Yapay zeka yöntemleri ile karşılaştırmalı portföy optimizasyonu ve IMKB üzerine bir uygulama

Abstract

Soyadı: Yiğit Demirelli sat Uluslararası İktisat Prof. Dr. Nurdan Aslan Tez Türü ve Tarihi: Doktora – Nisan 2014 Portföy Optimizasyonu, Genetik Algoritmalar

YAPAY ZEKA YÖNTEMLERİ İLE KARŞILAŞTIRMALI PORTFÖY OPTİMİZASYONU VE IMKB ÜZERİNE BİR UYGULAMA Modern Portföy Teorisi’nin ortaya koyduğu temel model etrafında uygulanan buluşsal portföy optimizasyonu metotları, son yıllarda çeşitli akademik çalışmalara konu olmuş ve bunlarla geleneksel yöntemlere kıyasla daha başarılı sonuçlar elde edilebileceği ortaya konmuştur. Bu çalışmada, söz konusu model, iki farklı buluşsal yöntem ve bir geleneksel optimizasyon yöntemi ile ele alınmış ve BİST (eski adıyla İMKB) verilerine uygulanmıştır. Ayrıca genetik algoritma metodunun yapılandırılması aşamasında çeşitlilik endekslerinden yararlanılmış, bu sayede, daha yüksek bir çeşitlilik düzeyinde ve optimale yakın olan portföyler elde edilmiştir. Çalışma; üç metodun ürettikleri portföylerin, hem içinde bulunulan, hem de bir sonraki dönemde birbirleriyle ve borsa endeks verileriyle rakamsal karşılaştırılması ile sonuçlandırılmıştır. Çeşitlilik faktörünün, hem teorik en kötü durum senaryolarında, hem de gerçek verilerle yapılan uygulamalarda başarılı çıktılar üretebildiği gösterilmiş, ayrıca çalışmadaki diğer buluşsal yöntem olan reaktif arama optimizasyonu metodunun, geleneksel yöntem karşısındaki performansı rakamsal olarak ortaya konmuştur. Name ve Surname: Yiğit Demirelli Field: Economics Program: International Economics Supervisor: Prof. Dr. Nurdan Aslan Degree Awarded and Date: PhD – April 2014 Portfolio Optimization, Genetic Algorithms ABSTRACT COMPARATIVE PORTFOLIO OPTIMIZATION WITH ARTIFICIAL INTELLIGENCE METHODS AND AN APPLICATION ON IMKB DATA In recent years, heuristic portfolio optimization methods applied on the basic model of the Modern Portfolio Theory, have been a subject of various academic studies, which show that it is possible to reach more successful results compared to conventional methods. In this study, the model is applied over BİST (İMKB) data, with one conventional and two heuristic methods. Besides, diversity indices are used while constructing the genetic algorithm method, and by the help of those indices, portfolios were able to be developed, with a high level of diversity and optimality at the same time. At the final stage of the study, portfolios that are produced by the three methods, are compared to each other and to the index prices of the exchange for the next period. It is also shown that, the usage of diversity factor may lead to better output, both for fictive worst case scenarios and for the real world cases. Data are also presented in order to show the performance comparison between the other heuristic method of the study (reactive search optimization) and the conventional method.