DOI: https://doi.org/10.53759/7669/jmc202505144
تاريخ النشر: 2025-07-02
المؤلف: Zhenyun Du وآخرون
الموضوع الرئيسي: تحليل الكفاءة باستخدام DEA
نظرة عامة
تقدم البحث نهجًا جديدًا لتقييم التدفق النقدي التشغيلي (OCF) من خلال دمج تحليل تغليف البيانات (DEA) مع تقنية البلوكشين (BT). يعالج هذا النموذج الهجين القيود الكبيرة لطرق DEA التقليدية، بما في ذلك عدم كفاءة الحساب، ومشاكل سلامة البيانات، ونقص الشفافية. من خلال الاستفادة من التحقق اللامركزي والتقنيات التشفيرية، يعزز إطار عمل DEA + BT سلامة البيانات واكتشاف التلاعب، محققًا مقاييس أداء مثيرة للإعجاب: قدرة شبكة المعاملات تصل إلى 1253 معاملة في الثانية (TPS)، وتأخير من النهاية إلى النهاية يصل إلى 120 مللي ثانية، ودقة كفاءة تقنية تبلغ 95.2%. كما يظهر النموذج أيضًا معدل توافق مرتفع يبلغ 99.9% وتحسين في اتساق الترتيب، كما يتضح من معاملات ارتباط سبيرمان التي تبلغ 0.864 و0.857.
في الختام، يطور هذه الدراسة بنجاح طريقة قوية وآمنة لترتيب OCF تتجاوز DEA التقليدية ونسخها عند اختبارها على مجموعات بيانات واسعة من SEC وKaggle، التي تشمل أكثر من 4,400 شركة عامة. ستتركز اتجاهات البحث المستقبلية على تعزيز قابلية التوسع، وتحسين الكفاءة التشغيلية لتقنية البلوكشين، ودمج تقنيات التعلم العميق لتحسين دقة الترتيب بشكل أكبر. لا يساهم هذا الدمج فقط في تطوير منهجيات تقييم الأداء المالي ولكن أيضًا يضع أساسًا لتقييمات مالية أكثر شفافية وأمانًا.
طرق
توضح قسم المنهجية نهج الدراسة البحثية لتحليل التدفق النقدي التشغيلي (OCF) لأكثر من 4,400 شركة عامة باستخدام تحليل تغليف البيانات (DEA). تستخدم الدراسة مصدرين رئيسيين للبيانات: مجموعات بيانات البيانات المالية من SEC، التي تشمل إحصائيات مالية مشفرة بلغة تقارير الأعمال القابلة للتوسيع (XBRL) وتُكمل بملاحظات أساسية للبيانات المالية، وبيانات مالية من Kaggle، التي توفر مقاييس مالية شاملة مثل المبيعات، والأرباح، وعدد الموظفين.
لضمان سلامة البيانات وقابليتها للمقارنة، حافظ الباحثون بدقة على مجموعات البيانات وقاموا بتطبيعها، مما يتماشى مع الفترات المالية ذات الصلة. هذه العملية حاسمة لتحقيق تصنيفات دقيقة لـ DEA وOCF تعكس حقًا الأداء المالي للشركات قيد الدراسة. يسهل دمج هذه المجموعات تحليل الصناعة القوي، والتحقيق الاقتصادي، وصياغة استراتيجيات عمل فعالة.
النتائج
تظهر نتائج الدراسة فعالية تحليل تغليف البيانات (DEA) المقترح المدمج مع تقنية البلوكشين (BT) في تعزيز دقة الكفاءة التقنية (TEA) واتساق الترتيب (RC) عبر مجموعتين من البيانات: SEC وKaggle. حقق نموذج DEA + BT معدلات دقة بلغت 94.7% و95.2% لمجموعات بيانات SEC وKaggle، على التوالي، مما يمثل تحسينًا تقريبًا بنسبة 10% مقارنة بأساليب DEA التقليدية، التي حققت معدلات دقة بلغت 85.3% و84.9%. بالمقابل، أظهر نموذج DEA مع نموذج الأمان المركزي (CSM) تحسينات متوسطة بمعدلات دقة بلغت 87.8% و88.1%، بينما سجل تحليل الحدود العشوائية (SFA) مع BT معدلات دقة أقل بلغت 83.2% و82.7%.
فيما يتعلق باتساق الترتيب، أظهر نموذج DEA + BT أداءً متفوقًا، مع معاملات ارتباط سبيرمان تبلغ 0.864 و0.857 لمجموعات البيانات المعنية، متفوقًا بشكل كبير على DEA التقليدية (0.751 و0.748) وCSM (0.783 و0.775). أظهر SFA مع BT أدنى اتساق في الترتيب (0.728 و0.715)، مما يعزز مزايا نهج DEA. تدعم قوة الفرضية المقترحة النتائج المتسقة عبر سياقات مالية متنوعة، مما يشير إلى أن فعالية النموذج ليست مشروطة بمجموعات بيانات محددة. بشكل عام، يعزز دمج DEA وBT موثوقية وشفافية تصنيفات التدفق النقدي التشغيلي (OCF) للشركات، مما يوفر أساسًا أكثر أمانًا لتقييم الأداء.
نقاش
يهدف نموذج DEA + BT المقترح إلى تعزيز الشفافية، وسلامة البيانات، والأمان في تصنيف التدفق النقدي التشغيلي (OCF) للشركات من خلال دمج تحليل تغليف البيانات (DEA) مع تقنية البلوكشين (BT). تواجه طرق التصنيف التقليدية انتقادات لكونها عرضة للتلاعب بالبيانات ونقص القابلية للتحقق. من خلال الاستفادة من تحليل كفاءة DEA من خلال البرمجة الخطية، يقيم النموذج عدة شركات بناءً على مدخلات ومخرجات متنوعة، مما يولد درجات كفاءة يتم تسجيلها بأمان على بلوكشين لامركزي. يضمن هذا الدمج أن درجات الكفاءة غير قابلة للتغيير وقابلة للتحقق، مما يحسن بشكل كبير من مصداقية عملية التصنيف.
تستخدم مكونة DEA نهجًا موجهًا نحو المدخلات لتقييم كفاءة وحدات اتخاذ القرار (DMUs)، حيث يتم حساب الدرجات من خلال مشاكل تحسين تعظم نسبة المخرجات الموزونة إلى المدخلات. ثم يتم تسجيل النتائج في بلوكشين، الذي يستخدم طرق تشفير وآليات توافق مثل تحمل الأخطاء البيزنطية العملية (PBFT) وإثبات العمل (PoW) للتحقق من المعاملات ومنع التلاعب. لا يعزز هذا الإطار اللامركزي أمان وشفافية تصنيف OCF فحسب، بل يقوم أيضًا بأتمتة عملية التحقق من خلال العقود الذكية، مما يقلل من الأخطاء البشرية ويحسن الكفاءة العامة للنظام. يظهر النموذج مقاييس أداء متفوقة مقارنة بالطرق التقليدية، محققًا قدرة أعلى على المعاملات ومعدلات خطأ أقل، مما يوفر أداة قوية للتقييم المالي واتخاذ القرار.
DOI: https://doi.org/10.53759/7669/jmc202505144
Publication Date: 2025-07-02
Author(s): Zhenyun Du et al.
Primary Topic: Efficiency Analysis Using DEA
Overview
The research presents a novel approach to evaluating Operating Cash Flow (OCF) by integrating Data Envelopment Analysis (DEA) with Blockchain Technology (BT). This hybrid model addresses significant limitations of traditional DEA methods, including computational inefficiencies, data integrity issues, and lack of transparency. By leveraging decentralized validation and cryptographic techniques, the proposed DEA + BT framework enhances data integrity and tamper detection, achieving impressive performance metrics: a transaction network throughput of up to 1253 transactions per second (TPS), an end-to-end delay as low as 120 ms, and a technical efficiency accuracy of 95.2%. The model also demonstrates a high consensus rate of 99.9% and improved ranking consistency, evidenced by Spearman’s correlation coefficients of 0.864 and 0.857.
In conclusion, this study successfully develops a robust and secure method for OCF ranking that surpasses traditional DEA and its variants when tested on extensive datasets from the SEC and Kaggle, encompassing over 4,400 public companies. Future research directions will focus on enhancing scalability, optimizing the operational efficiency of blockchain technology, and incorporating deep learning techniques to further refine ranking accuracy. This integration not only advances financial performance evaluation methodologies but also sets a foundation for more transparent and secure financial assessments.
Methods
The methodology section outlines the research study’s approach to analyzing the operational cash flow (OCF) of over 4,400 publicly held companies using Data Envelopment Analysis (DEA). The study employs two primary data sources: the SEC Financial Statement Data Sets, which include financial statistics encoded in eXtensible Business Reporting Language (XBRL) and are supplemented with core financial statement footnotes, and Kaggle Financial Data, which provides comprehensive financial metrics such as sales, profits, and employee counts.
To ensure the integrity and comparability of the data, the researchers meticulously maintained and normalized the datasets, aligning them with relevant financial periods. This process is crucial for achieving accurate DEA and OCF rankings that genuinely reflect the financial performance of the businesses under study. The integration of these datasets facilitates robust industry analysis, economic investigation, and the formulation of effective business strategies.
Results
The results of the study demonstrate the effectiveness of the proposed Data Envelopment Analysis (DEA) combined with Blockchain Technology (BT) in enhancing Technical Efficiency Accuracy (TEA) and Ranking Consistency (RC) across two datasets: SEC and Kaggle. The DEA + BT model achieved accuracy rates of 94.7% and 95.2% for the SEC and Kaggle datasets, respectively, marking an approximate 10% improvement over traditional DEA methods, which yielded accuracy rates of 85.3% and 84.9%. In contrast, the DEA with the Centralized Security Model (CSM) showed moderate improvements with accuracy rates of 87.8% and 88.1%, while the Stochastic Frontier Analysis (SFA) with BT recorded lower accuracy rates of 83.2% and 82.7%.
In terms of ranking consistency, the DEA + BT model exhibited superior performance, with Spearman’s Correlation coefficients of 0.864 and 0.857 for the respective datasets, significantly outperforming traditional DEA (0.751 and 0.748) and CSM (0.783 and 0.775). The SFA with BT showed the lowest ranking consistency (0.728 and 0.715), reinforcing the advantages of the DEA approach. The robustness of the proposed hypothesis is supported by consistent results across diverse financial contexts, indicating that the model’s efficacy is not contingent on specific datasets. Overall, the integration of DEA and BT enhances the reliability and transparency of enterprise Operating Cash Flow (OCF) rankings, providing a more secure foundation for performance assessment.
Discussion
The proposed DEA + BT model aims to enhance transparency, data integrity, and security in the ranking of enterprise Operating Cash Flow (OCF) by integrating Data Envelopment Analysis (DEA) with Blockchain Technology (BT). Traditional ranking methods face criticism for their susceptibility to data manipulation and lack of verifiability. By leveraging DEA’s efficiency analysis through linear programming, the model evaluates multiple enterprises based on various inputs and outputs, generating efficiency scores that are securely recorded on a decentralized blockchain. This integration ensures that the efficiency scores are immutable and verifiable, significantly improving the credibility of the ranking process.
The DEA component employs an input-oriented approach to assess the efficiency of Decision-Making Units (DMUs), with scores computed through optimization problems that maximize the ratio of weighted outputs to inputs. The results are then recorded in a blockchain, which utilizes cryptographic methods and consensus mechanisms like Practical Byzantine Fault Tolerance (PBFT) and Proof of Work (PoW) to validate transactions and prevent tampering. This decentralized framework not only enhances the security and transparency of the OCF ranking but also automates the verification process through smart contracts, reducing human error and improving overall system efficiency. The model demonstrates superior performance metrics compared to traditional methods, achieving higher transaction throughput and lower error rates, thereby providing a robust tool for financial evaluation and decision-making.