سرمایه گذاری سهام با ریسک بالا و سود انبوه مشخص می شود ، بنابراین لازم است یک روش ارزیابی و انتخاب علمی و دقیق سهام برای جلوگیری از ریسک های سرمایه گذاری و به دست آوردن بازده بالا پیشنهاد شود. ارزیابی و انتخاب سرمایه گذاری سهام می تواند به عنوان یک مسئله تصمیم سه جانبه (3WD) در نظر گرفته شود. مجموعه های خشن تصمیم گیری (DTRS) ابزاری عالی برای مقابله با 3WD در معرض خطر و عدم اطمینان است. با توجه به افزایش پیچیدگی و عدم اطمینان زیاد در محیط های تصمیم گیری ، عملکردهای از دست دادن درگیر در DTRS همیشه با اعداد واقعی بیان نمی شوند. به عنوان یک شکل کلی از مجموعه های فازی Pythagorean (PFSs) و مجموعه های فازی شهودی (IFS) ، مجموعه های فازی ارتوپایر q-rung (q-ROFS) اطلاعات نامشخص را گسترده تر و انعطاف پذیر ترسیم می کنند. بنابراین ، نوآوری قابل توجهی برای ترکیب q-ROFS با DTRS و ساختن یک مدل 3WD جدید برای ارزیابی سرمایه گذاری سهام است. به طور خاص ، ما برای اولین بار اعداد فازی اورتوپیر q-rung (q-ROFNs) را به DTRSs گسترش می دهیم ، که می توانند یک تصویر جدید برای توابع از دست دادن ارائه دهند. سپس ، ما یک مدل DTRS فازی q-rung ارتوپایر q-rung (q-ROFDTRS) ایجاد می کنیم و برخی از خصوصیات اساسی ضررهای مورد انتظار را کشف می کنیم. علاوه بر این ، ما دو روش برای رسیدگی به q-ROFN و به دست آوردن 3WD پیشنهاد می کنیم. این دو روش با هم مقایسه می شوند و ویژگی ها و کاربرد آنها مورد تجزیه و تحلیل قرار می گیرد. سرانجام ، یک مورد عملی در رابطه با ارزیابی سرمایه گذاری سهام ارائه شده است تا اثربخشی و برتری رویکردهای توسعه یافته نسبت به روشهای موجود را نشان دهد.

سرمایه گذاری سهام با ریسک بالا و سود انبوه مشخص می شود ، بنابراین لازم است یک روش ارزیابی و انتخاب علمی و دقیق سهام برای جلوگیری از ریسک های سرمایه گذاری و به دست آوردن بازده بالا پیشنهاد شود. ارزیابی و انتخاب سرمایه گذاری سهام می تواند به عنوان یک مسئله تصمیم سه جانبه (۳WD) در نظر گرفته شود. مجموعه های خشن تصمیم گیری (DTRS) ابزاری عالی برای مقابله با ۳WD در معرض خطر و عدم اطمینان است. با توجه به افزایش پیچیدگی و عدم اطمینان زیاد در محیط های تصمیم گیری ، عملکردهای از دست دادن درگیر در DTRS همیشه با اعداد واقعی بیان نمی شوند. به عنوان یک شکل کلی از مجموعه های فازی Pythagorean (PFSs) و مجموعه های فازی شهودی (IFS) ، مجموعه های فازی ارتوپایر q-rung (q-ROFS) اطلاعات نامشخص را گسترده تر و انعطاف پذیر ترسیم می کنند. بنابراین ، نوآوری قابل توجهی برای ترکیب q-ROFS با DTRS و ساختن یک مدل ۳WD جدید برای ارزیابی سرمایه گذاری سهام است. به طور خاص ، ما برای اولین بار اعداد فازی اورتوپیر q-rung (q-ROFNs) را به DTRSs گسترش می دهیم ، که می توانند یک تصویر جدید برای توابع از دست دادن ارائه دهند. سپس ، ما یک مدل DTRS فازی q-rung ارتوپایر q-rung (q-ROFDTRS) ایجاد می کنیم و برخی از خصوصیات اساسی ضررهای مورد انتظار را کشف می کنیم. علاوه بر این ، ما دو روش برای رسیدگی به q-ROFN و به دست آوردن ۳WD پیشنهاد می کنیم. این دو روش با هم مقایسه می شوند و ویژگی ها و کاربرد آنها مورد تجزیه و تحلیل قرار می گیرد. سرانجام ، یک مورد عملی در رابطه با ارزیابی سرمایه گذاری سهام ارائه شده است تا اثربخشی و برتری رویکردهای توسعه یافته نسبت به روشهای موجود را نشان دهد.