Post-Modern Portföy Teorisi (PMPT) Optimizasyonu
Post-Modern Portföy Teorisi (PMPT) optimizasyonu, yatırım portföylerini toplam varyans yerine belirli bir hedef ya da minimum kabul edilebilir getiri altında kalan getirileri (aşağı taraf riski) minimize ederek oluşturma çerçevesidir. Modern Portföy Teorisi (MPT)’yi, yatırımcıların kayıp ve kazançları asimetrik algılamasını (kayıplara, kazançlardaki volatiliteden daha duyarlı olmaları) tanıyarak genişletir. Bu nedenle PMPT optimizasyonu, ortalama‑varyans optimizasyonunu (MVO) aşağı taraf risk optimizasyonu (DRO) ile değiştirir ve varlık dağılımı kararlarını yönlendirmek için yarı varyans, yarı sapma veya Sortino oranı gibi ölçütleri kullanır.
MPT’nin, yatırımcıların yönü ne olursa olsun ortalama etrafındaki getiri dağılımına önem verdiğini varsaymasının aksine, PMPT riski açıkça bir hedefe (ör. bir yükümlülük takvimi, kıyaslama ya da kişisel getiri tabanı) ulaşamama olarak modeller. Bu özellik, PMPT’yi emeklilik planlaması, bağış fonu yönetimi ve düşük performansın belirgin sonuçlar doğurduğu diğer bağlamlar için özellikle uygun kılar.
PMPT optimizasyonu, beklenen getiriyi maksimize eden portföy ağırlıklarını, aşağı taraf riski üzerindeki bir kısıtlama altında çözer; ya da eşdeğer olarak, hedef getiriyi sağlayacak şekilde aşağı taraf riskini minimize eder. Optimizasyon problemi genellikle alt kısmi momentler (LPM) kullanılarak formüle edilir; burada amaç fonksiyonu yalnızca hedef getiri \(T\) altında kalan kare sapmaları içerir:
\[\text{Minimize } \text{LPM}_2(T) = \int_{-\infty}^{T} (T - r)^2 f(r) \, dr\]\(r\) rastgele getiriyi, \(f(r)\) ise olasılık yoğunluğunu temsil eder. Pratikte, bu tarihsel ya da simüle edilmiş getiri dağılımları kullanılarak yaklaşık olarak hesaplanır:
\[\widehat{\text{LPM}}_2(T) = \frac{1}{N} \sum_{t=1}^{N} \max(0, T - r_t)^2\]Bu amaç, MVO’da kullanılan varyans terimi \(\sigma^2 = \frac{1}{N} \sum (r_t - \bar{r})^2\) yerine geçer. Ortaya çıkan etkin sınır, getiri‑aşağı‑risk düzleminde konkavdır ve genellikle hedefe göre düşük performans gösterme olasılığı daha düşük portföyler üretir.
- Hedef Getiri (T): Enflasyon artı %3, bir yükümlülük nakit akışı veya risksiz faiz gibi önceden belirlenmiş bir kıstas; ‘istenmeyen’ getirilerin eşiğini tanımlar.
- Yarı‑Varyans / Yarı‑Sapma: Hedefin altındaki getirilerin varyansı ya da standart sapması; risk ölçütü olarak kullanılır.
- Sortino Oranı: Hedefin üzerindeki fazla getirinin yarı‑sapmaya bölünmesi; optimizasyon ya da sıralamada performans ölçütü olarak kullanılır.
- Aşağı Yönlü Risk Optimizasyonu (DRO): PMPT amacını çözmek için kullanılan hesaplama yöntemi; getiriler ayrık olarak yaklaşıldığında genellikle kuadratik programlama ile uygulanır.
- Yakınsama Davranışı: Ampirik çalışmalar, kısıtlamasız yarı‑varyans optimizatörlerinin teorinin öngördüğü uç ‘köşe çözümlerine’ her zaman ulaşmadığını gösteriyor; bunun yerine, özellikle getiri dağılımları Gaussian olmayan veya ağır kuyruklu olduğunda çeşitlendirilmiş tahsisatlar üretme eğilimindedir.
- Veri Hassasiyeti: PMPT optimizasyonu, hedef getiri seçimi ve getiri dağılımı varsayımlarına MPT’ye göre daha duyarlıdır. Hedefteki küçük değişiklikler ya da aşağı yönlü momentlerdeki tahmin hataları optimal ağırlıkları önemli ölçüde etkileyebilir.
- Hesaplama Karmaşıklığı: Orta ölçekli varlık evrenleri için yönetilebilir olsa da, DRO büyük ölçekli problemler için risk ağırlığının simetrik olmaması ve yüksek mertebeden LPM formülasyonlarındaki konveks olmayan yapılar nedeniyle MVO’ya göre daha ağır bir hesaplama gerektirir.
- Hedef Uyumluğu: Yatırımcı hedefleri net tanımlandığında (ör. bilinen bir yükümlülük akışının finanse edilmesi) PMPT üstün performans gösterir; ancak hedefler keyfi olduğunda ya da getiri dağılımları simetrik ve ince kuyruklu olduğunda PMPT’nin MPT’ye göre avantajı azalır.
Bir yatırımcının %5 yıllık getiri hedeflediğini ve iki varlık sınıfını tarihsel yıllık getirilerle değerlendirdiğini varsayalım:
- Varlık A: getiriler [%2, %6, %8, %4]
- Varlık B: getiriler [%3, %3, %7, %7]
Varlık A için, %5’in altındaki sapmalar [−%3, %0, %0, −%1] → negatiflerin karesi: [9, 0, 0, 1] → yarı‑varyans = 2.5. Varlık B için, %5’in altındaki sapmalar [−%2, −%2, %2, %2] → negatiflerin karesi: [4, 4, 0, 0] → yarı‑varyans = 2.0.
Her iki varlık da aynı ortalamayı (%5) paylaşır, ancak Varlık A, %5 hedefinin altındaki eksiklikleri daha büyük olduğu için (yarı‑varyans 2.5 vs 2.0) daha yüksek aşağı yönlü risk taşır; bu nedenle kayıptan kaçınan bir yatırımcı PMPT altında optimizasyon yaparken Varlık B’yi tercih eder. İki çerçeve, varlıkların aynı toplam varyansı paylaşırken getiri dağılımlarının şekli bakımından farklılık gösterdiği durumlarda en belirgin şekilde ayrışır: toplam varyans, yukarı ve aşağı yönlü sapmaları eşit ağırlıklandırdığı için, getirileri çarpık olduğunda aynı varyansa sahip iki varlık bile çok farklı yarı‑varyanslara sahip olabilir — ve tam da bu asimetri PMPT’nin fiyatlamaya yönelik temelini oluşturur.
Referanslar
PMPT optimizasyonu Modern Portföy Teorisi (MPT)’den nasıl farklıdır?
PMPT optimizasyonu, MPT’nin simetrik risk ölçüsü (standart sapma) yerine asimetrik aşağı taraf riskini kullanır; hedefin ya da minimum kabul edilebilir seviyenin altındaki getirileri odak noktasına alarak, yatırımcının volatiliteden ziyade kayıplara karşı duyarlılığını daha iyi yansıtır.
PMPT optimizasyonunun temel amacı nedir?
Temel amaç, belirli bir hedef getiriyi baz alarak verilen bir aşağı taraf risk seviyesinde getiriyi maksimize etmektir; bu sayede yükümlülükleri karşılamak ya da düşük performanstan kaçınmak gibi gerçek dünya yatırımcı hedefleriyle daha uyumlu portföyler oluşturulur.
PMPT optimizasyonunda kullanılan yaygın aşağı taraf risk ölçütleri nelerdir?
Yaygın ölçütler arasında yarı varyans (ikinci dereceden alt kısmi moment), yarı sapma ve Sortino oranı bulunur; her biri toplam dağılım yerine sadece bir eşik altındaki getirileri ölçer.