Pay Senetlerinden Portföy Oluşturmaya Bulanık Kümeleme Analizi Yaklaşımı: Bıst 100 Endeksi Pay Senetleri Üzerine Bir Uygulama

Abstract

Çeşitlendirilmiş portföyler yatırımcılara riski önemli ölçüde arttırmadan getirilerini artırmalarına izin vermektedir. Bununla birlikte, portföy çeşitlendirmede kullanılan genel kabul görmüş bir yöntem yoktur.  Bu noktadan hareketle yapılan bu çalışmada çok kriterli karar verme yöntemlerinden biri olan AHP ve çok değişkenli istatistiki yöntemlerden biri olan kümeleme analizinden yararlanılmıştır. Çalışmada pay senetlerinden portföy oluşturma konusuna bulanık kümeleme analizi yöntemi ile farklı bir açıdan yaklaşılmıştır. Çalışmada öncelikle AHP ile pay senedi yatırımında dikkate alınan ve hesaplanan oranların önem dereceleri belirlenmiş ve sonrasında kümeleme analizi yöntemlerinden bulanık kümeleme analizi yöntemi ile bir uygulama gerçekleştirilmiştir. Bulanık kümeleme yöntemi, birimlerin birden fazla kümeye ait olabilmelerine izin vermesi nedeniyle sınırları kesin olarak belli olmayan bulanık kümelerin oluşturulmasını sağlamaktadır. Çalışma sonucunda piyasa temelli oranlara (Fiyat/Kazanç, Piyasa Değeri/Defter Değeri ve Temettü Verimi), kar oranlarına (Özkaynak Karlılığı, Aktif Karlılığı ve Hisse Başına Kar) ve Risk- Getiri göstergelerine göre kümeler oluşturulmuş ve 1, 3, 6 aylık ve 1 yıllık dönemler itibariyle küme performansları karşılaştırılıp değerlendirilmiştir.

Keywords

• Bulanık Kümeleme Analizi,Hisse Senedi Tercihi,Portföy Oluşturma,Risk,Getiri

References

1. Graves, Daniel, & Wıtold Pedrycz (2007). Fuzzy C-Means, gustafson-kessel fcm, and kernel-based fcm: A comparative study. In Analysis and Design of Intelligent Systems using Soft Computing Techniques (pp. 140-149). Springer, Berlin, Heidelberg.
2. Gustafson, Donald E., & William C. Kessel (1979). Fuzzy clustering with a fuzzy covariance matrix. In Decision and Control including the 17th Symposium on Adaptive Processes, 1978 IEEE Conference on (pp. 761-766). IEEE.
3. Halkidi, Maria, Yannis Batistakis, & Michalis Vazirgiannis (2002). Clustering validity checking methods. ACM Sigmod Record, 31(3), 19-27.
4. Iorio, Carmela, et al. (2018). A P-spline based clustering approach for portfolio selection.. Expert Systems with Applications, 95, 88-103.
5. İçke, Başak Turan, & Yusuf Aytürk. (2011). Fiyat–Kazanç Oranı Etkisinin Değer Yatırım Stratejileri Kapsamında Analizi: İmkb İçin Ampirik Bir Uygulama. Öneri Dergisi, 9(35), 103-115.
6. Joglekar, Sachin. R. (2014, May). Two-Stage Stock Portfolio Construction: Correlation Clustering and Genetic Optimization. In The Twenty-Seventh International Flairs Conference.
7. Kalfa, Veli Rıza, & Selim Bekçioğlu (2014). İmkb’de İşlem Gören Gıda, Tekstil Ve Çimento Sektörü Şirketlerinin Finansal Oranlar Yardımıyla Kümelenmesi. Dumlupınar Üniversitesi Sosyal Bilimler Dergisi, 441-464.
8. Karabayır, Mehmet Emin, & Murat Doganay (2010). Kümeleme Analizi ile Portföy Seçimi: İMKB-100 Endeks Üzer Ne Bir Çalışma. Journal of Commerce, (2), 161.Kıyılar, Murat., & Akkaya, Murat. (2016). Davranışsal finans. Literatür Yayıncılık, İstanbul.

9. Klawonn, Frank, & Frank Höppner. (2003). An alternative approach to the fuzzifier in fuzzy clustering to obtain better clustering results. Proc. 3rd Eusflat Conference içinde (pp. 730-734).
10. Korzeniewski, Jerzy. (2018). Efficient Stock Portfolio Construction by Means of Clustering. Acta Universitatis Lodziensis. Folia Oeconomica, 1, 85-92.
11. Krishnapuram, Raghu, Anupam Joshi, & Liyu Yi (1999), A fuzzy relative of the k-medoids algorithm with application to web document and snipped clustering. 1999 IEEE International Fuzzy Systems Conference Proceedings, 3: pp. 1281-1286.