KaydedilenlerDerginizi ekleyin

Dergiler / Pamukkale Üniversitesi Mühendislik Bilimleri Dergisi / 2026 / Cilt: 24 Sayı: 1

Ortalama-Varyans portföy optimizasyonu için parçacık sürü optimizasyonu algoritması: Bir Borsa İstanbul uygulaması

Particle swarm optimization algorithm for mean-variance portfolio optimization: A case study of Istanbul Stock Exchange

Hasan Akyer0000-0002-4758-1530
Can Berk Kalaycı0000-0003-2355-7015
Hakan Aygören0000-0001-5502-4040
Sayfa
124–129
Yayın Tarihi
2018-02-27
DOI
—
🏛️Bu makalenin bibliyografik verileri ve tam metin bağlantısı DergiPark üzerinden sağlanmıştır.
DergiPark Kaydı ↗
✨

Yapay Zeka Hızlı Bakış & Çıkarımlar

AI Insight
⚡ TL;DR(1 Cümlede Hızlı Çıkarım)

Elde edilen deneysel bulgular göstermektedir ki, kısıtsız etkin sınıra yaklaşabilmek için düşük risk seviyelerinde daha fazla hisseye yatırım yapılması gerekirken, risk seviyesi arttıkça elde tutulması gereken hisse senedi sayısı azalmaktadır.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Normal 0 false false false TR X-NONE X-NONE /* Style Definitions */ table.MsoNormalTable {mso-style-name:"Normal Tablo"; mso-tstyle-rowband-size:0; mso-tstyle-colband-size:0; mso-style-noshow:yes; mso-style-priority:99; mso-style-parent:""; mso-padding-alt:0cm 5.4pt 0cm 5.4pt; mso-para-margin-top:0cm; mso-para-margin-right:0cm; mso-para-margin-bottom:10.0pt; mso-para-margin-left:0cm; line-height:115%; mso-pagination:widow-orphan; font-size:11.0pt; font-family:"Calibri",sans-serif; mso-ascii-font-family:Calibri; mso-ascii-theme-font:minor-latin; mso-hansi-font-family:Calibri; mso-hansi-theme-font:minor-latin; mso-bidi-font-family:"Times New Roman"; mso-bidi-theme-font:minor-bidi; mso-ansi-language:TR;} Geçmişte, yatırımcılar portföylerini geleneksel portföy teorisi yaklaşımına göre oluştururken, günümüzde, modern portföy teorisi yaklaşımı daha yaygın tercih edilmektedir.
📊
Temel Bulgular & Veri:Modern portföy teorisinin temelleri, Harry Markowitz tarafından geliştirilen ortalama varyans modeli ile atılmıştır.
💡
Sonuç & Katkı:Elde edilen deneysel bulgular göstermektedir ki, kısıtsız etkin sınıra yaklaşabilmek için düşük risk seviyelerinde daha fazla hisseye yatırım yapılması gerekirken, risk seviyesi arttıkça elde tutulması gereken hisse senedi sayısı azalmaktadır.
🔬Tür:Modelleme & Sayısal Simülasyon
📍Kapsam:Genişletilmiş Akademik Örneklem
⚙️Değişkenler:Portföy optimizasyonu · Ortalama-varyans modeli · Sezgisel metotlar

Özet

Normal 0 false false false TR X-NONE X-NONE /* Style Definitions */ table.MsoNormalTable {mso-style-name:"Normal Tablo"; mso-tstyle-rowband-size:0; mso-tstyle-colband-size:0; mso-style-noshow:yes; mso-style-priority:99; mso-style-parent:""; mso-padding-alt:0cm 5.4pt 0cm 5.4pt; mso-para-margin-top:0cm; mso-para-margin-right:0cm; mso-para-margin-bottom:10.0pt; mso-para-margin-left:0cm; line-height:115%; mso-pagination:widow-orphan; font-size:11.0pt; font-family:"Calibri",sans-serif; mso-ascii-font-family:Calibri; mso-ascii-theme-font:minor-latin; mso-hansi-font-family:Calibri; mso-hansi-theme-font:minor-latin; mso-bidi-font-family:"Times New Roman"; mso-bidi-theme-font:minor-bidi; mso-ansi-language:TR;} Geçmişte, yatırımcılar portföylerini geleneksel portföy teorisi yaklaşımına göre oluştururken, günümüzde, modern portföy teorisi yaklaşımı daha yaygın tercih edilmektedir. Modern portföy teorisinin temelleri, Harry Markowitz tarafından geliştirilen ortalama varyans modeli ile atılmıştır. Fazla sayıda menkul kıymetten oluşan bir portföyün işlem maliyeti artacak ve kontrolü zorlaşacaktır. Bu nedenle, ortalama-varyans modeline portföydeki menkul kıymet sayısı kısıtı eklenmelidir. Eleman sayısı kısıtlı portföy optimizasyonu problemi NP-Zor sınıfındadır. Bu sınıftaki problemlerin, kesin çözüm üreten algoritmalar ile kabul edilebilir zaman diliminde çözümü zor olduğundan sezgisel yöntemlere genellikle başvurulmaktadır. Bu çalışmada, portföy optimizasyonu problemi çözümü için bir parçacık sürü optimizasyonu algoritması uyarlanarak ve Borsa İstanbul endeksine uygulanmıştır. Elde edilen deneysel bulgular göstermektedir ki, kısıtsız etkin sınıra yaklaşabilmek için düşük risk seviyelerinde daha fazla hisseye yatırım yapılması gerekirken, risk seviyesi arttıkça elde tutulması gereken hisse senedi sayısı azalmaktadır.

🔖

Bu Makaleye Atıf Yap

Akyer, H., Kalaycı, C. B., Aygören, H. (2018). Ortalama-Varyans portföy optimizasyonu için parçacık sürü optimizasyonu algoritması: Bir Borsa İstanbul uygulaması. Pamukkale Üniversitesi Mühendislik Bilimleri Dergisi, Cilt: 24 Sayı: 1, 124–129. https://ajindex.com/articles/1058826

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (22)

  1. Bayar F. “Küreselleşme kavramı ve küreselleşme sürecinde Türkiye”. Uluslararası Ekonomik Sorunlar Dergisi, 32, 25-34, 2008.
  2. TCMB. Kaplan C. “Finansal Yenilikler ve Piyasalar Üzerine Etkileri: Türkiye Örneği”. TCMB Türkiye Cumhuriyet Merkez Bankası Araştırma Genel Müdürlüğü, Ankara, Türkiye, 9910, 1999.
  3. Ercan MK, Ban, Ü. Değere Dayalı İşletme Finansı: Finansal Yönetim. Ankara, Türkiye, Gazi Kitabevi, 2010.
  4. Markowitz HM. “Portfolio selection”. The Journal of Finance, 7(1), 77-91, 1952.
  5. Kalayci CB, Ertenlice, O, Akyer, H, Aygoren, H. “A review on the current applications of genetic algorithms in mean-variance portfolio optimization”. Pamukkale University Journel of Engineering Science, 23(4), 470-476, 2017.
  6. Cura T. “Particle swarm optimization approach to portfolio optimization”. Nonlinear Analysis: Real World Applications, 10(4), 2396-2406, 2009.
  7. Chang TJ, Meade, N, Beasley, JE, Sharaiha, YM. “Heuristics for cardinality constrained portfolio optimisation”. Computers & Operations Research, 27(13), 1271-1302, 2000.
  8. Zhu H, Wang, Y, Wang, K, Chen, Y. “Particle swarm optimization (pso) for the constrained portfolio optimization problem”. Expert Systems with Applications, 38(8), 10161-10169, 2011.
  9. Sun J, Fang W, Wu X, Lai CH, Xu, W. “Solving the multi-stage portfolio optimization problem with a novel particle swarm optimization”. Expert Systems with Applications, 38(6), 6727-6735, 2011.
  10. Golmakani HR, Fazel, M. “Constrained portfolio selection using particle swarm optimization”. Expert Systems with Applications, 38(7), 8327-8335, 2011.
  11. Deng GF, Lin, WT, Lo CC. “Markowitz-based portfolio selection with cardinality constraints using improved particle swarm optimization”. Expert Systems with Applications, 39(4), 4558-4566, 2012.
  12. Corazza M, Fasano, G, Gusso, R. “Particle swarm optimization with non-smooth penalty reformulation, for a complex portfolio selection problem". Applied Mathematics and Computation, 224, 611-624, 2013.
  13. Markowitz HM. Portfolio selection: Efticient diversification of investments. 1959.
  14. Reilly F, Brown, K. Investment Analysis and Portfolio Management, 10th ed. Mason, US, South Western Cengage Learning, 2012.
  15. Fischer DE, Jordan, RJ. Security Analysis and Portfolio Management. 6th ed. New Jersey, US, Prentice Hall, 1995.
  16. Markowitz HM. Portfolio Selection. Efficient Diversification of Investments. New York, USA, Yale University Press, 1959.
  17. Tabata Y, Takeda, E. “Bicriteria optimization problem of designing an index fund”. The Journal of the Operational Research Society, 46(8), 1023-1032, 1995.
  18. Moral-Escudero R, Ruiz-Torrubiano, R, Suarez, A. “Selection of optimal investment portfolios with cardinality constraints". IEEE Congress on Evolutionary Computation, Vancouver, BC, Canada, 16-21 July 2006.
  19. Shaw DX, Liu, S, Kopman, L. “Lagrangian relaxation procedure for cardinality-constrained portfolio optimization". Optimization Methods and Software, 23(3), 411-420, 2008.
  20. Kennedy J, Eberhart, R. “Particle swarm optimization”. IEEE International Conferenceon Neural Networks". Perth, WA, Australia, 27 November, 1 December 1995.
  21. Borsagundem. "Carrefoursa'da kod değişikliği ve referans fiyat". http://www.borsagundem.com/haber/carrefoursada-kod-degisikligi-ve-referans/230756 20.05.2016.
  22. Sadigh AN, Mokhtari, H, Iranpoor, M, Fatemi Ghomi, SMT. “Cardinality constrained portfolio optimization using a hybrid approach based on particle swarm optimization and hopfield neural network”. Advanced Science Letters, 17(1), 11-20, 2012.