / (1 - a) و F_ik SD_k F_jk

a_ik R_k a_jk  در دیگر مواقع.

مرحلۀ سوم:

دراین مرحله به محاسبۀ اولویت کلی گزینه‌ها پرداخته خواهد شد؛ بدین صورت که در مقایسۀ گزینه (1) با گزینۀ (2) اگر گزینۀ (2) نسبت به گزینۀ (1) تسلط  داشته باشد(هر یک از سه نوع تسلط FSD یا SSD و یا TSD) و مجموع وزنی معیارهایی که در آن، گزینۀ (1) نسبت به گزینۀ (2) در جدول مرحلۀ دوم عبارت P و یا Q دارد بیشتر و یا مساوی وزن معیارهایی باشد که گزینۀ (2) نسبت به گزینۀ(1)، عبارت Q را دارد در جدول مرحلۀ 4 عبارت بیشتر گذاشته شده و در غیر این صورت نماد «~» قرار داده خواهد شد.

a_i<a_jاگر    a_jk P_k a_ikبرای تمام  kها  و اگر

  w^P++ w^Q+ ³ w^Q-

a_i~ a_jدر دیگر مواقع

که در رابطۀ بالا: w^P+جمع وزن‌ها برای تمام k‌ها که a_ik P_k a_jk هستند؛

  w^Q+ جمع وزن‌ها برای تمام k‌ها که a_ik Q_k a_jkهستند؛

 w^Q-جمع وزن‌ها برای تمام kها که a_jk Q_k a_ikهستند.

مرحلۀ چهارم:

برای یافتن بهترین گزینه یا زیر‌مجموعه که شامل اولویت اصلی در جواب نهایی است، به روش زیر عمل می‌شود. این گزینۀ اصلی دارای خصوصیات زیر است:

- هر عنصر در هسته قرار می‌گیرد در‌صورتی‌که حداقل یک عنصر در هسته آن را  ترجیح دهد.

2- هر عنصر در هسته به هر عنصر دیگر در هسته ترجیح داده شود.

حال با توجه به روابط کمتر(<)یا بی تفاوت(~) به‌دست‌آمده از جدول مرحلۀ چهارم برای گزینه‌‌ها، هر چه تعداد کمترها بیشتر باشد گزینه، رتبۀ بالاتری را به خود اختصاص می‌دهد. در‌صورتی‌که بین دو گزینه تعداد < مساوی شود، به بررسی تعداد ~ پرداخته خواهد شد، تا رتبه‌بندی نهایی انجام گیرد. در این مدل گاهی برخی گزینه‌ها که دارای تعداد < برابر هستند، در یک طبقه قرار می‌گیرند که این گزینه‌ها، گزینۀ هم‌طبقه نامیده می‌شوند (احمدی و مختارزاده، 1392).

3-2- روش‌شناسی پژوهش

به‌طورکلی روش­های تحقیق در علوم رفتاری را می‌توان با توجه به دو ملاکِ هدف تحقیق و نحوۀ گردآوری داده­ها تقسیم کرد. در تقسیم­بندی بر اساس هدف، تحقیقات را می‌توان به سه گروه بنیادی، کاربردی، و تحقیق ­و توسعه تقسیم کرد (سرمد و همکاران، 1386).هدف از انجام این پژوهش، رتبه‌بندی شرکت‌های مختلف با توجه به شاخص‌های مالی است. اما همان‌طور که پیش‌تر ذکر شد، به‌زعم مؤلفان̊ شاخص‌های بررسی‌شده در زمینۀ رتبه‌بندی شرکت‌ها دارای اهمیت ناهمسان هستند. ازاین‌رو این پژوهش با دو‌دسته سؤال مواجه خواهد بود. نخست اینکه آیا شاخص‌های 24 گانۀ شناسایی‌شده دارای اهمیت یکسانی هستند؟ و دوم اینکه با چه روشی می‌توان شرکت‌های ذکرشده را گروه‌بندی کرد؟

به‌منظور پاسخگویی به سؤال نخست از روش‌ وزن‌دهی و سؤال دوم از روش تحلیل خوشه‌ای k میانگین و مدل مارتل و زاراس استفاده شده است. ازاین‌رو فرایند مندرج در نمودار (1) در این خصوص دنبال شده است.

نمودار (1) فرایند انجام پژوهش

در این مرحله ابتدا با انجام مطالعات میدانی و مرور مقالات علمی در حوزۀ مدیریت مالی، به شناسایی شاخص‌های مهم در بحث مالی شرکت‌ها پرداخته شده است که نتایج آن به شرح زیر است:

3-3- گزینش‌شاخص‌ها  مالی

3-3-1- دسته‌بندی شاخص‌های مؤثر بر تصمیم گیری: پس از تحلیل و دسته‌بندی مطالعات گذشته شاخص‌های مالی به پنج دسته اصلی شامل شاخص‌های سودآوری، نقدینگی، ارزش بازار، کارایی (فعالیت) و معیار اهرمی دسته‌بندی شده‌‌ و هر کدام از آن‌ها نیز به شاخص‌های فرعی از قرار زیر تفکیک شده‌اند.

الف) نسبت‌های سودآوری:مشتمل بر آن دسته از نسبت‌های مالی است که نتایج عملکرد شرکت (سود ویژه، سود ناویژه، سود عملیاتی، سود قبل از کسر بهره و مالیات) را از دیدگاه‌های مختلف (فروش، دارایی‌ها) بررسی می‌کنند. هرچه این نسبت بالاتر باشد مطلوب‌تر است (جدول 1).

جدول (1) شاخص‌های محاسباتی نسبت‌های سودآوری (فهیم، 1383)

ب) نسبت‌های نقدینگی: با نسبت‌های نقدینگی می‌توان میزان توانایی انجام تعهدات کوتاه‌‌مدت شرکت را بررسی کرد. اساس کاربرد نسبت‌های نقدینگی بر این فرض است که دارایی‌های جاری، منابع اصلی نقد شرکت یا پرداخت بدهی‌های جاری هستند(جدول2).

جدول (2) شاخص‌های محاسباتی نسبت‌های نقدینگی (فهیم، 1383)

ج) نسبت‌های ارزش بازار:شاخص‌هایی هستند که بین قیمت بازار و ارزش دفتری هر سهم و سود ارتباط بر قرار می‌‌کنند (جدول3).

جدول (3) شاخص‌های محاسباتی نسبت‌های ارزش بازار (آذر و همکاران، 1391)

د) نسبت‌های فعالیت (کارایی):کارایی شرکت از منظر مدیریت دارایی‌ها با استفاده از این نسبت‌ها سنجیده می‌شود. کارایی یعنی گردش سریع اقلام دارایی، و از‌این‌رو، این نسبت‌ها را نسبت‌های فعالیت می‌نامند. در محاسبۀ این نسبت‌ها روی برخی اقلام دارایی مانند موجودی کالا یا حساب بدهکاران تأکید بیشتری می‌شود (جدول4).

جدول (4) شاخص‌های محاسباتی نسبت‌های فعالیت (شاه‌علیزاده و معماریانی، 1382)

ﻫ) نسبت‌های اهرمی: نسبت‌های اهرمی، توانایی شرکت در ایفای تعهدات و پرداخت بدهی‌ها در زمان سررسید را نشان می‌دهد(جدول5).

جدول (5) محاسباتی نسبت‌های اهرمی (سوخکیان و همکاران،1389) )

3-4- وزن‌دهی به شاخص‌ها با روش آنتروپی

به‌منظور مشخص‌کردن اهمیت ناهمسان شاخص‌ها، در این پژوهش از روش‌های رایج در تصمیم‌گیری چندشاخصه استفاده شده است.

برای ارزیابی اوزان شاخص‌ها، روش‌های مختلفی وجود دارند از جمله: الف) روش آنتروپی؛ ب) روش لینمپ؛  ج) روش کمترین مجذورات موزون و د) روش بردار ویژه.

برای به‌دست‌آوردن ماتریس بی‌مقیاس موزون، محاسبۀ اوزان شاخص‌ها ضروری است (یو و لی¹⁵، 2011)(). به‌منظور محاسبۀ اوزان نسبت‌های مالی، از تکنیک آنتروپی شانون استفاده شده است (لی و همکاران، 2009). میزان اهمیت شاخص‌ها از طریق تکنیک آنتروپی در سطر آخر جدول موجود در پیوست مقاله، ذکر شده است.

 جامعۀ آماری این پژوهش کلیۀ شرکت‌های داروسازی پذیرفته‌شده در بورس اوراق بهادار تهران از تاریخ 29/12/85 تا 29/12/90 هستند. شرکت‌هایی که از طرف بورس اوراق بهادار حذف شده‌اند، مستثنی گردیده‌اند. محدودیت دیگر مربوط به سال مالی است که باید پایان سال مالی منتهی به 29/12 باشد. همچنین سهام هر شرکت باید در هر سال حداقل 9 ماه مطالعه شود. با توجه به پراکندگی و تنوع فعالیت شرکت‌های پذیرفته‌شده در بورس اوراق بهادار، برای راحتی و قابلیت مقایسۀ شرکت‌ها از نقطه‌نظر اطلاعات مالی آن‌ها، شرکت‌های فعال در صنعت داروسازی به‌عنوان نمونه برای بررسی انتخاب شده‌‌اند. تعداد کل شرکت‌های موجود در این صنعت 29 شرکت است. به دلیل اینکه داده‌های  استفاده‌شده از صورت‌های مالی و اظهارنامه‌های قانونی شرکت‌ها استخراج شده‌اند، این داده‌ها از صحت و اعتبار خوبی برخوردار هستند. همچنین در این پژوهش کلیه اطلاعات از صورت‌های مالی حسابرسی‌شده استخراج شده‌اند. بنابراین شرکت‌هایی که صورت‌های مالی حسابرسی‌شده نداشته‌اند، از نمونه انتخابی مستثنی‌شده‌ و پژوهش برای 24 شرکت باقی مانده انجام شده است.

در این پژوهش از نرم‌افزار سهام 2 و آرشیو سایت‌های اطلاع رسانی بورس اوراق بهادار تهران شامل sena.ir و rdis.ir و irbours.com و...  جهت جمع‌آوری اطلاعات استفاده شده ‌است. گفتنی است که نرم‌افزار سهام 2 یک نرم‌افزار بر خط است که به‌وسیلۀ مؤسسۀ تدبیرپرداز پشتیبانی شده و داده‌ها و اطلاعات مربوط به شرکت‌های بورسی را در اختیار کاربران قرار می‌دهد.

آنچنان که گفته شد، برای ارزیابی عملکرد مالی شرکت‌ها از نسبت‌های مالی 27 شرکت داروسازی فعال در بورس اوراق بهادار تهران استفاده گردید و 24 زیر شاخص(نسبت مالی) برای تجزیه‌وتحلیل استفاده شد. مقادیر نسبت‌ها برای تمام شرکت‌های ذکرشده در جدول پیوست ارائه شده است. آن دسته از نسبت‌هایی که افزایش آن‌ها نشان‌دهندۀ افزایش عملکرد است در جدول با علامت (+) در یک ردیف مشخص شده است؛ در مقابل علامت (-) در کنار نسبت‌ها نشان‌دهنده این است که افزایش آن نسبت مالی بیانگر کاهش عملکرد است. به‌عنوان مثال نسبت مالی سرمایه در گردش خالص از نسبت‌های نوع اول است که شاخص مثبت تلقی می‌‌شود. همچنین نسبت مالی «بدهی به ارزش ویژه» از نوع شاخص منفی است که با علامت منفی مشخص شده است.

3-5- خوشه‌بندی شرکت‌ها با روش k-mean اصلاحی

روش‌های خوشه‌بندی به دو دستۀ روش‌های قطعی و غیرقطعی (فازی) مقوله‌بندی می‌شوند. روش‌های قطعی نیز به دو دستۀ کلی سلسله‌مراتبی و تفکیکی تقسیم می‌شوند. وجه افتراق دو روش ذکرشده در مفروض‌بودن تعداد خوشه‌ها در روش‌های تفکیکی است. همچنین روش‌های سلسله‌مراتبی به دو دستۀ کلی ادغامی و شکافتی تقسیم می‌شود. در روش‌های ادغامی هر شیء نخست به‌صورت یک خوشۀ مستقل در نظر گرفته می‌شود، سپس در فرایند خوشه‌بندی، خوشه‌ها با یکدیگر ادغام می‌شوند، تا به خوشه یکتایی برسیم. حال آنکه در روش شکافتی همه داخل یک خوشه قرار گرفته و در فرایند خوشه‌بندی شکافته می‌شوند (بنا به مقتضیات تحقیق که هدف تعداد معینی خوشه است). در این روش از یکی از روش‌های رایج خوشه‌بندی ادغامی به نام روش k-mean  بهره‌گیری شده است. این روش از جمله روش‌های رایج و پرکاربرد در خوشه‌بندی است که غالباً در حل مسائل بزرگ به کار می‌رود.(منصور، 1385)

روش k-mean مشتمل بر گام‌های زیر است:

گام آغازین: تفکیک داده‌های اولیه به K خوشۀ دلخواه

گام تکراری: الف: محاسبۀ‌ فاصلۀ هر شیء از مرکز خوشۀ‌ خود؛                       ب: محاسبۀ خطا.

گام بهبود: جابه‌جایی عضوی که بیشترین فاصله را از مرکز خوشه خودش دارد، به خوشه‌‌ای که کمترین فاصله را با آن دارد.

دستور توقف: تغییر نیافتن اعضای خوشه‌‌ها یا کاهش نیافتن مقدار تابع خطا.

4- تجزیه‌وتحلیل یافته‌ها

آنچنان که پیش‌تر ذکر شد، در این پژوهش از روش k-mean ترکیبی با تصمیم‌گیری چندشاخصه بهره‌گیری شده است. از جمله مفروضات این تکنیک وجود تعداد خوشه‌های معین است. به‌منظور انجام خوشه‌بندی به‌روش پیشنهادی گام‌های زیر طی شده است.

4-1- آماده‌سازی داده‌ها به‌منظور خوشه‌بندی:

پیش‌تر درخصوص مراحل تجزیه‌وتحلیل یافته‌ها توضیح داده‌شد. در گام نخست داده‌های ماتریس تصمیم حاصل از داده‌های ثانویه(جدول پیوست) گردآوری شد. سپس با نرم‌افزار Excel داده‌های جدول پیوست، بی‌مقیاس خطی گشت. علت استفاده از رابطۀ بی‌مقیاس خطی آن است که تأثیر متغیر‌های سود و هزینه مرتفع شود. سپس اوزان استخراج‌شده به‌وسیلۀ تکنیک آنتروپی شانون در ماتریس بی‌مقیاس‌شده وارد نرم‌افزار Matlab شد.

4-2- بررسی اعتبار خوشه‌بندی

به‌منظور بررسی بهتر خروجی‌های این روش، الگوریتم با فرض تعداد خوشه‌های مختلف اجرا و سپس شاخص ضریب نیم‌رخ محاسبه شد (جدول6).

جدول (6) بررسی تعداد اعضای خوشه‌ها

حال این سؤال مطرح است که کدام تعداد خوشه برای گروه‌بندی شرکت‌ها مناسب است. شاخص‌های مختلفی برای ارزیابی خوشه‌بندی وجود دارد که می‌توان آن‌ها را به سه دسته شاخص‌های بیرونی، شاخص‌های درونی و شاخص‌های نسبی تقسیم کرد. برخی از شاخص‌های ارزیابی زمانی به خوبی جواب می‌دهند که خوشه‌ها به‌صورت فشرده (مانند توپ) باشند؛ ولی زمانی که شکل خوشه‌ها به این صورت نباشند (مانند داده‌های فضایی یا زیست‌شناسی) برخی از این شاخص‌ها جواب‌گو نیستند. دو نوع اول مستلزم آزمون‌های آماری هستند و از نظر محاسباتی زمان‌برند. شاخص‌های نوع سوم نیاز به آزمون‌های آماری ندارد. یکی از ابزار‌ها و روابط رایج در تعیین اعتبار خوشه‌بندی نمودار نیم‌رخ¹⁶و ضریب نیم‌رخ است. به‌این‌منظور مقادیر نمودار نیم‌رخ و متوسط ضرایب نیم‌رخ برای تعداد خوشه‌‌های 2، 3، 4 و5 محاسبه شد (نمودار 2). چنانچه مقدار ضرایب نیم‌رخ بیش از 6/0 باشد و یا متوسط ضریب نیم‌رخ بالاتر باشد، نشان از بهتربودن میزان خوشه‌هاست. (منصور، 1385).

آنچنان که در نمودار(3) نشان داده شده ضرایب نیم‌رخ برای خوشه‌ها غالباً بیشتر از 6/0 است. ولی در مورد ذکرشده برای خوشۀ سه میزان ضریب نیم‌رخ منفی است. در مجموع شاخص‌ متوسط ضریب نیم‌رخ برای خوشه‌های مختلف محاسبه شد(جدول6). نتایج این شاخص معرف آن است که دو خوشه بهترین تعداد خوشه‌بندی است.

نمودار 2 شمایی از نمودار نیم‌رخ برای خوشه‌بندی داده‌ها به سه خوشه

رتبه‌بندی شرکت‌‌هابا کمک مدل مارتل و زاراس:

با توجه به نتایج حاصل از اعتبار خوشه‌ها و این نکته که تعداد 2 خوشه مناسب‌ترین تعداد برای خوشه‌بندی به حساب می‌آید، در این مرحله از مدل مارتل و زاراس استفاده شد. این مدل یک روش تصمیم‌گیری چند معیارۀ غیر جبرانی است و بر اساس 5 معیار اصلی شناخته‌شده در ابتدای مقاله، به رتبه‌بندی شرکت‌های داروسازی خوشۀ اول اقدام شد که نتایج آن به شرح زیر است.

در جدول شمارۀ (7) نام شرکت‌ها، معیارها و وزن‌ها را که اولویت‌بندی مدل مارتل و زاراس با کمک آن‌ها انجام گرفته را مشاهده می‌کنید. گفتنی است که وزن‌های به‌دست‌آمده از جمع وزن‌های زیرشاخص‌های هر یک از 5 شاخص که به روش آنتروپی محاسبه شده بود، حاصل شده است.

جدول (7): نام شرکت‌ها و معیارها و وزن‌ها

مرحلۀ اول:

در ادامه بر اساس مدل مارتل و زاراس تسلط گزینه‌ها برای هریک از معیارها بررسی شده است که در جدول (8) نتایج حاصل از این مرحله را مشاهده می‌کنید. اوزان استخراج‌شده از روش انتروپی شانون در مراحل گذشته محاسبه شد.

جدول (8) بررسی تسلط گزینه‌ها

مرحلۀ دوم:

مرحلۀ دوم که در آن P اولویت بزرگ یا اصلی و Q اولویت ضعیف هستند. و R نیز درصورتی‌که هیچ یک از دو مورد ذکرشده نباشد، برای 7 گزینۀ خوشۀ اول براساس 5 معیار در جدول (9) مشخص شده است.

جدول (9) اولویت‌بندی

مرحلۀ سوم:

در این مرحله به محاسبۀ اولویت کلی گزینه‌ها پرداخته شده که نتایج آن مطابق جدول (10)آمده است.

جدول (10) اولویت کلی

مرحلۀ چهارم:

در این مرحله مطابق نمودار (3) گراف نهایی پاسخ مسئله رسم شده است. همان‌طور که مشاهده می‌کنید گزینۀ 1و 7 و همین‌طور 4 و 5 با توجه به جدول (10) تقریباً از اهمیت یکسانی برخوردارند، به‌همین‌دلیل در یک طبقه قرار می‌گیرند و گزینه‌های هم‌طبقه نام دارند.

نمودار (3) نتیجۀ نهایی ورتبۀ نهایی شرکت‌های خوشۀ1

5- نتیجه‌گیری و پیشنهاد‌ها 

در این تحقیق روش ترکیبی تصمیم‌گیری چندشاخصه و خوشه‌‌بندی برای انتخاب سبد سهام و مدیریت پورتفوی ارائه شد و از این ابزار با‌ارزش در تحلیل داده‌های مالی شرکت‌ها استفاده‌‌شد. برتری این رویکرد در قیاس با روش‌های پیشین که مبتنی بر استفادۀ صرف از مدل‌های تصمیم‌گیری چندشاخصه(چند هدفه و چندشاخصه) بوده‌اند، این است  که خروجی فرایند تصمیم منجر به ارائۀ یک بسته یا سبد سهام می‌‌شود، بدین گونه که بر اساس رتبۀ هریک از شرکت‌های موجود در این پژوهش و وزن هریک از شاخص‌ها، افرادی که قصد سرمایه‌گذاری در هریک از بخش‌های ذکرشده را داشته باشند، می‌توانند مناسب‌ترین شرکت یا شرکت‌های‌ داروسازی را از میان شرکت‌های موجود در خوش، اول، انتخاب کنند. همچنین با توجه به اوزان ارائه‌شده در جدول (7) سبد سهام مناسبی تهیه نمایند. مضاف بر این شاخص‌ها، با تأثیر ناهمسان بیشتر مورد تاکید قرار می‌گیرند. در این پژوهش با استفاده از این داده‌ها(جدول پیوست) و با به‌کارگیری تکنیک آنتروپی شانون اوزان هریک از شاخص‌های مالی محاسبه می‌‌شود. سپس از خروجی این مرحله و مطابق با مدل مارتل و زاراس شرکت‌هایی که در خوشۀ اول قرار داشتند، رتبه‌بندی شدند؛ بر این اساس البرز دارو و دامداران به‌عنوان برترین شرکت‌ها انتخاب شدند.

گفتنی است که رویکرد این پژوهش به مدیریت پورتفوی، ارائۀ راهکاری در گزینش و گروه‌بندی بهتر شرکت‌های بررسی‌شده است. بدیهی است در گام بعد می‌توان با دیگر تکنیک‌های پژوهش‌های عملیاتی با توجه به بودجۀ دراختیار و روش‌هایی نظیر بودجه‌ریزی سرمایه‌ای¹⁷ در نسبت به تعیین مقدار سهام هرشرکت اقدام کرد.

محدودیت‌های روش و راه‌کارهای پیشنهادی

به‌رغم محسنات پیش‌گفته در خصوص روش گزینش سبد سهام با رویکرد خوشه بندی و تصمیم‌گیری چندمعیاره مارتل و زاراس، ذکر پاره‌ای از نکات خالی از فایده نیست:

- انتخاب سبد سهام با اتکا به شاخص‌های مالی پیش‌گفته در شرایط ایستا با روند ثابت، توجیه‌پذیر است. بنابراین در شرایط بازار متلاطم این ابزار‌ها به‌عنوان سیستم پشتیبانی تصمیم¹⁸ و قضاوت کیفی می‌تواند یاری‌رسان مجموعه‌های سرمایه‌گذاری باشد.

- تعیین اوزان شاخص‌ها زمانی دارای اعتبار است که به وسیلۀ افراد خبره انجام شده باشد. این پژوهش مفروض وجود واریانس میان شاخص‌ها را دلیل بر وجود ریسک و به تبع آن افزایش وزن شاخص دانسته است. از‌این‌رو می‌توان برای تعدیل اوزان استخراج‌شده از تکنیک‌هایی نظیر فرایند تحلیل سلسله‌مراتبی، فرایند تحلیل شبکه‌ای¹⁹ و DEMATEL  بهره گرفت (زایدوناس و همکاران، 2011).

- ابزار تصمیم‌گیری کمی، تحت شرایط وجود اطلاعات کامل و محیط ایستا جواب‌گوی تصمیم‌سازان است. در شرایط پر تلاطم، وجودنداشتن اطلاعات کامل و شفاف استفاده از شیوۀ تصمیم‌سازی کیفی نظیر اتاق‌های فکر و طوفان مغزی ابزار مناسبی به‌منظور کاستن از ریسک تصمیمات گرفته شده است.

استفاده از مدل مارتل و زاراس به‌منظور رتبه‌بندی خوشۀ دوم و یا مسائل دیگر رتبه‌بندی پیشنهاد می‌شود.

- استفاده از افراد خبره کمک شایانی در ارزیابی اوزان و گزینش شاخص‌های دخیل در مسئلۀ تصمیم دارد.

- ابزار گفته‌شده مشروط به لحاظ‌کردن محدودیت‌های پیش‌گفته قابلیت اجرا در سایر صنایع را داراست.

- نمونۀ‌ آماری این پژوهش مشتمل بر شرکت‌های داروسازی بوده تا از اثر متغیر‌های مداخله‌گر در حد امکان کاسته شود. اما در عمل لازم است که فرایند فوق برای هریک از صنایع و کسب‌وکار‌ها به‌صورتی مجزا انجام شود و در مرحلۀ نهایی میان شرکت‌های برگزیده عمل گزینش صورت پذیرد.

منابع

احمدی، سید حسین و مختارزاده، نیما گروسی. (1392). «بررسی و اولویت‌بندی میزان حساسیت دستگاه‌ها جهت تعمیرات و نگهداری پیشگیرانه با مدل مارتل و زاراس (مطالعۀ موردی: شرکت ماشین‎سازی تولید آتش)»، مدیریت صنعتی، 5(2)، 1-22.

آذر، عادل.، گوهری‌فر، مصطفی & بقایی، وحید. (1391). «ارزیابی عملکرد شرکت‌های صنعت سیمان بورس اوراق بهادار تهران با استفاده از روش FAHP وTOPSIS»، فصلنامۀ دانش حسابرسی، 49(4)، 99.

جعفرپور، فرهاد. (1379). توسعۀ سیستم‌های انتخاب هوشمند مجموعۀ سهام (حل مسائل توزیع هوشمند تلاش‌ها). پایان‌نامۀ کارشناسی‌ارشد, دانشگاه تهران، دانشکدۀ مدیریت.

حافظیه، علی اکبر. (1385). «بازار سرمایه و نقش بورس اوراق بهادار در اقتصاد کشور»، نشریۀ  مصباح، 64، 31-50.

دلبری، مهدی. (1380). «بررسی شاخص‌های مؤثر بر انتخاب سهام در بورس اوراق بهادار تهران بر اساس مدل فرایند تحلیل سلسله مراتبی»، پایان‌نامۀ کارشناسی‌ارشد، دانشگاه اصفهان.

ریموند، پی نوو. (1388). مدیریت مالی. جلد اول، ترجمۀ جهان خانی، علی و پارسائیان، علی. تهران: انتشارات سمت.

سرمد، زهره.، بازرگان، عباس و حجازی، الهه. (1386). روش‌های تحقیق در علوم رفتاری. تهران: نشر آگه.

سوخگیان، محمد‌علی.، ولی‌پور، ‌هاشم و فیاض، لیدا. (1389). «روش تصمیم‌گیری چندشاخصه برای انتخاب سهام در بورس اوراق بها‌دار با استفاده از متغیر‌های مالی»، مجلۀ مهندسی مالی و مدیریت پرتفوی، 5 (35-54(.

سی.پارکر، جونز. (1388). مدیریت سرمایه‌‌گذاری. ترجمۀ نوربخش، عسکر و تهرانی، رضا. تهران: انتشارات نگاه‌‌دانش.

شاه‌علیزاده، محمد و معماریانی، عزیز الله. (1382). «چارچوب ریاضی گزینش سبد سهام با اهداف چندگانه»، بررسی های حسابداری و حسابرسی، 10(1)، 83-102.

عزیزی، حافظ. (1392). «مروری بر چشم انداز صنعت داروسازی در ایران»، بورس نیوز.

فهیم، سیدرضا سیدنژاد. (1383). «شاخص‌های سودآوری شرکت‌ها»، فصلنامۀ دانش حسابرسی، سال چهارم، 14.

گرکز، منصور.، عباسی، ابراهیم و مقدسی، مطهره. (1389). «انتخاب و بهینه‌‌سازی سبد سهام با استفاده از الگوریتم ژنتیک بر اساس تعاریف متفاوتی از ریسک»، فصلنامۀ مدیریت صنعتی دانشکدۀ علوم انسانی دانشگاه آزاد اسلامی‌ واحد سنندج، 5(11).

منصور، مومنی. (1385). مباحث نوین تحقیق در عملیات. تهران انتشارات دانشگاه تهران، چاپ اول.

مؤتمنی، علی‌رضا و شریفی سلیم ،,علی‌رضا. (1391). «ارائۀ مدلی به‌منظور انتخاب سبد سهام در بورس اوراق بها‌دار تهران به‌وسیلۀ تصمیم‌گیری چند معیاره»، فصلنامۀ چشم‌انداز مدیریت صنعتی، 2(5). 73-89.

هادوی‌نژاد، مصطفی (1383). شناسایی عوامل مؤثر بر انتخاب سهام در بورس اوراق بهادار تهران (محدود به شرکت‌های سیمان) با استفاده از رویکردMADM ، پایان‌نامۀ کارشناسی‌ارشد، دانشگاه امام صادق.

Ballestero, E., Günther, M., Pla-Santamaria, D., & Stummer, Ch. (2007). "Portfolio selection under strict uncertainty: A multi-criteria methodology and its application to the Frankfurt and Vienna Stock Exchanges". European Journal of Operational Research, 181(3), 1476-1487.

Chiadamrong, N. (1999). "An integrated fuzzy multi-criteria decision making method for manufacturing strategies selection". Computers & Industrial Engineering, 37, 433–436.

Chuu, S.J. (2009). "Selecting the advanced manufacturing technology using fuzzy multiple attributes group decision making with multiple fuzzy information". Computers & Industrial Engineering, 57, 1033–1042.

Diakoulaki, O., Mavrotas, G., & Papagyannakis, L A. (1992). "Multicriteria approach for evaluating the performance of industrial firms". Omaga, 20(4), 467-474.

Huang, D.K., Chiu, H.N., Yeh, R.H., & Chang, J. H. (2009). "A fuzzy multi-criteria decision making approach for solving a bi-objective personnel assignment problem". Computers & Industrial Engineering, 56(1), 1-10.

Lee, W.S., Tzeng, G.H., Guan, J.L., Chien, K.T., & Huang, J.M. (2009). "Combined MCDM techniques for exploring stock selection based on Gordon model". Expert Systems with Applications, 36(3), 6421-6430.

Martel, J.M., & Zaras, K. (1995). "Stochastic dominance in multicriterion analysis under risk". Theory and Decision, 39(1), 31-49.

Nowak, M. (2004). "Preference and veto thresholds in multicriteria analysis based on stochastic dominance". European Journal of Operational Research, 158(2), 339-350.

Nowak, M. (2006). INSDECM—an interactive procedure for stochastic multicriteria decision problems. European Journal of Operational Research, 175(3), 1413-1430.

Nowak, M. (2007). "Aspiration level approach in stochastic MCDM problems". European Journal of Operational Research, 177(3), 1626-1640.

Samaras, G.D., Matsatsinis, N.F., & Zopounidis, C. (2008). "A multicriteria DSS for stock evaluation using fundamental analysis". European Journal of Operational Research, 187(3), 1380-1401.

Siskos, Y., Zopounidis, C., & Pouliezos, A. (1994). "An integrated DSS for financing firms by an industrial development bank in Greece". Decision Support Systems, 12(2), 151-168.

Triantaphyllou, E., & Evans, G.W. (1999). "Multi-criteria decision making in industrial engineering". Computers & Industrial Engineering, 37(3), 505-506.

WU, C., & Colwell, P. (1987). "Macroeconomic factors and stock returns". Journal of Financial Research, 10(2), 87.

Xidonas, P., Mavrotas, G., Zopounidis, C., & Psarras, J. (2011). "IPSSIS: An integrated multicriteria decision support system for equity portfolio construction and selection". European Journal of Operational Research, 210(2), 398-409.

Yu, J.R., & Lee, W.Y. (2011). "Portfolio rebalancing model using multiple criteria". European Journal of Operational Research, 209(2), 166-175.