Bu çalışmada, farklı analistlerden gelen tahminleri kullanan portföy seçimi için
önerilen bütünleşik bir yaklaşımın kullanışlılığı ve etkinliği incelenmiştir. Portföy
eniyilemede kullanılan ortalama-varyans-çarpıklık modelini çözmek için farklı
tahminleri, Konik Skalerleştirme Tekniğini ve Uygun Değerler Temelli Genelleştirilmiş
Subgradient (F-MSG) Algoritmasını birleştiren üç aşamalı bütünleşik bir yaklaşım
geliştirilmiştir. Birinci aşamada yatırım aracı getirileri tahminlemede tahmin hatalarının
Ortalama Mutlak Sapmasını (MAD) enküçüklemede farklı kaynaklardan gelen tahmin
değerlerinin dışbükey bileşimi kullanılmıştır. Getiri tahminleri ve hatalarının her bir
serisinin ortalama, varyans ve çarpıklık performans ölçütlerine göre ölçülüp ve
değerlendirilen dağılımsal özellikler, çok amaçlı ortalama-varyans-çarpıklık modelinin
kurulmasında kullanıldı. İkinci aşamada amaç fonksiyonları, dışbükey ve dışbükey
olmayan vektör eniyileme problemlerinde yatırımcı tercihlerini de göz önüne alarak en
çok tercih edilen etkin çözüme ulaşılmasını sağlayan Konik Skalerleştirme Tekniği ile
skalerleştirilmiştir. Üçüncü aşamada, dışbükey olmayan ve diferansiyellenemeyen
skaler problemin bütünsel eniyi çözümün bulunmasını garanti eden F-MSG Algoritması
kullanılmıştır. Önerilen bütünleşik yaklaşım, literatürdeki diğer yaklaşımlarla
karşılaştırılmıştır. Bütünleşik yaklaşım IMKB’ye uygulanarak yatırımcının ortalama,
varyans ve çarpıklık ölçütleri üzerindeki farklı tercihleri için karşılaştırmalar
yapılmasıyla sonuçlar yorumlanmıştır.
This study investigates the usefulness and efficacy of an integrated approach for
portfolio selection guided by a set of seemingly diverse analysts' forecasts and their
previous performance based on residuals. We propose a three-stage integrated approach
which combines various forecasts, the conic scalarization method and the modified
subgradient algorithm based on feasible values (F-MSG) to solve a mean-varianceskewness
model for portfolio optimization. In the first stage, a convex combination of
various forecasts is used to minimize the mean absolute deviation (MAD) with respect
to the investment return prediction. Investment returns and residuals on each series of
forecasts are measured and then evaluated by three performance criteria, namely, mean,
variance, and skewness. Subsequently, these distributional properties of the returns are
used to construct a multi-objective mean-variance-skewness model. The objective
functions in this model are scalarized by using the conic scalarization method in the
second stage. The conic scalarization method provides to find the most preferred nondominated
solutions by considering investor preferences for both convex and nonconvex
vector optimization problems. The obtained scalar problem is not only nonconvex
but also non-differentiable optimization problem. In the third stage, F-MSG
algorithm is used to cope with the non-differentiable and non-convex optimization
problems. The performance of the integrated approach is compared with the integrated
approaches suggested by previous studies. The integrated approach is applied to
Istanbul Stock Exchange data. The comparison is conducted with respect to different
levels of investor preferences over return, variance, and skewness and the obtained
results are discussed.