Wielokryterialna ocena parametrów finansowych inwestycji za pomocą syntezy zbiorów rozmytych i hiperrozmytych

• Autorzy: Paweł Sewastianow , Paweł Róg
• Języki publikacji: PL

Abstrakty

W analizie technicznej inwestycji w papiery wartościowe, ocena ryzyka w ramach probabilistycznego podejścia do przedstawienia niepewności wydaje się dość uzasadniona, ponieważ często dostępna jest niezbędna do dokonania takiej oceny statystyczna informacja o trendach. Jednak w analizie fundamentalnej oraz w ocenie inwestycji rzeczowych występują problemy prognozowania długoterminowego, gdy zwykle jedynymi dostępnymi danymi wejściowymi są subiektywne oceny ekspertów. Możemy wtedy mówić o niepewności typu subiektywnego. Do opisu tego typu niepewności nadają się bardzo dobrze narzędzia matematyczne teorii zbiorów rozmytych. W pracy „Wielokryterialna ocena parametrów finansowych inwestycji za pomocą syntezy zbiorów rozmytych i hiperrozmytych” (P. Sewastjanow, P. Róg) przedstawione zostały metody formalizacji kryteriów lokalnych, oceny stopnia wpływu kryteriów lokalnych na kryterium globalne oraz agregacji kryteriów lokalnych. W celu przedstawienia metody podejmowania decyzji wybrano problem oceny projektów inwestycyjnych. Przedstawione podejście i techniki jego realizacji są uniwersalne i umożliwiają rozwiązywanie problemów podejmowania decyzji występujących w wielu dziedzinach, niekoniecznie związanych z oceną finansową. (abstrakt oryginalny)

Słowa kluczowe

PL

Analiza wielokryterialna; Metody oceny inwestycji; Zbiory rozmyte; Efektywność inwestycji

EN

Multicriteria analysis; Methods of investment evaluation; Fuzzy sets; Efficiency of investment

• Czasopismo: Prace Naukowe / Akademia Ekonomiczna w Katowicach
• Rocznik: 2004
• Tom: Modelowanie preferencji a ryzyko '04
• Strony: 431--450

Twórcy

autor

Paweł Sewastianow

• Politechnika Częstochowska

autor

Paweł Róg

• Politechnika Częstochowska

Bibliografia

• 1. Bogle H.F., Jehenck G.K. (1985). Investment Analysis: US Oil and Gas Producers Score High in University Survey. Proceeding of Hydrocarbon Economics and Evaluation Symposium, Dallas l4-15 March, 234-241.
• 2. Buckley J.J. (1987). The Fuzzy Mathematics of Finance. Fuzzy Sets and Systems, 21,25-273.
• 3. Chansa-Ngavej Ch., Mount-Campbell C.A. (1991). Decision Criteria in Capital Budgeting under Uncertainties: Implications for Future Research. Int. J. Prod. Economics, 23, 25-35.
• 4. Chiu C.Y., Park C.S. (1994). Fuzzy Cash Flow Analysis Using Present worth Criterion. Eng. Econom, 39 (2), 113-138.
• 5. Chu A., Kalaba R., Springarn R. (1979). A Comparison of Two Methods for Determining the weight of Belonging to Fuzzy Sets. J. of Optimisation Theory and Applications, 27, 531-538.
• 6. Dubois D., Prade H. (1980). Fuzzy Sets and Systems. Theory and Applications, XVIII. Asad. Press, New York.
• 7. Dubois D., Prade H. (1978). Operations on Fuzzy Numbers, International Journal System Science, 9, 613-626.
• 8. Dymova L. (2003). A Constructive Approach for Managing Fuzzy Subsets of Type 2 in Decision Making. TASK Quarterly 7, 157-164.
• 9. Dymova L., Róg P., Sevastianov P. (2002). Hyperfuzzy Estimations of Financial Parameters. 2nd Int. Conf. Mathematical Methods in Finance and Econometrics. Belarus State University, Mińsk, Belarus, June 20-22, 78-84.
• 10. Dimova L., Sevastianov D., Sevastianov P. (2000). Application of Fuzzy Sets Theory, Methods for the Evaluation of Investment Efficiency Parameters. Fuzzy Economic Review. V (1), 34-48.
• 11. Kacprzyk J. (2001). Wieloetapowe sterowanie rozmyte. WNT, Warszawa.
• 12. Kahraman C., Tolga E., Ulukan Z. (2000). Justification of Manufacturing Technologies Using Fuzzy Benefit/Cost Ratio Analysis. Int.J.Product.Econom, 66 (1), 45-52.
• 13. Kuchta D. (2000). Fuzzy Capital Budgeting. Fuzzy Sets and Systems, 111, 367-385.
• 14. Li Calzi M. (1990). Towards a General Setting for the Fuzzy Mathematics of Finance. Fuzzy Sets and Systems, 35, 265-280.
• 15. Miller G.A. (1956). The Magical Number Seven, plus or Minus Two: Some Limits on our Capacity for Processing Information. The Psychological Re-view, 63,81-97.
• 16. Perrone G. (1994). Fuzzy Multiple Criteria Decision Model for the Evaluation of AMS. Comput. Integrated Manufacturing Systems, 7(4), 228-239.
• 17. Piegat A. (2003). Modelowanie i sterowanie rozmyte. Akademicka Oficyna Wydawnicza EXIT, Warszawa.
• 18. Saaty T. (1977). A Scaling Method for Priorities in Hierarchical Structures. J. of Mathematical Psychology, 15, 234-281.
• 19. Sevastjanov P., Póg P. (2003). A Probabilistic Approach to Fuzzy and Crisp Interval Ordering. TASK Quarterly, 7, 147-156.
• 20. Ward T.L. (1985). Discounted Fuzzy Cash Flow Analysis. In: Fall Industrial Engineering. Conference Proceedings, 476-481.
• 21. Yager R.R. (1980). Fuzzy Subsets of Type II in Decisions. J. Cybern. 10, 137-159.
• 22. Yu Chiu Ch., Park Ch.S. (1994). Fuzzy Cash Flow Analysis Using Present worth Criterion. Eng. Economist, 39 (2), 113-138.
• 23. Zadeh L.A. (1965). Fuzzy Sets. Information and Control, 8, 338-353.
• 24. Zadeh L.A. (1975). The Concept of Linguistic Variable and its Applications to Approximate Reasoning. Part I. Inform. Sci, 8, 199-249. Part II. Inform. Sci, 8, 301-357. Part III. Inform. Sci, 9, 43-80.
• 25. Zimmermann H.-J, Zysno P. (1980). Latest Connectives in Human Decision Making. Fuzzy Sets and Systems, 4, 37-50.