Veri madenciliğine dayalı akıllı fon portföy optimizasyon sistemi

Portföy optimizasyonu kavramı günümüzde oldukça yaygın bir şekilde kullanılmaktadır. Minimum risk, maksimum getiri mantığı ile optimal portföyler farklı modeller ile oluşturulmaktadır. Ancak gelişen teknoloji ve hızlı ilerleyen bilim çağında klasik optimizasyon modelleri geride kalmaya başlamışlardır. Çok fazla veri yükü ile uğraşan ve bu yüzden oldukça vakit kaybeden finansal analizciler, veri madenciliği yöntemleri ile optimizasyonları daha hızlı ve güvenilir bir şekilde yapmaya başlamışlardır. Bu sayede finansal analizciler ihtiyaçları olmayan veriler ile çalışmak yerine, sadece optimazyon için gerekli verilerle, daha kısa bir sürede analizlerini gerçekleştirebilmektedirler. Bu tezde kullanılan yatırım fon portföy günlük getiri değerleri, veri madenciliği tekniklerinden kümeleme analizi ve yapay sinir ağları modeli ile tahmin edilmiş, oluşturulan modelin getiri ve riski test edilmiştir. Amaç; tasarlanan modelin, mevut fon portföy sepetinden daha yüksek getirili ve daha düşük riskli portföyler oluşturmaktır. Modelin testi sonucunda oluşturulan fon portföylerinin başarılı olduğu, yani fon portföy getirisinin daha yüksek, riskinin ise daha düşük olduğu sonucuna varılmıştır. Bu çalışmada sadece bu dönem için bir model değil gelecekteki veriler ile de akıllı bir model oluşturmak amaçlandığı için ve gelecekteki verilerin durumu bilinmediği için yapay sinir ağları modeli tercih edilmiştir. Yapay sinir ağları ile oluşturulan portföylerin getirilerinin daha yüksek, risklerinin ise daha düşük olduğu saptanmıştır. Tezin son kısmında oluşturulan modelin akış şeması çizilerek, model akıllı bir sistem haline getirilmiştir. Bu sayede güncel veriler ve teknikler ile sistem kendi kendini güncelleyebilecektir. Sistem ve akış şeması, modelin farklı veriler ile otomasyona dayalı olarak çalışmasına da izin vermektedir. Oluşturulan optimal modelin, hem literatüre hem de uygulamacılara önemli ölçüde katkısı olması beklenmektedir.