3.3 Témák és módszerek

Az összeállított adatbázisban található cikkek a pénzügyi döntéshozatalhoz kapcsolódó különböző területeket fednek le, és különböző MCDA módszertani megközelítéseket alkalmaznak. A különböző témák megkülönböztetésénél a pénzügyek mindhárom fő területét figyelembe vettük, beleértve a vállalati pénzügyeket, a befektetéseket, valamint a pénzügyi piacokat és intézményeket. E fő területek alapján 12 alkategóriát határoztunk meg, amelyek az MCDA-módszertanok pénzügyi döntéshozatalban való alkalmazási területei szempontjából a fő kutatási területeknek felelnek meg (a 12 fő kategórián kívüli, konkrét pénzügyi kockázatkezelési témákkal kapcsolatos cikkeket külön csoportba soroltuk). A felmérésben azonosított fő területek a következők:

–

Beszámítás és könyvvizsgálat: bár a számvitel és a könyvvizsgálat a pénzügyektől elkülönülő kutatási területek, szorosan kapcsolódnak számos pénzügyi döntéshez, főként a vállalati pénzügyek tekintetében. Az MCDA módszereket a számviteli/könyvvizsgálati döntések és a vonatkozó gyakorlatok támogatására használták olyan területeken, mint a költségszámvitel (Cicone, Udaeta, Grimoni, & Galvão, 2008), a vezetői számvitel (Frezatti, Agiar, Guerreiro, & Gouvea, 2011), a pénzügyi csalások felderítése (Gaganis, 2009; Pasiouras, Gaganis, & Zopounidis, 2007), valamint a belső ellenőrzési ellenőrzések (Sueyoshi, Shang, & Chiang, 2009).

–

Vagyonértékelés: Az eszközértékelés a pénzügyi eszközök befektetési célú átvilágítására, értékelésére és kereskedelmére utal. A befektetési döntések, valamint a portfólióválasztás és -kezelés szerves részét képezi, de különböző technikákat és diszkrét MCDA-módszereken alapuló elemzési eszközöket igényel (szemben a portfólióoptimalizálás során használt optimalizációs modellekkel; Xidonas, Mavrotas, Krintas, Psarras, & Zopounidis, 2012). Az eszközértékelés általában a fundamentális tényezők alapján valósul meg (lásd például Albadvi, Chaharsooghi, & Esfahanipour, 2007, Sevastjanov & Dymova, 2009 és Xidonas, Mavrotas, & Psarras, & 2009b, többek között), valamint a technikai mutatókon alapuló aktív kereskedési stratégiák keretében (pl, Huck, 2010; Ng, Liang, Li, Yeung, & Chan, 2014).

–

Banking: A banki alkalmazások a banki menedzsmenttel kapcsolatos területek széles spektrumát fedik le. Ezek közé tartozik többek között a bankok teljesítménye és stabilitása (Doumpos & Zopounidis, 2010), a hitelportfólió kezelése és a hitelnyújtás, az eszköz-forrás menedzsment (Kosmidou & Zopounidis, 2004), a bankfiókhálózatok szervezése (Bravo & Plà-Santamaria, 2012; Ferreira, Santos, & Rodrigues, 2010) és az e-banking szolgáltatások (Hu & Liao, 2011).

–

Energiafinanszírozás: Az energia- és nyersanyagpiacok gyorsan fejlődtek az elmúlt évtizedekben. Az MCDA-módszerek releváns alkalmazásai az energia- és nyersanyagpiacokon a portfóliókezeléssel és -kereskedelemmel, az árazással, a piaci működés kérdéseivel stb. kapcsolatosak.

–

Tőkebüdzsé és pénzügyi tervezés: A tőkebüdzsé és a pénzügyi tervezés mind a pénzügyek, mind a menedzsmenttudományok kutatásának fontos területeit képezik. Az MCDA módszereket a költségvetési allokációk és a pénzügyi tervek megtervezésére használják mind a magánszférában (Frezatti et al., 2011) és az állami szektorban (Gómez, Ríos Insua, Lavín, & Alfaro, 2013), valamint magánszemélyek esetében (Cai & Ge, 2012).

–

Vállalati pénzügyi teljesítményelemzés: A vállalati pénzügyi teljesítmény értékelése népszerű kutatási téma, az MCDA számos alkalmazásával, amelyek lehetővé teszik több (pénzügyi és nem pénzügyi) teljesítményjellemző aggregálását, miközben figyelembe veszik a különböző üzleti ágazatok sajátosságait (építőipar, közlekedés, egészségügy, mezőgazdaság stb.; Iazzolino, Laise, & Marraro, 2012).

–

országkockázatelemzés: Az országkockázat annak valószínűségére utal, hogy egy országnak nehézségei lesznek a hitelezői felé fennálló adósságkötelezettségeinek teljesítésében. Az elmúlt évtizedekben megnőtt az ilyen típusú elemzés jelentősége, mivel a pénzügyi válságok jelentős zavarokat okoztak különböző országokban, a legutóbbi az európai államadósság-válság volt. Az MCDA-technikákat használták a gazdasági előrejelzés támogatására (Blair, Mandelker, Saaty, & Whitaker, 2010), az országkockázat összetett mutatóinak kialakítására (Kosmidou, Doumpos, & Zopounidis, 2008) és az államadósság kezelésére (Balibek & Köksalan, 2010).

–

Hitelkockázat értékelése és csődjóslás: Az országkockázathoz hasonlóan a hitelkockázat értékelése és a csődjóslás annak valószínűségére vonatkozik, hogy a vállalatok vagy magánszemélyek nem fizetik be adósságukat. A közelmúltbeli hitelválság következtében megnövekedett számú fizetésképtelenség megmutatta, hogy ezen a területen még sok a tennivaló. Az MCDA-módszereket nemparametrikus technikákként használták a hitelkockázati és csőd-előrejelzési modellek adatokból történő levezetésére, amit gyakran célprogramozás, többcélú technikák és evolúciós algoritmusok, illetve adatbányászati algoritmusokkal kombinálva könnyítettek meg. Néhány példa többek között Doumpos (2012), He, Zhang, Shi és Huang (2010), Yu, Wang és Lai (2009), valamint Zhang, Gao és Shi (2014) munkáiban található.

–

Befektetések értékelése: A befektetési döntések a vállalati pénzügyek elméletének és gyakorlatának fontos részét képezik. A pénzügyi elmélet a bevett pénzügyi értékelési kritériumokra támaszkodik (pl. nettó jelenérték, belső megtérülési ráta, megtérülési idő stb.). A többkritériumos környezetben a pénzügyi perspektíva új tényezőkkel bővül egy tágabb érdekcsoport-környezetben (De Brucker, Macharis, & Verbeke, 2013), valamint a preferenciamodellezés és a kockázatelemzés formális modelljeinek bevezetésével (Vlaev, Chater, & Stewart, 2008).

–

Fúziók és felvásárlások: A fúziók és felvásárlások (M&As) olyan stratégiai beruházások, amelyek a méretgazdaságosság és a szinergikus hatások kihasználásával elősegíthetik a vállalati növekedést. Az 1980-as és 1990-es években fellendültek, míg a 2000-es években bizonyos stabilizációs tendenciák figyelhetők meg. Az MCDA módszereket használták a stratégiai szövetségek megtervezésére, az M&A ügyletek és célpontok azonosításának támogatására, valamint az M&A-k eredményeinek értékelésére (lásd többek között Korhonen & Voutilainen, 2006, Lee, 2013 és Pasiouras, Gaganis, & Zopounidis, 2010).

–

Társadalmilag felelős befektetések (SRI): Az Eurosif Global Sustainable Investment Review 2014 című kiadványa szerint a fenntartható befektetések piaca globálisan meghaladta a 21 billió dollárt, és a professzionálisan kezelt eszközök több mint 30%-át teszi ki. Az MCDA-t alkalmazták a hagyományos kockázat-hozam befektetési modellek kiterjesztésére nem pénzügyi SRI-kritériumok bevezetésével (lásd többek között: Ballestero, Bravo, Pérez-Gladish, Arenas-Parra, & Plà-Santamaria, 2012 és Bilbao-Terol, Arenas-Parra, & Cañal Fernández, 2012), valamint a SRI-folyamat elemzésének és magyarázatának eszközeként (Utz, Wimmer, Hirschberger, & Steuer, 2014).

–

Portfólióoptimalizálás: A portfólióoptimalizálás a pénzeszközöknek a kiválasztott pénzügyi eszközök (részvények, alapok, fix kamatozású eszközök stb.) egy csoportjába történő allokációjára utal. A hagyományos átlag-variációs keretben az allokációt kétcélú kockázat-hozam optimalizálási modellként fogalmazzák meg. Amint azt a 2. szakaszban kifejtettük, az elmúlt két évtizedben számos előrelépés történt az új, koherens kockázati mérőszámok bevezetése terén. A kockázat többdimenziós jellege (Doumpos & Zopounidis, 2014) olyan többcélú és célprogramozási megfogalmazásokat eredményezett, amelyek lehetővé teszik több portfóliószelekciós mérték aggregálását, továbbá további valós jellemzők figyelembevételét (diverzifikáció, likviditás, osztalékok stb.; Steuer, Qi, & Hirschberger, 2007).

A módszertani megközelítések tekintetében az MCDA-kutatás négy fő áramlatát vesszük figyelembe (Pardalos, Siskos, & Zopounidis, 1995), köztük a többcélú optimalizálást (MO), a többattribútumú hasznosságelméletet (MAUT), a rangsorolási viszonyokat (OR) és a preferencia-diszaggregációs elemzést (PDA). Az MCDA-kutatás ezen fő területei mellett további kategóriákat is figyelembe vesznek, amelyek a döntési modellek és elemzési technikák sajátos típusait képviselik, nevezetesen a célprogramozást (GP), az evolúciós algoritmusokat/metaheurisztikákat (EA/MH), a fuzzy modelleket, a szabályalapú modelleket (RBM), valamint az olyan népszerű módszereket, mint az AHP (beleértve az ANP-t) és a TOPSIS. Ezen kívül figyelembe veszünk más módszereket és megközelítéseket is (pl. esetspecifikus modelleket és egyéb technikákat, mint a DEMATEL, VIKOR, szürke relációs elemzés stb.; ezeket mind egy “egyéb” címkével ellátott fő kategóriába soroljuk), valamint az adatburokelemzési (DEA) és adatbányászati (DM) technikákkal való kombinációkat (kivéve a tisztán DEA/DM munkákat).

5. táblázat. Publikációk tématerület és módszertani megközelítés szerint.

.

MO AHP GP EA/MH Fuzzy PDA OR DM MAUT TOPSIS DEA RBM Más Total
Portfólió optimalizálás 188 11 48 64 30 1 6 2 5 2 2 1 11 262
Kredit. kockázat/csőd 25 18 25 5 8 27 13 21 10 10 3 5 8 108
Vagyonértékelés 31 17 7 20 10 8 10 5 4 4 2 0 10 78
Banking 9 27 9 2 16 11 8 2 5 8 5 4 8 73
Vállalati teljesítmény 3 16 4 1 17 5 9 1 1 11 1 3 9 51
Budg. & fin. tervezés 13 12 15 2 2 0 2 1 4 0 1 1 0 3 42
Befektetési értékelés 7 22 3 0 9 0 0 1 2 7 1 1 0 7 41
SRI 5 3 8 1 1 0 0 0 2 0 1 0 1 18
Könyvelés/könyvvizsgálat 2 6 0 1 2 8 0 2 0 0 0 1 1 0 17
országkockázat 4 4 0 1 0 4 2 0 2 1 0 1 1 17
Energiafinanszírozás 7 2 0 1 0 0 0 0 0 1 0 0 0 0 10
M&A 0 5 0 0 1 2 0 0 0 1 0 0 1 8
Más kockázatkezelés 6 8 3 1 2 1 1 1 1 2 1 0 0 1 22
Total 273 124 103 92 89 57 45 36 36 33 15 13 54

6. táblázat. A módszerek kombinációit (párokat) alkalmazó cikkek.

.

.

DEA DM EA/MH Fuzzy GP MAUT MO OR PDA RBM TOPSIS Más
AHP 5 6 1 32 6 3 2 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 3 8 0 7 1 2 1
MAUT 4 2 8 1 0 2
MOP 0 5 2 1 3
OR 8 1 2 3
PDA 2 0 2
RBM 1 1
TOPSIS 4

Az 5. táblázat felsorolja az összes figyelembe vett alkalmazási területet és módszertani megközelítést, valamint az e két dimenzió valamennyi kombinációjában szereplő tanulmányok számát. A táblázat utolsó oszlopa az egyes alkalmazási területekhez tartozó dolgozatok számát, míg az utolsó sor az egyes MCDA módszertani megközelítésekhez tartozó dolgozatok számát mutatja. Meg kell jegyezni, hogy ezek az összegek nem egyeznek meg a sorok/oszlopok összegével, mivel egy cikk több pénzügyi alkalmazási területhez is kapcsolódhat, és alkalmazhatja az MCDA módszerek és megközelítések kombinációját. A 6. táblázat további részleteket tartalmaz az alkalmazott módszerek kombinációiról. A táblázat a különböző megközelítéspárokat alkalmazó cikkek számát közli (a párokra összpontosítunk, mivel a cikkek túlnyomó többsége – mintegy 90%-a – legfeljebb két módszert használt).

Az összesített eredmények egyértelműen azt mutatják, hogy a portfólióoptimalizálás (PO) az a terület, amelyet a legszélesebb körben vizsgáltak MCDA-technikákkal, nevezetesen MO-val és GP-vel. Steuer és Na (2003) is úgy találta, hogy a portfólióelemzés a 2002 előtti időszakban a legaktívabban kutatott MCDA-finanszírozási terület (bár ők nem tettek különbséget PO és eszközértékelés között). A PO népszerűsége több okra vezethető vissza. Sokrétű problémáról van szó, amely számos algoritmikus és modellezési kihívást jelent (pl. kockázatmodellezés, különböző típusú adatok, dinamikus jelleg stb.), és különböző kontextusokban releváns, beleértve a részvényportfóliókat és az alapok portfólióit, valamint a nem pénzügyi piacokról származó eszközök (pl. energiapiacok és nyersanyagok) kontextusában is. A PO-hoz javasolt legtöbb MO/GP modell többféle kockázati mérőszám kombinációjára támaszkodik (pl. ferdeség/kurtózis, value-at-risk mérőszámok, omega arány, rendszerkockázat stb.), gyakran további célok és célkitűzések (likviditás, osztalék, diverzifikáció stb.) figyelembevételével. Az EA/MH a PO-ban is nagy népszerűségnek örvend, különösen a nem konvex portfólióválasztási kritériumok és modellek (pl. ferdeség/kurtózis, kockáztatott érték) kezelése esetén, valamint olyan esetekben, amikor az elemzésben további valós jellemzők, például kardinalitási korlátok is szerepelnek (Mansini, Ogryczak, & Speranza, 2014). Steuer (2013) háromféle MCDA-megközelítést különböztet meg a PO-ban. Az a priori megközelítések a döntéshozó (befektető, portfóliómenedzser) preferenciáira vonatkozó, előre meghatározott információkat használnak a legmegfelelőbb hatékony portfólió megtalálásához. A GP modellek gyakran alkalmaznak ilyen megközelítést. Az a posteriori megközelítések ezzel szemben a hatékony portfóliók teljes halmazának egyetlen futtatással történő megtalálására összpontosítanak, anélkül, hogy szükség lenne a preferenciális adatok megadására. Az EA/MH-t jellemzően ebben a keretben alkalmazzák, különösen a fent említett összetettebb esetekben (az EA/MH PO-ban való áttekintését lásd Metaxiotis & Liagkouras, 2012). Az eljárások egy utolsó osztálya olyan interaktív technikákon alapul, amelyek lehetővé teszik a döntéshozó befektetési politikájára vonatkozó preferenciális információk fokozatos artikulálását (lásd például Xidonas, Mavrotas, & Psarras, 2010a).

A PO szorosan kapcsolódik más, ebben a felmérésben vizsgált témakörökhöz, nevezetesen az eszközértékeléshez, a SRI-hez és az energiafinanszírozáshoz. Meglepő módon mindössze 12 publikáció foglalkozott a portfóliókezeléssel olyan integrált keretben, amely egyesíti a PO-t és az eszközértékelést (lásd többek között Kiris & Ustun, 2012, Pendaraki, Zopounidis, & Doumpos, 2005, Pérez-Gladish, Jones, Tamiz, & Bilbao Terol, 2007, és Xidonas, Askounis, & Psarras, 2009a). Ezek a munkák mind az eszközértékelési folyamatot az alapvető tényezők szempontjából vizsgálták, gyakran az alapkezelés kontextusában valósultak meg, főként az AHP/ANP, OR és PDA módszereken alapuló módszertanok alkalmazásával. Az MO és az EA/MH technikák viszont szintén népszerűek voltak az eszközértékelésben, főként az algoritmikus kereskedés és a technikai elemzés kontextusában (lásd többek között Bodas-Sagi, Fernández-Blanco, Hidalgo, & Soltero-Domingo, 2013, Chiam, Tan, & Al Mamun, 2009 és Ng et al., 2014). Az is érdekes, hogy a SRI-vel foglalkozó tanulmányok fele (18 tanulmányból 9) PO szempontokat is tartalmaz, és a 18 SRI-vel foglalkozó tanulmányból hat a társadalmi szempontokat is figyelembe veszi az eszközértékelési folyamat részeként. Érdekes, hogy egy kivételével az összes SRI-publikáció a 2009 és 2014 közötti időszakban jelent meg, ami azt jelzi, hogy ez a pénzügyi befektetések és a portfóliókezelés egy feltörekvő trendje.

A fenti, befektetésekkel kapcsolatos témákon kívül a hitelkockázat értékelése és a csődjóslás is nagyon népszerű téma volt, 108 vonatkozó publikációval, míg Steuer és Na (2003) korábbi felmérésében ez a terület nem volt külön kutatási témaként azonosítva. Ezen a területen számos különböző módszertant alkalmaztak, a legnépszerűbbek a MO, a PDA, a GP és az OR. A hitelkockázat- és csőd-előrejelző modelleket általában a nemteljesítésekről és csődökről szóló meglévő adatbázisokból (vállalati vagy fogyasztói adatokból) építik fel. A PDA-technikák általában MO- és GP-formulákat alkalmaznak a meglévő adatpéldákból történő döntési modellek levezetésére Néhány példa többek között Doumpos és Zopounidis (2011), Peng, Kou, Shi és Chen (2008), valamint Zhang et al. (2014) munkáiban található. Hasonló technikákat alkalmaztak a nagy hitelminősítő intézetek által kiadott hitelminősítések elemzésére és előrejelzésére is, amelyeket a pénzügyi döntéshozók, befektetők és szabályozók széles körben használnak (Doumpos, Niklis, Zopounidis, & Andriosopoulos, 2015; Doumpos & Pasiouras, 2005), míg más tanulmányok olyan területekre specializált modellekre összpontosítottak, mint a jelzáloghitelezés és a hajózás (lásd többek között Ferreira, Santos, Marques, & Ferreira, 2014 és Gavalas & Syriopoulos, 2014). Érdemes megjegyezni azt is, hogy e területen számos tanulmány vizsgálta az MCDA-módszerek kombinációit adatbányászati modellekkel, például neurális hálózatokkal, kernelmódszerekkel, esetalapú érveléssel és klaszterező algoritmusokkal. Az ilyen kombinációkat három fő formában vizsgálták: (a) MO/GP modellek használata (gyakran EA/MH által megkönnyítve) adatbányászati modellek képzésére (pl. Pendharkar & Nanda, 2006; Zhang et al., 2014), (b) az adatbányászati modellek komplex szerkezetének és reprezentációs képességének felhasználása pontos többkritériumú kockázatértékelési és előrejelző rendszerek építésére (pl, Chen & Hu, 2011; Hu, 2009), és (c) az MCDA-technikák alkalmazása az előrejelzési modellek teljesítményének értékelésére (pl. Wu & Hsu, 2012).

A banki alkalmazások is jelentős érdeklődést váltottak ki, különösen a 2007/2008-as globális hitelválság után. Ezt jól mutatja, hogy a banki alkalmazásokkal foglalkozó 73 cikkből 54-et 2010 és 2014 között publikáltak. A hitelkockázat-értékeléshez és a csődjósláshoz hasonlóan a banki alkalmazásokat sem tekintették külön kutatási területnek Steuer és Na (2003) felmérésében. Így az elmúlt évtizedben a banki tevékenység az MCDA-módszerek alkalmazása szempontjából különösen érdekes területté vált. A bankszektorban alkalmazott ilyen módszerek közé tartozik az AHP/ANP (gyakran fuzzy modellekkel kombinálva), valamint a PDA, OR és GP technikák. Az alkalmazási témák közé tartozik a banki teljesítmény értékelése (pl, Doumpos & Zopounidis, 2010; Grigoroudis, Tsitsiridi, & Zopounidis, 2013; Ioannidis, Pasiouras, & Zopounidis, 2010; Shen & Tzeng, 2014a), eszköz-forrás menedzsment (pl. Kosmidou & Zopounidis, 2007), bankfiókok menedzsmentje (pl, Ferreira et al., 2010), és az e-banking szolgáltatások (pl. Hu & Liao, 2011; Kaya & Kahraman, 2011), többek között.

A bankszektoron kívül is vizsgáltak hasonló kérdéseket más tanulmányokban, amelyek a vállalati teljesítményre összpontosítottak olyan ágazatokban, mint a szállítás, mezőgazdaság, biztosítás, építőipar stb. Amint az 5. táblázatból kitűnik, a vállalati teljesítmény értékelésére használt módszerek meglehetősen hasonlóak a bankszektorban használtakhoz.

A többi alkalmazási területet illetően érdemes megjegyezni, hogy a tőkehatárolás és pénzügyi tervezés területén mindössze 41, 2002 óta megjelent publikációt azonosítottunk. Ez érezhető csökkenés Steuer és Na (2003) felméréséhez képest, akik ezeket a területeket a 2002 előtti időszakban széles körben kutatottnak találták (amikor együttvéve valóban népszerűbbek voltak, mint a portfólióelemzés).

Módszertani szempontból egyértelműen a MO a domináns megközelítés 273 publikációval. A MO-t alkalmazó munkák többsége a PO-hoz kapcsolódik (188 tanulmány), ezt követi az eszközértékelés (31 tanulmány) és a hitelkockázat értékelése/csődjóslás (25 tanulmány). Amint a 6. táblázatban látható, a MO-t alkalmazó tanulmányok jelentős része EA/MH technikákkal (82 tanulmány), fuzzy modellekkel (35 tanulmány) és adatbányászati algoritmusokkal (18 tanulmány) kombinálja azt.

A második legnépszerűbb megközelítés azAHP/ANP volt. Ez jelentős növekedést jelent Steuer és Na (2003) korábbi felméréséhez képest, akik azt találták, hogy 2002 előtt csak kevés tanulmány támaszkodott az AHP-re. Érdekes módon az AHP/ANP-vel kapcsolatos dolgozatok a pénzügyi alkalmazások teljes spektrumát felölelik, gyakran kombinálva fuzzy modellekkel és más MCDA technikákkal, különösen a TOPSIS-szel.

A MO-hoz hasonlóan a GP is népszerű modellezési és megoldási megközelítés a PO és a hitelkockázat/csőd előrejelzés pénzügyi döntésekhez. A tőkehatárolás és a pénzügyi tervezés szintén népszerű témái a GP-modellek alkalmazásának. Az MO modellekkel ellentétben azonban a GP-t ritkábban kombinálták más megközelítésekkel. Ezek közül a fuzzy modellek, a DM és a PDA voltak a legnépszerűbbek.

A PDA volt a legnépszerűbb megközelítés a hitelkockázat/csődelőrejelzési modellek esetében. Ez a PDA keretrendszer jellegével magyarázható, amely a döntési modellek adatokból történő levezetésére összpontosít. Ez a tulajdonság jól illik a hitelkockázat-modellezés és a pénzügyi csődjóslás kontextusába. E célból a PDA keretrendszerét általában különböző OR és MAUT modellekkel (pl. Bugera, Konno, & Uryasev, 2002; Doumpos, 2012; Doumpos & Zopounidis, 2011) vagy DM technikákkal kombinálva (Peng et al, 2008).

A többi fő MCDA modellezési megközelítés közül a MAUT-ot 36 tanulmányban használták, míg a szabályalapú technikákat (pl. dominanciaalapú durva halmazok; Greco, Matarazzo, & Slowinski, 2013; Shen & Tzeng, 2014b) 13 publikációban használták. A MAUT pénzügyi döntéshozatalban történő alkalmazásainak más megközelítésekhez képest alacsony számáról Steuer és Na (2003) is beszámolt, akik mindössze nyolc releváns publikációt találtak a 2002 előtti időszakban. Végül érdemes megjegyezni, hogy néhány tanulmány (összesen 15) a DEA-t mint adatalapú többkritériumos értékelési technikát használta hagyományos MCDA-megközelítésekkel, például MO-val, GP-vel, AHP/ANP-vel és TOPSIS-szel kombinálva (Amiri, Zandieh, Vahdani, Soltani, & Roshanaei, 2010; Che, Wang, & Chuang, 2010; Yang, Wong, Xu, Liu, & Steuer, 2010). A DEA kényelmes megközelítést nyújt a többkritériumú értékelésekhez minimális információ felhasználásával, mivel az értékeléseket az adatok vezérlik. Az MCDA kontextusban történő alkalmazás esetén azonban a DEA-alapú értékelési modellek módszertani problémáknak vannak kitéve (átfogó vitát lásd Bouyssou, 1999; Tofallis, 2010).