HF-MaxScore-Portföy (Tereddütlü Bulanık Maksimum Skor Portföy Seçimi)

HF-MaxScore-Portföy bir portföy seçim yöntemidir. Elinizde birden fazla yatırım seçeneği (hisse, proje, program) olduğunda ve bu seçenekler için sayısal geçmiş veri yerine nitel, tereddütlü bulanık değerlendirmeler bulunduğunda kullanılır ("bu hissenin büyüme potansiyeli 0,3 ile 0,9 arasında bir değere sahip olabilir" gibi). Sınırlı bir bütçenin seçenekler arasında nasıl paylaştırılacağına karar verir. Çıktısı bir sıralama değil, toplamı bir olan bir yatırım oranları vektörüdür. Zhou ve Xu tarafından 2018'de, Markowitz'in klasik ortalama-varyans portföy kuramını tereddütlü bulanık ortama taşıyan bir çalışmayla önerilmiştir.

HF-MaxScore-Portföy'ün arkasındaki fikir, karar sorusunun "hangisi en iyi" değil "ne kadarını nereye ayırmalıyım" olduğu durumları modellemektir. Markowitz'in 1952'de önerdiği klasik portföy kuramı, geçmiş getiri ve risk verilerinden hareketle bu dağılımı bulur. HF-MaxScore-Portföy aynı soruyu, geçmiş sayısal veri yerine uzman ya da yatırımcı yargısıyla verilmiş, birden fazla makul değerden oluşan (tereddütlü bulanık) değerlendirmelerle çalışır.

Bu fikrin bir felsefi sonucu vardır. Yöntem, seçenekleri birleştirirken düz bir ağırlıklı ortalama kullanmaz; tereddüt kümelerini olasılıksal bir "ya biri ya öbürü" mantığıyla birleştirir. Bu yüzden iki seçeneğin tek başına skorları birbirine yakın olsa bile, ikisine birden pay ayırmak, yalnız birine tüm bütçeyi ayırmaktan daha yüksek bir toplam skor verebilir. Yöntem böylece çeşitlendirmeyi (tüm yumurtaları aynı sepete koymamayı) doğrudan sayılarla haklı çıkarabilir.

Yöntem dört adımda ilerler.

Birinci adım, kriter bazlı değerlendirmelerin toplanması. Her seçenek için, birden fazla nitel kritere ait değerlendirmeler (her biri tereddütlü bulanık bir küme) toplanır.

İkinci adım, seçenek bazlı birleştirme. Bir seçeneğin farklı kriterlerdeki değerlendirmeleri, tek bir toplu tereddütlü bulanık değerlendirmede birleştirilir; böylece her seçenek için tek bir değerlendirme kümesi elde edilir.

Üçüncü adım, en yüksek skoru veren dağılımın bulunması. Yatırım oranlarının toplamı bir olacak ve hiçbiri negatif olmayacak biçimde, seçeneklerin toplu değerlendirmelerinin bu oranlarla birleştirilmiş toplam skorunu en yükseğe çıkaran dağılım bulunur. Bu birleşim düz bir ağırlıklı ortalama değildir; seçeneklerin tereddüt kümelerindeki her makul değer kombinasyonunu hesaba katan bir işlemdir. Model, bütçenin tamamından daha azının kullanılmasına izin verse bile, en iyi çözüm her zaman bütçenin tamamını kullanır; elde boş bütçe bırakmaz.

Dördüncü adım, dağılımın raporlanması. Her seçeneğe ayrılacak oran, yüzde ya da tutar olarak raporlanır.

Adımların formülleri DecisionMind'daki yöntem sayfasında verilir; bu kart formül taşımaz.

Çıktı bir sıralama değil, toplamı bire eşit bir oranlar vektörüdür. Bir seçeneğin oranı yüksekse, bütçenin büyük kısmı ona ayrılmalıdır; oranı sıfırsa, model bu seçeneğe bütçe ayırmanın toplam skoru artırmadığını bulmuştur. Sıfır oran "bu seçenek kötüdür" anlamına gelmez, yalnız "bu seçeneğe pay ayırmak toplam skoru yükseltmiyor" anlamına gelir.

Bu nedenle:

"HF-MaxScore-Portföy en iyi hisseyi seçti"

yerine:

"Bu değerlendirmelerle toplam skoru en yükseğe çıkaran dağılım şudur; bir seçeneğin payı düşükse bu onun kötü olduğu değil, dağılıma katkısının sınırlı olduğu anlamına gelir"

biçiminde yazmak doğrudur.

HF-MaxScore-Portföy tereddütlü bulanık (hesitant) veriyle çalışır: her hücrede tek bir sayı yerine, birden fazla makul değerden oluşan bir küme bulunur. DecisionMind'da bu yöntemin ayrı bir veri türü uzantısı bulunmaz; temel biçimiyle tek başına yer alır.

Elinizde şunlar olmalı: seçenekler (hisse, proje) x kriterler tablosu, her hücrede bir tereddütlü bulanık değerlendirme kümesi; birden fazla kriter varsa kriter ağırlıkları. Bu yöntem yatırım riskini ya da değerlendirmelerin ne kadar dağınık olduğunu ayrıca cezalandıran bir terim içermez; yalnız toplam skoru en yükseğe çıkarır. Risk ya da dağınıklığı da hesaba katmak isteyen bir karar verici, DecisionMind'ın HF-TradeOff-Portföy ya da HF-EHVaR gibi kardeş yöntemlerine bakmalıdır.

Kararınız "hangisini seçeyim" değil "bütçeyi nasıl paylaştırayım" sorusuysa, elinizdeki veri geçmiş sayısal getiri ve risk verisi değil nitel ve tereddütlü uzman değerlendirmesiyse HF-MaxScore-Portföy uygun bir seçimdir.

Kullanılmaması gereken durumlar şunlardır: elinizde geçmiş sayısal getiri ve risk verisi varsa klasik Markowitz portföy kuramı ya da onun ölçülebilir veriyle çalışan biçimleri daha uygun olabilir. Kararınız gerçekten tek bir kazanan seçmekse, bütçe paylaştırmak değilse, bir sıralama yöntemi (TOPSIS, SAW) daha doğrudan bir cevap verir. Risk ya da değerlendirme dağınıklığını modele katmak istiyorsanız risk terimi içeren bir portföy yöntemi (HF-TradeOff-Portföy) gerekir.

Bütçe paylaştırma, nitel tereddütlü değerlendirme → HF-MaxScore-Portföy

Bütçe paylaştırma, risk/dağınıklık da hesaba katılmalı → HF-TradeOff-Portföy, HF-EHVaR

Bütçe paylaştırma, geçmiş sayısal getiri/risk verisi var → Klasik Markowitz portföy kuramı

Tek bir kazanan seçilecek, paylaştırma değil → TOPSIS, SAW ve sıralama yöntemleri

HF-MaxScore-Portföy'ün en önemli üstünlüğü, geçmiş sayısal veri olmadan, yalnız nitel uzman yargısıyla bir bütçe paylaşım kararını nicel bir temele oturtmasıdır. Tereddütlü bulanık verilerle çalışması, değerlendirmedeki belirsizliği erken bir sayıya indirgemeden taşımasını sağlar. Seçeneklerin tereddüt kümelerini birleştirirken düz bir ortalama yerine olasılıksal bir birleşim kullanması, çeşitlendirmenin ne zaman avantajlı olduğunu doğrudan hesaplarla gösterebilir.

Sınırlılıkları modelin risk terimi taşımamasından doğar. Birincisi, model bir risk ya da dağınıklık cezası içermez; bu yüzden bazı veri örüntülerinde tüm bütçeyi tek bir seçeneğe ayırabilir (köşe çözüm), bu matematiksel olarak doğru ama ihtiyatlı bir yatırımcı için ekonomik olarak istenmeyen bir sonuç olabilir. İkincisi, tereddüt kümelerinin olasılıksal birleşimi, seçenek ve kriter sayısı arttıkça hesaplama yükünü hızla artırır. Üçüncüsü, yöntem sonucu, kriter değerlendirmelerinin nasıl toplandığına (hangi uzmanın hangi kritere ne kadar tereddütlü baktığına) doğrudan bağlıdır; bu değerlendirmeler değişirse dağılım da değişir. Dördüncüsü, yöntem yalnız merkezi eğilimi (skoru) ölçer; kuyruk riskine (nadir ama büyük kayıp olasılığına) duyarlı bir yatırımcı için tek başına yeterli değildir.

En yaygın hata, sıfır oran alan bir seçeneği "model tarafından reddedildi ya da kötü bulundu" diye yorumlamaktır; sıfır oran yalnız o seçeneğe pay ayırmanın toplam skoru artırmadığını gösterir.

İkinci hata, modelin tüm bütçeyi tek bir seçeneğe ayırdığı bir köşe çözümü sorgusuz kabul etmektir; bu durumda değerlendirmelerin gerçekten bu kadar keskin bir farkı yansıtıp yansıtmadığı kontrol edilmelidir. Üçüncü hata, HF-MaxScore-Portföy'ü bir sıralama yöntemiymiş gibi okuyup oranları "puan" diye sunmaktır; oranlar bir bütçe paylaşımıdır, puan değildir. Dördüncü hata, risk ya da dağınıklığın modele hiç dahil edilmediğini unutup sonucu ihtiyatlı bir yatırım kararı gibi sunmaktır.

Temel ilke şudur:

HF-MaxScore-Portföy sonucu, verilen nitel değerlendirmelerle toplam skoru en yükseğe çıkaran bir bütçe paylaşımıdır; risk ya da dağınıklık ayrıca değerlendirilmediği sürece bu paylaşım tek başına ihtiyatlı bir yatırım kararı sayılmamalıdır.