Parçacık Sürü Optimizasyonuna Dayalı Portföy Optimizasyonu

Abstract

Portföy optimizasyonu günümüzde çok önemlidir. Birikimini veya tasarrufunu değerlendirerek kâr sağlamak isteyen yatırımcılar için en uygun portföyü oluşturmak zor bir iştir. Kâr sağlamak isteyen her yatırımcı yatırım yapar. Yatırım yapılabilecek birçok riskli ve risksiz yatırım araçları mevcuttur. Bu yatırım araçlarının hangisinin seçilmesi gerektiğine yatırımcı karar verir. Yatırımcı yatırım yaparken belirli bir riski göz önünde bulundurmalıdır. Beklediği kâr oranına göre risk oranı değişiklik göstermektedir ve beklenen getirinin yükselmesi ile yatırımcının risk oranı da yükselmektedir. Bu getiri risk oranının, en uygun portföyde elde edilebilmesi için literatürde çeşitli matematiksel programlama modelleri mevcuttur. Son yıllarda yapay zeka yöntemleri portföy optimizasyonunda kullanılmaya başlamıştır. Bu tez çalışmasında garanti yakınsamalı parçacık sürü optimizasyonu (GYPSO) ile portföy optimizasyonu uygulaması yapılmıştır. GYPSO?dan elde edilen portföyü karşılaştırmak için; Markowitz ortalama varyans modeli ve değiştirilmiş parçacık sürü optimizasyonu ile elde edilen portföyler kullanılmıştır. Uygulamada BIST 30 (İMKB 30) endeksine ait 30 adet hisse senedinin 400 günlük gün sonu kapanış fiyatları kullanılmıştır. Farklı yöntemlerden elde edilen portföylerden en iyi performans ölçüsünü veren portföy en uygun portföy olarak belirlenmiştir. GYPSO uygulamasından elde edilen portföy en yüksek Sharpe oranına sahip portföy olmuştur. Uygulanan yöntem ve elde edilen sonuçlara dayanarak oluşturulan portföylerin, gerçekleşen değerlerden yapılan hesaplamalar ile yatırımcıya kâr sağladığı kanıtlanmıştır. Anahtar Kelimeler: Portföy Optimizasyonu; Parçacık Sürü Optimizasyonu; Garanti Yakınsamalı Parçacık Sürü Optimizasyonu; Ortalama Varyans Modeli.

Portfolio optimization has become very important in recent years. It is very difficult to form the most appropriate portfolio for financiers who want to turn their savings into profit. Every financier who wants to get profit invests through many risky or risk free investment instruments. It is the financiers that decide which investment instrument should be chosen and they should always consider a certain degree of risk while investing. The risk rate changes according to the expected profit rate, which means the higher the profit rate is, the higher the risk rate becomes. There are many mathematical programming methods for portfolio optimization in literature to obtain the risk rate in the most appropriate portfolio. In recent years, artifical intelligence methods has started to use within portfolio optimisation. In this thesis, portfolio optimization is carried out by using guaranteed convergence particle swarm optimization (GCPSO). The optimal portfolios which are obtained from mathematical programming and modified particle swarm optimization method are used to evaluate the performance of GCPSO. In the application, 400 days of observations of Istanbul stock exchange data (BIST 30) close price are used. The best portfolio is selected according to Sharpe performance criteria. The best portfolio is obtained from GCPSO in the application. As a result of the application, it has been proved that the applied methods and calculations are profitable for financiers. Key Words: Portfolio Optimization; Particle Swarm Optimization; Guaranteed Convergence Particle Swarm Optimization; Mean Variance Model.