SavedAdd your journal

Journals / Anadolu Üniversitesi Sosyal Bilimler Dergisi / 2018 / Cilt: 18 - Sayı: 4

Portföy Yönetiminde Bayesci Yaklaşımlar: BIST30 Endeksi Üzerine Bir Uygulama

Ayşegül İşcanoğlu Çekiç
Pages
161–172
Publication Date
2018-12-20
DOI
—
🏛️Bibliographic metadata and full text access for this article are provided via DergiPark.
DergiPark Record ↗
✨

AI Summary & Key Takeaways

AI Insight
⚡ TL;DR(Too Long; Didn't Read)

Genel olarak değerlendirildiğinde, en iyi performans gösteren portföyün Kan ve Zhou’nun önerdiği Bayesci portföy olduğu sonucuna varılmıştır.

📌 3 Key Takeaways

🎯
Objective & Hypothesis:Öz p.p1 {margin: 0.0px 0.0px 0.0px 0.0px; font: 12.0px 'Minion Pro'; min-height: 14.0px} p.p2 {margin: 0.0px 0.0px 0.0px 0.0px; text-align: justify; line-height: 10.1px; font: 10.0px 'Minion Pro'; color: #2d2829} span.s1 {font: 12.0px 'Minion Pro'; color: #000000} Markowitz’in ortalama varyans portföyü matematiğin, finansal uygulamalarda kullanılmasına öncülük etmesi açısından bir dönüm noktası olmuştur.
📊
Key Findings & Data:Aynı zamanda model, hesap kolaylığı sebebiyle 1-dönemlik portföy kararlarının hızlı alınması açısından da önemlidir.
💡
Conclusion & Impact:Genel olarak değerlendirildiğinde, en iyi performans gösteren portföyün Kan ve Zhou’nun önerdiği Bayesci portföy olduğu sonucuna varılmıştır.
🔬Design:Review & Systematic Survey
📍Scope:2007 Verileri
⚙️Variables:Anahtar Kelimeler Ortalama-Varyans Portföyü · Shrinkage Portföy · Bayesci Portföy Yaklaşımı

Özet

Öz p.p1 {margin: 0.0px 0.0px 0.0px 0.0px; font: 12.0px 'Minion Pro'; min-height: 14.0px} p.p2 {margin: 0.0px 0.0px 0.0px 0.0px; text-align: justify; line-height: 10.1px; font: 10.0px 'Minion Pro'; color: #2d2829} span.s1 {font: 12.0px 'Minion Pro'; color: #000000} Markowitz’in ortalama varyans portföyü matematiğin, finansal uygulamalarda kullanılmasına öncülük etmesi açısından bir dönüm noktası olmuştur. Aynı zamanda model, hesap kolaylığı sebebiyle 1-dönemlik portföy kararlarının hızlı alınması açısından da önemlidir. Fakat zaman içinde yapılan çalışmalar, ortalama-varyans portföyünün performansının parametre, tahmin hataları sebebi ile oldukça düşük olduğunu göstermiştir. Bu sebeple literatürde bu sorunun önüne geçebilmek amacıyla birçok yeni teori ve yöntem/ yaklaşım geliştirilmiştir. Bayesci portföy metodu bunlardan bir tanesidir. Bu çalışma, ortalama-varyans modeli üzerine kurulan üç bayesci yaklaşımı: Jorion (1985,1986), Kan ve Zhou (2007), Tu ve Zhou (2011), Markowitz’in ortalama-varyans modeli ile karşılaştırmayı amaçlamaktadır. Ayrıca bir baz model olarak, eşit-ağırlıklı portföy yöntemi de diğer yöntemlerle karşılaştırılmıştır. Bu amaç doğrultusunda, BİST30 endeksinde işlem gören 30 hisse senedine ait 2010-2017 yılları arasındaki günlük getiri serileri kullanılmış ve gerçek getirilerden simülasyon yardımıyla oluşturulan farklı büyüklükteki portföylerin performansları karşılaştırılmaya çalışılmıştır. Genel olarak değerlendirildiğinde, en iyi performans gösteren portföyün Kan ve Zhou’nun önerdiği Bayesci portföy olduğu sonucuna varılmıştır.

🔖

Cite This Article

Çekiç, A. İ. (2018). Portföy Yönetiminde Bayesci Yaklaşımlar: BIST30 Endeksi Üzerine Bir Uygulama. Anadolu Üniversitesi Sosyal Bilimler Dergisi, Cilt: 18 - Sayı: 4, 161–172. https://ajindex.com/articles/9136

📄 Full Text PDF Viewer

📄

PDF görüntüleyici hazırlanıyor...

References (16)

  1. Best, M. J., Grauer, R. R. (1991). On The Sensitivity of Mean-Variance-Efficient Portfolios to Changes in Asset Means: Some Analytical and Computational Results. The Review of Financial Studies 4, 315–342.
  2. Black, F., Litterman, R. (1992). Global Portfolio Opti-mization. Financial Analysts Journal, 48 (5), 28-43.
  3. Briner, B., Connor, G. (2008). How Much Structure Is Best? A Comparison Of Market Model, Factor Mo-del And Unstructured Equity Covariance Matrices. The Journal of Risk 10 (4), 3-30.
  4. Candelon B., Hurlin C., Tokpavi S. (2012). Sampling Error and Double Shrinkage Estimation of Mini-mum Variance Portfolios. Journal of Empirical Fi-nance, 19, 511-527
  5. Chan, L. K. C., Karceski J., Lakonishok J. (1999). On Portfolio Optimization: Forecasting Covariances and Choosing the Risk Model. Review of Financial Studies. 12, 937-974.
  6. Chopra V., Ziemba W.T. (1993). The effect of errors in means, variances, and covariances on optimal portfolio choice. Journal of Portfolio Manage-ment,19, 6–11.
  7. DeMiguel, V., Garlappi, L., Nogales, F. J., Uppal, R. (2009). A Generalized Approach to Portfolio Opti-mization: Improving Performance by Constraining Portfolio Norms. Management Science, 55 (5), 798-812.
  8. DeMiguel, V., Martin-Utrera, A., Nogales, F. (2011). Calibration of Shrinkage Estimators for Portfolio Optimization. Statistics and Econometrics Series, Working Paper 11-15 (10). Universidad Carlos III de Madrid. Disatnik, D., Benninga, S. (2007).
  9. Shrinking The Co-variance Matrix, Journal of Portfolio Management, 33 ( 4), 55–63.
  10. Frost, P. A. ve J. E. Savarino (1986). An Empirical Ba-yes Approach To Efficient Portfolio Selection. The Journal of Financial and Quantitative Analysis, 21 (3), 293–305.
  11. Golosnoy, V., Okhrin, Y. (2007). Multivariate Shrin-kage for Optimal Portfolio Weights. The European Journal of Finance, 13 (5), 441-458.
  12. Golosnoy, V., Okhrin, Y. (2009). Flexible Shrinkage In Portfolio Selection. Journal of Economic Dynamics & Control, 33, 317-328.
  13. Green, R. C., Hollifield B. (1992). When Will Mean-Variance Efficient Portfolios Be Well Diversified?. Journal of Finance, 47, 1785-1809.
  14. Herold U., Maurer R. (2006). Portfolio Choice And Estimation Risk: A Comparison Of Bayesian To Heuristic Approaches. Astin Bullettin, 36, 135–160
  15. Jagannathan, R., Ma T. (2003). Risk Reduction In Lar-ge Portfolios: Why İmposing The Wrong Constra-ints Helps. Journal of Finance, 58, 1651–1683.
  16. Jobson, J. D., Korkie, B. (1980). Estimation For Mar-kowitz Efficient Portfolios. Journal of the Ame