Genetik algoritmalarla portföy optimizasyonu
Portfolio optimization with genetic algorithms
- Tez No: 141109
- Danışmanlar: DOÇ. DR. YALÇIN KARATEPE
- Tez Türü: Yüksek Lisans
- Konular: İşletme, Business Administration
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2004
- Dil: Türkçe
- Üniversite: Ankara Üniversitesi
- Enstitü: Sosyal Bilimler Enstitüsü
- Ana Bilim Dalı: İşletme Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 85
Özet
ÖZET Finansal piyasalarda yatırım kararlan önemli ölçüde belirsizlik içermekte ve yatırımlardan beklenen getiri açısından önemli bir risk söz konusu olmaktadır. Belirsizlik ortamında sürekli dalgalanmakta olan finansal piyasalarda bireysel ve kurumsal yatırımcıların güvencesi çeşitlendirme ile portföy oluşturulmasıdır. Geleneksel portföy yönetiminde her bir menkul kıymet tek tek ele alınmış ve riskin birden fazla menkul kıymete dağıtılması amaçlanmıştır. Modern Portföy Teorisi (MPT) ise yatırım bilimine yeni bir bakış açısı getirerek, menkul kıymetleri tek tek ele almak yerine piyasayı bir bütün olarak ele alan sistematik bir yatırım yaklaşımı ortaya koymuştur. Genetik algoritmalar, insanın karar alma yeteneğinin bilgisayarlar kullanılarak benzetilmesine dayanan bir tür yapay zeka tekniğidir. Genetik algoritmalar zor problemleri, bir başlangıç aday çözüm kümesinin tekrarlanan bir süreç kullanılarak evrimleştirilmesi yoluyla, çözüm uzayındaki daha iyi çözümlere ulaşmaya çalışarak çözmeyi amaçlar. Bu çalışmada genetik algoritmaların kısıtlı portföy optimizasyon problemine uygulanabilirliği incelenmiştir. Bu amaçla, Modern Portföy Teorisi ve Genetik Algoritmaların teorik olarak ele alınmasından sonra, genetik algoritmalar ile İMKB- 30 hisse senetlerinin verileri kullanılarak istenen kısıtları sağlayan optimal portföylerin bulunduğu bir Örnek çalışma anlatılmıştır. 74
Özet (Çeviri)
ABSTRACT Due to the inherent uncertainty of the investment decisions in financial markets, there is considerable risk regarding the expected returns. In such volatile, ever changing financial markets the assurance for individual and institutional investors is diversification and portfolio construction. Traditional portfolio management was focused on analyzing and selecting individual assets wtih the aim of distributing risk among a number of assets. Modern portfolio theory brought a new systematic approach to investment with a focus on the whole market rather that the individual assets. Genetic algorithms is an artificial intelligence technique based on the simulation of human decision process by using computers. Genetic algorithms are used to solve hard problems by evolving an initial population through a repeated process with the aim of reaching better solutions in the solution space. In this thesis, we investigate the applicability of genetic algortihms to the problem of constrained portfolio optimization. After a theoretical overview of Modern Portfolio Theory and Genetic Algorithms, a case study of finding optimal portfolios with satisfying the requested constaints using the İMKB-30 stocks daily return data is presented. 75
Benzer Tezler
- Portföy seçiminde algoritmik yaklaşım: Portföyde uluslararası çeşitlendirmeye yönelik bir çalışma
Algoritmic approach in portfolio selection: A study towards international diversification in portfolio
MAHAMMAD CHARKASOV
- Portföy optimizasyon yöntemlerinin performanslarının karşılaştırılması
Comparison of performance of portfolio optimization methods
MEHMET ALİ KAYA
Yüksek Lisans
Türkçe
2023
EkonometriNecmettin Erbakan Üniversitesiİstatistik Ana Bilim Dalı
PROF. DR. MURAT ERİŞOĞLU
- Genetik algoritma kullanarak hisse senedi portföy optimizasyonu: BİST - 30'da bir uygulama
Portfolio optimzation using genetic algorithm: An application in BIST - 30
AHMET ÇANKAL
Yüksek Lisans
Türkçe
2015
EkonomiOsmaniye Korkut Ata ÜniversitesiYönetim Bilişim Sistemleri Ana Bilim Dalı
YRD. DOÇ. DR. EMRE YAKUT
- Alt kısmi moment ve yarı-varyans risk modelleri kullanarak genetik algoritma yardımıyla portföy optimizasyonu: İMKB uygulaması
Portfolio optimisation with lower partial moment and semivariance risk models using genetic algorithms: An application on ISE
ARMA DEĞER MUT