طبقه‌بندی‌های مختلفی از نسبت‌های مالی وجود دارد. اما یک تقسیم‌بندی کلی که بیش از سایر ‌طبقه‌بندی‌ها در متون مختلف استفاده شده است، طبقه‌بندی نسبت‌های مالی در پنج گروه به شرح زیر می‌باشد.

۱- نقدینگی ۲- اهرمی ۳- ارزش بازار ۴- فعالیت ۵- سودآوری

با بهره گرفتن از نسبت‌های نقدینگی می‌توان توانایی شرکت‌ها برای انجام تعهدات کوتاه‌مدت را مورد بررسی قرار داد. نسبت‌های اهرمی، توانایی شرکت‌ها برای انجام تعهدات و پرداخت بدهی‌ها در سررسید را ارزیابی می‌کنند. نسبت‌های ارزش بازار، معیارهایی هستند که بین قیمت بازار و ارزش دفتری هر سهم و سود ارتباط برقرار می‌کنند. کارایی شرکت‌ها، از منظر مدیریت دارایی‌ها، با بهره گرفتن از نسبت‌های فعالیت سنجیده می‌شود و آن دسته از نسبت‌های مالی که نتایج عملیات شرکت‌ها (سود ویژه، سود ناویژه، سودعملیاتی، سود قبل از کسر بهره و مالیات) را از دیدگاه‌های مختلف (فروش، دارایی‌ها) بررسی می‌کنند، نسبت‌های سودآوری نامیده می‌شوند.

روش تحلیل پوششی داده ها

روش تحلیل پوششی داده ها^[۱۷] یکی از روش‌های ناپارامتریک است. بحث تحلیل پوششی داده ها با تز دکتری «ادوارد روز» تحت راهنمایی «کوپر و چارنز» شروع شد که پیشرفت تحصیلی دانش‌آموزان مدارس آمریکا را در سال ۱۹۷۸ مورد ارزیابی قرار داده بودند. نتایج این مطالعه منجر به چاپ اولین مقاله درباره معرفی عمومی DEA در سال ۱۹۷۸ گردید. آن‌ ها در مقاله مذکور که به CCR معروف گردیده، برای تعمیم روش دو ورودی و یک خروجی آقای فارل از بهینه‌سازی به روش برنامه‌ریزی ریاضی استفاده نمودند تا بتوانند کارائی سیستم‌هایی با ورودی‌های چندگانه و خروجی‌های چندگانه را اندازه‌گیری کنند. طبق تعریف ارائه شده از سوی آقایان چارنز، کوپر و رودز DEA عبارت است از «یک مدل برنامه‌ریزی ریاضی که برای داده های مشاهده شده نسبت‌های فرین مانند تابع تولید یا مرز کارائی را به صورت تجربی تخمین می‌زند».

تحلیل پوشش داده ها(DEA) ‌بر اساس مفهومی از کارایی است که به طور وسیع در علوم مهندسی و طبیعی استفاده می شود. کارایی مهندسی به عنوان نسبت میزان کار انجام شده توسط یک دستگاه به میزان انرژی صرف شده در فرایند تعریف می شود. از آنجا که دستگاه‌ها باید مطابق با قانون پایستاری انرژی راه اندازی شوند نسبت‌های کارایی آن ها همیشه کمتر از یک یا برابر با یک هستند این مفهوم کارایی مهندسی بلافاصله برای تولید اقتصادی قابل کاربرد نیست چون انتظار می رود مقدار خروجی از مقدار ورودی به دلیل ارزش افزوده موجود در تولید متجاوز باشد. با این حال تحت شرایط خاص یک استاندارد کارایی اقتصادی مشابه با استاندارد مهندسی می‌تواند تعریف شود و برای مقایسه کارایی نسبی نهادهای اقتصادی به کار برود(یو^[۱۸]،۳۲،۱۹۹۰).

تحلیل پوششی داده ها یک روش برنامه‌ریزی خطی بوده که تابع تولید مرزی یا مرز کارایی را برآورده می‌کند.تابع تولید مرزی حداکثر محصولی است که از مقادیر مشخصی از عوامل تولید به دست آید. در تحلیل پوششی داده ها به دلیل عدم استفاده از تابع تولید هیچ گونه پیش داوری از قبل بر روی مؤسسات مورد بررسی اعمال نمی‌شود .استفاده از مدل‌های تحلیل پوششی داده ها علاوه بر تعیین میزان کارایی نسبی، نقاط ضعف سازمان را در شاخص‌های مختلف تعیین کرده وبا ارائه میزان مطلوب آن ها، خط‌مشی سازمان را به سوی ارتقای کارایی و بهره‌وری مشخص می‌کند. در روش تحلیل پوششی داده ها، ارزیابی واحدهای تصمیم‌گیرنده با چندین نهاده (ورودی) ‌و ستاده (خروجی) انجام می شود و نیازی به اختصاص وزن به ورودی‌ها و خروجی‌ها نیست و این روش خود وزنها را تعیین می‌کند. در روش DEA¹ اندازه گیری کارایی به صورت نسبی انجام می‌گیرد و هر واحد تصمیم‌گیرنده DMU² با بهترین واحد موجود در آن صنعت مقایسه می شود. البته هر چه تعداد واحدها بیشتر باشد مقایسه بهتر و دقیق‌تر انجام می‌شود.ارزیابی کارایی بانک‌های تجاری با کمک روش تحلیل پوششی داده ها و در وضعیت بازدهی ثابت و بازدهی نسبت به مقیاس در دوره۸۶-۹۰ صورت می‌گیرد. ﺍﺯ ﻣﺰﻳﺖ‌ﻫﺎﻱ ﺍﻳﻦ ﺭﻭﺵ، ﻋﺪﻡ ﻣﺤﺪﻭﺩﻳﺖ ﺩﺭ ﺍﺳﺘﻔﺎﺩﻩ ﺍﺯ ﻣﺤﺼﻮﻻﺕ ﻭ ﻧﻬﺎﺩﻩﻫـﺎﻱ ﮔﻮﻧـﺎﮔﻮﻥ ﻭ ﻣﺘﻨﻮﻉ ﺳﺎﺯﻣﺎﻥ ﻳﺎ ﻣﺆﺳﺴﻪ ﻣﻮﺭﺩ ﺑﺮﺭﺳﻲ ﻣﻲ ﺑﺎﺷﺪ ﺩﺭ ﺍﻳﻦ ﺭﻭﺵ، ﻭﺍﺣﺪ ﺍﻧﺪﺍﺯﻩﮔﻴﺮﻱ ﺣﺴـﺎﺱ ﻧﻴﺴـﺖ ﻧﻬـﺎﺩﻩ ﻭ ستاندهﻫـﺎ ﻣـﻲ ﺗﻮﺍﻧﻨـﺪ ﺩﺍﺭﺍﻱ ﻭﺍﺣـﺪﻫﺎﻱ ﻣﺨﺘﻠﻔﻲ ﺑﺎﺷﻨﺪ ﺭﻭﺵDEA ﻳﻚ ﺭﻭﺵ ﻣﺪﻳﺮﻳﺘﻲ ﺍﺳﺖ ﻛﻪ ﻛﺎﺭﺁﻳﻲ ﻭﺍﺣﺪﻫﺎ ﺭﺍ، ﺑﻪ ﻃﻮﺭﻧﺴـﺒﻲ ﺍﻧـﺪﺍﺯﻩ ﮔﻴـﺮﻱ ﻣﻲ ﻛﻨﺪ ﻭ ﺭﺍﻫﻜﺎﺭﻫﺎﻱ ﻣﺪﻳﺮﻳﺘﻲ ﺍﺭﺍﺋﻪ ﻣﻲ ﺩﻫﺪ. ﺩﺭ ﺣﺎﻟﺘﻲ ﻛﻪ ﻭﺍﺣﺪ ﺍﻗﺘﺼﺎﺩﻱ ﺩﺍﺭﺍﻱ ﭼﻨﺪ ﻧﻬﺎﺩﻩ ﺩﺭ ﻓﺮﺁﻳﻨﺪﺍﻳﺠـﺎﺩ ﺳـﺘﺎﺩﻩ ﺑﺎﺷـﺪ، ﺭﻭﺵﺑﺮﻧﺎﻣـﻪ ﺭﻳﺰﻱ ﺧﻄﻲ، ﺑﻪ ﺭﺍﺣﺘﻲ ﻣﻲ ﺗﻮﺍﻧﺪ ﺗﺮﻛﻴﺐ ﺑﻬﻴﻨﻪ ﺳﺘﺎﺩﻩ ﻭ ﻧﻬﺎﺩﻩ ﺭﺍ ﺑﺮﺍﻱ ﻳﻚ ﻭﺍﺣﺪ ﻛـﺎﺭﺁ ﺗﻌﻴـﻴﻦ ﻛﻨﺪ. روش DEA ﺑﻴﺶ ﺍﺯ ﺳﺎﻳﺮ ﺭﻭﺵ ﻫﺎ، ﻗﺎﺑﻠﻴﺖ ﺗﻌﻤﻴﻢ ﭘﺬﻳﺮﻱ ﻭ ﮔﺴﺘﺮﺵ ﺩﺍﺭﺩ ﻭﺑـﻪ ﻛـﺎﺭﮔﻴﺮﻱ ﺁﻥ ﺩﺭ ﻳﻚ ﻭﺍﺣﺪ ﺑﺮﺍﻱ ﻳﻚ ﻣﻮﺿﻮﻉ،ﻣﻲ ﺗﻮﺍﻧﺪ ﺯﻣﻴﻨﻪ ﺭﺍ ﺑﺮﺍﻱ ﻛﺎﺭﻫﺎﻱ ﺑﻌﺪﻱ ﻧﻴﺰ ﻓﺮﺍﻫﻢ ﻛﻨﺪ(ایکان وکاله،۸۹۰،۲۰۱۱).

چارنز، کوپر و رودز مفاهیم و مدل‌های DEA را با مفاهیم جدیدی توسعه دادند که حاصل آن نیز مدل BCC است. این مدل برای اندازه‌گیری و تعیین کارائی واحدها و همچنین جهت اصلاح ورودی‌ها و خروجی‌ها برای بالا بردن اندازه کارائی و با در نظر گرفتن بازده به مقیاس متغیر مورد استفاده قرار می‌گیرد. در سال ۱۹۸۵ چارنز و همکارانش «مدل جمعی» را به عنوان یکی دیگر از مدل‌های اساسی در DEA مطرح ساختند.

همچنین چارنز و همکارانش در همین سال به منظور ثبت تغییرات کارائی در طول زمان تکنیکی را تحت عنوان «تحلیل پنجره‌ای» مطرح کردند. تکنیک دیگری نیز برای اولین بار توسط فیر و همکاران در سال ۱۹۸۹ و ۱۹۹۴ با بهره گرفتن از مدل DEA شعاعی ورودی و خروجی‌گرا برای محاسبه شاخص مالمکوئیست به کار بردند. اگرچه مدل شعاعی پیشنهاد شده دارای کمبودهایی مانند فقدان متغیرهای کمکی می‌باشد، برای غلبه بر این کمبودها شاخص مالکوئیست با بهره گرفتن از مدل‌های غیر شعاعی همانند SBM می‌توان محاسبه کرد. در سال ۱۹۸۸ «بیسنت» و در سال ۱۹۹۱ «چانگ و گوه»تحقیقاتی روی داده های حقیقی انجام دادند. در سال‌های ۱۹۹۳ و ۱۹۹۴ «علی و سیفورد» اقدام به اصلاح مدل CCR کردند.

از زمان اولین مطالعه توسط چارنز، کوپر و رودز تاکنون بیش از هزاران مقاله در زمینه ادبیات تحلیل پوششی داده ها منتشر شده است. چنین رشد سریعی خود دلیل بر کاربردی بودن و قدرت بالای روش‌های DEA می‌باشد. هم اکنون DEA در بسیاری از مراکز تحقیقاتی که در نقاط مختلف جهان قرار دارند، منشأ ایده ها و پیشرفت‌های جدید شده است، به طوری که محققان زیادی ‌به این نکته رسیده‌اند که DEA یک روش عالی برای مدل‌سازی فرآیندهای عملیاتی است و ماهیت تجربی و نداشتن مفروضات دست و پاگیر سبب استفاده وسیع آن در تخمین کارائی برای بخش‌های غیرانتفاعی، خصوصی و حتی دولتی شده است