3.3 Subiecte și metode

Articolele din baza de date compilată acoperă o varietate de domenii legate de procesul decizional financiar și utilizează diferite abordări metodologice MCDA. Pentru a face distincția între diferitele subiecte, am luat în considerare toate cele trei domenii principale ale finanțelor, inclusiv finanțele corporative, investițiile și piețele și instituțiile financiare. Pe baza acestor domenii principale, au fost definite 12 subcategorii care corespund principalelor domenii de cercetare în ceea ce privește domeniile de aplicare a metodologiilor MCDA în procesul de luare a deciziilor financiare (articolele legate de subiecte specifice de gestionare a riscurilor financiare în afara celor 12 categorii principale au fost clasificate într-un grup separat). Principalele domenii identificate în acest studiu includ:

–

Contabilitate și audit: deși contabilitatea și auditul sunt domenii de cercetare distincte de finanțe, acestea sunt strâns legate de multe decizii financiare, în principal în ceea ce privește finanțarea corporativă. Metodele MCDA au fost utilizate pentru a sprijini deciziile de contabilitate/audit și practicile relevante în domenii precum contabilitatea costurilor (Cicone, Udaeta, Grimoni, & Galvão, 2008), contabilitatea de gestiune (Frezatti, Agiar, Guerreiro, & Gouvea, 2011), detectarea fraudelor financiare (Gaganis, 2009; Pasiouras, Gaganis, & Zopounidis, 2007), și controalele de audit intern (Sueyoshi, Shang, & Chiang, 2009), printre altele.

–

Evaluarea activelor: evaluarea activelor se referă la selectarea, evaluarea și tranzacționarea activelor financiare în scopuri investiționale. Este o parte integrantă a deciziilor de investiții și a selecției și gestionării portofoliilor, dar necesită tehnici și instrumente analitice diferite, bazate pe metode MCDA discrete (spre deosebire de modelele de optimizare utilizate în procesul de optimizare a portofoliului; Xidonas, Mavrotas, Krintas, Psarras, & Zopounidis, 2012). Evaluarea activelor este, de obicei, implementată în termeni de factori fundamentali (a se vedea, de exemplu, Albadvi, Chaharsooghi, & Esfahanipour, 2007, Sevastjanov & Dymova, 2009, și Xidonas, Mavrotas, & Psarras, 2009b, printre alții), precum și în contextul strategiilor de tranzacționare activă bazate pe indicatori tehnici (de ex, Huck, 2010; Ng, Liang, Li, Li, Yeung, & Chan, 2014).

–

Banking: aplicațiile bancare acoperă un spectru larg de domenii legate de managementul bancar. Printre altele, acestea includ performanța și stabilitatea băncilor (Doumpos & Zopounidis, 2010), gestionarea portofoliului de credite și acordarea de credite, gestionarea activelor și pasivelor (Kosmidou & Zopounidis, 2004), organizarea rețelelor de sucursale bancare (Bravo & Plà-Santamaria, 2012; Ferreira, Santos, & Rodrigues, 2010) și serviciile de e-banking (Hu & Liao, 2011).

–

Finanțarea energiei: piețele de energie și de mărfuri s-au dezvoltat rapid în ultimele două decenii. Aplicațiile relevante ale metodelor MCDA se referă la gestionarea și tranzacționarea portofoliilor, la stabilirea prețurilor, la aspecte legate de funcționarea pieței și așa mai departe pe piețele de energie și de mărfuri.

–

Bugetul de capital și planificarea financiară: bugetul de capital și planificarea financiară constituie domenii majore de cercetare în finanțe, precum și în știința managementului. Metodele MCDA au fost utilizate pentru a proiecta alocări bugetare și planuri financiare atât în sectorul privat (Frezatti et al., 2011) și în sectorul public (Gómez, Ríos Insua, Lavín, & Alfaro, 2013), precum și pentru persoane fizice (Cai & Ge, 2012).

–

Analiza performanței financiare corporative: evaluarea performanței financiare corporative a fost un subiect de cercetare popular, cu mai multe aplicații ale MCDA, care permit agregarea mai multor atribute ale performanței (financiare și nefinanciare), ținând cont în același timp de caracteristicile particulare ale diferitelor sectoare de activitate (construcții, transporturi, sănătate, agricultură etc.).; Iazzolino, Laise, & Marraro, 2012).

–

Analiză a riscului de țară: riscul de țară se referă la probabilitatea ca o țară să se confrunte cu dificultăți în îndeplinirea obligațiilor sale de îndatorare față de creditorii săi. Importanța acestui tip de analiză a crescut în ultimele decenii, deoarece crizele financiare au provocat tulburări majore în diverse țări, cea mai recentă fiind criza datoriilor suverane din Europa. Tehnicile MCDA au fost utilizate pentru a sprijini previziunile economice (Blair, Mandelker, Saaty, & Whitaker, 2010), pentru a construi indicatori compuși ai riscului de țară (Kosmidou, Doumpos, & Zopounidis, 2008) și pentru gestionarea datoriei publice (Balibek & Köksalan, 2010).

–

Evaluarea riscului de credit și predicția falimentului: similar cu riscul de țară, evaluarea riscului de credit și predicția falimentului se referă la probabilitatea ca firmele sau persoanele fizice să nu-și achite datoriile. Numărul tot mai mare de cazuri de neîndeplinire a obligațiilor de plată ca urmare a recentei crize a creditelor a arătat că mai sunt încă multe de făcut în acest domeniu. Metodele MCDA au fost utilizate ca tehnici neparametrice pentru a deduce din date modele de predicție a riscului de credit și a falimentului, adesea facilitate de programarea obiectivelor, de tehnicile multiobiective și de algoritmii evolutivi sau în combinație cu algoritmi de extragere a datelor. Câteva exemple pot fi găsite în lucrările lui Doumpos (2012), He, Zhang, Shi și Huang (2010), Yu, Wang și Lai (2009) și Zhang, Gao și Shi (2014), printre altele.

–

Evaluarea investițiilor: deciziile de investiții reprezintă o parte importantă a teoriei și practicii finanțelor corporative. Teoria financiară se bazează pe criterii de evaluare financiară stabilite (de exemplu, valoarea actuală netă, rata internă de rentabilitate, perioada de recuperare a investiției etc.). Într-un cadru multicriteriu, perspectiva financiară este îmbunătățită cu noi factori într-un cadru mai larg al părților interesate (De Brucker, Macharis, & Verbeke, 2013), precum și prin introducerea unor modele formale pentru modelarea preferințelor și analiza riscurilor (Vlaev, Chater, & Stewart, 2008).

–

Fuzii și achiziții: fuziunile și achizițiile (M&A) sunt investiții strategice care pot facilita creșterea corporativă prin valorificarea economiilor de scară și a efectelor sinergice. Acestea au cunoscut un boom în anii 1980 și 1990, în timp ce în anii 2000 au fost observate unele tendințe de stabilizare. Metodele MCDA au fost utilizate pentru a proiecta alianțe strategice, pentru a sprijini identificarea tranzacțiilor și țintelor M&A și pentru a evalua rezultatele M&A (a se vedea, Korhonen & Voutilainen, 2006, Lee, 2013, și Pasiouras, Gaganis, & Zopounidis, 2010, printre altele).

–

Investiții responsabile din punct de vedere social (ISR): conform raportului Global Sustainable Investment Review 2014 al Eurosif, piața investițiilor durabile a depășit 21 trilioane de dolari la nivel global, reprezentând peste 30 % din activele gestionate în mod profesionist. MCDA a fost utilizată pentru a extinde modelele tradiționale de investiții risc-retur prin introducerea unor criterii ISR nefinanciare (a se vedea, printre altele, Ballestero, Bravo, Pérez-Gladish, Arenas-Parra, & Plà-Santamaria, 2012 și Bilbao-Terol, Arenas-Parra, & Cañal Fernández, 2012) și ca instrument de analiză și explicare a procesului ISR (Utz, Wimmer, Hirschberger, & Steuer, 2014).

–

Optimizarea portofoliului: optimizarea portofoliului se referă la alocarea de fonduri către un set de active financiare selectate (acțiuni, fonduri, active cu venit fix etc.). În cadrul tradițional de medie-varianță, alocarea este formulată ca un model bi-obiectiv de optimizare a riscului și randamentului. După cum s-a explicat în secțiunea 2, în ultimele două decenii au fost realizate mai multe progrese în ceea ce privește introducerea unor noi măsuri coerente ale riscului. Natura multidimensională a riscului (Doumpos & Zopounidis, 2014) a dat naștere unor formulări de programare multiobiectiv și de programare pe obiective, care permit agregarea mai multor măsuri de selecție a portofoliului și, în plus, permit luarea în considerare a unor caracteristici reale suplimentare (diversificare, lichiditate, dividende etc.).; Steuer, Qi, & Hirschberger, 2007).

În ceea ce privește abordările metodologice, luăm în considerare cele patru curente principale de cercetare MCDA (Pardalos, Siskos, & Zopounidis, 1995), inclusiv optimizarea multiobiectiv (MO), teoria utilității multiatribute (MAUT), relațiile de ierarhizare (OR) și analiza dezagregării preferințelor (PDA). În plus față de aceste domenii principale de cercetare MCDA, sunt luate în considerare și alte categorii care reprezintă tipuri particulare de modele decizionale și tehnici de analiză, și anume programarea obiectivelor (GP), algoritmi evolutivi/metaeuristici (EA/MH), modele fuzzy, modele bazate pe reguli (RBM), precum și metode populare precum AHP (inclusiv ANP) și TOPSIS. În plus, luăm în considerare alte metode și abordări (de exemplu, modele specifice fiecărui caz în parte și alte tehnici, cum ar fi DEMATEL, VIKOR, analiza relațională gri etc.; toate acestea sunt atribuite unei categorii majore etichetate „altele”), precum și combinații cu analiza învățării datelor (DEA) și tehnici de minerit de date (DM) (cu excepția lucrărilor pur DEA/DM).

Tabel 5. Publicații pe domenii și abordări metodologice.

.

.

.

.

.

.

.

.

.

.

.

MO AHP GP EA/MH Fuzzy PDA OR DM MAUT TOPSIS DEA RBM Alte Total
Optimizare de portofoliu 188 11 48 64 30 1 6 2 5 2 2 2 1 11 262
Creditare risc/faliment 25 18 25 5 8 27 13 21 10 10 3 5 5 8 108
Evaluarea activelor 31 17 7 20 10 8 10 5 4 4 4 2 0 10 78
Banking 9 27 9 2 16 11 8 2 5 8 5 4 8 73
Performanța corporativă 3 16 16 4 1 17 5 9 1 1 1 11 1 3 9 51
Budg. & fin. planificare 13 12 15 2 2 0 2 2 1 4 0 1 1 0 3 42
Evaluarea investițiilor 7 22 3 0 9 0 0 1 2 7 1 1 0 7 41
SRI 5 3 3 8 1 1 0 0 0 2 0 1 0 1 18
Contabilitate/audit 2 6 0 1 2 8 0 2 0 0 0 1 1 1 0 17
Riscul țării 4 4 0 1 0 4 4 2 0 2 1 0 1 1 17
Finanțe energetice 7 2 0 7 2 0 1 0 0 0 0 1 0 0 0 0 0 0 0 10
M&A 0 5 0 0 1 2 0 0 0 1 0 0 1 8
Altă gestionare a riscurilor 6 8 3 1 2 1 1 1 1 1 2 1 0 0 0 1 22
Total 273 124 103 92 89 89 57 45 36 36 33 15 13 54

Tabelul 6. Articole care utilizează combinații (perechi) de metode.

.

.

.

.

.

.

.

.

.

.

.

.

.

DEA DM EA/MH Fuzzy GP MAUT MO OR PDA RBM TOPSIS Other
AHP 5 6 1 32 32 6 3 2 2 1 2 15 14
DEA 1 1 0 1 2 0 3 0 1 0 0 2 1
DM
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
SAU OR 8 1 2 3
PDA 2 0 2
RBM 1 1
TOPSIS 4

Tabelul 5 enumeră toate domeniile de aplicare și abordările metodologice avute în vedere, împreună cu numărul de lucrări în toate combinațiile acestor două dimensiuni. Ultima coloană a tabelului reprezintă numărul de lucrări din fiecare domeniu de aplicare, în timp ce ultimul rând arată numărul de lucrări din fiecare abordare metodologică MCDA. Trebuie remarcat faptul că aceste totaluri nu sunt egale cu sumele rândurilor/coloanelor, deoarece un articol poate fi legat de mai multe domenii de aplicare financiară și poate utiliza o combinație de metode și abordări MCDA. Tabelul 6 oferă detalii suplimentare cu privire la combinațiile de metode care au fost utilizate. Tabelul raportează numărul de articole care utilizează diferite perechi de abordări (ne concentrăm pe perechi deoarece marea majoritate a articolelor -aproximativ 90%- au utilizat cel mult două metode).

Rezultatele sumare indică în mod clar că optimizarea portofoliului (PO) este domeniul care a fost studiat cel mai mult cu tehnici MCDA, și anume MO și GP. Steuer și Na (2003) au constatat, de asemenea, că analiza de portofoliu a fost cel mai activ domeniu MCDA-finanțe cercetat în perioada anterioară anului 2002 (deși nu au făcut distincție între PO și evaluarea activelor). Popularitatea OP poate fi atribuită unui număr de motive. Este o problemă cu multiple fațete care ridică o serie de provocări algoritmice și de modelare (de exemplu, modelarea riscului, date de diferite tipuri, natură dinamică etc.) și este relevantă în diverse contexte, inclusiv portofolii de acțiuni și portofolii de fonduri, precum și în contextul activelor de pe piețe nefinanciare (de exemplu, piețe de energie și mărfuri). Majoritatea modelelor MO/GP propuse pentru OP s-au bazat pe combinarea mai multor măsuri de risc (de exemplu, skewness/kurtosis, măsuri de valoare la risc, raportul omega, riscul sistemic etc.), luând adesea în considerare, în plus, scopuri și obiective suplimentare (lichiditate, dividende, diversificare etc.). EA/MH au fost, de asemenea, foarte populare în PO, în special atunci când se abordează criterii și modele neconvexe de selecție a portofoliilor (de exemplu, skewness/kurtosis, valoarea la risc), precum și în cazurile în care în analiză se adaugă caracteristici reale suplimentare, cum ar fi constrângerile de cardinalitate (Mansini, Ogryczak, & Speranza, 2014). Steuer (2013) face distincție între trei tipuri de abordări MCDA în OP. Abordările a priori utilizează informații pre-specificate despre preferințele decidentului (investitor, manager de portofoliu) pentru a găsi cel mai potrivit portofoliu eficient. Modelele GP utilizează adesea o astfel de abordare. Abordările a posteriori, pe de altă parte, se concentrează pe găsirea setului complet de portofolii eficiente într-o singură rulare, fără a necesita specificarea datelor preferențiale. EA/MH sunt utilizate de obicei în acest cadru, în special în cazurile mai complexe, așa cum s-a menționat mai sus (pentru o prezentare generală a EA/MH în PO, a se vedea Metaxiotis & Liagkouras, 2012). O ultimă clasă de proceduri se bazează pe tehnici interactive care permit articularea progresivă a informațiilor preferențiale cu privire la politica de investiții a decidentului (a se vedea, de exemplu, Xidonas, Mavrotas, & Psarras, 2010a).

PO este strâns legată de alte domenii luate în considerare în acest studiu, și anume evaluarea activelor, ISR și finanțarea energiei. În mod surprinzător, doar 12 publicații au abordat gestionarea portofoliului într-un cadru integrat care combină OP și evaluarea activelor (a se vedea, Kiris & Ustun, 2012, Pendaraki, Zopounidis, & Doumpos, 2005, Pérez-Gladish, Jones, Tamiz, & Bilbao Terol, 2007, și Xidonas, Askounis, & Psarras, 2009a, printre altele). Toate aceste lucrări au luat în considerare procesul de evaluare a activelor din punct de vedere al factorilor fundamentali, adesea realizat în contextul gestionării fondurilor, utilizând metodologii bazate în principal pe AHP/ANP, OR și PDA. Pe de altă parte, tehnicile MO și EA/MH, pe de altă parte, au fost, de asemenea, populare pentru evaluarea activelor, în principal în contextul tranzacționării algoritmice și al analizei tehnice (a se vedea, Bodas-Sagi, Fernández-Blanco, Hidalgo, & Soltero-Domingo, 2013, Chiam, Tan, & Al Mamun, 2009, și Ng et al., 2014, printre altele). De asemenea, este interesant de remarcat faptul că jumătate dintre lucrările privind ISR (9 din 18 lucrări) încorporează, de asemenea, aspecte PO, iar șase dintre cele 18 lucrări privind ISR iau în considerare aspectele sociale ca parte a procesului de evaluare a activelor. Este interesant faptul că toate lucrările privind ISR, cu excepția uneia, au fost publicate în perioada 2009-2014, ceea ce indică faptul că aceasta este o tendință emergentă în domeniul investițiilor financiare și al gestionării portofoliilor.

Cu excepția subiectelor legate de investiții de mai sus, evaluarea riscului de credit și predicția falimentului au fost, de asemenea, subiecte foarte populare, cu 108 lucrări relevante, în timp ce în studiul anterior al lui Steuer și Na (2003) acest domeniu nu a fost identificat ca un subiect de cercetare distinct. În acest domeniu au fost utilizate o varietate de metodologii diferite, cele mai populare fiind MO, PDA, GP și OR. Modelele de predicție a riscului de credit și a falimentului sunt construite, de obicei, pe baza bazelor de date existente privind neplățile și falimentele (date despre întreprinderi sau consumatori). Tehnicile PDA utilizează în mod obișnuit formulări MO și GP pentru a deduce modele de decizie din exemple de date existente Unele exemple pot fi găsite în lucrările lui Doumpos și Zopounidis (2011), Peng, Kou, Shi și Chen (2008) și Zhang et al. (2014), printre altele. Tehnici similare au fost utilizate, de asemenea, pentru analiza și predicția ratingurilor de credit emise de principalele agenții de rating de credit, care sunt utilizate pe scară largă de factorii de decizie financiară, investitori și autoritățile de reglementare (Doumpos, Niklis, Zopounidis, & Andriosopoulos, 2015; Doumpos & Pasiouras, 2005), în timp ce alte studii s-au axat pe modele specializate pentru domenii precum împrumuturile ipotecare și transportul maritim (a se vedea Ferreira, Santos, Marques, & Ferreira, 2014, și Gavalas & Syriopoulos, 2014, printre altele). De asemenea, este demn de remarcat faptul că mai multe studii în acest domeniu au explorat combinații de metode MCDA cu modele de minerit de date, cum ar fi rețelele neuronale, metodele kernel, raționamentul bazat pe cazuri și algoritmii de clusterizare. Astfel de combinații au fost luate în considerare în trei forme principale: (a) utilizarea modelelor MO/GP (adesea facilitate de EA/MH) pentru antrenarea modelelor de minerit de date (de exemplu, Pendharkar & Nanda, 2006; Zhang et al., 2014), (b) utilizarea structurii complexe și a puterii de reprezentare a modelelor de minerit de date pentru construirea unor sisteme precise de evaluare și predicție multicriterială a riscurilor (de ex, Chen & Hu, 2011; Hu, 2009), și (c) utilizarea tehnicilor MCDA pentru a evalua performanța modelelor de predicție (de exemplu, Wu & Hsu, 2012).

Aplicațiile în domeniul bancar au atras, de asemenea, un interes considerabil, în special după criza globală a creditelor din 2007/2008. Acest lucru este evidențiat de faptul că 54 din cele 73 de lucrări privind aplicațiile bancare au fost publicate din 2010 până în 2014. La fel ca în cazul evaluării riscului de credit și al predicției falimentului, nici sectorul bancar nu a fost considerat un domeniu de cercetare distinct în studiul lui Steuer și Na (2003). Astfel, în ultimul deceniu, sectorul bancar a apărut ca un domeniu de interes deosebit pentru aplicarea metodelor MCDA. Astfel de metode aplicate în sectorul bancar includ AHP/ANP (adesea combinate cu modele fuzzy), precum și tehnici PDA, OR și GP. Temele de aplicare includ evaluarea performanțelor bancare (de ex, Doumpos & Zopounidis, 2010; Grigoroudis, Tsitsiridi, & Zopounidis, 2013; Ioannidis, Pasiouras, & Zopounidis, 2010; Shen & Tzeng, 2014a), gestionarea activelor și pasivelor (de ex., Kosmidou & Zopounidis, 2007), gestionarea sucursalelor bancare (de ex, Ferreira et al., 2010) și serviciile de e-banking (de exemplu, Hu & Liao, 2011; Kaya & Kahraman, 2011), printre altele.

Probleme similare au fost luate în considerare și în afara sectorului bancar în alte studii care s-au axat pe performanța corporativă în sectoare precum transporturile, agricultura, asigurările, construcțiile etc. După cum reiese din Tabelul 5, metodele utilizate pentru evaluarea performanței corporative sunt destul de asemănătoare cu cele utilizate în sectorul bancar.

În ceea ce privește celelalte domenii de aplicare, este demn de remarcat faptul că, în ceea ce privește bugetarea capitalului și planificarea financiară, am identificat doar 41 de lucrări publicate începând cu 2002. Aceasta este o scădere notabilă în comparație cu sondajul lui Steuer și Na (2003), care au constatat că aceste domenii au fost cercetate pe scară largă în perioada anterioară anului 2002 (când, combinate, au fost de fapt mai populare decât analiza de portofoliu).

Din punct de vedere metodologic, MO este în mod clar abordarea dominantă, cu 273 de lucrări. Majoritatea lucrărilor care utilizează MO sunt legate de OP (188 de studii), urmate de evaluarea activelor (31 de studii) și de evaluarea riscului de credit/predicția falimentului (25 de lucrări). După cum se arată în tabelul 6, o parte semnificativă a studiilor care utilizează MO o combină cu tehnici EA/MH (82 de lucrări), modele fuzzy (35 de studii) și algoritmi de data mining (18 lucrări).

AHP/ANP a fost a doua cea mai populară abordare. Aceasta este o creștere majoră în comparație cu sondajul anterior al lui Steuer și Na (2003), care au constatat că doar un număr mic de studii se bazau pe AHP înainte de 2002. Este interesant faptul că lucrările legate de AHP/ANP acoperă întregul spectru de aplicații financiare, adesea combinate cu modele fuzzy și alte tehnici MCDA, în special TOPSIS.

Ca și MO, GP a fost, de asemenea, o abordare populară de modelare și soluționare a deciziilor financiare în PO și în predicția riscului de credit/faliment. Bugetul de capital și planificarea financiară au fost, de asemenea, subiecte populare pentru aplicații ale modelelor GP. Cu toate acestea, spre deosebire de modelele MO, GP a fost mai rar combinat cu alte abordări. Dintre acestea, modelele fuzzy, DM și PDA au fost cele mai populare.

PDA a fost cea mai populară abordare pentru modelele de predicție a riscului de credit/falimentului. Acest lucru se explică prin natura cadrului PDA, care se concentrează pe deducția modelelor de decizie din date. Această caracteristică se potrivește bine contextului de modelare a riscului de credit și de predicție a dificultăților financiare. În acest scop, cadrul PDA este, de obicei, implementat cu diferite modele OR și MAUT (de exemplu, Bugera, Konno, & Uryasev, 2002; Doumpos, 2012; Doumpos & Zopounidis, 2011) sau în combinație cu tehnici DM (Peng et al., 2008).

Printre celelalte abordări principale de modelare MCDA, MAUT a fost utilizată în 36 de studii, în timp ce tehnicile bazate pe reguli (de exemplu, seturi brute bazate pe dominanță; Greco, Matarazzo, & Slowinski, 2013; Shen & Tzeng, 2014b) au fost utilizate în 13 publicații. Numărul mic de aplicații MAUT în procesul de luare a deciziilor financiare în comparație cu alte abordări a fost, de asemenea, raportat de Steuer și Na (2003), care au găsit doar opt publicații relevante în perioada anterioară anului 2002. În cele din urmă, este demn de remarcat faptul că unele studii (15 în total) au utilizat DEA ca tehnică de evaluare multicriterială bazată pe date, combinată cu abordări MCDA tradiționale, cum ar fi MO, GP, AHP/ANP și TOPSIS (Amiri, Zandieh, Vahdani, Soltani, & Roshanaei, 2010; Che, Wang, & Chuang, 2010; Yang, Wong, Xu, Liu, & Steuer, 2010). DEA oferă o abordare convenabilă pentru evaluările multicriteriale care utilizează informații minime, deoarece evaluările sunt determinate de date. Cu toate acestea, atunci când sunt utilizate într-un context MCDA, modelele de evaluare bazate pe DEA fac obiectul unor probleme metodologice (pentru o discuție cuprinzătoare, a se vedea Bouyssou, 1999; Tofallis, 2010).