Yapay Arı Kolonisi Algoritması İle Sharpe Performans Oranına Dayalı Portföy Optimizasyonu: BIST 30 Uygulaması

Abstract

Son yıllarda yapılan çalışmalarda, portföy optimizasyonu problemi için kullanılan sezgisel algoritma yöntemlerinin, klasik yöntemlerin aksine daha kısa sürede daha iyi sonuçlar verdiği gözlemlenmiştir. Bu tez çalışmasında, doğada besin arayışı içerisinde olan arıların davranışlarından esinlenerek ortaya çıkan Yapay Arı Kolonisi algoritması ile portföy optimizasyonu problemine çözüm aranmıştır. Portföy optimizasyonu problemi için yapay arı kolonisi algoritması kullanılarak Borsa İstanbul 30 endeksine ait hisse senetlerinden oluşan bir portföy elde edilmiştir. Portföyün içerdiği hisse senetleri, hisse senetlerinin portföy içi ağırlık oranları, optimum portföyün riski, beklenen getirisi ve portföyün performansını değerlendiren Sharpe performans oranı hesaplanmıştır. Yapay arı kolonisi algoritması ile elde edilen optimum portföyün Sharpe performans oran değeri, klasik yöntemlerden karesel programlama ve sezgisel algoritmalardan; genetik algoritma ve parçacık sürü optimizasyonu yöntemlerinden elde edilen optimum portföy çeşitlerinin Sharpe performans oran değerleri ile karşılaştırılmıştır. Ayrıca çalışmada kullanılan yöntemlerde, optimum portföye ulaşmak için yöntemlere ait farklı parametre değerleri denenmiş ve optimum portföyü veren parametreler belirlenmiştir. Farklı yöntemlere göre elde edilen portföy çeşitleri, içerdikleri hisse senetleri, hisse senetlerinin portföy içi ağırlık oranları, portföy riski ve portföy beklenen getirisi bakımından kıyaslanmıştır. Portföy optimizasyon probleminde kullanılan dört farklı yöntem karşılaştırıldığında yapay arı kolonisi algoritmasının, tez çalışmasında kullanılan diğer yöntemlere göre daha az parametre sayısına sahip olduğu ve daha kısa sürede daha iyi sonuç verdiği gözlemlenmiştir. Anahtar Kelime: Portföy Optimizasyonu, Yapay Arı Kolonisi Algoritması, Sezgisel Algoritmalar, Sharpe Performans OranıIn recent years, it has been observed that the heuristic algorithms used for the portfolio optimization problem give better results in a shorter period of time than the classical methods. In this thesis study, a solution to the portfolio optimization problem was sought through the artificial bee colony algorithm, inspired by the behaviours of bees in search of nutrients in nature. For the portfolio optimization problem, a portfolio for Borsa Istanbul 30 index has been obtained by using the artificial bee colony algorithm. Sharpe performance ratio; which evaluates the stocks included in the portfolio, the intra-portfolio weight ratios of the stocks, the risk of the optimum portfolio, the expected return and the performance of the portfolio, was calculated. The Sharpe performance ratio value of the optimal portfolio obtained by using the artificial bee colony algorithm is compared with the Sharpe performance ratio values of the optimal portfolio types obtained from quadratic programming, genetic algorithm and particle swarm optimization methods. Furthermore, in the methods used in the study, different parameter values that belong to the methods have been tried to reach the optimum portfolio and the parameters that give the optimum portfolio have been determined. Portfolio types obtained according to different methods are compared in terms of the stocks they have, portfolio weight ratios of stocks, portfolio risk and portfolio expected return. Comparing the four different methods used in the portfolio optimization problem, it is observed that the artificial bee colony algorithm has less number of parameters than the other methods used in the thesis study and gives better results in a shorter time. Key Words: Portfolio Optimization. Artificial Bee Colony, Heuristic Algorithms, Sharpe Performance Ratio