Page 7 - Wendy

關係顯示出來，並以此效率前緣評估每個決策單位 (decision making

unit, DMU) 的相對效率。由於 DEA 模型是一種非參數方法，用來衡

量固定規模報酬下，所有決策單位的投入與產出，用以計算其相對效

率值。該模型可在無需假定任何函數關係的前提下，對多項投入與產

出變數進行效率評估，投入與產出亦可使用不同單位去衡量，且設定

權重時也不受人為主觀因素之影響。因此 DEA 模型成為評估各種組

織、企業、產業等效率的常用方法，並廣泛運用於金融、醫療、能源

環境等領域，可參見 Liu et al. (2013)。惟根據 Seiford et al. (1990) 有

關如何使用數學規劃方法提高 DEA 模型的準確度及實用性，該研究

論述了 DEA 模型的侷限性，該模型基於線性規劃進行求解，故所有

投入產出參數必須為正值。又該模型對投入與產出變數的定義敏

感，資訊的正確性將對評估結果有很大的影響。由於傳統 CCR 模型

假設所有單位都使用相同的生產技術及生產要素，並假設生產過程為

固定規模報酬。惟實際上投入與產出存在規模報酬遞增或遞減情

況，因此，Banker et al. (1984) 提出了 BBC 模型，將測量單位的技

術效率及規模效率分離，進而更準確的評估單位效率， 可 適用於評估

不同規模生產單位的效率比較。

Frijns et al. (2012) 的研究使用 DEA 模型評估了 1988 年 至

2007 年間美國上市公司的效率，發現高效率公司的股票表現優於低

效率公司，並且可以透過做多與做空策略獲得超額報酬。且經由迴歸
分析證實公司效率對股票報酬具有解釋能力。Chen (2008) 則利用

DEA 模型選出高效率的股票以建構投資組合，並與以市場指數為依

據所建構的投資組合進行報酬率比較，結果發現 DEA 模型選出的投

資組合表現優於市場指數，可以產生更高的報酬。Edirisinghe et

al. (2007) 的研究結合 DEA 模型與基本面分析，提出了一種用於股

票選擇的最佳化相對財務強度指標，並結合投資組合的優化模型。 該

研究針對美國 230 家公司進行實證分析，驗證該投資組合於風險管

5