رتبه بندی طرح های کسب وکار سرمایه گذاری خطرپذیر با روش تحلیل پوششی داده ها- مورد مطالعه: یک شرکت سرمایه گذاری خطرپذیر ایرانی
محل انتشار: فصلنامه مدیریت نوآوری، دوره: 5، شماره: 2
سال انتشار: 1395
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 227
فایل این مقاله در 22 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_NOWAV-5-2_004
تاریخ نمایه سازی: 6 بهمن 1402
چکیده مقاله:
ارزیابی در صنعت سرمایه گذاری ریسک پذیر یکی از موضوعات چالشی فعالان و محققان این حوزه است. زمان بسیار محدود ارزیابی، عدم وجود اطلاعات مورد نیاز برای امکان سنجی اقتصادی طرح های سرمایه گذاری ریسک پذیر، خطاهای شناختی ارزیاب و ... همگی موجب شده تا ارزیابی طرح ها در سرمایه گذاری ریسک پذیر از دیگر موارد مشابه مجزا گردد و دقت و سرعت در ارزیابی به یکی از مزیت های سرمایه گذاران ریسک پذیر تبدیل شود. در این مقاله تلاش می شود تا با استفاده از روش ریاضی تحلیل پوششی داده ها، کارآیی متقاطع و روش تصمیم گیری ویکور، بخشی از مشکلات ارزیابی به وسیله کاهش زمان غربال گری، کاهش تاثیر سلیقه و تعصبات ارزیاب، فراهم کردن امکان تصمیم گیری گروهی، فراهم کردن امکان مقایسه تعداد زیاد گزینه ها با در نظر گرفتن تعداد زیاد معیارها و وزن آنها، عدم نیاز به تعیین وزن معیارها تعدیل گردد. برای این منظور از طریق مصاحبه با فعالان داخلی سرمایه گذاری ریسک پذیر معیارهای بومی استخراج شدند و عملکرد مدل ریاضی پیشنهادی با پیاده سازی در شرکت سرمایه گذاری کارآفرینی هاتف و مقایسه با نظر خبرگان، بررسی گردید. مجموعه معیارهای بومی و همچنین ارائه روش ساده و کارآمد ریاضی تصمیم گیری، بدون نیاز به وزن معیارها و یکسان کردن بعد معیارها از جمله دستاوردهای این پژوهش می باشد. نتیجه به دست آمده از مدل برای طرح رتبه اول با نظر ارزیابان شرکت برای اطلاق طرح نمونه به آن، همخوانی داشت البته اطلاعات کافی برای مقایسه رتبه بندی سایر طرح ها با نظر کارشناسان در دست نبود.
کلیدواژه ها:
نویسندگان
Saman Ahsanizadeh
دانشگاه علم و صنعت ایران
Mir Saman Pishvaee
دانشگاه علم و صنعت
Amir Ali Karimi
دانشگاه علم و صنعت ایران
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :