Portföye seçilecek varlıklarda makine öğrenmesi kullanımı: BIST katılım 30 endeksi üzerine bir uygulama
Using machine learning in assets to be selected for portfolio: An application on BIST participation 30 index
- Tez No: 868197
- Danışmanlar: PROF. DR. MAHMUT KARĞIN
- Tez Türü: Doktora
- Konular: İşletme, Business Administration
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Manisa Celal Bayar Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: İşletme Ana Bilim Dalı
- Bilim Dalı: Muhasebe Finansman Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Çalışmada, Borsa İstanbul'da işlem gören BIST Katılım 30 Endeksi'nde yer alan şirketlerin pay fiyatlarını, makine öğrenmesi yöntemleri kullanılarak tahmin etme ve elde edilen tahmin verilerine dayalı olarak çeşitli portföy stratejilerinin oluşturulması amaçlanmıştır. Çalışma üç bölümden oluşmaktadır. Birinci bölümde portföy yönetiminin teorik çerçevesine yer verilmiştir. İkinci bölümde, makine öğrenmesi kavramı ve teorik alt yapısına yer verilmiştir. Çalışmanın üçüncü bölümünde araştırma kapsamında gerçekleştirilen analizler ve bulgulara yer verilmiş, elde edilen sonuçlar sonuç ve öneriler bölümünde sunulmuştur. Araştırma kapsamında, makine öğrenmesi yöntemlerinden Lineer Regresyon (LR) ve derin öğrenme yöntemlerinden Geçitli Tekrarlayan Birim (GRU) algoritmaları kullanılarak, elde edilen tahmin sonuçları değerlendirilmiştir. Bulgular, Geçitli Tekrarlayan Birim algoritmasının, Lineer Regresyon yöntemine göre daha az hata ile tahmin değerleri elde ettiğini göstermektedir. Elde edilen tahmin verileri doğrultusunda, Markowitz'in ortalama varyans modeline dayanarak, eşit ağırlıklı ve getiri ağırlıklı olmak üzere iki farklı portföy oluşturulmuş ve bu portföylerin performansları Borsa İstanbul (BIST) Katılım 30 Endeksi ile karşılaştırılmıştır. Çalışma sonucunda, makine öğrenmesi tahminlerine dayalı olarak oluşturulan portföylerin, incelenen dönem özelinde yüksek performansa sahip olduğu sonucuna ulaşılmıştır. Elde edilen sonuçlar, yatırımcıların makine öğrenmesi temelli tahmin modellerini kullanarak, Markowitz modeline dayalı olarak oluşturulan portföyler aracılığıyla etkili bir şekilde, çeşitlendirilmiş ve optimize edilmiş yatırım stratejileri geliştirebileceklerini ortaya koymaktadır.
Özet (Çeviri)
In this study, the aim is to predict the stock prices of companies listed in the BIST Participation 30 Index on the Borsa Istanbul using machine learning methods and to create various portfolio strategies based on the obtained prediction data. The study consists of three parts. The first part provides a theoretical framework for portfolio management. The second part introduces the concept of machine learning and its theoretical background. The third part of the study presents the analyses and findings conducted within the scope of the research and concludes with the results section. In the research, prediction results obtained using machine learning methods, specifically Linear Regression (LR) and Gated Recurrent Unit (GRU) algorithms from deep learning methods, are evaluated. The findings indicate that the Gated Recurrent Unit algorithm obtains prediction values with less error compared to the Linear Regression method. Based on the obtained prediction data, two different portfolios were created, one with equal weights and the other with return-based weights, using Markowitz's mean-variance model, and their performances were compared with the Borsa İstanbul (BIST) Participation 30 Index. The study concludes that portfolios created based on machine learning predictions exhibit high performance during the examined period. The results demonstrate that investors can effectively diversify and optimize their investment strategies by leveraging machine learning-based prediction models and portfolios constructed according to Markowitz model.
Benzer Tezler
- Menkul kıymet yatırımları açısından sermaye piyasası kanununa göre yayınlanan finansal tablo ve raporların yeterliliği
Başlık çevirisi yok
HAMDİ AYDIN
- Belirsizlik ortamında sermaye piyasasına yatırım tercihleri: Markowitz modelinin Türk sermaye piyasasında uygulaması
Başlık çevirisi yok
MUSTAFA ŞEREF TÜZEMEN
- Urla tarihi doku araştırması koruma ve restorasyon önerileri
Başlık çevirisi yok
BİLGE AKYILDIZ
Yüksek Lisans
Türkçe
1988
MimarlıkDokuz Eylül ÜniversitesiRestorasyon Ana Bilim Dalı
DOÇ. DR. RECEP MERİÇ