MİNİMUM YAYILAN AĞAÇ İLE PORTFÖY ANALİZİ: BIST100 ÖRNEĞİ

Öz

Markowitz (1952) çalışması iyi bir risk yönetiminde, finansal yatırım araçları arasındaki korelasyonların dikkate alınmasına işaret etmiş ve yatırımcıların seçimlerinde korelasyonların önemini vurgulamıştır. Zaman içinde ise bu olgu genel kabul görmüştür. Birçok araştırmacı ve yatırımcı için risk yönetimi korelasyonlar ile özdeşleşmiştir.  Son yıllarda, finansal ürünler arasındaki çapraz korelasyonların saptanması için finansal ağlar önem kazanmıştır. Çalışmada, bu yöntemlerden Minimum Yayılan Ağaç (MST) dikkate alınarak, Borsa İstanbul’da işlem gören hisse senetleri arasındaki kısa dönem çapraz korelasyonların incelenmesi amaçlanmıştır. Bu amaçla, BIST100 endeksine dahil 94 hisse senedi dikkate alınmış ve Ocak 2018 ve Haziran 2018 dönemine ait günlük hisse senedi fiyat verisi kullanılmıştır. Bu ağaçtan yola çıkarak, hisse senetlerinin ağaç üzerinde konumlarının portföy performanslarına etkisi simülasyonlar yardımı ile araştırılmıştır. Çalışmanın bulgularına göre, büyük hisse senedi kümelerinin merkezi hisselerinin, THYAO, BIMAS, CEMAS, IEYHO, FLAP ve AYEN kodlu hisseler olduğu ve bu hisselerin kendi kümelerindeki diğer hisseler üzerinde güçlü etkiye sahip oldukları gözlemlenmiştir. Ayrıca portföylerin ağaç üzerindeki konumlarının performanslarında etkin olduğu gözlemlenerek aynı uç dallara ait bağlantısız kümelerden oluşturulan portföylerinde performanslarının diğer portföylere göre daha iyi olduğu sonucuna ulaşılmıştır.

Anahtar Kelimeler

• MST,Çapraz Korelasyon,Hiyerarşik Kümeleme,Portföy Çeşitlendirmesi

PORTFOLIO ANALYSIS WITH MINIMUM SPANNING TREE: AN APPLICATION TO XU100

Öz

The pioneering work of Markowitz (1952) emphasized the importance of correlations between financial assets in risk management and investor preferences. Over time, this phenomenon was generally accepted. Today, for researchers and investors,  risk management is associated with correlations. In recent years, in order to determine cross-correlations between financial products the importance of financial networks are increased. In this study, it is aimed to investigate the short term cross-correlations between the stocks traded on Borsa Istanbul, by using Minimum Spanning Tree (MST) methodology. For this purpose, 94 stocks of XU100 index are included into the analysis and daily stock price data from January 2018 to June 2018 period are used. Using the constructed tree, the effects of stocks’ positions on the portfolio performances are investigated with the help of simulation study. Findings show that the central stocks of the large stock clusters are coded with THYAO, BIMAS, CEMAS, IEYHO, FLAP and AYEN and these stocks have a strong effect on the other stocks in their clusters. In addition, it is concluded that stock positions are effective in portfolio performances and it is concluded that portfolio performances are better for the portfolios which contain the stocks of unconnected clusters in the same end branches.

 

Anahtar Kelimeler

• MST,Cross Correlation,Hierarchical Cluster

Kaynakça

1. Akgüller, Ö., Öcal, S., Balcı, M.A. (2017). A New Topological Measure for The Communities of Stock Market Networks, Mugla Journal of Science and Technology, 3(2), 104-109
2. Birch, J., Pantelous, A.A., Soramäki, K. (2016). Analysis Of Correlation Based Networks Representing DAX 30 Stock Price Returns, Computational Economics, 47(4), 501–525.
3. Bonanno, G., Vandewalle, N., Mantegna, R.N. (2000). Taxonomy Of Stock Market Indices, Physical Review E, 62(6), 7615–7618.
4. Bonanno, G., Lillo, F., Mantegna, R.N. (2001). High-Frequency Cross-Correlation in a Set of Stocks, Quantitative Finance, 1, 96-104
5. Bonanno, G., Caldarelli, G., Lillo, F, Mantegna, R.N. (2003). Topology of Correlation-Based Minimal Spanning Trees in Real and Model Markets, Physical Review E, 68, 046130
6. Bonanno, G., Caldarelli, G., Lillo, F., Micciché, S., Vandewalle, N., Mantegna, R.N. (2004). Networks of Equities in Financial Markets, The European Physical Journal B, 38(2), 363-371.
7. Coelho, R., Gilmore, C.G., Lucey, B., Richmond, P., Hutzler, S. (2007). The Evolution of Interdependence İn World Equity Markets - Evidence From Minimum Spanning Trees, Physica A, 376, 455–466.
8. Coelho, R., Hutzler, S., Repetowicz, P., Richmond, P. (2007). Sector Analysis for A FTSE Portfolio of Stocks, Physica A, 373, 615–626.

9. Danko, J., Soltes, V. (2018). Portfolio Creation Using Graph Characteristics, Investment Management and Financial Innovations, 15(1), 180-189.
10. Eryiğit, M., Eryiğit, R. (2009). Network Structure of Cross Correlations Among the World Market Indices, Physica A, 388, 3551–3562.
11. Gilmore, C.G., Lucey, B.M., Boscia, M. (2008). A Never-Closer Union? Examining The Evolution of Linkages Of European Equity Markets Via Minimum Spanning Trees, Physica A, 387 (2008) 6319–6329.
12. Gilmore, C.G., Lucey, B.M., Boscia, M.W. (2010). Comovements In Government Bond Markets: Aminimum Spanning Tree Analysis. Physica A, 389(21), 4875–4886.
13. Guo, X., Zhang, H., Tian, T. (2018). Development Of Stock Correlation Networks Using Mutual İnformation And Financial Big Data, PLoS ONE, 13(4): e0195941.
14. Hatipoğlu, V.F., (2017). Application of a New Quantitative Approach to Stock Markets: Minimum Spanning Tree, Alphanumeric Journal, 5(2).
15. Mantegna, R. N. (1999). Hierarchical Structure in Financial Markets. The European Physical Journal B, 11, 193-197.
16. Mantegna, R.N., Stanley, H.E. (2000). An Introduction To Econophysics: Corrleations and Complexity in Finance. Cambridge:Cambridge Universiy Press.
17. Markowitz, H. M. (1952). Portfolio Selection, The Journal of Finance, 7(1), 77-91.
18. Micciche, S., Bonanno, G., Lillo, F., Mantegna, R.N. (2003). Degree Stability Of A Minimum Spanning Tree Of Price Return and Volatility, Physica A, 324 66.
19. Onnela, J.P., Chakraborti, A., Kaski, K., Kertesz, J. (2002). Dynamic Asset Trees And Portfolio Analysis, The European Physical Journal B, 30(3), 285–288
20. Onnela, J.-P., Chakraborti, A., Kaski, K., Kertesz, J., Kanto, A. (2003a). Asset Trees and Asset Graphs in Financial Markets, Physica Scripta, T106, 48-54.
21. Onnela, J.-P., Chakraborti, A., Kaski, K., Kertesz, J., Kanto, A. (2003b). Dynamics Of Market Correlations: Taxonomy and Portfolio Analysis, Physical Review E, 68(5), 68-79.
22. Tse, C.K., Liu, J., Lau, F.C.M. (2010). A Network Perspective Of The Stock Market, Journal of Empirical Finance, 17(4), 659–667.
23. Vandewalle, N., Brisbois, F., Tordoir, X. (2001). Self-organized Critical Topology of Stock Markets, Quantitative Finance, 1, 372–375
24. Vizgunov, A., Goldengorin, V., Kalyagin, V., Koldanov, A., Koldanov, P., Pardalos, P. M. (2014). Network Approach For The Russian Stock Market, Computational Management Science, 11(1–2), 45–55.
25. Wang, G.-J., Xie, H.C., Stanley, E. (2018). Correlation Structure and Evolution of World Stock Markets: Evidence from Pearson and Partial Correlation-Based Networks, Computational Economics, 51( 3), 607–635.
26. Zhang, X., Zheng, X., Zeng, D.D. (2017). The Dynamic Interdependence Of International Financial Markets: An Empirical Study On Twenty-Seven Stock Markets, Physica A, 472, 32-42