Makine öğrenmesi ile portföy optimizasyonu: FTSE, DAX ve BIST uygulamaları

Abstract

Portföy optimizasyonu yarım yüzyılı aşkın süredir birçok araştırmacının ve yatırımcının test ettiği ve kullandığı bir teoridir. Ancak konu üzerine yapılan bazı çalışmalarda teoriye bir takım eleştiriler de getirilmektedir. Bu eleştirilerden bir tanesi de konsantrasyon problemidir. Temelinde çeşitlendirme olan bir teori ile elde edilen optimum portföylerin yatırım olanakları kümesindeki az sayıda varlığa yatırım yapılmasını önermesi önemli bir eleştiri noktasını oluşturmaktadır. Bu problemin çözümü üzerinde çalışan araştırmacılardan birisi olan Prado (2016; 2018), geliştirdiği Hiyerarşik Risk Paritesi (HRP) metodu ile makine öğrenmesi kullanılarak portföy optimizasyonu yapılabileceğini ifade etmektedir. Bu çalışmanın amacı HRP metodu kullanılarak BIST, FTSE ve DAX piyasalarında Temmuz 2005 - Haziran 2017 aralığında makine öğrenmesi algoritmalarının portföy performanslarını incelemektir. Analizler sonucunda, HRP metodunun BIST, FTSE piyasalarında başarılı olmamasına rağmen DAX piyasalarında başarılı performans sergilediğine ulaşılmıştır.