Parçacık Sürü Optimizasyonu Algoritması ile Elde Edilen Portföylerin AP Yöntemi ile Etkinliklerinin Ölçülmesi

Year 2020, Volume: 24 Issue: 3, 669 - 680, 25.12.2020

Azize Zehra Çelenli Başaran , Burçin Öner

https://doi.org/10.19113/sdufenbed.793455

Abstract

Ülke planında bir bütünleşme için çok yönlü yapılanma tedbirleri ve bu tedbirlerin verimlilik-etkinlik üzerindeki etkilerini ölçmek için de çok yönlü ölçüm tekniklerinin kullanımı gerekmektedir. Bu etkinlik ölçüm tekniklerinden biri de Veri Zarflama Analizidir. Veri Zarflama Analizi (VZA), girdiyi çıktıya dönüştüren karar verme birimlerinin etkinliğini ölçmek için planlanmış bir doğrusal programlama tekniğidir. Bu çalışmada, öncelikle yapay zeka yöntemlerinden biri olan Parçacık Sürü Optimizasyonu (PSO) algoritması ile farklı portföy çeşitleri elde edilmiştir. Optimum portföye ulaşmak için literatürde en çok tercih edilen parametre değerleri kullanılarak, portföy çeşitliliği oluşturulmuştur ve amaç fonksiyonu olarak portföy performansı ölçüsü olan Sharpe performans oranı kullanılmıştır. Çalışmada BIST-30 endeksine ait hisse senetlerinin 02/01/2017-31/12/2017 tarihleri arasında günlük getiri oranlarından oluşan veri seti PSO algoritması ile portföy optimizasyonu için çözümlenmiştir. Çözümleme sonucu farklı getiri ve risk oranlarına sahip portföylerin etkinliklerini ölçmek amacıyla da Veri Zarflama Analizi kullanılmış ve en az risk ile en çok getiriye sahip portföy, etkin portföy olarak tanımlanmıştır. Kullanılan VZA modeli, girdi yönelimli CCR modelidir. Böylece, hangi portföylerin etkin olduğu belirlenmiştir. Daha sonra AP yaklaşımı ile KVB’lerin süper etkinlikleri incelenip etkin portföyler için de sıralama elde edilmiş ve etkin olmayan portföylerin nasıl etkin hâle getirileceği konusunda öneriler verilmiştir.

Keywords

PSO, VZA, Karar verme birimi, Sharpe performans oranı, İstatistik

Measuring the Effectiveness of Portfolios Obtained by Particle Swarm Optimization Algorithm with AP Method

Abstract

In the country plan, versatile structuring measures are required for integration and multidimensional measurement techniques are required to measure the effects of these measures on effectiveness. One of these effectiveness measurement techniques is also Data Envelopment Analysis. Data Envelopment Analysis (DEA) is a linear programming technique planned to measuring effectiveness of decision making units that convert input into output. First of all, different portfolio types were obtained by Particle Swarm Optimization (PSO) algorithm that is one of the artificial intelligence methods in this study. In order to access optimum portfolio, the most preferred parameter values were created in literature and Sharpe performance ratio which is the measure of portfolio performance was used as the goal function. In the study, the data set consisting of the daily return rates of the shares of BIST-30 index between 02/01/2017-31/12/2017 was analysed for portfolio optimization with PSO algorithm. Data Envelopment Analysis was conducted to measure effectiveness of portfolios with different proceeds and risk ratios as a result of analysis and the portfolio with the least risk and the most proceed was defined as an effective portfolio. Used DEA model was input oriented CCR model. Thus, which portfolios are effective were determined. Then super effectiveness of DMUs were investigated by AP approach and were obtained a rank for effective portfolios and suggestions have been given on how to make ineffective portfolios effective.

Keywords

PSO, DEA, Decision making unit, Sharpe performance ratio, Statistic

References

• [1] Aydemir, Z. C. 2002. Bölgesel rekabet edebilirlik kapsamında illerin kaynak kullanım görece verimlilikleri: veri zarflama analizi uygulaması. İktisadi Sektörler ve Koordinasyon Genel Müdürlüğü Proje, Yatırımları Değerlendirme ve Analiz Dairesi Başkanlığı, Uzmanlık Tezi, Ankara.
• [2] Shenoy, C., McCarthy K. 2008. Applied portfolio management: How university of Kansas students generate alpha to beat the street. John Wiley & Sons. USA, 368s.
• [3] Çelenli, A. Z. 2013. Parçacık sürü optimizasyonuna dayalı portföy optimizasyonu. Ondokuz Mayıs Üniversitesi Fen Bilimleri Enstitüsü, Yüksek Lisans Tezi, Samsun.
• [4] Markowitz, H. 1952. Portfolio selection. The Journal of Finance, 7(1), 77-91.
• [5] Zhu, H., Wang, Y., Wang, K., Chen, Y. 2011. Particle swarm optimization (PSO) for the constrained portfolio optimization problem. Expert Systems with Applications, 38(8), 10161-10169.
• [6] Ceylan, A., Korkmaz T. 1998. Borsa’da uygulamalı portföy yönetimi (3 Baskı). Ekin Kitabevi Yayınları, Bursa.
• [7] Karaşin, A. G. 1987. Sermaye piyasası analizleri. Sermaye Piyasası Kurulu.
• [8] Sharpe, W. F. 1966. Mutual fund performance. The Journal of Business, 39(1), 119-138.
• [9] Aksoy, E. E. 2014. Uluslararası portföy yönetimi (1. Baskı). Detay Yayıncılık, Ankara.
• [10] Eberhart, R., Kennedy, J. A. 1995. New optimizer using particle swarm theory, in MHS'95. Proceedings of the Sixth International Symposium on Micro Machine and Human Science, IEEE.
• [11] Karaboğa, D. 2014. Yapay zeka optimizasyon Algoritmaları. Nobel Akademik Yayıncılık, Ankara.
• [12] Çelenli, A. Z., Eğrioğlu E., Çorba B. Ş. 2015. İMKB 30 indeksini oluşturan hisse senetleri için parçacık sürü optimizasyonu yöntemlerine dayalı portföy optimizasyonu. Doğuş Üniversitesi Dergisi, 16(1), 25-33.
• [13] Aslankaraoğlu, N. 2006. Veri zarflama analizi ve temel bileşenler analizi ile Avrupa birliği ülkelerinin sıralanması. Gazi Üniversitesi Fen Bilimleri Enstitüsü, Yüksek Lisans Tezi, Ankara.
• [14] Kecek, G. 2010. Veri zarflama analizi teori ve uygulama örneği. Siyasal Basım Yayım, Ankara.
• [15] Farrell, M. J. 1957. The measurement of productive efficiency. Journal of the Royal Statistical Society: Series A (General), 120(3), 253-281.
• [16] Charnes, A., Cooper W. W., Rhodes, E. 1978. Measuring the efficiency of decision making units. European journal of operational research, 2(6), 429-444.
• [17] Öner, B. 2013. Türkiye’de illerin ekonomik performanslarının veri zarflama analizi ve temel bileşenler analizi yöntemleri ile değerlendirilmesi. Ondokuz Mayıs Üniversitesi Fen Bilimleri Enstitüsü, Yüksek Lisans Tezi, Samsun.
• [18] Yücel, L. İ. 2015. Excel-solver eklentisiyle oluşturulan portföylerin CCR model ile etkinlik ölçümüne yönelik bir uygulama. Ekonometri ve İstatistik Dergisi, 23, 112-146.
• [19] Donnelly, M. 2000. A radical scoring system for the european foundation for quality management business excellence model. Managerial Auditing Journal, 15, 8-11.
• [20] Oruç, K. O., Güngör İ., Demiral M. F. 2009. Üniversitelerin etkinlik ölçümünde bulanık veri zarflama analizi uygulaması. Selçuk Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 22, 279-294.
• [21] Vassiloglou, M., Giokas D. 1990. A study of the relative efficiency of bank branches: an application of data envelopment analysis. Journal of the Operational Research Society, 41(7), 591-597.
• [22] Bowlin, W. F. 1999. An analysis of the financial performance of defense business segments using data envelopment analysis. Journal of Accounting and Public Policy, 18(4-5), 287-310.
• [23] Boussofiane, A., Dyson R. G., Thanassoulis E. 1991. Applied data envelopment analysis. European journal of operational research, 52(1), 1-15.
• [24] Andersen, P. ve Petersen N.C. 1993. A procedure for ranking efficient units in data envelopment analysis. Management Science, 39(10), 1261-1264.