Geri Dön

Veri madenciliğine dayalı akıllı fon portföy optimizasyon sistemi

Data mining based smart fund portfolio optimization system

PDF İndir

  1. Tez No: 446914
  2. Yazar: GÖRKEM SARIKAYA
  3. Danışmanlar: PROF. DR. NERMİN ÖZGÜLBAŞ, DOÇ. DR. ALİ SERHAN KOYUNCUGİL
  4. Tez Türü: Doktora
  5. Konular: İşletme, Business Administration
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2016
  8. Dil: Türkçe
  9. Üniversite: Başkent Üniversitesi
  10. Enstitü: Sosyal Bilimler Enstitüsü
  11. Ana Bilim Dalı: İşletme Ana Bilim Dalı
  12. Bilim Dalı: Muhasebe Finansman Bilim Dalı
  13. Sayfa Sayısı: 136

Özet

Portföy optimizasyonu kavramı günümüzde oldukça yaygın bir şekilde kullanılmaktadır. Minimum risk, maksimum getiri mantığı ile optimal portföyler farklı modeller ile oluşturulmaktadır. Ancak gelişen teknoloji ve hızlı ilerleyen bilim çağında klasik optimizasyon modelleri geride kalmaya başlamışlardır. Çok fazla veri yükü ile uğraşan ve bu yüzden oldukça vakit kaybeden finansal analizciler, veri madenciliği yöntemleri ile optimizasyonları daha hızlı ve güvenilir bir şekilde yapmaya başlamışlardır. Bu sayede finansal analizciler ihtiyaçları olmayan veriler ile çalışmak yerine, sadece optimazyon için gerekli verilerle, daha kısa bir sürede analizlerini gerçekleştirebilmektedirler. Bu tezde kullanılan yatırım fon portföy günlük getiri değerleri, veri madenciliği tekniklerinden kümeleme analizi ve yapay sinir ağları modeli ile tahmin edilmiş, oluşturulan modelin getiri ve riski test edilmiştir. Amaç; tasarlanan modelin, mevut fon portföy sepetinden daha yüksek getirili ve daha düşük riskli portföyler oluşturmaktır. Modelin testi sonucunda oluşturulan fon portföylerinin başarılı olduğu, yani fon portföy getirisinin daha yüksek, riskinin ise daha düşük olduğu sonucuna varılmıştır. Bu çalışmada sadece bu dönem için bir model değil gelecekteki veriler ile de akıllı bir model oluşturmak amaçlandığı için ve gelecekteki verilerin durumu bilinmediği için yapay sinir ağları modeli tercih edilmiştir. Yapay sinir ağları ile oluşturulan portföylerin getirilerinin daha yüksek, risklerinin ise daha düşük olduğu saptanmıştır. Tezin son kısmında oluşturulan modelin akış şeması çizilerek, model akıllı bir sistem haline getirilmiştir. Bu sayede güncel veriler ve teknikler ile sistem kendi kendini güncelleyebilecektir. Sistem ve akış şeması, modelin farklı veriler ile otomasyona dayalı olarak çalışmasına da izin vermektedir. Oluşturulan optimal modelin, hem literatüre hem de uygulamacılara önemli ölçüde katkısı olması beklenmektedir.

Özet (Çeviri)

Portfolio optimization concept is very popular in daily use. With minimum risk-maximum return approach, optimal portfolios were established different models. However, in advancing techonolgy and fast developing scientific age basic optimization models are outdated. Financial analysist's, whom are wasting quite time because of dealing with very large data sets, with the help of data mining concept started to complete optimizations faster and in safer way. By this means financial analysists instead of wasting time with worthless data sets, they can complete their analysis in a very short period. In these thesis, mutual funds portfolio data sets are optimized and tested with clustering method one of the data mining techniques and artificial neural network analysis. The aim of this thesis; the designed model is to create portfolios with higher return and lower risk than the existing portfolio of funds. As a result of the model test, it was concluded that the fund portfolios generated were successful, that is, the fund portfolio yield was higher and the risk was lower. The artificial neural network model was chosen for this study because not only the state of future data is unknown but also it was intended a smart model for future period with future data. It has been determined that the returns of the portfolios created with artificial neural networks are higher and their risks are lower. In the final part of the thesis the model is turned into smart system with drawing models workflow chart. With up-to-date dates and models, it can update itself. The system and flow chart are also allow for the operation to be based on automation with different datas. This optimal model which is created in this thesis will have importance for users (financial analysists, individual investers, institutional investors) and literature.

Benzer Tezler

  1. Tez No

    394516

    Akıllı ulaşım için veri madenciliğine dayalı tahmin sistemi

    Data mining based estimation system for intelligent transportation

    MUSTAFA METİN TİRYAKİ

    Yüksek Lisans

    Türkçe

    Türkçe

    2015

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. AHMET SERTBAŞ

    YRD. DOÇ. DR. TOLGA ENSARİ

  2. Tez No

    497861

    Estimation of heart disease based on data mining using patients health database

    Hasta sağlığı veri tabanı kullanarak veri madenciliğine dayalı kalp hastalığı tahmini

    AZHAR HATEM JEBUR AL BAIDHANI

    Yüksek Lisans

    İngilizce

    İngilizce

    2017

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş Üniversitesi

    Elektrik ve Bilgisayar Ana Bilim Dalı

    Assist. Prof. YASA EKŞİOĞLU ÖZOK

  3. Tez No

    776743

    Toplu taşıma araçlarının duraklara varış sürelerinin tahminindeki sapmaları iyileştirmeye yönelik bir veri madenciliği uygulaması(İETT örneği)

    A data mining application for improving the deviations in the estimation of time of arrival of public transport vehicles (IETT example)

    KADİR KUŞTUL

    Doktora

    Türkçe

    Türkçe

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMaltepe Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. EMİN MURAT ESİN

  4. Tez No

    410528

    Usage of fuzzy logic based data mining methods in analysis of public transportation data

    Toplu ulaşım verilerinin analizinde bulanık mantığa dayalı veri madenciliği yöntemlerinin kullanımı

    AHMET CAN DİKER

    Doktora

    İngilizce

    İngilizce

    2015

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolDokuz Eylül Üniversitesi

    İstatistik Ana Bilim Dalı

    PROF. DR. EFENDİ NASİBOĞLU

  5. Tez No

    663005

    Nümerik verilerde otomatik kural madenciliği için çok amaçlı melez akıllı optimizasyon tabanlı model geliştirme

    Multi-objective hybrid intelligent optimization based model development for automatic rule mining in numerical data

    ELİF VAROL ALTAY

    Doktora

    Türkçe

    Türkçe

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat Üniversitesi

    Yazılım Mühendisliği Ana Bilim Dalı

    PROF. DR. BİLAL ALATAŞ

Geri Dön