Strategic investment decisions in financial markets: A learning-driven game-theoric framework
Finansal piyasalarda stratejik yatirim kararlari: Öğrenme tabanli oyun teorisi
- Tez No: 1016505
- Danışmanlar: DR. ÖĞR. ÜYESİ YUNUS EROĞLU
- Tez Türü: Yüksek Lisans
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Algoritmik işlemler, Epistemik oyun teorisi, Optimum portföy, Algorithmic tradings, Epistemic game theory, Optimal portfolio
- Yıl: 2026
- Dil: İngilizce
- Üniversite: Gaziantep Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Endüstri Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu tez, portföy dağılımını; Bireysel Emeklilik Sistemi (BES) düzenlemeleri ve kurumsal uygulanabilirlik kısıtları çerçevesinde işleyen, ardışık ve stratejik bir karar sistemi olarak ele almaktadır. Çalışmanın temel sorusu; tüm modellerin ortak veri erişimi, aylık yeniden dengeleme takvimi, disiplinli işlem zamanlaması (gelecek verisi kullanımı olmaksızın) ve maliyet sonrası değerlendirme unsurlarını içeren bütünleşik bir karar protokolü altında değerlendirildiğinde; Yapay Zekâ ve Oyun Teorisi'nin, Klasik Ortalama-Varyans (Markowitz) dağılımına kıyasla uygulanabilir portföy çıktılarını iyileştirip iyileştirmeyeceğidir. Bu bütünleşik tasarım sayesinde; Markowitz, Yapay Zekâ, Oyun Teorisi ve Hibrit (YZ-OT) yaklaşımlar olmak üzere dört model özdeş kısıtlar altında karşılaştırılmış, sonuçlardaki farklılıkların ölçüm yönteminden değil, doğrudan karar mantığından kaynaklandığı ortaya konulmuştur. Analiz, Bireysel Emeklilik Sistemi (BES) fonu kısıtları altında model performansının sadece tahmin doğruluğu veya optimizasyon yetkinliğinin bir fonksiyonu olmadığını, aynı zamanda her bir karar modelinin beklenti ve kısıtları işlem davranışlarına (al/sat/tut kalıpları) dolayısıyla gerçekleşen işlem maliyetlerine nasıl dönüştürdüğünü göstermektedir. Bulgular, performans farklılıklarının ortak kısıtlar altındaki işlem dinamiklerinden kaynaklandığını göstermekte; bu da“akıllı”stratejilerin brüt getiri yerine portföy sirkülasyonu ve işlem maliyetlerinden arındırılmış net performansla değerlendirilmesi zorunluluğunu pekiştirmektedir
Özet (Çeviri)
Thesis frames portfolio allocation as a sequential, strategic decision system operating under institutional feasibility constraints in a regulated BES (individual pension fund) environment. The central question is whether Artificial Intelligence (AI) and Game Theory (GT) can improve implementable portfolio outcomes relative to classical mean–variance (Markowitz) allocation when all models are evaluated under a unified decision protocol—namely, common data access, a fixed monthly rebalancing calendar, disciplined execution timing (no look-ahead), and net-of-cost evaluation. Within this unified design, the four paradigms Markowitz, AI-based, game-theoretic, and hybrid AI–GT are compared under identical operational rules so that differences in outcomes can be attributed to decision logic rather than to evaluation artifacts. The analysis emphasizes that model performance in a regulated pension setting is not solely a function of predictive accuracy or optimization elegance, but also of how each decision rule translates beliefs and constraints into trading behavior (buy/sell/hold patterns) and therefore into realized implementation frictions. Overall, the results support the view that differences across paradigms arise primarily from model-induced trading dynamics under shared constraints, reinforcing the methodological necessity of assessing“intelligent”allocation rules net of turnover and implementation costs, rather than relying on gross performance measures alone.
Benzer Tezler
- ESG performance prediction by machine learning
Makine öğrenmesi kullanılarak ESG puan tahminlemesi
ÇİSEM TURĞAY
- Türkiye enerji piyasasının makine öğrenmesi uygulamasıyla düşük-karbon salımına geçişte ajan temelli modellenmesi
Turkish energy market agent-based modeling for low-carbon transition with machine learning application
BURAK GÖKÇE
Doktora
Türkçe
2026
Enerjiİstanbul Teknik ÜniversitesiEnerji Bilimi ve Teknolojileri Ana Bilim Dalı
PROF. DR. GÜLGÜN KAYAKUTLU
- Hisse senedi fiyat tahmini ve portföy optimizasyonunda yapay zekâya dayalı hibrit bir yaklaşım: Borsa İstanbul'da bir uygulama
A hybrid artificial intelligence - based approach to stock price prediction and portfolio optimization: A case study on Borsa İstanbul
ERHAN KOCA
- Bütünleşik ürün karması planlaması için yeni bir optimizasyon yaklaşımı ve perakende sektöründe uygulaması
A novel optimization approach for integrated product assortment and its application in the retail sector
MUHAMMED CAN KONUR
Doktora
Türkçe
2024
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET BÜLENT DURMUŞOĞLU
