ارزیابی عملکرد صندوق‌های سرمایه‌گذاری قابل معامله در بورس با استفاده از مدل فاصله جهت‌دار راسل وزنی

نویسندگان

  • مبین نیکخواه * گروه مدیریت مالی، دانشکده اقتصاد و مدیریت، دانشگاه ارومیه، ارومیه، ایران.
  • مهدی حیدری گروه حسابداری، دانشکده اقتصاد و مدیریت، دانشگاه ارومیه، ارومیه، ایران.
  • مقصود سلیمانپور گروه مهندسی صنایع، دانشکده فنی و مهندسی، دانشگاه ارومیه، ارومیه، ایران.

https://doi.org/10.22105/ssfmi.v3i2.110

چکیده

هدف: صندوق‌های سرمایه‌گذاری قابل معامله در بورس از مهم‌ترین ابزارهای سرمایه‌گذاری غیرمستقیم هستند و ارزیابی عملکرد آن‌ها با توجه به رشد روزافزون این صندوق‌ها در بازار سرمایه ایران اهمیت ویژه‌ای دارد. هدف این پژوهش، ارزیابی عملکرد صندوق‌های سرمایه‌گذاری قابل معامله با استفاده از مدل فاصله جهت‌دار راسل وزنی و مقایسه کارایی آن‌ها از منظر ریسک و بازده است.

روش‌شناسی پژوهش: این پژوهش با بهره‌گیری از مدل غیرشعاعی تحلیل پوششی داده‌ها، یعنی مدل فاصله جهت‌دار راسل وزنی، عملکرد صندوق‌های سرمایه‌گذاری قابل معامله فعال در بورس اوراق بهادار تهران را ارزیابی می‌کند. تحلیل‌ها در سناریوهای مختلف ریسک و بازده و با در نظر گرفتن وزن‌های متفاوت برای ورودی‌ها و خروجی‌ها انجام شده است.

یافته‌ها: نتایج نشان داد مدل WRDDM در مقایسه با معیارهای سنتی ارزیابی عملکرد، توانایی بیشتری در تفکیک صندوق‌های کارا و ناکارا دارد و رتبه‌بندی دقیق‌تری از عملکرد صندوق‌ها ارایه می‌دهد. همچنین، کارایی صندوق‌ها تحت سناریوهای مختلف ریسک و بازده متفاوت بوده است.

اصالت/ارزش‌افزوده علمی: نوآوری این پژوهش در به‌کارگیری مدل WRDDM برای ارزیابی عملکرد صندوق‌های سرمایه‌گذاری قابل معامله در بورس تهران است. این مدل با لحاظ هم‌زمان چندین شاخص ریسک و بازده و امکان اعمال ترجیحات مختلف سرمایه‌گذاران، چارچوبی منعطف و کاربردی برای رتبه‌بندی و انتخاب صندوق‌های سرمایه‌گذاری فراهم می‌آورد.

 

کلمات کلیدی:

صندوق‌های سرمایه‌گذاری قابل معامله، تحلیل پوششی داده‌ها، مدل فاصله جهت‌دار راسل وزنی، ارزیابی عملکرد

مراجع

  1. [1] Ghaziyani, K., Bagheri, S. F., Ejlali, B., & others. (2020). Performance evaluation of mutual funds using the value-based DEA method. Innovation Management and Operational Strategies, 1(1), 82-97. (In Persian). https://doi.org/10.22105/imos.2021.261345.1009
  2. [2] Safaei, G. K. A., Yahyazadehfar, M., & Shokouhi, B. (2007). Measuring the efficiency of investment company using data envelopment analysis (deal Tehran Stock Exchange. Journal of the Faculty of Humanities and Social Sciences, 7(25), 97-120. (In Persian). https://sid.ir/paper/401813/en
  3. [3] Moreno, D., Marco, P., & Olmeda, I. (2006). Self-organizing maps could improve the classification of Spanish mutual funds. European Journal of Operational Research, 174(2), 1039–1054. https://doi.org/10.1016/j.ejor.2004.12.018
  4. [4] Moradi-Motlagh, A., & Jubb, C. (2020). Examining irresponsible lending using non-radial inefficiency measures: Evidence from Australian banks. Economic Analysis and Policy, 66, 96–108. https://doi.org/10.1016/j.eap.2020.03.003
  5. [5] Tajmir Riyahi, H., Esmaeili, S., & Habibi, M. H. (2018). Evaluating the efficiency of mutual funds based on DEA models. Research in Production and Operations Management, 7(1), 83-102. (In Persian). https://doi.org/10.22108/jpom.2016.20913
  6. [6] Charnes, A., Cooper, W. W., & Rhodes, E. (1978). Measuring the efficiency of decision making units. European Journal of Operational Research, 2(6), 429–444. https://doi.org/10.1016/0377-2217(78)90138-8
  7. [7] Farrell, M. J. (1957). The measurement of productive efficiency. Journal of the Royal Statistical Society Series A: Statistics in Society, 120(3), 253–281. https://academic.oup.com/jrsssa/article/120/3/253/7101561
  8. [8] Madhej, D., Sanei, M., & Shoja, N. (2015). Using a neural network to determine input contraction, output expansion, and efficiency of decision-making units in the Russell model. New Research in Mathematics, 4(1), 71-80. (In Persian). https://sanad.iau.ir/Journal/jnrm/Article/798794
  9. [9] Chen, P. C., Yu, M. M., Chang, C. C., Hsu, S. H., & Managi, S. (2015). The enhanced Russell-based directional distance measure with undesirable outputs: numerical example considering CO2 emissions. Omega, 53, 30–40. https://doi.org/10.1016/j.omega.2014.12.001
  10. [10] Valadkhani, A., & Moradi-Motlagh, A. (2023). An empirical analysis of exchange-traded funds in the US. Economic Analysis and Policy, 78, 995–1009. https://doi.org/10.1016/j.eap.2023.05.002
  11. [11] Barros, C. P., Managi, S., & Matousek, R. (2012). The technical efficiency of the Japanese banks: Non-radial directional performance measurement with undesirable output. Omega, 40(1), 1–8. https://doi.org/10.1016/j.omega.2011.02.005
  12. [12] Rahmani, A., Hosseini, S. A., & Kashef, M. (2016). The effects of mutual fund attributes on mutual fund performance. Asset Management and Financing, 4(2), 15–28. file:///C:/Users/Administrator/Desktop/4022013951302 (1).pdf
  13. [13] Rahmani Asl, F., Sinai, H., & Nisi, A. (2021). Forming a portfolio of exchange-traded funds with a combined approach of clustering and aggregation of differentiating utilities. Quarterly Scientific Research Journal of Quantitative Economics, 18(1), 79-96. (In Persian). https://journals.scu.ac.ir/article_15798.html
  14. [14] Salardini, F., & Tabrizi, H. A. (2020). Performance evaluation of actively managed mutual funds and the puzzle of their acceptance by investors. Journal of Financial Management Perspective, 10(31), 103-127. (In Persian). https://doi.org/10.52547/jfmp.10.31.103
  15. [15] Hejazi, R., Jafari Seresht, D., & Delshadi, M. (2011). Building an improved index fund using genetic algorithms. Stock Exchange, 4(14), 135-157. (In Persian). https://www.sid.ir/paper/484371/fa
  16. [16] Mashayekh, Sh., Ghodrati, M., Mohammadi, F. (2011). An overview of mutual funds and index funds. Accounting and Social Benefits, 1(1), 59-84. (In Persian). https://doi.org/10.22051/ijar.2013.429
  17. [17] Tehrani, R., Eslami Bidgoli, Gh., & Vaisizadeh, S. (2013). Evaluating portfolio management performance using Sortino, optimal potential and omega criteria in investment companies listed on the Tehran Stock Exchange. Financial Management Perspective, 2(5), 53-64. (In Persian). https://jfmp.sbu.ac.ir/article_94496.html?lang=fa
  18. [18] Shayeganmehr, A., Zamanian, G. R., & ShahikiTash, M. N. (2016). Performance evaluation of mutual funds by stochastic dominance criteria and comparing with sharp ratio and sortino ratio. Asset Management and Financing, 3(4), 67-84. (In Persian). https://dor.isc.ac/dor/20.1001.1.23831170.1394.3.4.5.1
  19. [19] Ajalli, M., & Safari, H. (2011). Analysis of the technical efficiency of the ِdecision making units making use of the synthetic model of performance predictor neural networks, and data envelopment analysis (case study: Gas National Co. Of Iran). Advances in Industrial Engineering, 45(1), 13-29. (In Persian). https://aie.ut.ac.ir/article_23236_0.html
  20. [20] Hosseini, A., Khalili Damghani, K., & Emami Meybodi, A. (2016). Analyzing the technical-environmental efficiency of Iranian oil refineries using a multi-objective, multi-period fuzzy network data envelopment analysis model. Industrial Management Studies, 14(42), 123-167. (In Persian). https://journals.atu.ac.ir/article_5718.html
  21. [21] Hosseinzadeh, E., Nasrabadi, N., & Tayyebi, J. (2022). Introduction to data envelopment analysis and its application in the oil industry. Quarterly Journal of Industrial Technology Development, 20(47), 29-40. (In Persian). https://doi.org/10.22034/jtd.2022.252175
  22. [22] Fukuyama, H., & Weber, W. L. (2009). Estimating indirect allocative inefficiency and productivity change. Journal of the Operational Research Society, 60(11), 1594–1608. https://doi.org/10.1057/jors.2009.62
  23. [23] Seiford, L. M., & Zhu, J. (2002). Modeling undesirable factors in efficiency evaluation. European Journal of Operational Research, 142(1), 16–20. https://doi.org/10.1016/S0377-2217(01)00293-4
  24. [24] Färe, R., & Lovell, C. A. K. (1978). Measuring the technical efficiency of production. Journal of Economic Theory, 19(1), 150–162. https://doi.org/10.1016/0022-0531(78)90060-1
  25. [25] Charnes, A., Cooper, W. W., Golany, B., Seiford, L., & Stutz, J. (1985). Foundations of data envelopment analysis for Pareto-Koopmans efficient empirical production functions. Journal of Econometrics, 30(1–2), 91–107. https://doi.org/10.1016/0304-4076(85)90133-2
  26. [26] Fukuyama, H., & Weber, W. L. (2010). A slacks-based inefficiency measure for a two-stage system with bad outputs. Omega, 38(5), 398–409. https://doi.org/10.1016/j.omega.2009.10.006
  27. [27] Chen, P. C., Yu, M. M., Chang, C. C., Hsu, S. H., & Managi, S. (2015). Nonradial directional performance measurement with undesirable outputs: An application to OECD and non-OECD countries. International Journal of Information Technology & Decision Making, 14(03), 481–520. https://doi.org/10.1142/S0219622015500091
  28. [28] Kordbacheh, H., Hozoori, M. J., & Ali, M. (2012). Risk-adjusted performance of Iranian mutual funds. Journal of Economic Research and Policies, 20(63), 51-82. (In Persian). http://qjerp.ir/article-1-468-fa.html
  29. [29] Mehregan, F. (2020). Examining the efficiency of investment funds with a different approach from data envelopment analysis. Journal of Financial Engineering and Securities Management, 11(45), 445-460. (In Persian). https://civilica.com/doc/1146682/
  30. [30] Masoumi Hajir, M., Rakhshan, F., & Alirezaee, M. R. (2022). Efficiency measurement of mutual fund families performance in Iran using two-stage DEA models. Journal of Investment Knowledge, 11(42), 111-130. (In Persian). https://www.jik-ifea.ir/article_19343.html?lang=en
  31. [31] Henriques, C. O., Neves, M. E., Castelão, L., & Nguyen, D. K. (2022). Assessing the performance of exchange traded funds in the energy sector: A hybrid DEA multiobjective linear programming approach. Annals of Operations Research, 313(1), 341–366. https://doi.org/10.1007/s10479-021-04323-6
  32. [32] Sharma, G., & Sharma, V. (2018). Performance evaluation of equity mutual funds using data envelopment analysis. International Journal of Financial Services Management, 9(1), 1–13. https://doi.org/10.1504/IJFSM.2018.089915
  33. [33] Ghazi Fard, A. M., Jamshidi, H., & Pourmostafi Khoshkroudi, M. (2012). Prioritizing factors affecting the performance of investment funds using a combined model. Scientific-Research Quarterly: Business Management Explorations, 4(8), 1-29. (In Persian). https://civilica.com/doc/916395/
  34. [34] Sortino, F. A., & Price, L. N. (1994). Performance measurement in a downside risk framework. The Journal of Investing, 3(3), 59–64. https://doi.org/10.3905/joi.3.3.59
  35. [35] Mesbahi-Moghaddam, Gh., Asgari, M. M., & Alinaghi Langari, M. A. (2013). Comparison of risk and return between the time-value based contracts and economic value- added based contracts according to Sharp, Jenson and Trinor measures. Islamic Finance Research, 2(2), 157-178. (In Persian). https://doi.org/10.30497/ifr.2013.1646
  36. [36] Ebadi, J., Elahi, N., & Hooshmand, S. (2020). Systemic risk and mutual fund. Applied Theories of Economics, 7(2), 199-222. (In Persian). https://doi.org/10.22034/ecoj.2020.11286

دانلود

چاپ شده

2026-09-10

شماره

دوره 3 شماره 2 (2026): Strategic Studies in Financial Management and Insurance

نوع مقاله

مقالات شماره جاری

ارجاع به مقاله

نیکخواه م. ., حیدری م. ., & سلیمانپور م. . (2026). ارزیابی عملکرد صندوق‌های سرمایه‌گذاری قابل معامله در بورس با استفاده از مدل فاصله جهت‌دار راسل وزنی. مطالعات راهبردی در مدیریت مالی و بیمه, 3(2), 95-112. https://doi.org/10.22105/ssfmi.v3i2.110
Crossref
Scopus
Google Scholar
Europe PMC

مقالات مشابه

##common.pagination##

همچنین برای این مقاله می‌توانید شروع جستجوی پیشرفته مقالات مشابه.