Genetik Algoritma Kullanımı ile Farklı Getiri Ölçümlerindeki Yatırım Optimizasyonu Problemi

Modern finans piyasalarinda yatirimcilarin ve fon yoneticilerinin karsilastigi en buyuk sorunlardan biri uygun bir yatirim kombinasyonu bulmaktir. Portfoy optimizasyonu problemi olarak cercevelenen bu sorun, yatirim yapilacak farkli finansal varliklarin secimini ve optimal tahsisini icerir. Harry Markowitz tarafindan sunulan geleneksel ortalama varyans modeli, portfoy optimizasyonu problemini cozmek icin kullanilan bircok modelin temelini olusturur. Varlik getirilerin tahmininde cok fazla arac olmasina ragmen ortalama-varyans modelinde bir varligin beklenen getirisi, gecmis donem getirilerinin aritmetik ortalamasi ile hesaplanir. Getiri tahmininde aritmetik ortalama yerine farkli ongoru tekniklerinin portfoy optimizasyonu surecine dahil edilmesi gerekmektedir. Ayni zamanda portfoy optimizasyonu problemleri cogunlukla dogrusal olmayan yapidadir ve en fazla belirli sayida varliga yatirim yapilmasi gibi kisitlar iceren portfoy problemi karmasik yapida oldugundan genetik algoritmanin bu problemlere uygulanabilirligi arastirilmalidir. Bu calismada, sezgisel bir yaklasim olan genetik algoritma farkli getiri olcumlerindeki portfoy optimizasyonu problemine Excel Cozucu Acilim (Evolutionary) vasitasiyla uygulanmaktadir. Varlik getirilerinin tahmininde uc farkli getiri olcutu olarak; ortalama getiri, Monte Carlo simulasyon getiri ve tahmin getiri kullanilmaktadir. Getiri olcutu olarak bu uc teknik kullanilirsa portfoy optimizasyonu probleminin Excel ortaminda cozumlenebilecegi gosterilmektedir. BIST 30 finansal piyasasindan elde edilen veri seti uzerinden uygulama gerceklestirilmektedir. Uc getiri teknigi ile birlikte cesitli kisitlar iceren riske ve getiriye farkli onem dereceleri veren ve olceklendirilmis amac fonksiyonu ile olusturulan optimal senaryolarin performanslari degisim katsayisi ve gelecek donemlerde gerceklesen degerler uzerinden karsilastirilmaktadir. Ampirik sonuclar Monte Carlo getiri tekniginin digerlerinden daha basarili oldugunu gostermektedir. Iki amacli problemlerde olceklendirilmis amac fonksiyonu kullanilmasinin gerekliligi gosterilmistir. Ayrica senaryolar uretilmesi gereken portfoy optimizasyonu problemlerinde GA kullaniminin zaman acisindan dezavantajli oldugu sonucuna ulasilmaktadir.