İslami fintech uygulamaları ve makine öğrenmesi yöntemleri ileportföy optimizasyonu

Bu tez, Türkiye'de İslami bankacılık ile fintech arasındaki etkileşimi, açık bankacılık uygulamalarını esas alarak incelemeyi amaçlamıştır. İslami fintech, Şeriat ilkelerini dijital gelişmelerle birleştirerek finansal katılımı, operasyonel verimliliği ve etik normlara uyumu geliştirme kapasitesine sahiptir. Çalışma, Şeriat uyumlu dijital bankacılık, kitlesel fonlama ve açık bankacılık sistemlerinin sonuçları gibi çok çeşitli fintech seçeneklerini araştırmaktadır. Bu çalışma aynı zamanda Kapı Özyinelemeli Geçitler (GRU), Çift Yönlü LSTM (Bi-LSTM), Uzun Kısa Süreli Bellek (LSTM), XGBoost, Rastgele Orman (RF), Destek Vektör Makinesi (SVM) olmak üzere altı makine öğrenme modelinin, Borsa Istanbul Katılım Tüm Endeksi'ndeki 163 adet stoğun 2007 ilk çeyrek ile 2022 son çeyrek arasındaki verileri ile fiyat tahminlemesini ve LSTM, Bi-LSTM ve GRU modelleri ile portföy optimizasyonu uygulamalarını içermektedir. XGBoost modeli, hisse senedi fiyat tahmini açısından en yüksek doğruluk düzeyine ulaşarak üstün performansı, 0,1619 MAE, 0,0377 MSE, 0,1943 RMSE değerleri ile ulaşmıştır. Portföy optimizasyonda LSTM, modeller arasında en yüksek özsermayeye ulaşarak en iyi performansı göstermiştir. Bi-LSTM modeli, risk ve getiri arasındaki en uygun dengeyi sergileyerek 0,0719 ile en yüksek yıllıklandırılmış Sharpe Oranını elde etmiştir. Öte yandan GRU modeli, en yüksek hata metriklerine sahip olmasına rağmen değişken piyasalara yanıt verme kapasitesini en düşük yıllık değişkenlik oranına ulaşarak göstermektedir. Tez, sektörün ilerlemesini yönlendirmek için hükümetin, finansal kurumların ve teknoloji oyuncularının katılımını içeren entegre bir yaklaşımı destekleyen perspektif sunmaktadır. Bu çabaların birleştirilmesiyle Türkiye'nin dünya çapındaki İslami fintech endüstrisinde lider konumuna gelebileceğinin dinamikleri verilmektedir.