Özet: Yatırımcı her zaman kendisine en yüksek faydayı sağlayacak olan portföyü oluşturmak istemektedir. Bu durum optimize edilmesi gereken portföy problemini ortaya çıkartır. Literatürde portföy optimizasyon problemi çözümünde genellikle bir klasik optimizasyon yöntemlerinden biri olan karesel programlama yöntemi kullanılmaktadır. Son yıllarda yapılan çalışmalar incelendiğinde yapay zeka algoritmalarının optimizasyon problemlerinde gösterdiği başarılardan yola çıkarak bu çalışmada genetik algoritma yaklaşımının portföy optimizasyon problemindeki başarısı ölçülmek istenmektedir. Portföy optimizasyon problemi için karesel programlama ile genetik algoritma yöntemleri portföy performans ölçüleri açısından karşılaştırılmıştır. Karşılaştırmada 2019 yılına ait BIST-30 endeksinde işlem gören hisse senetleri kullanılmıştır. Portföy performansını değerlendirmek için sharpe oranı ile treynor endeksi performans ölçüleri iki optimizasyon yönteminde de amaç fonksiyonu olarak kullanılmıştır. İki optimizasyon yönteminde de amaç; en yüksek performans ölçüsü oranına sahip portföyün belirlenmesidir. Yapılan analiz sonucunda genetik algoritma yönteminin her iki portföy performans ölçüsüne göre de optimum sonuca ulaştığı gözlemlenmiş ve treynor endeksinin sharpe oranına göre daha yüksek performans ölçüsü oranına sahip bir portföy oluşturduğu belirlenmiştir.
Özet: Ülke planında bir bütünleşme için çok yönlü yapılanma tedbirleri ve bu tedbirlerin verimlilik-etkinlik üzerindeki etkilerini ölçmek için de çok yönlü ölçüm tekniklerinin kullanımı gerekmektedir. Bu etkinlik ölçüm tekniklerinden biri de Veri Zarflama Analizidir. Veri Zarflama Analizi (VZA), girdiyi çıktıya dönüştüren karar verme birimlerinin etkinliğini ölçmek için planlanmış bir doğrusal programlama tekniğidir. Bu çalışmada, öncelikle yapay zeka yöntemlerinden biri olan Parçacık Sürü Optimizasyonu (PSO) algoritması ile farklı portföy çeşitleri elde edilmiştir. Optimum portföye ulaşmak için literatürde en çok tercih edilen parametre değerleri kullanılarak, portföy çeşitliliği oluşturulmuştur ve amaç fonksiyonu olarak portföy performansı ölçüsü olan Sharpe performans oranı kullanılmıştır. Çalışmada BIST-30 endeksine ait hisse senetlerinin 02/01/2017-31/12/2017 tarihleri arasında günlük getiri oranlarından oluşan veri seti PSO algoritması ile portföy optimizasyonu için çözümlenmiştir. Çözümleme sonucu farklı getiri ve risk oranlarına sahip portföylerin etkinliklerini ölçmek amacıyla da Veri Zarflama Analizi kullanılmış ve en az risk ile en çok getiriye sahip portföy, etkin portföy olarak tanımlanmıştır. Kullanılan VZA modeli, girdi yönelimli CCR modelidir. Böylece, hangi portföylerin etkin olduğu belirlenmiştir. Daha sonra AP yaklaşımı ile KVB'lerin süper etkinlikleri incelenip etkin portföyler için de sıralama elde edilmiş ve etkin olmayan portföylerin nasıl etkin hâle getirileceği konusunda öneriler verilmiştir.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
hi@scite.ai
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.