NİCELİK KISITLI ORTALAMA VARYANS ÇARPIKLIK BASIKLIK PORTFÖY MODELİ: BULANIK SEZGİSEL BİR YAKLAŞIM

Finansal kriterler temelinde hisse senetleri arasından belirli oranlarda seçim yapılarak yatırımcı için en iyiportföyü oluşturma işlemi, portföy optimizasyonu olarak adlandırılmaktadır. Portföy getiri ve risk unsurları ilkdefa normallik varsayımına dayanan ortalama varyans modeli bir arada değerlendirilmiştir. Fakat çoğunluklapiyasalarda yer alan hisse senetlerinin tarihsel getiri serileri normal dağılmamaktadır. Çarpıklık ve basıklık gibiyüksek dereceden momentlerin portföy seçim modeline dahil edilmesi normallik varsayımı sağlanmadığındaanlamlı hale gelmektedir. Portföyde yer alacak hisse senedi sayısı kısıtlandığı durumda portföy seçim problemiNicelik Kısıtlı Portföy Optimizasyonu haline gelmektedir. Çalışmada, önerilen Bulanık Adaptif Parçacık SürüOptimizasyonu algoritması, üç farklı Parçacık Sürü Optimizasyonu algoritmasıyla, Nicelik Kısıtlı PortföyOptimizasyonu probleminde kıyaslanmıştır. Farklı nicelik kısıt değerleri ve yüksek dereceden momentleri içerençeşitli amaç fonksiyonlarına göre portföyler elde edilmiştir. Sonuçlar, nicelik kısıtlı portföy seçim problemi içinilk defa kullanılan bulanık adaptif yapıya sahip algoritmanın etkinliğini ortaya koymaktadır.

The process of creating the best portfolio for the investor by choosing certain ratios from among the stocks based on the financial criteria is called portfolio optimization. Portfolio return and risk factors were evaluated simultaneously for the first time with the mean variance model based on the assumption of normality. But mostly, the historical returns of stocks in the markets are not distributed normally. The inclusion of high moments such as skewness and kurtosis in the portfolio selection model becomes meaningful when the normality assumption is not provided. In case the number of stocks to be included in the portfolio is restricted, portfolio selection problem becomes Cardinality Constrained Portfolio Optimization. In the study, the proposed Fuzzy Adaptive Particle Swarm Optimization algorithm was compared with three different Particle Swarm Optimization algorithms in the Cardinality Constrained Portfolio Optimization problem. Portfolios were obtained according to the different cardinality constraint values and various objective functions including higher moments. The results indicate the effectiveness of the algorithm with the fuzzy adaptive structure used for the first time for cardinality constrained portfolio selection problem.