Alım satım stratejileri neden çalışmayı bırakır?
26 Eyl 2026 tarihinde platformun koduna karşı gözden geçirildi
Strateji aşınması ya da alfa aşınması, bir alım satım stratejisinin üstünlüğünü zamanla yitirmesidir: araştırmada gösterdiği getiri ya da tahmin becerisi, strateji uygulanmaya başlayınca küçülür, kaybolur ya da tersine döner. Başlıca nedenleri ilk araştırmadaki aşırı uyum, başka yatırımcıların aynı işleme yığılması, piyasa rejimindeki değişimler ve artan maliyetlerdir.
Neden önemli
Bir strateji geçmişine bakılarak seçilir ve geçmiş onu olduğundan iyi gösterir. Backtest'teki üstünlüğün bir kısmı genellikle onu bulan aramanın şansıdır; bu yüzden gerçek bir şey bulunduğunda bile canlı sonuçlar çoğu zaman backtest'in altında başlar. Gerçek üstünlükler de aşınır. Yayımlanmış 97 getiri öngörücüsünde ortalama getiriler, özgün örneklemin bitişiyle yayın arasındaki yıllarda örneklem içi düzeylerinin %26, yayından sonra ise %58 altındaydı; yazarlar aradaki farkı yatırımcıların bu bulgulara göre işlem yapmasına bağlar (McLean ve Pontiff, 2016). Kalabalıklaşmış işlemler birlikte çözülebilir; birçok kantitatif hisse fonu bunu Ağustos 2007'de yaşadı (Khandani ve Lo, 2011). Bir rejimde geçerli olan bir ilişki de sonrakinde zayıflayabilir ya da tersine dönebilir.
Nasıl çalışır
Aşınma, canlı sonuçlar araştırmaya göre beklenenle karşılaştırılarak bulunur. Bir sinyalin bilgi katsayısı her dönem izlenir; sıfıra doğru bir gerileme çoğu zaman ilk işarettir. CUSUM (Page, 1954) ve Page-Hinkley testi gibi ardışık değişim algılayıcıları, beklenen bir düzeyden küçük sapmaları toplar ve biriken toplam bir eşiği aştığında alarm verir. Kolmogorov-Smirnov gibi iki örneklemli testler, son girdilerin, tahminlerin ya da hataların dağılımının öncekinden farklı olup olmadığını sorar; kalibrasyon kontrolleri ise belirtilen olasılıkların hâlâ tutup tutmadığına bakar. Yalnızca girdilerdeki değişim veri kaymasıdır; girdilerin getirilerle ilişkisindeki değişim ise gerçek kavram kaymasıdır (Gama ve arkadaşları, 2014) ve aşınma bu biçimde ortaya çıkar.
Opulence Alpha nasıl uygular
Opulence Alpha aşınmayı model model izler. Sonuçlar belli oldukça bir Page-Hinkley algılayıcısı her modelin her tahmin vadesindeki günlük bilgi katsayısını, ikinci bir algılayıcı ise en üst desildeki seçimlerinin ne kadar değiştiğini izler. Bozulmuş olarak işaretlenen bir model, geçmiş performansıyla kazandığı güvenilirliği kaybeder ve harmandaki ağırlığını son sonuçlarla yeniden kazanmak zorundadır. Bir modelin kıyaslandığı alternatifi geçtiğine dair bir bulgu, iki örneklemli bir Kolmogorov-Smirnov testi modelin günlük ölçütünün test penceresinin iki yarısı arasında kaydığını gösterirse sonuçsuz sayılır. 1 ve 5 günlük modellerin haftalık, tüm modellerin aylık yeniden eğitilmesi planlanmıştır. Çalışmalar da aşınmayı ölçer: buldukları en istikrarlı ilişki olan kısa vadeli geri dönüş, 1995'ten bu yana her on yılda bir öncekinden küçük oldu.
Kısa vadeli geri dönüş, her on yılda daha küçük →İlgili kavramlar
Sorular
Alfa aşınması nedir?
- Bir stratejinin fazla getirisinin sönümlenmesidir ve iki anlamda kullanılır. İşlem tarafında, bir sinyalin tahmin gücünün sinyal ortaya çıktıktan sonra ne kadar hızlı sönümlendiğini anlatır; bu da işlemin ne kadar çabuk yapılması ve pozisyonun ne kadar süre tutulmaya değer olduğunu belirler. Araştırma tarafında ise bir üstünlüğün bilindikçe, kalabalıklaştıkça ya da yeni bir piyasa rejimiyle karşılaştıkça aylar ve yıllar içinde aşınmasını anlatır. İkisi de sinyalin ölçülen becerisinden okunur: ilk anlamda sinyalden bu yana geçen süreye, ikincisinde takvime göre.
Bir strateji canlıda neden backtest'inden kötü sonuç verir?
- Genellikle üç nedenle. Backtest birçok denemenin en iyisidir; getirisinin bir kısmı tekrarlanmayacak bir şanstır. Alış-satış makası, piyasa etkisi ve ödünç alma ücretleri gibi maliyetleri dışarıda bırakmış ya da o anda bulunmayan fiyatlardan işlem varsaymıştır. Ve test döneminden sonra piyasa değişmiştir: üstünlük başkalarının işlemleriyle erimiş ya da rejim kaymıştır. İlk ikisi araştırmadaki hatalardır; dar anlamda aşınma yalnızca üçüncüsüdür.
Aşınma olağan bir kayıp serisinden nasıl ayırt edilir?
- Çoğu zaman, en azından çabucak, ayırt edilemez. Getirilerin bağımsız ve normal dağılımlı olduğu varsayılırsa, T yıllık veriden tahmin edilen Sharpe oranının standart hatası yaklaşık olarak (1 + SR²/2)/T'nin kareköküdür. Gerçek Sharpe oranı 0,5 olan ve dört yıl ölçülen bir strateji için bu değer yaklaşık 0,5'tir; yani yatay geçen dört yıl, bozulmamış bir üstünlükle bağdaşır. Ardışık algılayıcılar kanıtı geldikçe biriktirerek yardımcı olur; kalibrasyon kontrolleri de modelin belirttiği olasılıkların hâlâ tutup tutmadığını gösterir. Bir algılayıcının eşiği, aşınmayı erken yakalamakla yanlış alarm vermek arasındaki dengeyi belirler.
Modeli yeniden eğitmek strateji aşınmasını giderir mi?
- Yalnızca kısmen. Son verilerle yeniden eğitmek ilişkiler kaydığında işe yarar; ama başka yatırımcıların işlemleriyle erimiş bir üstünlüğü geri getiremez ve kısa pencerelerle sık sık yeniden eğitmek gürültüyü kovalayabilir. Yeniden eğitilmiş bir model de her yeni model gibi görmediği veri üzerinde değerlendirilmelidir. Opulence Alpha'da en son eğitilen model otomatik olarak şampiyon olur, ama işlem ağırlığı taşıyıp taşımayacağına ayrılmış veri üzerinde çalışan ayrı bir kapı karar verir; kapıyı geçemeyen model de her gün puanlanmaya devam eder.
Kaynaklar
- McLean, R. D. & Pontiff, J. (2016). Does Academic Research Destroy Stock Return Predictability? Journal of Finance 71(1), 5–32.
- Khandani, A. E. & Lo, A. W. (2011). What Happened to the Quants in August 2007? Evidence from Factors and Transactions Data. Journal of Financial Markets 14(1), 1–46.
- Page, E. S. (1954). Continuous Inspection Schemes. Biometrika 41(1/2), 100–115.
- Gama, J., Žliobaitė, I., Bifet, A., Pechenizkiy, M. & Bouchachia, A. (2014). A Survey on Concept Drift Adaptation. ACM Computing Surveys 46(4), 44.
Araştırma yöntemleri hakkında eğitim içeriğidir. Yatırım tavsiyesi değildir.