Performance comparison of artificial intelligence-supported active portfolio management and passive investment strategy on BIST 30
Yapay zekâ destekli aktif portföy yönetimi ile pasif yatırımstratejisinin BIST 30 üzerinde performans karşılaştırması
- Tez No: 1021468
- Danışmanlar: PROF. DR. BERNA AYDOĞAN
- Tez Türü: Yüksek Lisans
- Konular: Ekonomi, Economics
- Anahtar Kelimeler: Yapay zeka eğitimi, Yatırım kararları, Yatırım kuramları, Yatırım modelleri, Yatırım profili, Artificial intelligence training, Investment decisions, Investment theories, Investments models, Investments profile
- Yıl: 2026
- Dil: İngilizce
- Üniversite: İzmir Ekonomi Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Finans Ana Bilim Dalı
- Bilim Dalı: Finansal Ekonomi Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu çalışmanın amacı, BIST 30 endeksinin performansına dayalı olarak yapay zeka destekli aktif portföy yönetim stratejisini pasif yatırım yaklaşımlarıyla karşılaştırmaktır. Bu temel karşılaştırmanın ötesinde, BIST 100 endeksi, USD/TRY ve EUR/TRY döviz çiftleri, altın (XAU/TRY), Brent petrolü, 5 yıllık Türk devlet tahvilleri, Al-Tut portföyü ve kural tabanlı momentum stratejileri dahil olmak üzere geniş bir kıyaslama seti kullanılmıştır. Aktif strateji, kısa vadeli piyasa trendlerini tespit etmek ve dinamik olarak yeniden dengelenen portföyleri yönetmek için makine öğrenmesi tekniklerine dayanmaktadır. Piyasa yapısının evrimini ve yatırımcı davranışındaki değişimleri yakalamak için, çalışma iki alt dönemi ele almaktadır: COVID-19 öncesi dönem (02.01.2015 – 28.02.2020) ve COVID-19 sonrası dönem (01.03.2020 – 31.12.2024). Makine öğrenmesi modelleri için girdi özellikleri arasında Hareketli Ortalama Yakınsama Sapması, Göreceli Güç Endeksi, Stokastik Osilatör, Üstel Hareketli Ortalamalar, Bollinger Bantları ve Ortalama Gerçek Aralık gibi teknik göstergeler yer almaktadır. Portföyler haftalık olarak oluşturulmakta ve yeniden dengelenmekte, model yeniden eğitimi ise aylık olarak gerçekleştirilmektedir. Performans, getiri, oynaklık, Sharpe oranı ve maksimum düşüş gibi bilinen finansal ölçütler kullanılarak değerlendirilmektedir. Bu çalışma, gelişmekte olan piyasalarda yapay zekâ destekli aktif portföy stratejilerinin etkinliğini sistematik bir çerçevede ele almakta ve veri odaklı yatırım yaklaşımlarına ilişkin gelecekteki araştırmalar için metodolojik bir kaynak sunmaktadır.
Özet (Çeviri)
The objective of this study is to compare an AI-powered active portfolio management strategy with passive investment approaches based on the performance of the BIST 30 index. Beyond this primary comparison, a broad benchmark set is employed including the BIST 100 index, USD/TRY and EUR/TRY currency pairs, gold (XAU/TRY), Brent crude oil and 5-year Turkish T-bond, a Buy-and-Hold portfolio, and rule-based momentum strategies. The active strategy is built on machine learning techniques, to detect short-term market trends and manage dynamically rebalanced portfolios. To capture the evolution of market structure and shifts in investor behavior, this study considers two sub-periods: the pre-COVID-19 period (02.01.2015 – 28.02.2020) and the post-COVID-19 period (01.03.2020 – 31.12.2024). Input features for the machine learning models include technical indicators such as Moving Average Convergence Divergence, Relative Strength Index, Stochastic Oscillator, Exponential Moving Averages, Bollinger Bands, and Average True Range. Portfolios are constructed and rebalanced weekly, and model retraining is performed monthly. Performance is assessed using well-known financial metrics including return, volatility, Sharpe ratio, and maximum drawdown. The study proposes a systematic framework for evaluating AI-driven active portfolio strategies in an emerging market context and serves as a methodological reference for future research on data-driven investment strategies
Benzer Tezler
- Afet yönetimi odaklı hücresel ağ kapsama performansı için mekansal yapay zeka tabanlı model önerisi
Geospatial artificial intelligence (GeoAI) based model proposal for cellular network coverage performance with a focus on disaster management
GÜZİDE MİRAY PERİHANOĞLU
Doktora
Türkçe
2025
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. HİMMET KARAMAN
- Uçak bakım periyotları ve arıza sayılarının yapay zeka teknikleri kullanılarak tahmini
Predicting aircraft maintenance periods and failure counts through artificial intelligence techniques
KADİR ÇELİKMIH
Doktora
Türkçe
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKonya Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. HARUN UĞUZ
- Uzman sisten ve otomotiv sektöründeki bir uygulama
Expert system and an application in the automotive sector
HÜSEYİN BURGUT
Yüksek Lisans
Türkçe
1999
Makine Mühendisliğiİstanbul Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. SERDAR TÜMKOR
- Bina tipi taşıyıcı sistemlerde bir yapı sağlığı izleme yöntemi önerisi: Basitleştirilmiş sayısal model ve hasar tespit algoritması
A structural health monitoring method proposal for building-type structural systems: Simplified numerical model and damage detection algorithm
EMRE GÖNÜLCÜ
Doktora
Türkçe
2026
İnşaat Mühendisliğiİstanbul Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. ENGİN ORAKDÖĞEN
DR. ÖĞR. ÜYESİ AHMET ANIL DİNDAR
- Gömülü sistemlerde sesli komut tanıma
Voice command recognation in embedded systems
CAN ÇETİN
Yüksek Lisans
Türkçe
2020
Mekatronik Mühendisliğiİstanbul Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
PROF. DR. MUSTAFA DOĞAN