Genetik algoritma ile portföy optimizasyonu: BİST 100'de bir uygulama
Portfolio optimization with genetic algorithm: An application on BIST 100
- Tez No: 963248
- Danışmanlar: PROF. DR. ERKAN POYRAZ
- Tez Türü: Doktora
- Konular: Endüstri ve Endüstri Mühendisliği, İşletme, Industrial and Industrial Engineering, Business Administration
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Muğla Sıtkı Koçman Üniversitesi
- Enstitü: Sosyal Bilimler Enstitüsü
- Ana Bilim Dalı: İşletme Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 107
Özet
Yapay zekâ finans ve bankacılık sektöründe oldukça geniş bir kullanım alanına sahip olup, yatırım stratejilerinden risk analizine, dolandırıcılık tespitinden müşteri hizmetlerine kadar birçok süreçte etkin rol oynayarak hizmet kalitesini artırmakta ve işlemleri kolaylaştırmaktadır. Yapay zekâ teknikleri finans alanındaki akademik araştırmalarda da giderek yaygınlaşmakta olup bu alandaki analiz ve karar alma süreçlerine önemli katkılar sunmaktadır. Bu alandaki en etkin örneklerden biri de portföy optimizasyonudur. Portföy optimizasyonunun temel amacı, riski minimize ederken getiriyi maksimize edecek şekilde en uygun finansal varlık dağılımını sağlamaktır. Bu çalışmada, BIST100 endeksinde işlem gören 100 hisse senedi için portföy optimizasyonu uygulanarak risk-getiri dengesini esas alan optimal portföylerin oluşturulması amaçlanmıştır. Bu amaçla yapay zekâ tekniklerinden biri olan NSGA-II tabanlı genetik algoritma tekniği kullanılmıştır. Markowitz Ortalama-Varyans Modeli temel alınarak oluşturulan çok amaçlı optimizasyon problemi Python programlama dili ile kodlanarak çözülmüştür. Geliştirilen modelde, 2023-2025 yılları arasında yer alan veri seti, eğitim ve test dönemi olarak ikiye ayrılmış, algoritma tarafından oluşturulan hisse senedi ağırlıkları test dönemindeki fiyatlarla değerlendirilmiştir. Grid arama yöntemiyle yapılan parametre analizi sayesinde popülasyon büyüklüğü, çaprazlama ve mutasyon olasılıkları test edilerek en uygun kombinasyonlar belirlenmiştir. Çalışmada, yatırımcıların homojen olmadığı dikkate alınmış ve yalnızca tek bir rasyonel yatırımcı profili yerine farklı risk tercihleri ve portföy büyüklükleri göz önünde bulundurulmuştur. Sonuçlar, genetik algoritmanın optimal portföy seçiminde etkili bir araç olarak kullanılabileceğini ve risk-getiri dengesi açısından başarılı sonuçlar sunabileceğini göstermektedir.
Özet (Çeviri)
In recent years, artificial intelligence techniques have gained extensive application in the finance and banking sectors, playing a crucial role in various processes ranging from investment strategies to risk analysis, fraud detection, and customer services, thereby enhancing service quality and facilitating transactions. Artificial intelligence technics have also become increasingly prevalent in academic research within the field of finance, contributing significantly to analytical decision-making processes. One of the most effective examples in this domain is portfolio optimization. The objective of portfolio optimization is to determine the most suitable allocation of financial assets to maximize returns while minimizing risk. In this study, portfolio optimization was applied to 100 stocks listed on the BIST100 index, aiming to construct optimal portfolios based on the risk-return balance. To achieve this, the NSGA-II-based genetic algorithm technique, one of the artificial intelligence methods, was employed. A multi-objective optimization problem was formulated based on the Markowitz Mean-Variance Model and solved using Python programming. In the developed model, the dataset covering the years 2023–2025 was divided into two periods as training and testing, and the stock weights generated by the algorithm were evaluated using prices from the test period. Through parameter analysis conducted via the grid search method, population size, crossover, and mutation probabilities were tested to determine the most suitable combinations. The study acknowledges that investors are not homogeneous and, instead of considering only a single rational investor profile, incorporates various risk and portfolio scale preferences. The results demonstrate that the genetic algorithm is an effective tool for optimal portfolio selection and provides successful outcomes in terms of risk-return balance.
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
- 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
- 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
- Yapay zeka yöntemleri ile karşılaştırmalı portföy optimizasyonu ve İMKB üzerine bir uygulama
Comparative portfolio optimization with artificial intelligence methods and an application with İMBK
YİĞİT DEMİRELLİ
- Forecastıng bıst renewable energy stocks wıth deep learnıng models and portfolıo optımızatıon
Bıst yenilenebilir enerji hisselerinin derin ögrenme modelleriyle tahmini ve portföy optimizasyonu
OZAN ALP
Yüksek Lisans
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik Üniversitesiİstatistik Ana Bilim Dalı
DOÇ. DR. GÜLDER KEMALBAY