3.3 Onderwerpen en methoden

De artikelen in de samengestelde database bestrijken een verscheidenheid aan gebieden die verband houden met financiële besluitvorming en maken gebruik van verschillende MCDA-methodologische benaderingen. Bij het onderscheiden van de verschillende onderwerpen hebben wij rekening gehouden met de drie hoofdgebieden van financiën, waaronder bedrijfsfinanciering, investeringen, en financiële markten en instellingen. Op basis van deze hoofdgebieden werden 12 subcategorieën gedefinieerd die overeenkomen met de belangrijkste onderzoeksgebieden in termen van de toepassingsdomeinen van MCDA-methodologieën in financiële besluitvorming (artikelen met betrekking tot specifieke onderwerpen van financieel risicobeheer buiten de 12 hoofdcategorieën werden in een afzonderlijke groep ingedeeld). De belangrijkste gebieden die in dit onderzoek werden geïdentificeerd zijn:

–

Boekhouding en auditing: hoewel boekhouding en auditing onderscheiden onderzoeksgebieden zijn van financiën, zijn zij nauw verbonden met veel financiële beslissingen, vooral met betrekking tot bedrijfsfinanciering. MCDA-methoden zijn gebruikt ter ondersteuning van boekhoudkundige/auditbeslissingen en relevante praktijken op gebieden zoals kostenberekening (Cicone, Udaeta, Grimoni, & Galvão, 2008), management accounting (Frezatti, Agiar, Guerreiro, & Gouvea, 2011), opsporing van financiële fraude (Gaganis, 2009; Pasiouras, Gaganis, & Zopounidis, 2007), en interne auditcontroles (Sueyoshi, Shang, & Chiang, 2009), onder andere.

–

Evaluatie van activa: de evaluatie van activa heeft betrekking op het screenen, beoordelen en verhandelen van financiële activa voor beleggingsdoeleinden. Het is een integraal onderdeel van investeringsbeslissingen en portefeuilleselectie en -beheer, maar het vereist verschillende technieken en analytische hulpmiddelen op basis van discrete MCDA-methoden (in tegenstelling tot optimalisatiemodellen die worden gebruikt in het portefeuille-optimalisatieproces; Xidonas, Mavrotas, Krintas, Psarras, & Zopounidis, 2012). De evaluatie van activa wordt gewoonlijk uitgevoerd in termen van fundamentele factoren (zie bijvoorbeeld Albadvi, Chaharsooghi, & Esfahanipour, 2007, Sevastjanov & Dymova, 2009, en Xidonas, Mavrotas, & Psarras, 2009b, onder andere), maar ook in de context van actieve handelsstrategieën op basis van technische indicatoren (bijv, Huck, 2010; Ng, Liang, Li, Yeung, & Chan, 2014).

–

Bankieren: banktoepassingen bestrijken een breed spectrum van gebieden die verband houden met bankbeheer. Deze omvatten onder andere de prestaties en stabiliteit van banken (Doumpos & Zopounidis, 2010), het beheer van leningenportefeuilles en kredietverlening, asset-liability management (Kosmidou & Zopounidis, 2004), de organisatie van bankkantorennetwerken (Bravo & Plà-Santamaria, 2012; Ferreira, Santos, & Rodrigues, 2010), en e-bankingdiensten (Hu & Liao, 2011).

–

Energiefinanciering: de energie- en grondstoffenmarkten hebben zich de afgelopen decennia snel ontwikkeld. De relevante toepassingen van MCDA-methoden hebben betrekking op portefeuillebeheer en -handel, prijsstelling, marktwerking, enzovoort op de energie- en grondstoffenmarkten.

–

Kapitaalbudgettering en financiële planning: kapitaalbudgettering en financiële planning vormen belangrijke onderzoeksgebieden in zowel de financiële wereld als de managementwetenschap. MCDA-methoden zijn gebruikt om begrotingstoewijzingen en financiële plannen te ontwerpen in zowel de particuliere (Frezatti et al, 2011) en de publieke sector (Gómez, Ríos Insua, Lavín, & Alfaro, 2013), evenals voor individuen (Cai & Ge, 2012).

–

Corporate financial performance analysis: de beoordeling van de financiële prestaties van bedrijven is een populair onderwerp van onderzoek geweest met verschillende toepassingen van MCDA, die de aggregatie van meerdere prestatieattributen (financiële en niet-financiële) mogelijk maken, terwijl rekening wordt gehouden met de bijzondere kenmerken van verschillende bedrijfssectoren (bouw, vervoer, gezondheidszorg, landbouw, enz.Iazzolino, Laise, & Marraro, 2012).

–

Landenrisicoanalyse: landenrisico verwijst naar de waarschijnlijkheid dat een land moeilijkheden zal ondervinden om zijn schuldverplichtingen ten aanzien van zijn schuldeisers na te komen. Het belang van dit type analyse is de afgelopen decennia toegenomen doordat financiële crises in verschillende landen voor grote onrust hebben gezorgd, met als meest recente voorbeeld de staatsschuldencrisis in Europa. MCDA-technieken zijn gebruikt ter ondersteuning van economische prognoses (Blair, Mandelker, Saaty, & Whitaker, 2010), om samengestelde indicatoren van landenrisico’s te construeren (Kosmidou, Doumpos, & Zopounidis, 2008), en voor het beheer van overheidsschulden (Balibek & Köksalan, 2010).

–

Kredietrisicobeoordeling en faillissementsvoorspelling: net als landenrisico’s hebben kredietrisicobeoordeling en faillissementsvoorspelling betrekking op de kans dat bedrijven of personen in gebreke blijven bij de aflossing van hun schuld. Het toenemend aantal wanbetalingen als gevolg van de recente kredietcrisis heeft aangetoond dat er op dit gebied nog veel werk aan de winkel is. MCDA-methoden zijn gebruikt als niet-parametrische technieken om kredietrisico- en faillissementsvoorspellingsmodellen uit gegevens af te leiden, vaak vergemakkelijkt door doelprogrammering, multiobjectieve technieken, en evolutionaire algoritmen of in combinatie met datamining-algoritmen. Enkele voorbeelden zijn te vinden in het werk van Doumpos (2012), He, Zhang, Shi, en Huang (2010), Yu, Wang, en Lai (2009), en Zhang, Gao, en Shi (2014), onder anderen.

–

Investeringsbeoordeling: investeringsbeslissingen vormen een belangrijk onderdeel van de theorie en praktijk van corporate finance. De financiële theorie steunt op gevestigde financiële beoordelingscriteria (bv. netto contante waarde, intern rendement, terugverdientijd, enz.). In een multicriteria setting wordt het financiële perspectief verrijkt met nieuwe factoren in een bredere stakeholder setting (De Brucker, Macharis, & Verbeke, 2013) alsook door de introductie van formele modellen voor preferentiemodellering en risicoanalyse (Vlaev, Chater, & Stewart, 2008).

–

Fusies en overnames: fusies en overnames (M&As) zijn strategische investeringen die de groei van bedrijven kunnen bevorderen door te profiteren van schaalvoordelen en synergetische effecten. Zij kenden een sterke groei in de jaren 1980 en 1990, terwijl in de jaren 2000 een stabilisatietendens werd waargenomen. MCDA-methoden zijn gebruikt om strategische allianties te ontwerpen, om de identificatie van M&A deals en targets te ondersteunen, en om de uitkomsten van M&As te beoordelen (zie onder andere Korhonen & Voutilainen, 2006, Lee, 2013, en Pasiouras, Gaganis, & Zopounidis, 2010).

–

Sociaal verantwoordelijke investeringen (SRI): volgens Eurosif’s Global Sustainable Investment Review 2014 heeft de markt voor duurzame investeringen wereldwijd de $21 biljoen overschreden, goed voor meer dan 30% van de professioneel beheerde activa. MCDA is ingezet om traditionele risico-rendement beleggingsmodellen uit te breiden door de introductie van niet-financiële duurzame beleggingscriteria (zie o.a. Ballestero, Bravo, Pérez-Gladish, Arenas-Parra, & Plà-Santamaria, 2012 en Bilbao-Terol, Arenas-Parra, & Cañal Fernández, 2012) en als instrument om het duurzame beleggingsproces te analyseren en te verklaren (Utz, Wimmer, Hirschberger, & Steuer, 2014).

–

Portefeuilleoptimalisatie: portefeuilleoptimalisatie verwijst naar de toewijzing van middelen aan een reeks geselecteerde financiële activa (aandelen, fondsen, vastrentende activa, enz.). In het traditionele mean-variance raamwerk wordt de allocatie geformuleerd als een bi-objectief risico-rendement optimalisatiemodel. Zoals uiteengezet in hoofdstuk 2, is in de afgelopen twee decennia verschillende vooruitgang geboekt bij de invoering van nieuwe samenhangende maatstaven voor risico. De multidimensionale aard van risico (Doumpos & Zopounidis, 2014) heeft aanleiding gegeven tot multiobjectieve en doelprogrammeringsformules, die de aggregatie van meerdere portefeuilleselectiemaatstaven mogelijk maken en het verder mogelijk maken om rekening te houden met aanvullende reële kenmerken (diversificatie, liquiditeit, dividenden, enz.Steuer, Qi, & Hirschberger, 2007).

In termen van methodologische benaderingen, beschouwen we de vier belangrijkste stromingen van MCDA-onderzoek (Pardalos, Siskos, & Zopounidis, 1995), met inbegrip van multiobjectieve optimalisatie (MO), multiattribute utiliteitstheorie (MAUT), outranking relaties (OR), en preference disaggregation analysis (PDA). Naast deze hoofdgebieden van MCDA-onderzoek worden ook andere categorieën in aanmerking genomen die bepaalde soorten besluitvormingsmodellen en analysetechnieken vertegenwoordigen, namelijk doelprogrammering (GP), evolutionaire algoritmen/metaheuristieken (EA/MH), fuzzymodellen, regelgebaseerde modellen (RBM), alsmede populaire methoden zoals AHP (inclusief ANP) en TOPSIS. Bovendien beschouwen we andere methoden en benaderingen (bv. casus-specifieke modellen en andere technieken zoals DEMATEL, VIKOR, grijze relationele analyse, enz.; deze zijn allemaal ondergebracht in een grote categorie met het label “andere”), evenals combinaties met data envelopment analysis (DEA) en data mining (DM) technieken (exclusief zuiver DEA/DM papers).

Tabel 5. Publicaties naar onderwerp en methodologische aanpak.

MO AHP GP EA/MH Fuzzy PDA OR DM MAUT TOPSIS DEA RBM Anderen Totaal
Portefeuille-optimalisatie 188 11 48 64 30 1 6 2 5 2 1 11 262
Credit risico/bankroet 25 18 25 5 8 27 13 21 10 3 5 8 108
Asset evaluatie 31 17 7 20 10 8 10 5 4 4 2 0 10 78
Bankieren 9 27 9 2 16 11 8 2 5 8 5 4 8 73
Corporate performance 3 16 4 1 17 5 9 1 11 1 3 9 51
Budg. & fin. planning 13 12 15 2 0 2 1 4 0 1 0 3 42
Beleggingswaardering 7 22 3 0 9 0 1 2 7 1 0 7 41
SRI 5 3 8 1 1 0 0 0 2 0 1 0 1 18
Boekhouding/controle 2 6 0 1 2 8 0 2 0 0 0 1 1 0 17
Landenrisico 4 4 0 1 0 4 2 0 2 1 0 1 17
Energy finance 7 2 0 1 0 0 0 0 1 0 0 0 0 0 10
M&A 0 5 0 0 1 2 0 0 0 1 0 0 1 8
overig risicomanagement 6 8 3 1 2 1 1 2 1 2 1 0 1 22
Totaal 273 124 103 92 89 57 45 36 33 15 13 54

Tabel 6. Artikelen waarin combinaties (paren) van methoden worden gebruikt.

DEA DM EA/MH Fuzzy GP MAUT MO OR PDA RBM TOPSIS Other
AHP 5 6 1 32 6 3 2 1 2 15 14
DEA 1 0 1 2 0 3 0 1 0 2 1
DM 5 2 6 0 18 4 10 1 4 2
EA/MH 7 1 3 82 3 5 0 0 1
Fuzzy 7 0 35 4 1 3 19 11
GP 8 0 7 1 2 1
MAUT 4 2 8 1 0 2
MOP 0 5 2 1 3
OF 8 1 2 3
PDA 2 0 2
RBM 1 1
TOPSIS 4

Tabel 5 geeft een overzicht van alle in aanmerking genomen toepassingsgebieden en methodologische benaderingen, samen met het aantal papers in alle combinaties van deze twee dimensies. De laatste kolom van de tabel geeft het aantal papers in elk toepassingsgebied, terwijl de laatste rij toont het aantal papers in elke MCDA methodologische aanpak. Er zij op gewezen dat deze totalen niet gelijk zijn aan de rij/kolom-sommen, aangezien een artikel betrekking kan hebben op meerdere financiële toepassingsgebieden en gebruik kan maken van een combinatie van MCDA-methoden en -benaderingen. Tabel 6 bevat nadere gegevens over de combinaties van methoden die zijn gebruikt. De tabel vermeldt het aantal artikelen waarin verschillende paren van benaderingen zijn gebruikt (we concentreren ons op paren, aangezien in de overgrote meerderheid van de artikelen -ongeveer 90%- ten hoogste twee methoden zijn gebruikt).

De samenvattende resultaten geven duidelijk aan dat portfolio-optimalisatie (PO) het gebied is dat het meest is bestudeerd met MCDA-technieken, namelijk MO en GP. Steuer en Na (2003) vonden ook dat portfolio-analyse het meest actieve MCDA-finance onderzoeksgebied was in de periode vóór 2002 (hoewel zij geen onderscheid maakten tussen PO en asset evaluation). De populariteit van PO kan aan een aantal redenen worden toegeschreven. Het is een veelzijdig probleem dat een aantal algoritmische en modelleringsuitdagingen inhoudt (b.v. risicomodellering, verschillende soorten gegevens, dynamisch karakter, enz.), en het is relevant in verschillende contexten waaronder aandelenportefeuilles en fondsenportefeuilles, alsook in de context van activa van niet-financiële markten (b.v. energiemarkten en grondstoffen). De meeste MO/GP-modellen die voor PO’s zijn voorgesteld, berusten op de combinatie van meerdere risicomaatstaven (b.v. skewness/kurtosis, value-at-risk maatstaven, omega ratio, systeemrisico, enz.), waarbij vaak ook rekening wordt gehouden met bijkomende doelstellingen (liquiditeit, dividenden, diversificatie, enz.). EA/MH zijn ook zeer populair in PO, met name wanneer het gaat om niet-convexe portefeuilleselectiecriteria en -modellen (bv. skewness/kurtosis, value at risk), alsook in gevallen waarin extra reële kenmerken, zoals cardinaliteitsbeperkingen, worden toegevoegd in de analyse (Mansini, Ogryczak, & Speranza, 2014). Steuer (2013) maakt onderscheid tussen drie soorten MCDA-benaderingen in PO. A priori benaderingen maken gebruik van vooraf gespecificeerde informatie over de voorkeuren van de beslisser (belegger, portefeuillebeheerder) om de meest geschikte efficiënte portefeuille te vinden. GP-modellen maken vaak gebruik van een dergelijke aanpak. A posteriori benaderingen daarentegen zijn gericht op het vinden van de volledige reeks efficiënte portefeuilles in één enkele run, zonder dat de specificatie van voorkeursgegevens vereist is. EA/MH worden typisch gebruikt in dit kader, vooral in meer complexe gevallen zoals hierboven vermeld (voor een overzicht van EA/MH in PO, zie Metaxiotis & Liagkouras, 2012). Een laatste klasse van procedures is gebaseerd op interactieve technieken die de geleidelijke articulatie van voorkeursinformatie over het investeringsbeleid van de besluitvormer mogelijk maken (zie bijvoorbeeld Xidonas, Mavrotas, & Psarras, 2010a).

PO is nauw verwant aan andere onderwerpen die in dit overzicht worden beschouwd, namelijk evaluatie van activa, maatschappelijk verantwoord beleggen, en energiefinanciering. Verrassend genoeg behandelden slechts 12 publicaties portefeuillebeheer in een geïntegreerd kader dat PO en activabeoordeling combineert (zie onder meer Kiris & Ustun, 2012, Pendaraki, Zopounidis, & Doumpos, 2005, Pérez-Gladish, Jones, Tamiz, & Bilbao Terol, 2007, en Xidonas, Askounis, & Psarras, 2009a). Al deze werken beschouwden het evaluatieproces van activa in termen van fundamentele factoren, vaak gerealiseerd in de context van fondsenbeheer, met gebruikmaking van methodologieën die hoofdzakelijk gebaseerd zijn op AHP/ANP, OR, en PDA. MO- en EA/MH-technieken zijn daarentegen ook populair geweest voor de evaluatie van activa, voornamelijk in de context van algoritmische handel en technische analyse (zie onder meer Bodas-Sagi, Fernández-Blanco, Hidalgo, & Soltero-Domingo, 2013, Chiam, Tan, & Al Mamun, 2009, en Ng et al., 2014). Het is ook interessant om op te merken dat de helft van de papers over duurzaam beleggen (9 van de 18 papers) ook PO-aspecten omvatten en dat zes van de 18 duurzame beleggingspapers sociale aspecten in overweging nemen als onderdeel van het evaluatieproces van activa. Interessant is dat op één na alle artikelen over duurzaam beleggen werden gepubliceerd in de periode van 2009 tot 2014, wat aangeeft dat dit een opkomende trend is in financiële beleggingen en portefeuillebeheer.

Behoudens de bovenstaande beleggingsgerelateerde onderwerpen, zijn kredietrisicobeoordeling en faillissementsvoorspelling ook zeer populaire onderwerpen geweest, met 108 relevante artikelen, terwijl in het vorige onderzoek van Steuer en Na (2003) dit gebied niet werd geïdentificeerd als een afzonderlijk onderzoeksonderwerp. Op dit gebied zijn verschillende methodologieën gebruikt, waarvan MO, PDA, GP en OR de populairste zijn. Voorspellingsmodellen voor kredietrisico’s en faillissementen worden gewoonlijk opgesteld op basis van bestaande databases over wanbetalingen en faillissementen (bedrijfs- of consumentengegevens). PDA-technieken maken gewoonlijk gebruik van MO- en GP-formuleringen om beslissingsmodellen af te leiden uit bestaande gegevensinstanties Enkele voorbeelden zijn te vinden in het werk van Doumpos en Zopounidis (2011), Peng, Kou, Shi, en Chen (2008), en Zhang et al. (2014), onder anderen. Soortgelijke technieken zijn ook gebruikt voor het analyseren en voorspellen van ratings die zijn uitgegeven door grote ratingbureaus, die op grote schaal worden gebruikt door financiële besluitvormers, beleggers en regelgevers (Doumpos, Niklis, Zopounidis, & Andriosopoulos, 2015; Doumpos & Pasiouras, 2005), terwijl andere studies zich hebben gericht op gespecialiseerde modellen voor gebieden als hypothecaire leningen en scheepvaart (zie onder meer Ferreira, Santos, Marques, & Ferreira, 2014, en Gavalas & Syriopoulos, 2014). Het is ook vermeldenswaard dat verschillende studies op dit gebied combinaties hebben onderzocht van MCDA-methoden met dataminingmodellen, zoals neurale netwerken, kernelmethoden, case-based reasoning, en clusteringalgoritmen. Dergelijke combinaties zijn in drie hoofdvormen onderzocht: (a) het gebruik van MO/GP-modellen (vaak gefaciliteerd door EA/MH) voor het trainen van dataminingmodellen (bijv. Pendharkar & Nanda, 2006; Zhang et al., 2014), (b) het gebruik van de complexe structuur en representatiekracht van dataminingmodellen voor het construeren van nauwkeurige multicriteria risicobeoordelings- en predictiesystemen (bijv, Chen & Hu, 2011; Hu, 2009), en (c) het gebruik van MCDA-technieken om de prestaties van voorspellingsmodellen te beoordelen (bijv. Wu & Hsu, 2012).

Toepassingen in het bankwezen hebben ook veel belangstelling getrokken, vooral na de wereldwijde kredietcrisis van 2007/2008. Dit blijkt uit het feit dat 54 van de 73 papers over banktoepassingen zijn gepubliceerd van 2010 tot 2014. Net als kredietrisicobeoordeling en faillissementsvoorspelling werd het bankwezen in het onderzoek van Steuer en Na (2003) niet als een afzonderlijk onderzoeksgebied beschouwd. In het afgelopen decennium is het bankwezen dus naar voren gekomen als een gebied dat bijzonder interessant is voor de toepassing van MCDA-methoden. Dergelijke methoden die in de banksector worden toegepast omvatten AHP/ANP (vaak gecombineerd met fuzzy modellen) alsook PDA, OR, en GP technieken. De toepassingsonderwerpen omvatten de beoordeling van de prestaties van banken (bijv, Doumpos & Zopounidis, 2010; Grigoroudis, Tsitsiridi, & Zopounidis, 2013; Ioannidis, Pasiouras, & Zopounidis, 2010; Shen & Tzeng, 2014a), asset-liability management (e.g., Kosmidou & Zopounidis, 2007), bank branch management (e.g., Ferreira et al., 2010), en e-bankingdiensten (e.g., Hu & Liao, 2011; Kaya & Kahraman, 2011), onder andere.

Gelijkaardige kwesties zijn ook buiten de banksector bekeken in andere studies die zich richtten op bedrijfsprestaties in sectoren zoals transport, landbouw, verzekeringen, bouw, enz. Zoals blijkt uit tabel 5, zijn de methoden die worden gebruikt voor de beoordeling van de bedrijfsprestaties vrij gelijkaardig aan die welke in de banksector worden gebruikt.

Wat de andere toepassingsgebieden betreft, is het vermeldenswaard dat wij voor kapitaalbudgettering en financiële planning slechts 41 papers hebben gevonden die sinds 2002 zijn gepubliceerd. Dit is een opmerkelijke daling ten opzichte van het onderzoek van Steuer en Na (2003), die vonden dat deze gebieden veel werden onderzocht in de periode vóór 2002 (toen ze samen zelfs populairder waren dan portefeuilleanalyse).

Vanuit methodologisch oogpunt is MO duidelijk de dominante benadering met 273 papers. De meeste werken waarin MO wordt gebruikt, hebben betrekking op PO (188 studies), gevolgd door de evaluatie van activa (31 studies) en de beoordeling van kredietrisico’s/voorspelling van faillissementen (25 papers). Zoals blijkt uit tabel 6, combineert een aanzienlijk deel van de studies die gebruik maken van MO het met EA/MH technieken (82 papers), fuzzy modellen (35 studies), en data mining algoritmen (18 papers).

AHP/ANP is de tweede meest populaire benadering. Dit is een belangrijke stijging in vergelijking met het vorige onderzoek van Steuer en Na (2003), die ontdekten dat vóór 2002 slechts een klein aantal studies gebruik maakte van AHP. Interessant is dat artikelen over AHP/ANP het hele spectrum van financiële toepassingen bestrijken, vaak gecombineerd met fuzzy modellen en andere MCDA technieken, vooral TOPSIS.

Net als MO is GP ook een populaire modelleer- en oplossingsaanpak geweest voor financiële beslissingen in PO en kredietrisico/bankroetvoorspelling. Kapitaalbudgettering en financiële planning zijn ook populaire onderwerpen voor toepassingen van GP-modellen. In tegenstelling tot MO-modellen is GP echter minder vaak gecombineerd met andere benaderingen. Onder hen zijn fuzzy-modellen, DM en PDA het populairst geweest.

PDA is de populairste benadering geweest voor kredietrisico/bankroetvoorspellingsmodellen. Dit wordt verklaard door de aard van het PDA-kader, dat zich richt op het afleiden van beslissingsmodellen uit gegevens. Dit kenmerk past goed in de context van kredietrisicomodellering en voorspelling van financiële moeilijkheden. Voor dat doel wordt het PDA-raamwerk gewoonlijk geïmplementeerd met verschillende OR- en MAUT-modellen (bv. Bugera, Konno, & Uryasev, 2002; Doumpos, 2012; Doumpos & Zopounidis, 2011) of in combinatie met DM-technieken (Peng et al., 2008).

Van de andere belangrijkste MCDA-modelleringsbenaderingen is MAUT gebruikt in 36 studies, terwijl regelgebaseerde technieken (bijv. dominantiegebaseerde ruwe sets; Greco, Matarazzo, & Slowinski, 2013; Shen & Tzeng, 2014b) zijn gebruikt in 13 publicaties. Het kleine aantal MAUT-toepassingen in de financiële besluitvorming in vergelijking met andere benaderingen werd ook gerapporteerd door Steuer en Na (2003), die slechts acht relevante publicaties vonden in de periode vóór 2002. Ten slotte is het vermeldenswaard dat sommige studies (15 in totaal) DEA hebben gebruikt als een gegevensgebaseerde multicriteria-evaluatietechniek in combinatie met traditionele MCDA-benaderingen zoals MO, GP, AHP/ANP en TOPSIS (Amiri, Zandieh, Vahdani, Soltani, & Roshanaei, 2010; Che, Wang, & Chuang, 2010; Yang, Wong, Xu, Liu, & Steuer, 2010). DEA biedt een handige aanpak voor multicriteria-evaluaties met minimale informatie, aangezien de beoordelingen worden aangestuurd door de gegevens. Bij gebruik in een MCDA-context zijn op DEA gebaseerde evaluatiemodellen echter onderhevig aan methodologische problemen (voor een uitvoerige bespreking, zie Bouyssou, 1999; Tofallis, 2010).