تصمیمگیری چند شاخصه
مجتبی موحدی؛ مهدی همایونفر؛ مهدی فدایی؛ منصور صوفی
چکیده
هدف: الگوریتمهای خوشهبندی، ابزارهای مفیدی برای درک ساختار دادهها و طبقهبندی آنها در مجموعه دادههای مختلف میباشند. باتوجه به اهمیت بهکارگیری این الگوریتمها در تحلیل دادههای بازارهای مالی که از حجم و گستردگی بالایی برخوردارند، این پژوهش بهمنظور انتخاب بهترین الگوریتم خوشهبندی برای خوشهبندی ...
بیشتر
هدف: الگوریتمهای خوشهبندی، ابزارهای مفیدی برای درک ساختار دادهها و طبقهبندی آنها در مجموعه دادههای مختلف میباشند. باتوجه به اهمیت بهکارگیری این الگوریتمها در تحلیل دادههای بازارهای مالی که از حجم و گستردگی بالایی برخوردارند، این پژوهش بهمنظور انتخاب بهترین الگوریتم خوشهبندی برای خوشهبندی شرکتهای حاضر در بورس اوراق بهادار تهران در حوزه مالی از الگوریتمهای خوشهبندی مختلف استفاده نموده و به ارزیابی اعتبار این الگوریتمها و انتخاب بهترین الگوریتم پرداخته است.روششناسی پژوهش: این پژوهش از نظر هدف، کاربردی و از نظر روش اجرا توصیفی و از نوع کمی (مدلسازی ریاضی) است. جامعه آماری تحقیق شامل 403 شرکت حاضر در بورس اوراق بهادار تهران در سال 98 است که عملکرد آنها براساس چهار معیار مالی ارزیابی شده است.یافتهها: پس از خوشهبندی شرکتهای موردبررسی توسط پنج الگوریتم خوشهبندی K-Means، EM، COBWEB، الگوریتم مبتنیبر چگالی و روش وارد، از هفت شاخص RS، DB، دان، SD، خلوص، آنتروپی و زمان برای ارزیابی الگوریتمهای خوشهبندی استفاده گردید. در نهایت، عملکرد نهایی الگوریتمهای بهکار رفته براساس روشهای تاپسیس، ویکور و تحلیل پوششی دادهها مورد تجزیهوتحلیل قرار گرفت. براساس نتایج، روش K-Means از عملکرد بهتری در خوشهبندی شرکتها براساس مجموعه دادههای مالی برخوردار است.اصالت/ارزش افزوده علمی: از آنجاییکه هیچ الگوریتم خوشهبندی نمیتواند بهترین عملکرد را در تمام اندازهگیریها برای هر مجموعه داده داشته باشد، این پژوهش ضمن بهکارگیری ترکیبی از معیارهای چندگانه بهمنظور تجزیهوتحلیل الگوریتمهای خوشهبندی دادههای مربوط به حوزه ارزیابی عملکرد مالی شرکتها، به ارایه پیشنهاداتی پرداخته و نتایج این پژوهش برای سرمایهگذاران حوزه مالی کاربرد موثر داشته که منجر به انتخاب بهینه سبد سرمایهگذاری میشود.