KaydedilenlerDerginizi ekleyin

Dergiler / Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi / 2026 / Cilt: 40 Sayı: 2

Geliştirilmiş Konno Yamazaki modeli: Stokastik ve bulanık programlamaya dayalı portföy optimizasyonu

Mehves Güliz Kelce(BASKENT UNIVERSITY)0009-0008-0533-7434
Kumru Didem Atalay(BAŞKENT ÜNİVERSİTESİ)0000-0002-9021-3565
Tusan Derya(BASKENT UNIVERSITY)0000-0002-2851-4463
Sayfa
995–1010
Yayın Tarihi
2025-02-03
🏛️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)

Belirsizlik içeren ve kesin olarak belirlenemeyen beklenen getiri miktarının bulanık ve rassal olduğu varsayımları altında bulanık doğrusal programlanma ve şans kısıtlı programlama yaklaşımları modelin çözümü için kullanılmıştır.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Getiri, yatırım veya finansal bir varlığın, genellikle belirli bir dönemdeki mali sonuçlarını ifade eden bir terimdir.
📊
Temel Bulgular & Veri:Beklenen getirinin tam olarak belirlenemediği durumlarda, yatırımcılar beklenen getirinin en yüksek değeri için riskin en düşük seviyelerde olmasını beklerler.
💡
Sonuç & Katkı:Belirsizlik içeren ve kesin olarak belirlenemeyen beklenen getiri miktarının bulanık ve rassal olduğu varsayımları altında bulanık doğrusal programlanma ve şans kısıtlı programlama yaklaşımları modelin çözümü için kullanılmıştır.
🔬Tür:Modelleme & Sayısal Simülasyon
📍Kapsam:Genişletilmiş Akademik Örneklem
⚙️Değişkenler:Portföy optimizasyonu · şans kısıtlı programlama · stokastik programlama

Özet

Getiri, yatırım veya finansal bir varlığın, genellikle belirli bir dönemdeki mali sonuçlarını ifade eden bir terimdir. Yatırımcıların finansal karar alma sürecinde getiri önemli bir rol oynar. Kazançlarını en büyüklemek isteyen yatırımcılar yatırımın riskini, vadeyi ve diğer faktörleri de göz önünde bulundurmalıdır. Finansal hayat belirsizliklerle dolu olup gelecekteki günlerin yatırımcıya ne getireceğini tahmin etmek oldukça güçtür. Kazançlar çoğu durumda kesin olmayıp birçok belirsizlik barındırdığından, tahmini kazancın elde edilmesini sağlayan beklenen getiri kavramı ortaya çıkmaktadır. Beklenen getirinin tam olarak belirlenemediği durumlarda, yatırımcılar beklenen getirinin en yüksek değeri için riskin en düşük seviyelerde olmasını beklerler. Ayrıca, yatırım kalitesini artırabilmek için yatırımcılara geleceğe yönelik alternatif portföy seçenekleri sunulması oldukça önemlidir. Bu çalışmada Borsa İstanbul 50 (BIST 50)’ da yer alan hisse senetlerinin günlük 2. Seans kapanış değerleri alınarak portföy seçeneklerinin belirlenmesi amacıyla bulanık ve stokastik Konno Yamazaki modeli ele alınmıştır. Belirsizlik içeren ve kesin olarak belirlenemeyen beklenen getiri miktarının bulanık ve rassal olduğu varsayımları altında bulanık doğrusal programlanma ve şans kısıtlı programlama yaklaşımları modelin çözümü için kullanılmıştır.

🔖

Bu Makaleye Atıf Yap

Kelce, M. G., Atalay, K. D., Derya, T. (2025). Geliştirilmiş Konno Yamazaki modeli: Stokastik ve bulanık programlamaya dayalı portföy optimizasyonu. Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi, Cilt: 40 Sayı: 2, 995–1010. https://doi.org/10.17341/gazimmfd.1434287

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (53)

  1. Markowitz H.M., Portfolio selection, The Journal of Finance, 7 (1), 77-91, 1952.
  2. Kardiyen F., Doğrusal programlama ile portföy optimizasyonu ve İMKB verilerine uygulanması üzerine bir çalışma, Atatürk Üniversitesi İktisadi ve İdari Bilimler Dergisi, 21 (2), 15-28, 2007.
  3. Üstünel İ.E., Durağan portföy analizi ve İMKB verilerine uygulanması, Emir Ofset Matbaası, İstanbul Menkul Kıymetler Borsası, Ankara, 2000.
  4. Kaya C., Kocadağlı O., Etkin sınır ve beta katsayı kısıtlı portföy seçim modeli üzerine bir uygulama, İstanbul Ticaret Üniversitesi Fen Bilimleri Dergisi, 11 (22), 19-35, 2012.
  5. Sharpe F.W., Capital asset prices: A Theory of market equilibrium under conditions of risk, The Journal of Finance, 19, 425-442, 1964.
  6. Lintner J., Security prices risk and maximal gains from diversification, The Journal of Finance, 20 (4), 587-615, 1965.
  7. Mossin J., Equilibrium in a capital asset market, Econometrica: Journal of The Econometric Society, 34 (4), 768-783, 1966.
  8. Konno H., Waki H., Yuuki, A., Portfolio optimization under lower partial risk measures, Asia-Pacific Financial Markets, 9, 127-140, 2002.
  9. Konno H., Yamazaki H., Mean-absolute deviation portfolio optimization model and its applications to Tokyo stock market, Manage. Sci., 37 (5), 519-531, 1991.
  10. Konno H., Shirakawa H., Yamazaki H., A Mean-Absolute Deviation-Skewness Portfolio Optimization Model, Ann. Oper. Res., 45, 205-220, 1993.
  11. Konno H., Wijayanayake A., Mean-Absolute Devıatzon Portfolıo Optımızatıon Model Under Transactıon Costs, Journal of the Operations Research Society of Japan, 42 (4), 422-435, 1999.
  12. Kardiyen F., Portföy Optı̇mı̇zasyonunda Ortalama Mutlak Sapma Modelı̇ ve Markowıtz Modelı̇nı̇n Kullanımı Ve İmkb Verı̇lerı̇ne Uygulanması, Süleyman Demirel Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 13 (2), 335-350, 2008.
  13. Zhang P., Yu L., The Optimization on the Multiperiod Mean-VaR Portfolio Selection in Friction Market, Advances in Intelligent and Soft Computing, Springer, Berlin, Heidelberg, 2, 329-335, 2011.
  14. Moon Y., Yao T., A Robust Mean Absolute Deviation Model For Portfolio Optimization, Comput. Oper. Res., 38 (9), 1251-1258, 2011.
  15. Kasenbacher G., Lee J., Euchukanonchai K., Mean-Variance vs. Mean-Absolute Deviation: A Performance Comparison of Portfolio Optimization Models, University of British Columbia, Thesis, 2017.
  16. Chaiyakan S., Solving Interval-Valued Returns Mean Absolute Deviation Portfolio Selection Model Under Basis Stability, Chulalongkorn University, Thesis, 2019.
  17. Büberkökü Ö., Borsa Yatırım Fonlarına Dayalı Statik ve Dinamik Portföy Optimizasyon Analizleri, Hacettepe Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 39 (4), 561-579, 2021.
  18. Sehgal R., Jagadesh P., Data-Driven Robust Portfolio Optimization With Semi Mean Absolute Deviation Via Support Vector Clustering, 224, 120000, 2023.
  19. Bello J.F., Taiwo E.S., Adinya I., Modified Models For Constrained Mean Absolute Deviation Portfolio Optimization, International Journal of Mathematical Sciences and Optimization: Theory and Applications, 10 (1), 2024.
  20. Kocadağlı O., Cinemre N., Bulanık matematı̇ksel programlama yaklaşımıyla portföy oluşturulması, YA/EM XXVI. Ulusal Kongresi, Kocaeli-Türkiye, 2006.
  21. Fang Y., Lai K.K., Wang S.Y., Portfolio rebalancing model with transaction costs based on fuzzy decision theory, Eur. J. Oper. Res., 175 (2), 879–893, 2006.
  22. Bozdağ N., Türe H., Bulanık doğrusal programlama ve İMKB üzerine bir uygulama, Gazi Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 10 (1), 1-18, 2008.
  23. Ryoo H., A compact mean-variance-skewness model forlarge-scale portfolio optimization and its application to the NYSE, J. Oper. Res. Soc., 58(4), 505-515, 2007.
  24. Huang X., Portfolio selection with fuzzy returns, J. Intell. Fuzzy Syst., 18 (4), 383–390, 2007.
  25. Huang X., Mean-semivariance models for fuzzy portfolio selection, J. Comput. Appl. Math., 217 (1), 1-8, 2008.
  26. Chen G., Liao X., Wang S., Acutting plane algorithm for MV portfolio selection model, Appl. Math. Comput., 215 (4), 1456-1462, 2009.
  27. Li X., Qin Z., Yang L., A chance-constrained portfolio selection model with risk constraints, Appl. Math. Comput. 217 (2), 949-951, 2010.
  28. Barak S., Abessi M., Modarres M., Fuzzy turnover rate chance constraints portfolio model, Eur. J. Oper. Res., 228 (1), 141-147, 2013.
  29. Gupta P., Inuiguchi M., Mehlawat M.K., Mittal G., Multiobjective credibilistic portfolio selection model with fuzzy chance-constraints, Inf. Sci., 229, 1-17, 2013.
  30. Branda M., Mean-value at risk portfolio efficiency: approaches based on data envelopment analysis models with negative data and their empirical behaviour, 4OR, 14(1), 77-99, 2016.
  31. Chen W., Li S.S., Zhang J., Mehlawat M., A comprehensive model for fuzzy multi-objective portfolio selection based on DEA cross-efficiency model, Soft Comput., 24, 2515-2526, 2020.
  32. Jo G., Kim H., Kim H., Ri G., Fuzzy portfolio selection using stochastic correlation, Comput. Econ., 1-17, 2023.
  33. Subulan K., A multi-objective mathematical programming model for a novel capability-based university course timetabling problem, Journal of the Faculty of Engineering and Architecture of Gazi University, 40 (1), 365-380, 2024.
  34. Atalay K.D., Apaydın A., Şans kısıtlı stokastik programlama problemlerinin deterministik eşitlikleri, Anadolu Üniversitesi Bilim ve Teknoloji Dergisi B - Teorik Bilimler, 1 (1), 1-18, 2011.
  35. Shahid M., Shamim M., Ashraf Z., Ansari M.S., A novel evolutionary optimization algorithm based solution approach for portfolio selection problem, IAES International Journal of Artificial Intelligence, 11 (3), 843-850, 2022.
  36. Jalota H., Mandal P.K., Thakur M., Mittal G., A novel approach to incorporate investor’s preference in fuzzy multi-objective portfolio selection problem using credibility measure, Expert Syst. Appl., 212 (118583), 2023.
  37. El Kharrim M., Multi-period fuzzy portfolio optimization model subject to real constraints, EURO J. Decis. Process., 100041, 2023.
  38. Zadeh L.A., Fuzzy sets, Information and control, 8 (3), 338-353, 1965.
  39. Hansen B.K., Fuzzy Logic and linear programming find optimal solutions for meteorological problems, Term Paper for Fuzzy Coursa at Technical University of Nova Scotia, 1996.
  40. Deng X., Li W., Liu Y., Hesitant fuzzy portfolio selection model with score and novel hesitant semi-variance, Comput. Ind. Eng., 164 (107879), 2022.
  41. Li B., Sun Y., Teo K.L., An analytic solution for multi-period uncertain portfolio selection problem, Fuzzy Optim. Dec. Making, 21 (2), 319-333, 2022.
  42. Lai Y.J., Hwang C.L., Lai Y.J., Hwang C.L. Fuzzy mathematical programming, Springer, Berlin, Heidelberg, 1992.
  43. Rasoulzadeh M., Edalatpanah S.A., Fallah M., Najafi S.E., A multi-objective approach based on Markowitz and DEA cross-efficiency models for the intuitionistic fuzzy portfolio selection problem, Decision Making: Applications in Management and Engineering, 5 (2), 241-259, 2022.
  44. Atalay D.K., Çok amaçlı stokastik programlama problemine etkileşimli bulanık programlama yaklaşımı, Doktora tezi, Ankara Üniversitesi, İstatistik Anabilim Dalı, Ankara, 2006.
  45. Taha H.A., Operations Research an Introduction, Prentice Hall, Inc. Upper Saddle River, NJ, 1997.
  46. Kolbin, V.V., Stochastic Programming, D. Reidel Publishing Company, Boston, 1977.
  47. Sengupta, J.K. Stochastic Programming: Methods and Applications, North-Holland Publishing Company, Amsterdam, 1972.
  48. Ağpak K., Gökçen H., A chance-constrained approach to stochastic line balancing problem, Eur. J. Oper. Res., 180 (3), 1098-1115, 2007.
  49. Foroughı A., Gökçen H, Cost oriented stochastic assembly line balancing problem, Journal of the Faculty of Engineering and Architecture of Gazi University, 29 (3), 469-476, 2014.
  50. Borodin V., Dolgui A., Hnaien F., Labadie N., Component replenishment planning for a single-level assembly system under random lead times: A chance constrained programming approach, Int. J. Prod. Econ., 181, 79-86, 2016.
  51. Men J., Jiang P., Xu H., A chance constrained programming approach for HazMat capacitated vehicle routing problem in Type-2 fuzzy environment, J. Cleaner Prod., 237, 117754, 2019.
  52. Wang X., Brownlee A.E., Weiszer M., Woodward J.R., Mahfouf M., Chen J., A chance-constrained programming model for airport ground movement optimisation with taxi time uncertainties, Transp. Res. Part C Emerging Technol., 132, 103382, 2021.
  53. Birgören B., Sakallı Ü., Brass alloy blending problem from quality and cost perspectives: A multi-objective optimization approach, Journal of the Faculty of Engineering and Architecture of Gazi University, 36 (1), 433-446, 2020.