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.
Finite mixture models provide flexible method of modeling data obtained from population consisting of finite number of homogeneous subpopulations. One of the main areas in which the finite mixture model structures is practically used in statistics is model based classification. However, the result of non identifiability problem arising from the structure of the finite mixture models may cause unreliable results on classification. In this paper we compare the probability density functions () of the finite mixture distribution models for two different populations by L2 distance. We propose the componentwise L2 distance function to compare the of finite mixture distribution models for two different populations in the presence of non identifiability problem. Besides, a condition is proposed to control whether the L2 distance function gives similar results with the componentwise L2 distance function to compare the of finite mixture distribution models for two different populations.
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.