ارزیابی و رتبه بندی صندوق های سرمایه گذاری در سهام با رویکرد تکنیک نوین فرصت از دست رفته بر مبنای فاصله در فضای مختصات قطبی (OPLO-POCOD)

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشیار، گروه مدیریت صنعتی، دانشکده مهندسی صنایع و مدیریت، دانشگاه صنعتی شاهرود، سمنان، ایران.

2 کارشناس ارشد، گروه مدیریت کسب و کار، دانشکده مهندسی صنایع و مدیریت، دانشگاه صنعتی شاهرود، سمنان، ایران.

10.48308/jimp.14.3.117

چکیده

مقدمه و اهداف: امروزه در دنیای اقتصاد مدرن با توجه به رشد بازار سرمایه، اهمیت سرمایه‌گذاری برای مردم بیشتر شده است. از دغدغه‌های اصلی  سرمایه‌گذاران در وهله اول انتخاب مناسب‌ترین گزینه سرمایه‌گذاری است. صندوق‌های سرمایه‌گذاری مشترک، نوعی سرمایه‌گذاری است که به جمع‌آوری وجوه سرمایه‌گذاران پرداخته تا در طیف متنوعی از اوراق بهادار سرمایه‌گذاری کنند و از این طریق منجر به کاهش ریسک سرمایه‌گذاری و افزایش بازده می‌شود. در حوزه تصمیم‌گیری سرمایه‌گذاری، فرآیند انتخاب مناسب‌ترین صندوق از میان طیف وسیعی از گزینه‌ها می‌تواند پیچیده باشد. در ادبیات تحقیق، معیارهای مختلفی برای ارزیابی عملکرد صندوق‌های سرمایه‌گذاری توسعه داده شده است. در این تحقیق مهم‌ترین معیارها مشخص شده و با استفاده از تکنیک نوینی در حوزه تصمیم‌گیری چند معیاره مورد ارزیابی و رتبه‌بندی قرار گرفته‌اند.
 روش‌ها: فرصت از دست رفته یک مفهوم اساسی در اقتصاد و مدیریت است که به معنای هزینه‌های ناشی از عدم انتخاب بهترین گزینه ممکن در یک موقعیت خاص می‌باشد. این مفهوم می‌تواند به عنوان پایه‌ای برای تعیین ارزش مرتبط با اطلاعات و تصمیم‌گیری‌های اقتصادی مورد استفاده قرار گیرد. در واقع، فرصت از دست رفته به ما کمک می‌کند تا درک بهتری از هزینه‌های واقعی انتخاب‌های خود داشته باشیم و به این ترتیب، تصمیمات بهتری اتخاذ کنیم. در این تحقیق، با توجه به مفروضات حل مسأله، از تکنیک جدید فرصت از دست رفته بر مبنای فاصله در فضای مختصات قطبی (OPLO-POCOD) برای ارزیابی و رتبه‌بندی صندوق‌های سرمایه‌گذاری استفاده شده است. این تکنیک به دلیل برخورداری از منطق قوی و علمی در تحلیل فرصت‌های از دست رفته، به عنوان ابزاری کارآمد در فرآیند تصمیم‌گیری شناخته می‌شود. یکی از مزایای بارز این تکنیک، قابلیت آن در انجام ارزیابی دقیق و رتبه‌بندی جامع از گزینه‌های مختلف است. با استفاده از این روش، می‌توان به‌سادگی و به‌طور سیستماتیک، فرصت‌های از دست رفته هر گزینه را سنجید و جایگاه آن‌ها را نسبت به بهترین وضعیت موجود مورد ارزیابی قرار داد. این ارزیابی براساس فاصله در فضای مختصات قطبی انجام می‌شود که به تحلیلگران این امکان را می‌دهد تا به صورت شهودی و کمی، نقاط قوت و ضعف هر گزینه را شناسایی کنند. به‌طور کلی، این تحقیق نه تنها به درک بهتر مفهوم فرصت از دست رفته کمک می‌کند، بلکه با ارائه یک روش نوین برای ارزیابی و رتبه‌بندی صندوق‌های سرمایه‌گذاری، می‌تواند به سرمایه‌گذاران و تصمیم‌گیرندگان در انتخاب‌های آگاهانه‌تر یاری رساند. این رویکرد می‌تواند به بهبود فرآیندهای تصمیم‌گیری در حوزه سرمایه‌گذاری و مدیریت مالی کمک کند و در نهایت به افزایش کارایی و اثربخشی سرمایه‌گذاری‌ها منجر شود.
یافته‌ها: در این تحقیق با استفاده از فیلتر اندازه دارایی صندوق‌ها و عملکرد یک ساله، دو ساله و سه ساله و براساس اطلاعات موجود در سایت مرکز پردازش اطلاعات مالی ایران (فیپیران)، تعداد  20 صندوق سرمایه‌گذاری در سهام از بین انواع صندوق‌های سرمایه‌گذاری مشترک که دارای بیشترین دارایی و بهترین عملکرد هستند، انتخاب شدند. نتایج تحقیق نشان می‌دهد که صندوق‌های سرمایه‌گذاری گزینه 14 با مقدار 0.000841DOL=، گزینه 15 با مقدار 0.017437 =DOL و گزینه 19 با 0.03432 = DOL بالاترین رتبه‌بندی را داشته‌اند.
نتیجه‌گیری: بر اساس این تحقیق ضمن رتبه‌بندی جامع گزینه‌ها به تحلیل جزئی‌تر در سه بعد ویژگی‌های صندوق، ویژگی‌های شخصیتی مدیر صندوق و معیارهای ارزیابی عملکرد صندوق پرداخته شده است. مدیران هر صندوق سرمایه‌گذاری، ضمن آگاه شدن از رتبه صندوق، می‌توانند کارآمدی و ناکارایی صندوق را در ابعاد مختلف و براساس صندوق‌های برتر تحلیل نمایند.

کلیدواژه‌ها

موضوعات

عنوان مقاله [English]

Evaluation and ranking of Stock Funds using Opportunity Losses-Based Polar Coordinate Distance (OPLO-POCOD) Technique

نویسندگان [English]

  • Reza Sheikh 1
  • Soheila Senfi 2
1 Associate Professor, Faculty of Industrial Engineering and Management, Shahrood University of Technology, Shahrood, Semnan, Iran.
2 MSc, MBA, Department of Business Management, Faculty of Industrial Engineering and Management, Shahrood University of Technology, Shahrood, Semnan, Iran.
چکیده [English]

Introduction: Today, in the modern economy, due to the growth of the capital market, the importance of investment for people has increased. One of the main concerns of investors, in the first instance, is selecting the most appropriate investment option. Mutual funds are a type of investment that gathers investors' funds to invest in a diverse range of securities, thereby reducing investment risk and increasing returns. In the field of investment decision-making, the process of selecting the most appropriate fund from a wide range of options can be complex. In the literature, various criteria have been developed to evaluate the performance of mutual funds. In this research, the most important criteria have been identified and evaluated using a new technique in the field of multi-criteria decision-making.
Methods: Opportunity loss is a fundamental concept in economics and management, referring to the costs incurred from not choosing the best possible option in a particular situation. This concept can serve as the basis for determining the value associated with information and economic decision-making. In fact, opportunity loss helps us better understand the real costs of our choices, enabling us to make more informed decisions. In this research, based on the problem-solving assumptions, a new technique called Opportunity Loss-Based Polar Coordinate Distance (OPLO-POCOD) has been used for evaluating and ranking mutual funds. Due to its strong and scientific logic in analyzing opportunity losses, this technique is recognized as an efficient tool in the decision-making process. One of the notable advantages of this technique is its ability to conduct precise evaluations and comprehensive rankings of various options. Using this method, it is possible to systematically assess the opportunity losses of each option and evaluate their positions relative to the best available condition. This evaluation is based on distance in polar coordinate space, which allows analysts to identify the strengths and weaknesses of each option both intuitively and quantitatively. Overall, this research not only contributes to a better understanding of the concept of opportunity losses but also provides a novel method for evaluating and ranking mutual funds, assisting investors and decision-makers in making more informed choices. This approach can enhance decision-making processes in the fields of investment and financial management, ultimately leading to increased efficiency and effectiveness of investments.
Results and Discussion: In this research, using the filters of fund size and one-year, two-year, and three-year performance, and based on the information available on the website of the Financial Information Processing Center of Iran (Fipiran), 20 stock funds were selected from among various mutual funds with the most assets and best performance. The research results indicate that stock funds option 14 with a DOL value of 0.000841, option 15 with a DOL value of 0.017437, and option 19 with a DOL value of 0.03432 received the highest rankings.
Conclusion: Based on this research, in addition to a comprehensive ranking of the options, a more detailed analysis has been conducted on three dimensions: the characteristics of the mutual fund, the personality characteristics of the mutual fund manager, and the performance evaluation criteria of the mutual fund. Mutual fund managers, by becoming aware of their fund's ranking, can analyze the efficiency and inefficiency of the fund across various dimensions and based on top-performing funds.

کلیدواژه‌ها [English]

  • Mutual Funds
  • OPLO-POCOD
  • Multi-Criteria Decision-Making
  • Investment
  • Stock Exchange

مراجع

  1. Abdi, N., Moradzadeh Fard, M., Ahmadzadeh, H., & Khoddam, M. (2023). Hybrid Portfolio Optimization using Analytic Hierarchy Process (AHP), Combined Compromise Solution (CoCoSo) and Markowitz Model (Case study of Tehran Stock Exchange). Journal of Investment Knowledge, 12(48), 539-558.
  2. Agarwal, V., Ma, L., & Mullally, K. (2023). Managerial multitasking in the mutual fund industry. Financial Analysts Journal, 79(2), 65-75.
  3. Alsanousi, A. T., Alqahtani, A. Y., Makki, A. A., & Baghdadi, M. A. (2024). A Hybrid MCDM Approach Using the BWM and the TOPSIS for a Financial Performance-Based Evaluation of Saudi Stocks. Information, 15(5),
  4. Amiri, M. (2012). To Determine Technology Management Position in Sepah Bank using Analytic Network Process and VIKOR. Journal of Industrial Management Perspective, 1(4), 9-27.
  5. Ansari, Z., Hejazi, R., & Zeraat Kish, Y. (2023). Prediction of Firm's Life cycle and Financial Performance Appraisal using Decision trees Algorithm and Multi-criteria Decision-making Techniques. Financial Accounting and Auditing Research, 15(57), 43-68 (In Persian).
  6. Berk, J. B., & Van Binsbergen, J. H. (2015). Measuring skill in the mutual fund industry. Journal of financial economics, 118(1), 1-20.
  7. Bogle, J. C. (2005). The mutual fund industry 60 years later: For better or worse?. Financial Analysts Journal, 61(1), 15-24.
  8. Bogle, J. C. (2015). Bogle on mutual funds: New perspectives for the intelligent investor. John Wiley & Sons.
  9. Carmona, P., Momparler, A., & Climent, F. (2023). A Fuzzy-Set Qualitative Comparative Analysis of Causal Configurations Influencing Mutual Fund Performance: The Role of Fund Manager Skill. Mathematics, 11(21),
  10. Chakraborty, S., Chatterjee, P., & Das, P. P. (2023). Multi-Criteria Decision-Making Methods in Manufacturing Environments: Models and Applications. CRC Press.
  11. Chen, S. Z., Zhang, S. Y., Feng, D. C., & Taciroglu, E. (2023). Embedding prior knowledge into data-driven structural performance prediction to extrapolate from training domains. Journal of Engineering Mechanics, 149(12),
  12. Daniel, D., & John, R. (2024). Assessing Mutual Fund Success: A Comprehensive Literature Review of Efficiency Measurement through Data Envelopment Analysis (DEA). Ajasra, 13(2), 239-255.
  13. Ebrahimnejad, A., Barakchian, S. M., & Ghanipour, M. (2018). An Analysis of the Unobserved Actions of Iranian Mutual Funds using Return Gap Criteria. Financial Research Journal, 20(1), 33-52.
  14. Elton, E. J., & Gruber, M. J. (2013b). Mutual funds. In Handbook of the Economics of Finance (2), 1011-1061.
  15. Esfahanian, M., Shahverdiani, S., Vakilifard, H., & Janani, M. H. (2023). The formation of the investment optimal portfolio based on the approach of the analysis of social channels in Iran’s equities market (Quantitative and qualitative attitude). International Journal of Finance & Managerial Accounting, 8(29), 335-346.
  16. Esmaelian, M., Mohammady, S., Abdollahi, S. M., & Alimohammadi, M. (2014). Development and Application of LINMAP, PROMETHEEIV, and FIS in Continuous Multi-Criteria Decision-Making Problems. Journal of Industrial Management Perspective, 3(4), 111-136.
  17. Ho, W. R. J., Tsai, C. L., Tzeng, G. H., & Fang, S. K. (2023). Combined DEMATEL technique with a novel MCDM model for exploring portfolio selection based on CAPM. Expert Systems with Applications, 38(1), 16-25.
  18. Hsieh, H. P., Tebourbi, I., Lu, W. M., & Liu, N. Y. (2020). Mutual fund performance: The decision quality and capital magnet efficiencies. Managerial and Decision Economics, 41(5), 861-872.
  19. Hurson, C., Mastorakis, K., & Siskos, Y. (2012). Application of a synergy of MACBETH and MAUT multicriteria methods to portfolio selection in Athens stock exchange. International Journal of Multicriteria Decision Making 7, 2(2), 113-127.
  20. Irawati, R., & Diyah, A. A. (2022). Asset Allocation Policy Analysis, Share Selection, and Level of Mutual Fund Risk in Indonesia. Indikator, 6(1),
  21. Jana, S., Giri, B. C., Sarkar, A., Jana, C., Stević, Ž., & Radovanović, M. (2024). Application of Fuzzy AHP in Priority Based Selection of Financial Indices: A Perspective for Investors. ECONOMICS-Innovative and Economics Research Journal, 12(1), 1-27.
  22. Kan, L., Mukhamedyarova-Levina, T., Abdullayeva, B., & Mukhiyayeva, D. (2023). External Factors Influencing on the Development of Mutual Funds in Kazakhstan. Eurasian Journal of Economic and Business Studies, 67(3), 85-103.
  23. Kazeminajafabadi, M. (2021). Factors affecting the efficiency of joint investment funds in Iran's economy. Journal of Iran's Economic Essays (JIEE), 18(35), 145-168.
  24. Lin, K. H., & Neely, M. T. (2020). Divested: Inequality in Financialized America. Oxford University Press, USA.
  25. Lo, H. W., & Lin, S. W. (2023). Identifying ESG investment key indicators and selecting investment trust companies by using a Z-fuzzy-based decision-making model. Socio-Economic Planning Sciences, 90, 101759.
  26. Lykov, A. (2023). Conditional asset allocation with maximal Sharpe ratio. Available at SSRN 4463582.
  27. Maheu, J. M., & McCurdy, T. H. (2000). Identifying bull and bear markets in stock returns. Journal of Business & Economic Statistics, 100-112.
  28. Mazaniyyah, N., Yuliari, G., Hikmah, H., & Suyati, S. (2023). EVALUATION OF PORTFOLIO PERFORMANCE AT PT SINARMAS SEKURITAS INDONESIA IN THE JANUARY-DECEMBER 2021 PERIOD BASED ON THE SHARPE, TREYNOR AND JENSEN INDEX. In Proceeding of The International Conference on Business and Economics, 1(1), 113- 127.
  29. Mert, A. (2023). Defuzzification of Non-Linear Pentagonal Intuitionistic Fuzzy Numbers and Application in the Minimum Spanning Tree Problem. Symmetry, 15(10),
  30. Mimovic, P., Jakšić, M., & Leković, M. (2017). A Multicriteria Decision Making Approach to Performance Evaluation of Mutua Funds: A Case Study in Serbia. Yugoslav Journal of Operations Research, 28(3), 385-414.
  31. Musa, C. I. (2023). Analysis of Stock Portfolio Performance Using The Jensen Method: Case Study of the LQ45 Index on the Indonesian Stock Exchange for the Period 2019-2022. Economics and Business Journal (ECBIS), 1(2), 157-166.
  32. Pan, L., & Mishra, V. (2018). Stock market development and economic growth: Empirical evidence from China. Economic Modelling, 68, 661-673.
  33. Pareschi, M. S. F. E., & Scl, N. (2023). Efficiency Metrics in Investments and Trading: A Comprehensive Examination. Available at SSRN.
  34. Russell, R. (2007). An introduction to mutual funds worldwide. John Wiley & Sons.
  35. Rutkowska-Ziarko, A. (2022). Market and accounting measures of risk: The case of the Frankfurt Stock Exchange. Risks, 10(1), 14.
  36. Sheikh, R., & Senfi, S. (2024). A Novel Opportunity Losses‐Based Polar Coordinate Distance (OPLO‐POCOD) Approach to Multiple Criteria Decision‐Making. Journal of Mathematics, 2024(1),
  37. Srivastava, G., Srivastava, N., & Srivastava, N. (2023). An Empirical Analysis of Performance Measurement and Market Timing Ability of Mutual Fund Managers in an Unprecedented Economic Environment in India. resmilitaris, 13(2), 4251-4265.
  38. Taghizadeh Yazdi, M. R., Sabzali Rezaei, S., Emamat, M. S. M. M., & Alikhani, H. (2018). Evaluating service quality of airlines using a hybrid fuzzy MADM approach. Journal of Industrial Management Perspective, 8(2), 135-164.
  39. Tsolas, I. E. (2020). Precious metal mutual fund performance evaluation: a series two-stage DEA modeling approach. Journal of Risk and Financial Management, 13(5),
  40. Tumsekcali, E., Ayyildiz, E., & Taskin, A. (2021). Interval valued intuitionistic fuzzy AHP-WASPAS based public transportation service quality evaluation by a new extension of SERVQUAL Model: P-SERVQUAL 4.0. Expert Systems with Applications, 186, 115757.
  41. Vidal-García, J., Vidal, M., & Bekiros, S. (2022). Mutual Fund Flows around the World. Available at SSRN 4072149.
چشم‌انداز مدیریت صنعتی
دوره 14، شماره 3 - شماره پیاپی 55
Issue in Progress
1403
صفحه 117-140

فایل ها

هم رسانی

ارجاع به این مقاله

آمار