Parçacık sürü optimizasyonuna dayalı portföy optimizasyonu
Portfolio optimization based on particle swarm optimization
- Tez No: 341469
- Danışmanlar: DOÇ. DR. EROL EĞRİOĞLU
- Tez Türü: Yüksek Lisans
- Konular: İstatistik, Statistics
- Anahtar Kelimeler: Portföy Optimizasyonu, Parçacık Sürü Optimizasyonu, Garanti Yakınsamalı Parçacık Sürü Optimizasyonu, Ortalama Varyans Modeli, Portfolio Optimization, Particle Swarm Optimization, Guaranteed Convergence Particle Swarm Optimization, Mean Variance Model
- Yıl: 2013
- Dil: Türkçe
- Üniversite: Ondokuz Mayıs Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İstatistik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 91
Özet
Portföy optimizasyonu günümüzde çok önemlidir. Birikimini veya tasarrufunu değerlendirerek kâr sağlamak isteyen yatırımcılar için en uygun portföyü oluşturmak zor bir iştir. Kâr sağlamak isteyen her yatırımcı yatırım yapar. Yatırım yapılabilecek birçok riskli ve risksiz yatırım araçları mevcuttur. Bu yatırım araçlarının hangisinin seçilmesi gerektiğine yatırımcı karar verir. Yatırımcı yatırım yaparken belirli bir riski göz önünde bulundurmalıdır. Beklediği kâr oranına göre risk oranı değişiklik göstermektedir ve beklenen getirinin yükselmesi ile yatırımcının risk oranı da yükselmektedir. Bu getiri risk oranının, en uygun portföyde elde edilebilmesi için literatürde çeşitli matematiksel programlama modelleri mevcuttur. Son yıllarda yapay zeka yöntemleri portföy optimizasyonunda kullanılmaya başlamıştır. Bu tez çalışmasında garanti yakınsamalı parçacık sürü optimizasyonu (GYPSO) ile portföy optimizasyonu uygulaması yapılmıştır. GYPSO?dan elde edilen portföyü karşılaştırmak için; Markowitz ortalama varyans modeli ve değiştirilmiş parçacık sürü optimizasyonu ile elde edilen portföyler kullanılmıştır. Uygulamada BIST 30 (İMKB 30) endeksine ait 30 adet hisse senedinin 400 günlük gün sonu kapanış fiyatları kullanılmıştır. Farklı yöntemlerden elde edilen portföylerden en iyi performans ölçüsünü veren portföy en uygun portföy olarak belirlenmiştir. GYPSO uygulamasından elde edilen portföy en yüksek Sharpe oranına sahip portföy olmuştur. Uygulanan yöntem ve elde edilen sonuçlara dayanarak oluşturulan portföylerin, gerçekleşen değerlerden yapılan hesaplamalar ile yatırımcıya kâr sağladığı kanıtlanmıştır.
Özet (Çeviri)
Portfolio optimization has become very important in recent years. It is very difficult to form the most appropriate portfolio for financiers who want to turn their savings into profit. Every financier who wants to get profit invests through many risky or risk free investment instruments. It is the financiers that decide which investment instrument should be chosen and they should always consider a certain degree of risk while investing. The risk rate changes according to the expected profit rate, which means the higher the profit rate is, the higher the risk rate becomes. There are many mathematical programming methods for portfolio optimization in literature to obtain the risk rate in the most appropriate portfolio. In recent years, artifical intelligence methods has started to use within portfolio optimisation. In this thesis, portfolio optimization is carried out by using guaranteed convergence particle swarm optimization (GCPSO). The optimal portfolios which are obtained from mathematical programming and modified particle swarm optimization method are used to evaluate the performance of GCPSO. In the application, 400 days of observations of Istanbul stock exchange data (BIST 30) close price are used. The best portfolio is selected according to Sharpe performance criteria. The best portfolio is obtained from GCPSO in the application. As a result of the application, it has been proved that the applied methods and calculations are profitable for financiers.
Benzer Tezler
- Yapay arı kolonisi algoritması ile sharpe performans oranına dayalı portföy optimizasyonu: BIST 30 uygulaması
Potfolio optimization based on sharpe performance ratiowith artificial bee colony algorithm: BIST 30 application
AZİZE ZEHRA ÇELENLİ BAŞARAN
Doktora
Türkçe
2018
EkonomiOndokuz Mayıs Üniversitesiİstatistik Ana Bilim Dalı
PROF. DR. VEDİDE REZAN USLU
- Hisse senetleri yatırım kararlarında yapay zekâ uygulaması: Modern bir derin öğrenme algoritması önermesi
Implementation of AI in share investment decisions: Proposition of a modern deep learning algorithm
GÜLCAN ALİPOUR SARVARİ
- Perakende sektöründe dinamik fiyatlandırma ile gelir optimizasyonu
Revenue optimization application with dynamic pricing in retail industry
SİNEM BATMACA
Yüksek Lisans
Türkçe
2021
Endüstri ve Endüstri Mühendisliğiİstanbul Üniversitesi-CerrahpaşaEndüstri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SİNEM BÜYÜKSAATÇI KİRİŞ
- Parçacık sürü optimizasyonuna dayalı yeni bir aritmi sınıflama yöntemi
A new arrhythmia classification method based on particle swarm optimization
BERAT DOĞAN
Yüksek Lisans
Türkçe
2009
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DOÇ. DR. MEHMET KORÜREK
DOÇ. DR. MUSTAFA YILDIZ
- Parçacık sürü optimizasyonuna dayalı en küçük budanmış kareler yöntemi ile çarpımsal nöron model için dayanıklı öğrenme algoritması
Robust learning algori̇thm for multiplicative neuron model artificial neural networks wi̇th least tri̇mmed squares based on particle swarm optimization
ÖZGE GÜNDOĞDU
Doktora
Türkçe
2016
İstatistikOndokuz Mayıs Üniversitesiİstatistik Ana Bilim Dalı
PROF. DR. EROL EĞRİOĞLU