Olasılık Dağılımları ve Kolektif Risk Modellemesi Çerçevesinde Portföy Getiri Tahmini: Bist 30 Uygulaması
Yıl: 2023 Cilt: 15 Sayı: 2 Sayfa Aralığı: 1461 - 1484 Metin Dili: Türkçe DOI: 10.20491/isarder.2023.1660 İndeks Tarihi: 01-08-2023
Olasılık Dağılımları ve Kolektif Risk Modellemesi Çerçevesinde Portföy Getiri Tahmini: Bist 30 Uygulaması
Öz: Amaç – Araştırmada tasarruflarını portföy oluşturarak borsada değerlendirmeyi düşünen yatırımcılar için portföyde yer alan hisse senetlerinin dağılımlarını ve dağılım parametrelerini belirleyerek kollektif risk modellemesi çerçevesinde portföylerin getiri ve risk düzeylerini istatistiksel yöntemlerle belirlemektir. Yöntem – Belirlenen amaca ulaşabilmek için BİST-30 endeksinde 2018-2021 yıllarında aktif olarak işlem gören hisse senetlerinin günlük kapanış fiyatları alınmış ve söz konusu verilerin uygunluk gösterdiği istatistiksel dağılımlar ve dağılım parametreleri hesaplanmıştır. SWARA ve MOORA yöntemleriyle düşük, orta ve yüksek riskli olmak üzere üç farklı kategoride portföy oluşturulmuş bu portföyler için Monte Carlo simülasyon yöntemi uygulanarak beklenen ortalama getiri, getiri olasılığı ve risk seviyesi tahminlenmiştir. Bulgular – Araştırmanın sonucunda farklı (düşük, orta ve yüksek) risk düzeylerinde portföy oluşturularak yapılan analizlerde portföylerin risk düzeylerinin tüm portföyler için yaklaşık %1 ve %2 oranında olduğu tespit edilmiştir. Portföylerin ortalama getirileri incelendiğinde en yüksek günlük ortalama getirinin ‰2,8 oranında olacağı ve bunun %61 olasılıkla gerçekleşeceği tahminlenmiştir. Tartışma – Portföylere ilişkin ortalama getiri ve risk düzeyinin olasılık dağılım parametreleri bilindiğinde Monte Carlo Simülasyon yöntemiyle daha kolay hesaplana bildiği ortaya konulmuş ve klasik yöntemle benzer sonuçlara ulaşılmıştır. Ayrıca simülasyon yöntemiyle portföy getirisi üzerinde etkili olana hisse senetleri belirlenmiştir. Kullanılan Monte Carlo Simülasyon yöntemi literatürle karşılaştırıldığında, kuadratik programlama (Abay 2013), Finnet Portfolio Advisor programı (Zerey ve Terzi 2015), Yapay Sinir Ağları (Yavuz 2012) yöntemleriyle benzer sonuçlara ulaşıldığı tespit edilmiştir. Diğer yöntemlere göre Monte Carlo Simülasyon yöntemiyle hisse senetlerinin ağılıkları, varlık sayısı daha hızlı değiştirilerek sonuçların hesaplanabilmesi açısında daha kolay ve etkili olduğu saptanmıştır.
Anahtar Kelime: Portfolio Return Estimation within the Scope of Probability Distributions and Collective Risk Modeling: An Application on the BİST
Öz: Purpose – Examining the distributions and distribution parameters of the shares included in the portfolio for investors, who goals to invest their savings in exchange market by creating a portfolio, the present study goals to statistically estimate the return and risk levels of the portfolios within the scope of collective risk modeling. Design/Methodology/Approach – For this purpose, the daily opening and closing prices of shares, which have been actively traded in the BİST-30 index during the period 2018-2021, were obtained and the distribution parameters and statistical distributions that the data fit were calculated. Using the SWARA and MOORA methods, portfolios were created at three risk levels as low, moderate, and high. Implementing the Monte Carlo simulation method for these portfolios, the average expected return, return probability, and risk levels were estimated. Findings – As a result of the research, during the analyses conducted creating of risk portfolios at different (low, moderate, and high) risk levels, it was determined that the risk level of portfolios was approx. 1% and 2% for all the portfolios. Examining the average return s of the portfolios, it was estimated that the highest daily return would be 2.8‰ and its probability would be 61%. Discussion – Discussion- It has been revealed that the average return and risk level of the portfolios can be calculated more easily with the Monte Carlo Simulation method when the probability distribution parameters are known. These calculations showed similar results with the classical method. In addition, the stocks that are effective on the portfolio return were determined by the simulation method. When the Monte Carlo Simulation method used was compared with the literature, it was determined that similar results were obtained with the quadratic programming (Abay 2013), Finnet Portfolio Advisor program (Zerey and Terzi 2015), Artificial Neural Networks (Yavuz 2012) methods. Compared to other methods, the Monte Carlo Simulation method has been found to be easier and more effective in terms of calculating the results by changing the weights of stocks and the number of assets faster.
Anahtar Kelime: Belge Türü: Makale Makale Türü: Araştırma Makalesi Erişim Türü: Erişime Açık
- Abay Ramazan (2013), “Markowitz Karesel Programlama İle Portföy Seçimi: İMKB-30 Endeksinde Riskli Portföylerin Seçimi”, Ç.Ü. Sosyal Bilimler Enstitüsü Dergisi, 22( 2), s. 175- 194.
- Altaylıgil Barış (2008), “Portföy Seçimi İçin Ortalama-Varyans-Çarpıklık Modeli. İstanbul Üniversitesi İşletme Fakültesi Dergisi, 37(2), s. 65-78.
- Atan Murat (2005), “Karesel Programlama İle Portföy Optimizasyonu”, VII. Ulusal Ekonometri ve İstatistik Sempozyumu, Mayıs, İstanbul, s. 26-27.
- Bayramoğlu Mehmet Fatih ve Yayalar Nagihan (2017), “Portföy Seçiminde Toplam Riski Temel Alan Portföy Performans Ölçütlerinin Değerlendirilmesi”, Aibü Sosyal Bilimler Enstitüsü Dergisi, 17(1), s. 1-28
- Brandt W. Michael, Santa Clara Pedro and Valkanov Rossen (2005), “Parametric Portfolio Policies: Exploiting Characteristics İn The Cross Section Of Equity Returns”, Efa Moscow Meetings Paper.
- Çil, Nilgün (2018), Finansal Ekonometri, Der Yayınevi ve Dağıtım, İstanbul.
- Dickson C. M. David (2005), Insurance Risk And Ruin, Cambridge University Press, New York.
- Fıkırkoca Meryem (2003), Bütünsel Risk Yönetimi, Birinci Basım, Pozitif Matbaacılık,Ankara, s.24
- Gürsoy Cudi Tuncer ve Erzurumlu Yaman Ömer (2001), “Evaluation Of Portfolio Performance Of Turkish Investment Funds”, Doğuş Üniversitesi Dergisi, 4, s. 43-58
- Hamurkaroğlu Canan ve Değirmenci Selin (2018), “Com-Poisson Dağılımı İle Bireysel ve Kolektif Risk Modelleri”, 4th Scf International Conference On “Economic And Social, Nevşehir.
- Hicks R. John (1935), A Suggestion For Simplifying The Theory Of Money, Economica, 2(5), s. 1-19.
- Karabayır Mehmet Emin ve Doğanay Murat (2010), “Kümeleme Analizi İle Portföy Seçimi: İMKB-100 Endeks Üzerine Bir Çalısma”, Ticaret Ve Turizm Egitim Fakültesi Dergisi, 2, s. 160-179.
- Karagöz Murat (2015), Excel ve Spss Uygulamalı İstatistik Yöntemleri, Ekin Basım Yayın Dağıtım, Bursa.
- Kardiyen Filiz (2008), “Portföy Optimizasyonunda Ortalama Mutlak Sapma Modeli ve Markowıtz Modelinin Kullanımı ve İmkb Verilerine Uygulanması”, Süleyman Demirel Üniversitesi İktisadi Ve İdari Bilimler Fakültesi Dergisi, 13(2), s. 335-350.
- Keršuliene Violeta, Zavadskas Edmundus Kazimieras and Turskis Zenonas (2010), “Selection Of Rational Dispute Resolution Method By Applying New Step-Wise Weight Assessment Ratio Analysis (Swara)”, Journal Of Business Economics And Management, 11(2), pp. 243–258.
- Kıyılar Murat ve Eroğlu Ergün (2004), “Tek Endeks Modeli ve Modelin İstanbul Menkul Kıymetler Borsasında Uygulanması”, İstanbul Üniversitesi İşletme Fakültesi Dergisi, 33(1), s. 21-38.
- Leavens Dickson. H. (1945), “Diversification Of Investments”, Trusts And Estates, 80(5), pp. 469-473.
- Levy Hyman (1983), The Capital Asset Pricing Model: Theory And Empiricism. The Economic Journal, 93, s. 25- 46.
- Lıntner John (1965), “The Valuation Of Risk Assets And The Selection Of Risky Investments İn Stock Portfolios And Capital Budget”, Review Of Economics And Statistics, 47, s. 13-37.
- Markowıtz Henry (1952), “Portfolio Selection”, Journal Of Finance, 7(1), pp. 77-91.
- Markowitz Henry (1952), Portfolio Selection, Efficient Diversification Of Investment, New York, John Wiley.
- Marschak Jacob (1938), “Money And The Theory Of Assets”, Econometrica, 6, s. 311-325.
- Mossin Jan (1966), “Equilibrium İn A Capital Asset Market”, Econometrica, 35(4), pp. 768-783.
- Özçalıcı Mehmet (2021), “Portföy Büyüklüğü İle Risk Arasındaki İlişkinin Modellenmesi: Borsa İstanbul Örneği”, Ankara Üniversitesi Sbf Dergisi, 76 (3), s. 761-791.
- Padmantyo Sri And Prasojo Prasojo (2019), “Total Risk Stock Investment: Does International Portfolio Diversification Give More Impact To Investors?” Proceeding Of The Urecol, s. 103-108
- Peijie, Wang (2009), Financial Econometrics, Roultledge, s.15 -23
- Schnabel Julia A. (1984), “Short Sales Restrictions And Security Market Line”, Journal Of Business Research, 12(1), s. 87-96.
- Sengupta Raghu Nandan, Gupta Aparna and Dutta Joydeep (2017), Decision Sciences Theory And Practice. Crc Press.
- Sharpe William F. (1963), “A Simplified Model For Portfolio Analysis”, Management Science, 9(2), s. 277-293.
- Sharpe William F. (1964), “Capital Asset Prices: A Theory Of Market Equilibrium Under Conditions Of Risk”, Journal Of Finance, 19, s. 425-442.
- Sharpe William F., Alexander Gordon J. and Bailey Jeffery V. (1995), “Investments”, Prentice Hall, Fifth Edition.
- Tobin James (1958), “Liquidity Preference As Behavior Towards Risk”, Review Of Economic Studies, 25(1), pp. 65-86.
- Tse Yiu-Kuen (2009), Nonlife Actuarial Models Theory. Methods And Evaluation, Cambridge University Press, New York.
- Turnbull Stuart M. (1977), “Market Imperpections And The Capital Asset Pricing Model”, Journal Of Business Finance & Accounting, 4(3), s. 327-337.
- Uyar Umut ve Kangallı Sinem Güler (2012), “Ekonomide Markowitz Modeline Dayalı Optimal Portföy Seçiminde İşlem Hacmi Kısıtı”, Ege Akademik Bakış, 12 ( 2), s. 183-192.
- Zavadskas Edmundas Kazimieras, Turskıs Zenonas, Antuchevıcıene Jurgita and Zakarevıcıus Algimantas (2012), “Optimization Of Weighted Aggregated Sum Product Assessment”, Electronics And Electrical Engineering, 122 (6), pp. 3-6.
- Zerey Gökçe ve Terzi Erol (2015), “Portföy Seçimi Ve Bist30 Üzerinde Bir Uygulama”, Scientific Science, 3(2), s. 38-46.
- Zolfani Sarfaraz Hashemkhani and Saparauskas Jonas (2013), “New Application Of Swara Method İn Prioritizing Sustainability Assessment Indicators Of Energy System”, Engineering Economics, 24(5), s. 408–414.
| APA | KARTAL M, ARSLAN E (2023). Olasılık Dağılımları ve Kolektif Risk Modellemesi Çerçevesinde Portföy Getiri Tahmini: Bist 30 Uygulaması. , 1461 - 1484. 10.20491/isarder.2023.1660 |
| Chicago | KARTAL Mahmut,ARSLAN EBUZER Olasılık Dağılımları ve Kolektif Risk Modellemesi Çerçevesinde Portföy Getiri Tahmini: Bist 30 Uygulaması. (2023): 1461 - 1484. 10.20491/isarder.2023.1660 |
| MLA | KARTAL Mahmut,ARSLAN EBUZER Olasılık Dağılımları ve Kolektif Risk Modellemesi Çerçevesinde Portföy Getiri Tahmini: Bist 30 Uygulaması. , 2023, ss.1461 - 1484. 10.20491/isarder.2023.1660 |
| AMA | KARTAL M,ARSLAN E Olasılık Dağılımları ve Kolektif Risk Modellemesi Çerçevesinde Portföy Getiri Tahmini: Bist 30 Uygulaması. . 2023; 1461 - 1484. 10.20491/isarder.2023.1660 |
| Vancouver | KARTAL M,ARSLAN E Olasılık Dağılımları ve Kolektif Risk Modellemesi Çerçevesinde Portföy Getiri Tahmini: Bist 30 Uygulaması. . 2023; 1461 - 1484. 10.20491/isarder.2023.1660 |
| IEEE | KARTAL M,ARSLAN E "Olasılık Dağılımları ve Kolektif Risk Modellemesi Çerçevesinde Portföy Getiri Tahmini: Bist 30 Uygulaması." , ss.1461 - 1484, 2023. 10.20491/isarder.2023.1660 |
| ISNAD | KARTAL, Mahmut - ARSLAN, EBUZER. "Olasılık Dağılımları ve Kolektif Risk Modellemesi Çerçevesinde Portföy Getiri Tahmini: Bist 30 Uygulaması". (2023), 1461-1484. https://doi.org/10.20491/isarder.2023.1660 |
| APA | KARTAL M, ARSLAN E (2023). Olasılık Dağılımları ve Kolektif Risk Modellemesi Çerçevesinde Portföy Getiri Tahmini: Bist 30 Uygulaması. İşletme Araştırmaları Dergisi, 15(2), 1461 - 1484. 10.20491/isarder.2023.1660 |
| Chicago | KARTAL Mahmut,ARSLAN EBUZER Olasılık Dağılımları ve Kolektif Risk Modellemesi Çerçevesinde Portföy Getiri Tahmini: Bist 30 Uygulaması. İşletme Araştırmaları Dergisi 15, no.2 (2023): 1461 - 1484. 10.20491/isarder.2023.1660 |
| MLA | KARTAL Mahmut,ARSLAN EBUZER Olasılık Dağılımları ve Kolektif Risk Modellemesi Çerçevesinde Portföy Getiri Tahmini: Bist 30 Uygulaması. İşletme Araştırmaları Dergisi, vol.15, no.2, 2023, ss.1461 - 1484. 10.20491/isarder.2023.1660 |
| AMA | KARTAL M,ARSLAN E Olasılık Dağılımları ve Kolektif Risk Modellemesi Çerçevesinde Portföy Getiri Tahmini: Bist 30 Uygulaması. İşletme Araştırmaları Dergisi. 2023; 15(2): 1461 - 1484. 10.20491/isarder.2023.1660 |
| Vancouver | KARTAL M,ARSLAN E Olasılık Dağılımları ve Kolektif Risk Modellemesi Çerçevesinde Portföy Getiri Tahmini: Bist 30 Uygulaması. İşletme Araştırmaları Dergisi. 2023; 15(2): 1461 - 1484. 10.20491/isarder.2023.1660 |
| IEEE | KARTAL M,ARSLAN E "Olasılık Dağılımları ve Kolektif Risk Modellemesi Çerçevesinde Portföy Getiri Tahmini: Bist 30 Uygulaması." İşletme Araştırmaları Dergisi, 15, ss.1461 - 1484, 2023. 10.20491/isarder.2023.1660 |
| ISNAD | KARTAL, Mahmut - ARSLAN, EBUZER. "Olasılık Dağılımları ve Kolektif Risk Modellemesi Çerçevesinde Portföy Getiri Tahmini: Bist 30 Uygulaması". İşletme Araştırmaları Dergisi 15/2 (2023), 1461-1484. https://doi.org/10.20491/isarder.2023.1660 |
