Islamic Fintech Applications and Portfolio Optimization Using Machine Learning Methods

Abstract

ABSTRACT: This thesis examines the advantageous relationship between Islamic banking and fıntech in Türkiye, with a focus on its capacity to impact open banking. Islamic fintech can improve financial inclusion, operational efficiency, and compliance to ethical norms by combining Shariah principles with digital advancements. The study explores widely various fintech options, such as Shariah-compliant digital banking, crowdfunding, and the consequences of open banking systems. This study also investigates the application of six machine learning models, namely Gated Recurrent Unit (GRU), Bidirectional LSTM (Bi-LSTM), Long Short-Term Memory (LSTM) and XGBoost, and Random Forest (RF) and Support Vector Machine (SVM) in the stock price prediction in the Borsa Istanbul Katılım Tum Index between Q1 2007 - Q4 2022 with 163 stocks as well as LSTM, BiLSTM and GRU models for portfolio optimisation applications. The XGBoost model demonstrated superior performance, attaining the highest levels of accuracy in terms of stock price prediction. It produced an MAE (Mean Absolute Error) of 0.1619, MSE (Mean Squared Error) of 0.0377, RMSE (Root Mean Squared Error) of 0.1943. LSTM concluded with a highest equity value among models in terms of portfolio optimisation. The Bi-LSTM model exhibited the most favourable balance between risk and return, achieving the greatest annualised Sharpe Ratio of 0.0719. On the other hand, the GRU model demonstrated its capacity to respond to volatile markets, despite having the highest error metrics. These solutions demonstrate the flexibility and innovative capability of Islamic finance in addressing existing financial requirements while maintaining ethical and moral guidelines. The thesis supports for an integrated approach that includes the participation of the government, financial institutions, and technology players to drive the sector's progress. It suggests that by combining these efforts, Türkiye can establish itself as a leader in the worldwide Islamic fintech industry.

ÖZET: Bu tez, Türkiye'de İslami bankacılık ile fintech arasındaki etkileşimi, açık bankacılık uygulamalarını esas alarak incelemeyi amaçlamıştır. İslami fintech, Şeriat ilkelerini dijital gelişmelerle birleştirerek finansal katılımı, operasyonel verimliliği ve etik normlara uyumu geliştirme kapasitesine sahiptir. Çalışma, Şeriat uyumlu dijital bankacılık, kitlesel fonlama ve açık bankacılık sistemlerinin sonuçları gibi çok çeşitli fintech seçeneklerini araştırmaktadır. Bu çalışma aynı zamanda Kapı Özyinelemeli Geçitler (GRU), Çift Yönlü LSTM (Bi-LSTM), Uzun Kısa Süreli Bellek (LSTM), XGBoost, Rastgele Orman (RF), Destek Vektör Makinesi (SVM) olmak üzere altı makine öğrenme modelinin, Borsa Istanbul Katılım Tüm Endeksi’ndeki 163 adet stoğun 2007 ilk çeyrek ile 2022 son çeyrek arasındaki verileri ile fiyat tahminlemesini ve LSTM, Bi-LSTM ve GRU modelleri ile portföy optimizasyonu uygulamalarını içermektedir. XGBoost modeli, hisse senedi fiyat tahmini açısından en yüksek doğruluk düzeyine ulaşarak üstün performansı, 0,1619 MAE, 0,0377 MSE, 0,1943 RMSE değerleri ile ulaşmıştır. Portföy optimizasyonda LSTM, modeller arasında en yüksek özsermayeye ulaşarak en iyi performansı göstermiştir. Bi-LSTM modeli, risk ve getiri arasındaki en uygun dengeyi sergileyerek 0,0719 ile en yüksek yıllıklandırılmış Sharpe Oranını elde etmiştir. Öte yandan GRU modeli, en yüksek hata metriklerine sahip olmasına rağmen değişken piyasalara yanıt verme kapasitesini en düşük yıllık değişkenlik oranına ulaşarak göstermektedir. Tez, sektörün ilerlemesini yönlendirmek için hükümetin, finansal kurumların ve teknoloji oyuncularının katılımını içeren entegre bir yaklaşımı destekleyen perspektif sunmaktadır. Bu çabaların birleştirilmesiyle Türkiye'nin dünya çapındaki İslami fintech endüstrisinde lider konumuna gelebileceğinin dinamikleri verilmektedir.