Optimal portföy yönetiminde sezgisel yaklaşımlar

Abstract

Günümüzde ticaretin küreselleşmesi ile birlikte dünyada finans piyasaları da hızla gelişmiştir. Bu ilerlemelerin sonucunda finans alanının bir alt dalı olan portföy yönetimi de oldukça önem kazanmıştır. Geçmişte, yatırımcılar portföylerini geleneksel portföy teorisi yaklaşımına göre oluşturmaktadırlar. İkinci yöntem ise, modern portföy teorisi yaklaşımına göre portföy oluşturmaktır. Modern portföy teorisi yaklaşımında kullanılan temel model H. Markowitz’in geliştirdiği ortalama varyans modelidir. Küreselleşme ile birlikte dünyada yatırım olanakları genişlemiş ve portföye dahil edilebilecek menkul kıymet sayısı artmıştır. Yatırımcı açısından fazla sayıda menkul kıymetten oluşan bir portföyün işlem maliyeti artacak ve kontrolü zorlaşacaktır. Bu durumda, yatırımcı aynı risk ve getiri düzeyinde sınırlı sayıda menkul kıymete yatırım yapmak istemektedir. Bu kısıtın eklenmesi sonucunda portföy optimizasyonu problemi literatürde yer alan NP-Zor sınıfında bir probleme dönüşmüştür. Bu tür problemlerin, belirli bir zaman diliminde çözümü zor olduğundan sezgisel yöntemler geliştirilmiştir. Tezde, portföy optimizasyonu problemi çözümü için genetik algoritma, parçacık sürü optimizasyonu ve yapay arı kolonisi algoritmaları geliştirilmiştir. Geliştirilen sezgisel metotlar önde gelen dünya borsa endekslerine ve Borsa İstanbul endeksine uygulanmıştır. Önerilen algoritmalar ile bulunan sonuçlar etkin sınıra yakınsamaktadır ve yatırımcıya portföy oluşturma sürecinde yardımcı olacaktır.

Today, financial markets have rapidly developed with the globalization of trade. As a result of this progress, portfolio management as a sub-branch of finance has also significantly gained importance. In the past, investors used to decide their portfolio according to the traditional portfolio theory. Today on the other hand, portfolio is created according to the modern portfolio theory proposed by H. Markowitz due to the increase in the number of assets to be held in a portfolio. It is desired to invest in a limited number of assets with the same level of risk and return. Therefore, the portfolio optimization problem with cardinality constraints turns out to be in NP-hard class of problems. Metaheuristic approaches are usually applied to solve this problem since it is often not possible to reach optimal solutions within acceptable time. In this thesis, a genetic algorithm, a particle swarm optimization algorithm and an artificial bee colony algorithm are developed to solve this problem studied. These proposed solution approaches are applied to primary world market data sets and Istanbul market data sets. Computational results confirm that proposed solution approaches are useful tools to converge an efficient frontier that may help the investors to select portfolio.