Dergiler / Ankara Hacı Bayram Veli Üniversitesi Turizm Fakültesi Dergisi / 2010 / Sayı: 2

Kümeleme Analizi ile Portföy Seçimi: İMKB-100 Endeksi Üzerine Bir Çalışma

PORTFOLIO SELECTION WITH CLUSTER ANALYSIS: A STUDY ON ISTANBUL STOCK EXCHANGE-100 INDEX

Sayfa
160–179
Yayın Tarihi
2010-09-01
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)

İMKB-100 Endeksinde işlem gören hisse senetleri 10 kümeye ayrılmış ve elde edilen bulgulara göre yatırımcının ilk zaman aralığında seçtiği hisse senetlerinden oluşan kümeyi, ikinci zaman aralığında portföyünde tuttuğunda kazanç sağlayacağı sonucuna ulaşılmıştır.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Bu çalışmada hiyerarşik kümeleme analizi kullanılarak İstanbul Menkul Kıymetler Borsası-100 İMKB-100 Endeksinde işlem gören hisse senetlerinin risk-getiri kıstaslarına göre sınıflandırılması yapılmış, böylece bilgilendirilmiş bir yatırımcının kümeleme analizi yardımıyla nasıl daha rasyonel yatırımlar yapabileceği gösterilmeye çalışılmıştır.
📊
Temel Bulgular & Veri:İMKB-100 Endeksinde işlem gören hisse senetleri 10 kümeye ayrılmış ve elde edilen bulgulara göre yatırımcının ilk zaman aralığında seçtiği hisse senetlerinden oluşan kümeyi, ikinci zaman aralığında portföyünde tuttuğunda kazanç sağlayacağı sonucuna ulaşılmıştır.
💡
Sonuç & Katkı:Buradaki bilgileri kullanan bir yatırımcı aynı risk düzeyinde daha fazla getiri sağlayan hisse senetlerini seçebileceği gibi, aynı getiriyi sağlayan daha düşük riskli hisse senetlerini seçerek karını maksimize veya muhtemel zararlarını minimize edebilir
🔬Tür:Araştırma Makalesi
📍Kapsam:Genişletilmiş Akademik Örneklem
⚙️Değişkenler:Hisse Senedi · Hisse Senedi Riski · Hisse Senedi Getirisi

Özet

Bu çalışmada hiyerarşik kümeleme analizi kullanılarak İstanbul Menkul Kıymetler Borsası-100 İMKB-100 Endeksinde işlem gören hisse senetlerinin risk-getiri kıstaslarına göre sınıflandırılması yapılmış, böylece bilgilendirilmiş bir yatırımcının kümeleme analizi yardımıyla nasıl daha rasyonel yatırımlar yapabileceği gösterilmeye çalışılmıştır. İMKB-100 Endeksinde işlem gören hisse senetleri 10 kümeye ayrılmış ve elde edilen bulgulara göre yatırımcının ilk zaman aralığında seçtiği hisse senetlerinden oluşan kümeyi, ikinci zaman aralığında portföyünde tuttuğunda kazanç sağlayacağı sonucuna ulaşılmıştır. Buradaki bilgileri kullanan bir yatırımcı aynı risk düzeyinde daha fazla getiri sağlayan hisse senetlerini seçebileceği gibi, aynı getiriyi sağlayan daha düşük riskli hisse senetlerini seçerek karını maksimize veya muhtemel zararlarını minimize edebilir

Abstract

In this study, stocks traded in the İstanbul Stock Exchange-100 ISE100 Index are classified according to a risk-return criterion using hierarchical clustering algorithms. Doing this, it is intended to show that how an informed investor can make more rational investments using cluster analysis. Stocks traded in the ISE-100 Index are sorted into 10 clusters and it was measured if the chosen first-period stock clusters should be chosen also in the second period in order to get profit. An investor using the information presented here can choose either to invest in high return stocks with the same risk level, or to invest in low risk stocks with the same return level; in order to maximize the profit gained or to minimize the possible loss .

🔖

Bu Makaleye Atıf Yap

KARABAYIR, M. E., DOĞANAY, M. (2010). Kümeleme Analizi ile Portföy Seçimi: İMKB-100 Endeksi Üzerine Bir Çalışma. Ankara Hacı Bayram Veli Üniversitesi Turizm Fakültesi Dergisi, Sayı: 2, 160–179. https://ajindex.com/articles/57313

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (16)

  1. ABARBANELL, J.S., ve BUSHEE, B. J. (1997),
  2. Fundamental Analysis, Future Earnings, and Stock Prices, Journal of Accounting Research, Cilt:35, No:1, 1-24.
  3. AKTAŞ, R. ve KARAN, Mehmet B. (1999), Multivariate Statistical Modelling for the Classification of the Shares Traded at the İMKB as to Their Average Earnings, Kara Harp Okulu Bilim Dergisi, Cilt:9, Sayı:1, 13–40.
  4. AKTAŞ, R. ve KARAN, Mehmet B. (2000), Predicting Stock Returns Using Fundamental Information and Multivariate Statistical Modelling: An Empirical Study on İstanbul Stock Exchange, Hacettepe Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, Cilt:18, Sayı:2, 433–449.
  5. ALDENDERFER, M. S. ve BLASHFİELD, R. K. (1984),
  6. Cluster Analysis, Sage University Paper Series on Quantitative Applications in the Social Sciences, n. 044. Beverly Hills, CA: Sage Publications, Inc BRANDT, M. W., SANTA-CLARA, P. ve VALKANOV, R. I., (2005), Parametric Portfolio Policies: Exploiting Characteristics in the Cross Section of Equity Returns, EFA 2005
  7. Moscow Meetings Paper. BENNETT, J. A., SİAS, R. W., ve STARKS, L. T. (2003), Greener Pastures and the Impact of Dynamic Institutional Preferences, The Review of Financial Studies, Cilt:16, Sayı:4, 1203-1238.
  8. DA COSTA, Jr, N., CUNHA, J. ve DA SILVA, S. (2005), Stock Selection Based on Cluster Analysis, Economics Bulletin, Cilt: 13, No:1, 1-9.
  9. FAMA, E. ve FRENCH, K. (1992), The Cross-Section of Expected Stock Returns, Journal of Finance, Cilt:47, 427-465.
  10. FAMA, E. ve FRENCH, K. (1996), Multifactor Explanations of Asset Pricing Anomalies, Journal of Finance, Cilt:51, 55-84.
  11. FERREİRA, M. A., ve MATOS, P. (2008), The Colors of Investors’ Money: The Role of institutional Investors Around The World, Journal of Financial Economics, Cilt:88, Sayı:3, 499-533.
  12. FRENCH, K. R., SCHWERT, G. W. ve STAMBAUGH, R. F. (1987), Expected Stock Returns and Volatility, Journal of Financial Economics, Cilt:19, 3-29.
  13. GOMPERS, P. A., ve METRICK, A. (2001), Institutional Investors and Equity Prices, Quarterly Journal of Economics, Ciltt:116, Sayı:1, 229-259.
  14. GÖNENC, Halit ve KARAN, Mehmet B. (2001), Do Value Stocks Earn Higher Returns than Growth Stocks in An Emerging Market? Evidence from Istanbul Stock Exchange, EFMA 2001
  15. Lugano Meetings Paper. GREİG, A. C. (1992), Fundamental Analysis and Subsequent Stock Returns, Journal of Accounting and Economics, Cilt:15, 413-442.
  16. HOLTHAUSEN, ROBERT W. ve LARCKER, D. F. (1992), The Prediction of Stock Returns Using Financial Statement Information, Journal