Data Envelopment Analysis (Analýza obalu dat) Martin Branda Univerzita Karlova v Praze Matematicko-fyzikální fakulta Katedra pravděpodobnosti a matematické statistiky
Optimalizace s aplikací ve financích
Martin Branda (KPMS MFF UK)
DEA
1 / 24
Motivace 3 firmy:
Suroviny (vstupy) Výrobky (výstupy)
1 3 7
2 6 11
3 3 5
Která pracuje „nejlépeÿ – efektivně – eficientně? 7 11 5 > > , 3 6 3 tedy (asi) firma 1. Co když je vstupů a výstupů více? Co když zdvojnásobením vstupů nemůžu zdvojnásobit výrobu? Martin Branda (KPMS MFF UK)
DEA
2 / 24
Decision Making Units
Homogenní jednotky – Decision Making Units (DMU) j = 1, . . . , n Vstupy X = {xij }, i = 1, . . . , m (preferujeme nižší hodnoty) Výstupy Y = {yrj }, r = 1, . . . , s (preferujeme vyšší hodnoty) Předpokládáme, že data jsou kladná.
Martin Branda (KPMS MFF UK)
DEA
3 / 24
Příklad – bankovní pobočky
Vstupy počet zaměstnanců (dále děleno dle kvalifikace: junior, senior, vedoucí) rozloha pobočky nemzdové náklady Výstupy počet uzavřených smluv (běžný účet, hypotéka, spotřebitelská půjčka, pojištění) počet nově získaných klientů
Martin Branda (KPMS MFF UK)
DEA
4 / 24
Příklad – fakulty
Vstupy počet zaměstnanců (dále děleno dle kvalifikace: asistent, docent, profesor) počet studentů, kteří nastoupí do 1. ročníku Výstupy počet vědeckých publikací počet absolventů (Bc., Mgr., Ph.D.)
Martin Branda (KPMS MFF UK)
DEA
5 / 24
Charnes–Cooper–Rhodes (CCR) model Lineárně frakcionální formulace
Posouzení eficience jednotky 0 ∈ {1, . . . , n} Ps ur y r 0 max Prm=1 ur ,vi i=1 vi xi0 s.t. Ps u y Prm=1 r rj ≤ 1, j = 1, . . . , n, i=1 vi xij ur ≥ 0, r = 1, . . . , s, vi
≥
0, i = 1, . . . , m.
Jednotka 0 je eficientní, právě když je optimální hodnota rovna jedné. Každá jednotka dostane pro ni nejvýhodnější váhy.
Martin Branda (KPMS MFF UK)
DEA
6 / 24
Charnesova–Cooperova transformace
Položíme t =
Martin Branda (KPMS MFF UK)
1 Pm
i=1 vi xi0
u˜r
= t · ur ,
v˜i
= t · vi .
DEA
,
7 / 24
Charnes–Cooper–Rhodes (CCR) model Multiplikátorová forma
Po Charnesově–Cooperově transformaci LP: max ur ,vi
s X
ur yr 0
r =1
s.t. m X
s X
ur yrj −
r =1
Martin Branda (KPMS MFF UK)
vi xi0
i=1 m X
=
1,
vi xij
≤
0, j = 1, . . . , n,
ur
≥
0, r = 1, . . . , s,
vi
≥
0, i = 1, . . . , m.
i=1
DEA
8 / 24
Charnes–Cooper–Rhodes (CCR) model
Dualita v LP (na cvičení) . . .
Martin Branda (KPMS MFF UK)
DEA
9 / 24
Charnes–Cooper–Rhodes (CCR) model Duální (obalová) forma
min θ θ,λj
s.t. n X
λj xij
≤
θxi0 , i = 1, . . . , m,
λj yrj
≥
yr 0 , r = 1, . . . , s,
λj
≥
0, j = 1, . . . , n.
j=1 n X j=1
Model orientovaný na vstupy.
Martin Branda (KPMS MFF UK)
DEA
10 / 24
Charnes–Cooper–Rhodes (CCR) model Multiplikátorová forma
Infisimální ε > 0, aby byly všechny vstupy a výstupy zahrnuty max ur ,vi
s X
ur yr 0
r =1
s.t. m X
s X
ur yrj −
r =1
Martin Branda (KPMS MFF UK)
vi xi0
i=1 m X
=
1,
vi xij
≤
0, j = 1, . . . , n,
ur
≥
ε, r = 1, . . . , s,
vi
≥
ε, i = 1, . . . , m.
i=1
DEA
11 / 24
Charnes–Cooper–Rhodes (CCR) model Duální (obalová) forma
min
θ,λj ,si− ,sr+
θ
−
ε
m X i=1
si− +
s X
! sr+
r =1
s.t. n X j=1 n X
λj xij + si−
=
θxi0 , i = 1, . . . , m,
λj yrj − sr+
=
yr 0 , r = 1, . . . , s,
λj
≥
0, j = 1, . . . , n,
si− sr+
≥
0, i = 1, . . . , m,
≥
0, r = 1, . . . , s.
j=1
Martin Branda (KPMS MFF UK)
DEA
12 / 24
Klasifikace jednotek
Nechť θ∗ , si−∗ , sr+∗ je optimální řešení, potom jednotka je Neeficientní θ∗ < 1. Slabě eficientní θ∗ = 1 a existuje si−∗ > 0 nebo sr+∗ > 0. Silně eficientní θ∗ = 1 a všechny si−∗ = 0 nebo sr+∗ = 0.
Martin Branda (KPMS MFF UK)
DEA
13 / 24
Production possibility set
Množina možných produktů n n X X PPS = (x, y ) : xi = λj xij , yr = λj yrj , λj ≥ 0 j=1
Martin Branda (KPMS MFF UK)
j=1
DEA
14 / 24
Výnosy z rozsahu
Rostou se vstupy proporcionálně i výstupy? Tj. (x, y ) ∈ PPS, α > 0 =⇒ (αx, αy ) ∈ PPS ? Platí-li, konstantní výnosy z rozsahu (Constant Returns to Scale – CRS). Neplatí-li, variabilní výnosy z rozsahu (Variable Returns to Scale – VRS): n n n X X X VRS PPS = (x, y ) : xi = λj xij , yr = λj yrj , λj = 1, λj ≥ 0 j=1
Martin Branda (KPMS MFF UK)
j=1
DEA
j=1
15 / 24
Výnosy z rozsahu
Martin Branda (KPMS MFF UK)
DEA
16 / 24
Výnosy z rozsahu
Z obrázku vidíme: CRS – nejmenší konvexní kužel obsahující data VRS – „horníÿ konvexní obal dat
Martin Branda (KPMS MFF UK)
DEA
17 / 24
Příklad – 3 firmy
Suroviny (vstupy) Výrobky (výstupy)
1 3 7
2 6 11
3 3 5
Položme ε = 0 CRS eficientní: firma 1 f1: θ∗ = 1 f2: θ∗ = 0.786 f3: θ∗ = 0.714
VRS eficientní: firmy 1 a 2 f1: θ∗ = 1 f2: θ∗ = 1 f3: θ∗ =? Martin Branda (KPMS MFF UK)
DEA
18 / 24
Příklad – 3 firmy
Suroviny (vstupy) Výrobky (výstupy)
1 3 7
2 6 11
3 3 5
Položme ε = 0 CRS eficientní: firma 1 f1: θ∗ = 1 f2: θ∗ = 0.786 f3: θ∗ = 0.714
VRS eficientní: firmy 1 a 2 i 3 f1: θ∗ = 1 f2: θ∗ = 1 f3: θ∗ = 1 (vstupy už nejdou zlepšit → model orientovaný na výstupy) Martin Branda (KPMS MFF UK)
DEA
19 / 24
Banker–Charnes–Cooper (BCC) model Duální (obalová) forma – orientace na vstupy
min
θ,λj ,si− ,sr+
θ
−
ε
m X i=1
si−
+
s X
! sr+
r =1
s.t. n X j=1 n X
λj xij + si−
=
θxi0 , i = 1, . . . , m,
λj yrj − sr+
=
yr 0 , r = 1, . . . , s,
λj
=
1,
λj
≥
0, si− ≥ 0, sr+ ≥ 0.
j=1 n X j=1
Martin Branda (KPMS MFF UK)
DEA
20 / 24
Banker–Charnes–Cooper (BCC) model Duální (obalová) forma – orientace na výstupy
max
ϕ,λj ,si− ,sr+
ϕ
+
ε
m X i=1
si−
+
s X
! sr+
r =1
s.t. n X j=1 n X
λj xij + si−
=
xi0 , i = 1, . . . , m,
λj yrj − sr+
=
ϕyr 0 , r = 1, . . . , s,
λj
=
1,
λj
≥
0, si− ≥ 0, sr+ ≥ 0.
j=1 n X j=1
Martin Branda (KPMS MFF UK)
DEA
21 / 24
Tone (2001) slack-based model
P 1 − 1/m m si− /xi0 min Psi=1 + λj ,si− ,sr+ 1 + 1/s r =1 sr /yr 0 s.t. n X j=1 n X
λj xij + si−
=
xi0 , i = 1, . . . , m,
λj yrj − sr+
=
yr 0 , r = 1, . . . , s,
λj
≥
0, si− ≥ 0, sr+ ≥ 0.
j=1
Charnesova–Cooperova transformace na LP (na cvičení).
Martin Branda (KPMS MFF UK)
DEA
22 / 24
Martin Branda (KPMS MFF UK)
DEA
23 / 24
Literatura
Banker, R.D., Charnes, A., Cooper, W. (1984). Some models for estimating technical and scale inefficiencies in Data Envelopment Analysis. Management Science 30 (9), 1078–1092. Charnes, A., Cooper, W., Rhodes, E. (1978). Measuring the efficiency of decision-making units. European Journal of Operations Research 2, 429–444. Cooper, W.W., Seiford, L.M., Zhu, J. (2011). Handbook on data envelopment analysis, Springer, New York. Tone, K. (2001). A slacks-based measure of efficiency in data envelopment analysis. European Journal of Operations Research 130, 498–509.
Martin Branda (KPMS MFF UK)
DEA
24 / 24