Birden fazla yatırım seçeneği var, hepsinin beklenen getirisi ve riski farklı, korelasyonları farklı. Klasik finans OR problemi: Markowitz mean-variance optimizasyonu, 1952'den.
Kısaca
Tanıdık geliyor mu?
- İşletme nakit fazlası var; vadesiz hesapta tutmak yerine ne yapacağına müdür her ay tahminle karar veriyor.
- Banka müşteri temsilcisi 'siz bu fonları tercih edersiniz' diyor; gerçekten bize uygun mu, başka seçenekler nasıl test edemiyoruz.
- Döviz var, altın var, hisse var; portföy %50 USD'de takılı, biri yükseldiğinde diğerleri düşmüş ama kimse risk dağılımını ölçmüyor.
- Emekli olan çalışanımız BES birikimini değerlendirmek istiyor, hangi fon karmasının kendisine uygun olduğunu kimseye soramıyor.
- İşletmeye yatırım yapalım mı, parayı tahvilde mi tutalım, makineye mi yatıralım? Kararı 'hisse'lerin tarihsel ortalama getirisi' gibi tek rakamla veriyoruz.
- Risk iştahımız değişti — eskiden agresif, şimdi muhafazakar olalım dediğimizde portföyü nasıl revize edeceğimizi bilmiyoruz.
- Vergi var, komisyon var, asgari yatırım tutarı var; bunlar portföy kararını nasıl etkiliyor bilmeden 'sezgiyle' dağıtıyoruz.
Niye önemli?
Nasıl çözülür?
Teknik derinlik
Nasıl çözülür?
Teknik derinlikTek satırla: İki yatırım aynı yönde hareket ediyorsa (yüksek korelasyon) ikisini birden tutmak çeşitlendirme değildir, sadece daha büyük bahistir. Asıl çeşitlendirme birinin düştüğünde diğeri yükselen varlık çiftlerinden kurulur. Ortalama getiri kadar yatırımların birbirini telafi etmesini de hesaba kat.
Bu problem operasyon araştırması (matematik ve bilgisayarla iş kararı veren disiplin) ve finans matematiğinin ortak alanı olan Portfolio Optimization Problem olarak bilinir. Klasik formülasyonu Markowitz Mean-Variance Optimization (1952). Çözüm üç aşamalı:
1. Modelleme. Aday varlıklar listesi (n adet), her varlığın beklenen getirisi (μᵢ), her ikili (i,j) için kovaryans (σᵢⱼ) — bu matris kalbi oluşturur. Kısıtlar: ağırlıklar toplam = 1 (tüm sermaye yerleştirildi), her ağırlık ≥ 0 (kısa satış yok ise), her varlık için max-min limit (bireysel maruziyet kontrolü), sektör veya bölge bazında gruplar için üst limit (konsantrasyon kontrolü). Hedef: ya verilen risk seviyesi için beklenen getiriyi maksimize, ya da verilen getiri için varyansı minimize.
2. Çözücü ile karar. Markowitz problemi quadratic programming (QP) formundadır ve modern çözücülerle saniyeler içinde çözülür. 5-50 varlık için saniyeler, 100+ varlık için dakikalar. Efficient frontier (verimli sınır) — her risk seviyesi için maksimum getiriyi veren noktaların eğrisi — çıktı olarak verilir. Tek-noktalı çözüm: Sharpe ratio maksimize eden tangent portföy. Pratikte kovaryans matrisinin (varlıklar arasındaki birlikte hareket etme tablosu) tahmini en zor adımdır; shrinkage tahmincileri (geçmiş veriden taşan aşırı sayıları yumuşatan istatistik), faktör modelleri kullanılır.
3. Saha entegrasyonu. Çıktı varlık başına yüzde ağırlığı listesi olarak yatırım kararına dönüşür. Yatırımcıya rebalancing takvimi (örn. çeyrek bazda yeniden dengeleme), risk-getiri görselleştirmesi (efficient frontier eğrisi üzerinde mevcut konum), what-if senaryoları (TL %20 değer kaybederse, faiz 5 puan artarsa portföy ne olur). Düzenli rapor — beklenen getiri vs. gerçekleşen, izleme metrikleri (Sharpe, Treynor, max drawdown).
Alternatifler
Manuel + banka müşteri temsilcisi tavsiyesi
ÜcretsizÜcretsiz (komisyon yatırım üzerinden)
Kim için: Küçük sermaye (100K TRY altı), 1-3 yatırım
- + Sıfır yazılım maliyeti
- + İnsan teması, sorular sorulabilir
- + Mevzuat uyumu banka tarafından sağlanır
- − Banka çıkar çatışması — kendi ürünlerini önerir
- − Sayısal optimizasyon yok
- − Risk iştahı kişisel ölçülmüyor
- − Ölçek arttıkça yetersiz
Robo-advisor / dijital varlık yönetimi platformları
KurumsalYıllık %0.5-1.5 portföy bazlı, 100-2000 TRY/yıl fix ücret olabilir
Kim için: Bireysel veya küçük KOBİ, 100K-5M TRY
- + Otomatik rebalansing
- + Markowitz veya Black-Litterman tabanlı algoritma
- + Düşük komisyon, şeffaf
- − Türkiye'de seçenek az
- − Özel varlık (kendi işine yatırım) entegre değil
- − Müşteri özelleştirmesi sınırlı
Profesyonel portföy yönetim şirketi (kurumsal yatırımcı)
KurumsalYıllık %1-2 yönetim ücreti + performance fee
Kim için: 5M+ TRY portföy, kurumsal yatırımcı
- + Profesyonel ekip, analiz, raporlama
- + Risk yönetimi profesyonel
- + Düzenleyici uyum, denetim
- − Pahalı
- − Asgari yatırım tutarı yüksek (1-5M TRY)
- − Şeffaflık değişken
Açık-kaynak çözücü + finansal Python kütüphaneleri
Açık KaynakLisans ücretsiz; iç geliştirme 4-8 hafta veya 100K-300K TRY danışmanlık
Kim için: Finans bilgisi olan KOBİ veya bireysel; ileri seviye
- + Tam kontrol, özelleştirilebilir
- + Markowitz, Black-Litterman, risk parity gibi yaklaşımlar açık kaynak kütüphanelerde
- + Lisans yok
- − Finans + Python bilgisi şart
- − Veri besleme (fiyat geçmişi) ücretli olabilir
- − Bakım kullanıcı sorumluluğunda
Tavsiye
Çözüm görüşmesinde sor
- Hangi portföy optimizasyon yöntemini kullanıyorsunuz? Markowitz, Black-Litterman, risk parity gibi seçenekler var mı?
- Kovaryans tahmini için hangi yöntem? (örn. shrinkage, factor model, ham örneklem)
- Risk iştahımı (volatilite toleransı) nasıl ölçüyorsunuz? Anket, geçmiş davranış, simülasyon?
- İşlem maliyetleri (komisyon, vergi, spread) optimizasyona dahil mi?
- Rebalancing sıklığı nasıl belirleniyor? Çeyrek, yarıyıl, yoksa eşik bazlı (drift)?
- Stress test ve senaryo analizi var mı? (örn. faiz 5 puan değişirse, TL %20 değer kaybederse)
- Geçmiş 3-5 yıllık portföy performansı şeffaf raporlanıyor mu?
- Bizimle çalışmayı bırakırsak portföy hareket geçmişi ve raporları standart formatta nasıl alırız?
Teknik detay
Editör notu
Bu problem halk dilinde “varlık dağıtımı”, “portföy çeşitlendirmesi”, “yatırım kompozisyonu” diye anılır. Akademik literatürde Portfolio Optimization Problem ya da Markowitz Mean-Variance Optimization. İki tarafın farkını bilmeden banka müşteri temsilcisinin önerdiği fon karmasına evet derken, gerçekte hangi varsayım altında (varlık getiri tahmini, kovaryans tahmini, risk iştahı ölçümü) optimize edildiğini sorgulayamazsın.
Sektörde en sık atlanan nokta: kovaryans matrisinin tahmini. Beklenen getiriyi tahmin etmek görece kolaydır (hata büyük ama yapılır); kovaryansı tahmin etmek matrisin boyutu nedeniyle çok daha zor — 50 varlık için 1275 parametre tahmin edilir, gözlem sayısı yetmeyebilir. Naif örneklem tahminci kötü performans verir; modern yaklaşımlar (shrinkage, factor model) şarttır. Yazılım hangi kovaryans tahmincisini kullanıyor sorusu cevaplanmadan değer değerlendirilemez.
Adım adım yol — KOBİ için
Aşama 1 — Önce kendini ölç. Risk iştahı: ne kadar volatilite (yıllık standart sapma) kabul edilebilir? Vade: 1 yıl, 5 yıl, 10 yıl? Likidite ihtiyacı: ne zaman ne kadar nakit lazım olabilir? Vergi durumu: gelir vergisi dilimi, kurumlar vergisi.
Aşama 2 — Varlık evrenini netleştir. Türkiye için tipik: TL mevduat, hisse senedi (BIST), döviz (USD, EUR), altın, tahvil/bono, gayrimenkul fonu, kendi işine yatırım. Her birinin tarihsel getirisi (en az 5-10 yıl) ve korelasyonları gerekli.
Aşama 3 — Pilot. Kağıt üzerinde optimizasyon yap, 3-6 ay sanal portföy izle. Başarı kriterleri: hedef volatilite tutarken beklenen getiri en az %2 puan iyileşme.
Aşama 4 — Uygulama. Gerçek paraya geç, düzenli rebalancing (çeyrek veya yarıyıl). Yıllık review ile makroekonomik değişikliklere ve risk iştahı değişimine göre güncelleme.
Riskler — ne yanlış gidebilir
- Beklenen getiri tahmin hatası. Geçmiş getiri gelecek getiri demek değil. Tahmin hatası %30-50 olabilir; bu hata optimizasyona girince çıktı dramatik şekilde değişir. Çözüm: Bayesian / Black-Litterman ile uzman görüşü ile birleştirme.
- Korelasyon zaman içinde değişir. Kriz dönemlerinde tüm varlıklar birlikte düşer (correlation goes to 1); bu durum ‘çeşitlendirme yararını’ geçici olarak ortadan kaldırır. Stress test ile test edilmeli.
- Likidite ihmal edilir. Kağıt üzerinde optimum portföyde gayrimenkul %30 olabilir; nakit lazım olduğunda gayrimenkul satılamaz. Likidite kısıtı modele eklenmeli.
- Mevzuat ve vergi değişikliği. TR’de vergi rejimi sık değişir. Vergi sonrası getiri optimize edilmeli, vergi öncesi değil.
Çözüm yöntemine teknik bakış
| Yaklaşım | Tipik ölçek | Çözüm süresi | Garantili optimum? |
|---|---|---|---|
| Quadratic Programming (Markowitz klasik) | 5-100 varlık | saniyeler | Evet |
| Black-Litterman (Bayesian uzantı) | 5-100 varlık | dakikalar | Evet (Bayesian sense) |
| Risk Parity | Çeşitli ölçek | saniyeler | Hayır (heuristic) |
| Monte Carlo + scenario optimization | Stokastik | dakikalar | Hayır |
| Robust optimization | Belirsiz parametreli | saniyeler-dakikalar | Worst-case optimum |
Hedef fonksiyonu seçimi:
- Hedef 1 — Maksimum Sharpe ratio: En yaygın akademik hedef.
- Hedef 2 — Verilen risk için maksimum getiri: Yatırımcı volatilite eşiği belirlerse.
- Hedef 3 — Maksimum drawdown sınırı: Kötü senaryoda kayıp limiti."
- Hedef 4 — Hedef getiri için minimum risk: Belirli bir gelir hedefi varsa.
Türk yatırımcı için: vergi sonrası getiri + TL bazlı reel getiri (enflasyon düzeltmeli) kritik.
Akademik kaynaklar
Sayfanın frontmatter’ında sources alanında listelidir.
Kaynaklar
- Markowitz, H. (1952). Portfolio selection. Journal of Finance, 7(1), 77–91. Modern portföy teorisinin kurucu makalesi, Nobel ödüllü.
- Sharpe, W. F. (1964). Capital asset prices: A theory of market equilibrium under conditions of risk. Journal of Finance, 19(3), 425–442. CAPM modeli, portföy teorisinin uzantısı.
- Ledoit, O. ve Wolf, M. (2004). A well-conditioned estimator for large-dimensional covariance matrices. Journal of Multivariate Analysis, 88(2), 365–411. Kovaryans tahmini için modern referans.
- Sermaye Piyasası Kurulu (SPK) yıllık raporları ve mevzuat dokümanları — TR finans piyasası referansı.
- YÖK Tez Merkezi — anahtar kelime: ‘portföy optimizasyonu’ — TR akademisinden 80+ tez. tez.yok.gov.tr
Sözlük
- Portföy Optimizasyonu
- Birden fazla yatırım seçeneği arasında sermayeyi risk-getiri trade-off'una göre dağıtma problemi.
- Mean-Variance Analysis
- Yatırım kararlarını beklenen getiri (ortalama) ile varyans (risk) ekseninde analiz eden Markowitz tarafından kurulan klasik finans çerçevesi.
Benzer problemler
Çoklu Girdi + Çoklu Çıktı — Şube/Birim Verimliliğini Diğerlerine Kıyasla Nasıl Ölçerim?
100-500 şubeli bir banka, 200-1.500 yataklı çok-merkezli bir hastane zinciri, yüzlerce okullu bir eğitim müdürlüğü ya da il-il karşılaştırma yapan bir kamu kurumu işletiyorsanız bu sayfa size yöneliktir. Temel soru: hangi şube/hastane/okul verimli, hangisi değil — ve verimsiz olanlar hangi 'akran' birimi örnek alarak ne kadar iyileşmeli? Her birim aynı anda birden fazla girdi tüketir (personel, alan, bütçe) ve birden fazla çıktı üretir (gelir, müşteri/hasta/öğrenci sayısı, kalite); 'gelir/personel' gibi tek-oran metrikler bu çoklu yapıyı yansıtmaz ve verimsiz görüneni aslında verimli ya da tersi gösterebilir. Yöntem doğru kurgulandığında — akran benchmark'ı somut bir iyileştirme kanıtı verdiği için — verimsiz birimler için iyileştirme planlarının kabul oranı %40-70 artar; orta-ölçekli bir banka şubesi ağında bu yıllık 10-50 milyon TRY operasyonel marja denk gelir.
Hangi ATM'e Ne Kadar Nakit Koysam, Ne Sıklıkta Yenilesem — Boş ATM Şikayetiyle Yüksek İmmobilizasyon Maliyeti Arasında Denge?
50-500 ATM işleten orta ölçekli bir ticari banka ya da katılım bankasıysanız, her sabah üç soruya cevap vermek zorundasınız: hangi ATM'e ne kadar para konsun, hangisi kaç günde bir yenilensin, zırhlı araç hangi rotada hangi ATM'leri dolaşsın. Yanlış uçlar pahalı: gereğinden fazla nakit ATM'in içinde bekleyince yıllık %5-15 faiz fırsat maliyeti + sigorta primi şişer; az nakit konunca ATM boşalır, müşteri çekemez, şikayet ve marka kaybı gelir. AVM, otobüs durağı, kampüs, ofis gibi farklı lokasyonların talep deseni çok farklı olduğu için sezgisel 'hepsine aynı miktar' kuralı her iki ucu birden zarar verir. Bu sayfa, üç kararı veriyle birlikte vermek isteyen banka operasyon ekiplerine yöneliktir.