Metodolojik şeffaflık
Aşağıdaki her bir tasarım kararı tek bir temel hedeften türetilmiştir: geçmiş veri seti üzerinde gözlemlenen performansın, henüz tecrübe edilmemiş piyasa koşullarına genellenebilirlik olasılığını matematiksel olarak en üst düzeye çıkarmak.
Piyasalar adaptif, yüksek gürültülü ve dinamiktir. Bu gerçeklik, geleneksel sistematik yaklaşımların sıklıkla göz ardı ettiği üç kritik sonucu beraberinde getirir. İlişkisel kırılmalar: belirli bir para politikası rejiminde getiriyi güçlü biçimde öngören bir değişken, farklı bir rejim koşulunda tamamen anlamsızlaşabilir veya ters yönlü bir sinyal üretebilir. Aşırı uydurma (overfitting) riski: yeterli sayıda değişken, öngörü vadesi ve parametre kombinasyonu denenerek backtest yapıldığında, geçmiş veriler üzerinde sahte bir biçimde başarılı görünen bir strateji türetmek son derece zahmetsizdir. Uygulama sürtünmelerine karşı hassasiyet: teoride var olan gerçek bir istatistiksel alfa avantajı; alım-satım makası (spread), piyasa etkisi (market impact) ve portföy devir hızı (turnover) gibi gerçek hayat piyasa sürtünmeleri nedeniyle tamamen eriyip yok olabilir.
İleri bakış sızıntısının yapısal olarak engellenmesi.
Bir deneyin, tarihin ilgili noktasında henüz mevcut olmayan bilgilerle kirletilmeksizin geçmişe dönük olarak sorgulanabilmesini sağlayan veri mimarisi nasıl kurgulanmalıdır?
İleri bakış yanlılığı (look-ahead bias) bireysel disiplinle değil, ancak sistemin mimari yapısıyla engellenebilir. Kantitatif çalışmaların büyük bir kısmı, yanıtı kendi bünyesinde barındıran kusurlu veri setleri üzerinde yürütülmektedir. Ayrıca standart veri evrenleri yalnızca hayatta kalmayı başarmış şirketleri kapsar. Üstelik temel finansal veriler, bildirim tarihleri yerine çoğunlukla raporlama dönemlerine göre hizalanır. Bu durum, piyasanın bilgiye erişmesinden haftalar önce modele bilgi sızmasına yol açar. Benzer şekilde makroekonomik seriler de ilk yayımlandıkları ham halleriyle değil, sonradan revize edilmiş halleriyle sunulmaktadır.
Araştırma ortamı, 45 yılı aşkın bir dönemi kapsayan yaklaşık 400 kaynak veri setini entegre eder: piyasa verileri, seçilmiş bir alt küme yerine SEC EDGAR külliyatının tamamı, Federal Reserve (FRED), Eurostat, Dünya Bankası, Uluslararası Enerji Ajansı ile uluslararası ticaret serilerini içeren resmî makroekonomik ve sınır ötesi istatistikler bu kapsama dâhildir. Tüm bildirimler dönemsel olarak eşleştirilmiş ve tarihsel eşzamanlı (point-in-time) olarak çıkarılır; böylece modeller bir açıklamayı çeyrek dönem bittiğinde değil, yalnızca piyasa tarafından fiilen görüldüğü anda işler.
Tarihsel veri evreni, 1980 yılından itibaren ABD borsalarında kote edilmiş yaklaşık 1.775 şirketi kapsayıcı biçimde izler. Bu dinamik yapı; gerçekleşen tüm iflas, birleşme, devralma ve kottan çıkarma süreçlerini eksiksiz olarak kayıt altında tutar; bu şirketlerin 456 tanesi bugün artık işlem görmemektedir. Nitekim faaliyetini sonlandıran, iflas eden ya da endeksten düşen şirketler, geçmişte fiilen ürettikleri tarihsel getirileriyle veri matrisinde yer almaya devam eder; böylece analizin yalnızca günümüzde hayatta kalmayı başarmış şirketlerle sınırlanıp taraflı hâle gelmesi tamamen engellenir.
Bu veri matrisinden kurumsal yatırılabilirlik kriterleri doğrultusunda 1.319 menkul kıymet seçilir — asgari hisse fiyatı ≥ 15 $, ortalama günlük işlem hacmi ≥ 25 milyon $ ve işlem sürekliliği ≥ %95. Böylece 11 GICS sektörünün tamamında temsil yeteneği korunurken, swing (salınım) vadeli uygulamaların gerektirdiği likidite güvence altına alınır.
Gözlemler ayrık piyasa dönemlerine bölünür ve modeller yalnızca tarihin tam o noktasında mevcut olan bilgi kümesiyle eğitilir; böylece ileriye bakış sızıntısı (look-ahead leakage) kişisel inisiyatif veya disiplinle değil, doğrudan sistemin mimari tasarımı gereği engellenmiş olur.
Bu veri mimarisine yöneltilen “Bu karar geçmişte gerçekten işe yarar mıydı?” sorusu, gelecekteki bilgilerin geçmişe gizlice sızdırıldığı taraflı bir yanıt üretmez; aksine modelin kestirim gücünü tamamen tarafsız, doğrulanabilir ve en ileri standartlarda tutar.
Tek bir fiyat geçmişinden türetilen yirmi teknik gösterge, yirmi bağımsız kanıt niteliği taşımaz.
Bir menkul kıymetin anlık durumunu, fiyatın gereksiz tekrar ifadelerine indirgenmeksizin bağımsız boyutlar boyunca tanımlayacak temsil zenginliği nasıl sağlanır?
Her menkul kıymet, her işlem gününde ortogonal (birbirine dik) alanlar üzerinden inşa edilen 1.979 boyutlu bir durum vektörü ile temsil edilir. Piyasa mikroyapısı ve kinematik: fiyat kinematiği, emir akışı dinamikleri, mikroyapı davranışları ve çok vadeli trend kalıcılığı. Ağ ve grafik temsilleri: varlıklar arası ve kurumsal ilişki yapısını modelleyen çizge sinir ağı (GNN) temsilleri. Finansal NLP ve duygu analizi: genel amaçlı skorlama yerine finansal dili doğru okuyan alana özgü NLP modelleriyle (FinBERT ve Loughran-McDonald finansal sözlükleri) ayrıştırılan kurumsal ve varlıklar arası duygu analizleri. Sinyal işleme ve geometri: çok ölçekli Daubechies-4 dalgacık (wavelet) ayrışımı ve geometrik desen yapıları. Sahiplik ve beklenti akışları: açığa satış dinamikleri, kurumsal ve içeriden öğrenenlerin sahiplik yapıları, analist konsensüs ve revizyon beklentileri, kitle ve perakende yatırımcı eğilimleri ile dönem-eşleştirmeli temel verilerin sıralama, z-skoru ve kompozit biçiminde ölçeklendirildiği gösterge aileleri. Faktör ve rejim katmanı: açık Fama-French faktör maruziyeti ayrıştırması, makro-finansal rejim koşullandırması ve içsel değer sapma ölçümleri.
Volatilite yapısı, tekil bir dağılım ölçüsü yerine yüksek dereceli tahmincilerle modellenmektedir: gerçekleşen yarı varyans (realized semivariance), bipower sıçrama payı (bipower variation), gerçekleşen çarpıklık (skewness) ve basıklık (kurtosis). Denetimsiz anomali tespiti (Isolation Forest), hiçbir denetimli etiketin önceden kestiremediği istatistiksel sapmaları işaretler. Makro katman ise 530'dan fazla mühendislik ürünü çok vadeli göstergeyi sisteme entegre eder.
Bağımsız boyutlar boyunca sağlanan bu genişlik, sistemin aynı sinyali yankı odası gibi tekrar tekrar doğrulamasını engeller. Değerleme sapması, içeriden alımlar, faktör konumlanması ve rejim uyumuyla desteklenen yüksek nitelikli bir kanaat; yalnızca dört farklı momentum göstergesinden türetilen bir kanaatten niteliksel olarak tamamen farklı ve üstün bir veri nesnesidir.
Bir tahminin güvenilirliği de ölçümlenebilir bir niceliktir.
Yüksek boyutlu ve durağan olmayan (non-stationary) bir durum uzayından, istatistiksel olarak anlamlı ileriye dönük sinyaller çıkarılabilir mi — ve bu sinyallerin etrafındaki belirsizlik sonlu-örneklem garantileriyle ölçülebilir mi?
Nokta tahminler, bu kategorinin standart çıktısı olmakla birlikte dinamik sermaye tahsisi açısından neredeyse kullanışsızdır. “Beklenen getiri %4,2” ifadesi dağılımın geneli hakkında hiçbir bilgi sunmadığı için pozisyon boyutlandırma hususunda bilimsel bir zemin oluşturmaz.
Tahminler, platformun swing yapısıyla tam uyumlu olacak şekilde 1 günlük, 5 günlük, 21 günlük ve 63 günlük vadelerde üretilir.
Tahmin katmanı, birbiriyle yüksek korelasyona sahip gradient-boosting varyantları yerine, bilinçli olarak çeşitlendirilmiş farklı model ailelerinden yararlanır. Bir topluluk (ensemble) modelinin temel amacı tümevarımsal önyargıya (inductive bias) karşı çeşitliliği sağlamaktır; bu bağlamda her bir vade için dokuz farklı model ailesi tahmin üretir.
Model çıktıları, biçimsel ikinci dereceden pişmanlık (regret) garantilerine sahip bir çevrim içi öğrenme birleştiricisi olan Bernstein Online Aggregation ile sentezlenir. Her modelin ağırlığı eğitim anında sabit kalmak yerine, gerçekleşen performans biriktikçe her işlem gününde dinamik olarak güncellenir. Böylelikle işlem geçmişi arttıkça sistem kendini sürekli iyileştirir.
Tahmin aralıkları, Adaptive Conformal Inference altında bölünmüş konformal tahminle birleştirilen kantil demetleri — yani Konformal Kantil Regresyonu — ile üretilir. Bu yapı, getiri dağılımına dair hiçbir varsayıma ihtiyaç duymadan geçerli, dağılımdan bağımsız ve sonlu-örneklem kapsama garantili güven aralıkları sunar. Her model; konformal aralık kapsaması, kalibrasyon eğimi ve CRPS (Sürekli Sıralı Olasılık Skoru) üzerinden kesintisiz izlenir.
Kapsama garantileri, belirsizlik kavramını istatistiksel bir dipnot çekincesi olmaktan çıkararak, modelin matematiksel pozisyon boyutlandırma algoritmalarına doğrudan bir veri girdisi olarak aktarılmasını sağlar.
Rejim; yüzeysel ve toplamsal bir öngörücü değil, sistemi yönlendiren temel bir etkileşim parametresidir.
Küresel ve makro finansal ortamdaki kırılmalar, piyasa fiyatlarına henüz yansımadan önce model davranışlarını ve portföy riskini değiştirecek kadar erken ve güvenilir biçimde tespit edilebilir mi?
Sistematik stratejilerin büyük çoğunluğu rejim-körüdür. Kredi genişlemesinde de kredi krizinde de aynı öğrenilmiş ilişkiler kümesini uygular ve rejim değişimini ancak ciddi portföy kayıpları (drawdown) yaşandıktan sonra fark eder.
Rejim motorumuz; kredi koşulları, para politikası, piyasa likiditesi, enflasyon, reel faizler, resesyon riski, piyasa duygu durumu, volatilite yapısı ve temel ekonomik döngü gibi piyasa davranışının bağımsız eksenlerini ayrı Gauss Saklı Markov Modelleri (HMM) ile tahmin eder. Ardından bu olasılık vektörlerini kapsayıcı bir Saklı Yarı-Markov Modeli (HSMM) ile tek bir bütünleşik piyasa durumunda birleştirir. Yarı-Markov (semi-Markov) formülasyonu kritik önem taşır: standart HMM'lerin aksine durum süresini açıkça modeller; zira rejimin kalıcılığı ekonomik açıdan hayati bir anlam taşır.
Elde edilen durum vektörü, platformun birincil yönlendirici mekanizmasıdır: kantil optimizasyonunu koşullandırır, günlük değerleme hesabındaki risk primlerini ölçeklendirir ve topluluk model ağırlıklarını mevcut piyasa ortamına göre anlık adapte eder. Rejim; yüzeysel ve toplamsal bir öngörücü değil, dinamik bir yönlendirme ve etkileşim parametresidir.
Niteliksiz bir değer sinyali, yalnızca bir değer tuzağı üreticisidir.
İçsel değer tahmini; analiz anında dondurulan varsayımlara bağımlı kalmak yerine değişen iskonto oranlarına, makro koşullara ve piyasa dinamiklerine anlık olarak uyum sağlayabilir mi?
Geleneksel İskonto Edilmiş Nakit Akışı (DCF) modelleri; ağırlıklı ortalama sermaye maliyeti (WACC), nihai büyüme ve marj varsayımlarını tek bir anda sabitleyip aylarca değiştirmeden tutar. Oysa makro ortam dönüştüğünde en çok dalgalanan girdiler tam da bunlardır. Daha da kritik bir hata: temel değerleme mekanizması, piyasa dinamiklerinden çok daha yavaş bir zaman diliminde çalışır. Bir menkul kıymet gerçekten değerinin altında olmasına rağmen bir yıl boyunca düşmeye devam edebilir; bu durum swing vadeli bir strateji için niteliksiz bir değer sinyalinin doğrudan bir değer tuzağına dönüşmesine yol açar.
HSMM durum olasılıklarının rehberliğinde çalışan değerleme motoru; bir makro veya likidite geçişi tespit edildiğinde iskonto yapılarını, marj parametrelerini ve büyüme risk primlerini analistin dönemsel gözden geçirmesini beklemeden anında yeniden kalibre eder.
Değerleme yapıları; fiyat hızı, ivme ve yerelleştirilmiş frekans volatilitesini içeren varlık kinematiği ile birleştirilir. Böylece “değerinin altında ve dönüş sinyali veren” varlık ile “değerinin altında ancak düşmeye devam eden” varlık birbirinden kesin çizgilerle ayrıştırılır.
Değerleme vektörünün tamamı; makroekonomik açıklamalar, TIPS-imalı reel getiriler, yeni bildirimler ve güncel piyasa duygu durumuna göre her işlem gününde kesintisiz olarak yeniden hesaplanır.
Alfa avantajı brüt olarak değil, net uygulama maliyetleri düşüldükten sonra değerlendirilir.
Her biri kendi belirsizlik payını taşıyan menkul kıymet düzeyindeki tahminler, çelişen kısıtlar altında nasıl tutarlı bir portföye dönüştürülmeli ve elde edilen teorik avantaj gerçek işlem maliyetlerinden başarıyla sıyrılabilecek güçte midir?
Sistematik yatırımcılıktaki en yaygın hata, portföyü yalnızca “iyi fikirler listesi” olarak ele almaktır. Aynı faktör maruziyetini paylaşan yüksek kanaatli on farklı pozisyon, gerçekte tek bir pozisyondan ibarettir. İkinci büyük hata ise işlem maliyeti körlüğüdür: kapanış fiyatları üzerinden yürütülen kusurlu geriye dönük (backtest) testler, gerçek üretim ortamında sermaye eriten bir strateji için sahte bir avantaj raporlayabilir.
Portföy mimarisi şablon → politika → portföy hiyerarşisiyle kurgulanır: politika parametreleriyle tam tanımlanmış tek bir strateji şablonu, binlerce bağımsız ve özelleştirilmiş portföy yapısını çalıştırabilir. Kalıplaşmış tek bir kurum portföyü yerine, her portföy belirlenen risk profili, kısıtlar ve tercihler doğrultusunda politikada sürümlenmiş ve yeniden üretilebilir biçimde yapılandırılır.
Portföyler, nokta tahminler yerine tahmin katmanının yayımladığı kanaat dağılımları üzerine kurgulanır ve anlık portföy durumuna göre çözümlenir: her görüşün güven derecesini gözeten çok-modelli Black-Litterman optimizasyonu; Kelly türevi tavan sınırları ile volatilite hedeflemesini birleştiren pozisyon boyutlandırma algoritmaları; vade çelişkilerinin çözümü; brüt ve net maruziyetlerde bağlayıcı sınırlar; kademeli kayıp devre kesicileri; rejime adapte olan dinamik kısıtlar ve tek bir araştırma çıktısından farklı risk politikalarına uygun yapıların üretilmesi bu katmanda gerçekleşir.
Aday gösterilen her işlem talimatı; ölçümlenmiş efektif spreadler, Amihud illikidite ölçütü ve Almgren-Chriss piyasa etkisi (market impact) parametrelerinden kurulan ve gerçekleşen işlem verileriyle kalibre edilen gidiş-dönüş maliyet tahminini bünyesinde taşır. Tahmini işlem maliyetinin öngörülen istatistiksel avantajı aştığı noktada talimat otomatik olarak bastırılır. Avantaj brüt değil, net bazda değerlendirilir. Evrendeki ≥ 25 milyon $ ortalama günlük hacim alt sınırı, piyasa etki maliyetlerinin gerçekçi ölçeklerde hassas olarak modellenebilmesini garanti altına alır.
Sistem basit bir hisse sıralama listesi değil; yoğunlaşma riskleri, korelasyonlar, politik kısıtlar ve uygulama maliyetleri henüz karar aşamasına gelmeden optimizasyon seviyesinde tam çözümlenmiş bütünleşik bir portföy kararı üretir.
Risk bir raporlama aracı değil, eş zamanlı çalışan bir kontrol düzlemidir.
Bir portföyün ilgili parametre değişikliğini kabul etmesine izin verilmeli midir ve bu işlem hangi ölçekte gerçekleştirilmelidir?
Risk, sürecin sonundaki pasif bir denetim aşaması değildir. Tam aksine, her tahsisatın işlem talimatına dönüşmeden önce geçtiği eş zamanlı bir kontrol düzlemidir ve sistemde amacı getiri üretmek olmayan tek katmandır.
VaR (Value at Risk) alt-toplamsal (sub-additive) değildir; bu nedenle VaR bütçesi, çeşitlendirme sağladığı varsayılan bir işlem tarafından beklenmedik şekilde tüketilebilir. Buna karşın CVaR (Conditional VaR) alt-toplamsal ve pozitif homojendir. Bu matematiksel nitelik, portföy risk bütçesinin pozisyon bazlı katkılara tam Euler ayrışımını mümkün kılar: “Bu emir risk bütçesinin 12 baz puanını tüketti” ifadesi subjektif bir yorum değil, matematiksel bir gerçektir. Portföy kuyruk riski, filtrelenmiş tarihsel simülasyon yöntemiyle tahmin edilir; bu da sistemin gerçek örneklem boyutlarında modelin tanımlanabilirliğini (identifiability) korur. Zira istatistiksel sınırı belirlenebilen bir ölçüt backtest edilebilir, ancak tanımlanamayan bir dinamik modellenemez.
Genelleştirilmiş Pareto kuyruklarına sahip Uç Değer Teorisi (EVT); Clayton ve Gumbel kopulaları ile birleştirilerek, piyasa stres anlarında çeşitlendirmenin yetersiz kaldığı ve doğrusal korelasyonun yakalayamadığı asimetrik kuyruk bağımlılıklarını modeller. Kovaryans tahmini, sabit zaman pencerelerinde durağanlık varsaymak yerine Ledoit-Wolf büzülmesini volatilite durum koşullandırmasıyla eşleştirir. Yoğunlaşma riski, korelasyona göre düzeltilmiş “etkin N” metriği ile ölçülürken, likidite ufukları stres senaryolarında yeniden hesaplanır. Ters stres testleri kapalı formda (closed-form) yürütülür: belirlenen bir riski ihlal edecek en küçük piyasa şoku tahmin edilmez, doğrudan analitik olarak hesaplanır.
Risk limitleri, çift onay mekanizmasına (four-eyes principle) sahip sürümlenmiş ve tarihli bir limit defterinde tutulur. Rejim katmanları mimari gereği “yalnızca sıkılaştırılabilir” yapıdadır; hiçbir manuel geçersiz kılma bir risk limitini genişletemez. Acil durum durdurma (kill-switch) protokolleri, yasaklı listeler, işlem öncesi uyum denetimleri ve yalnızca ekleme yapılabilen (append-only) denetim izleri doğrudan yazılım mimarisiyle zorunlu kılınır. Risk değerlendirmesi tamamen deterministiktir; rastgele bileşenler veya zamana bağlı önbellekler barındırmaz, böylece alınan her karar geçmişe dönük birebir yeniden oynatılabilir.
Portföy inşası anında bağlayıcı olan bu katı kısıtlar, işlem gerçekleştikten sonra yalnızca durumu raporlayan geleneksel risk analizlerinden niteliksel olarak çok daha dirençli bir portföy yapısı ortaya çıkarır.
Hiçbir zeka katmanı, kendi ürettiği çıktıya bağımsız denetim olmaksızın not veremez.
Platform, karmaşık yatırım problemini — veri akış hatları ve tahmin servisleriyle beslenen — beş uzmanlaşmış zeka servisine ayrıştırır; böylece her işlev, bütünleşik karar sistemine entegre edilmeden önce bağımsız olarak doğrulanabilir:
| Zeka | Sahip olduğu soru |
|---|---|
| Yatırım | Neye inanıyoruz? Menkul kıymet ve vade başına, belirsizliğiyle birlikte kanaat dağılımları yayımlar. |
| Strateji | Hangi yatırım politikası optimal? Politika uzayını tarar ve strateji şablonlarını doğrular. |
| Portföy | Nasıl ifade eder ve uygularız? İnşayı, pozisyon yaşam döngüsünü, yeniden dengelemeyi ve uygulama maliyetini sahiplenir. |
| Risk | Buna izin vermeli miyiz? İşlem öncesi, vade içi ve işlem sonrası çalışan eşzamanlı bir kontrol düzlemi. |
| Deney | Sistem nasıl gelişir? Kanıtı karara bağlar ve öneriler yayımlar — ve asla aksiyon almaz. |
Bir servis, ürettiği niceliği ancak deneysel olarak doğrulayabildiği takdirde yayımlayabilir.
Bir sistem avantajının (alfa) gerçekliğini değerlendiren doğrulama katmanının, elde edilecek kararlar üzerinde hiçbir çıkarı yoktur; bu katman asla bir modeli terfi ettirmez, ağırlıkları değiştirmez ve pozisyon boyutlandırmaz. Buradan iki temel doktrin doğar: içerik tüketimi kontrol edilir, değerlendirme asla engellenmez — filtrelenen veya engellenen tahminler dahi arka planda skordan geçirilir; her kontrol kapısını yanlışlanabilir (falsifiable) kılan unsur tam olarak budur. Ve limit değişiklikleri önceden kayıtlı hipotezlerle yönetilir — risk çerçevesinin kendi iç evrimi dahi önceden beyan edilmiş, test edilebilir kanıtlar gerektirir.
Her aşama bağımsız doğrulandığı için, oluşabilecek bir sapma doğrudan ilgili katmanda yerelleştirilebilir. Böylece jenerik “model kötü performans gösteriyor” teşhisi yerine; bir veri seçim problemi, bir tahsisat problemi veya bir uygulama problemi birbirinden net olarak ayırt edilir.
Platform, her işlem gününde önceden kayıt altına alınmış deneysel bir süreç yürütür.
Model performansı; sektörler, likidite grupları ve vadeler boyunca yapılandırılan bir Model × Bağlam matrisi üzerinde — günde yaklaşık 30.000 kanıt hücresi ile — değerlendirilir. Ampirik-Bayes büzülmesi (shrinkage) sayesinde, kısıtlı veriye sahip bir hücre önsel dağılıma doğru çekilerek aşırı performans iddiaları engellenir: sadece sekiz gözlemden elde edilen yanıltıcı derecede mükemmel bir sonuç, istatistiksel olarak sıfıra büzülür.
Kayan pencere (rolling window) istatistikleri yanıltıcı bir iyimserlik yaratır: kayan bir Information Coefficient (IC) serisi, 0,97'ye varan 1-gecikmeli otokorelasyon taşıyabilir; dolayısıyla aylarca süren günlük veri, gerçekte yalnızca birkaç bağımsız gözlem barındırabilir. Bu sebeple kanıt katmanımız, kayan olmayan günlük bazlı metrikler türetir ve etkin örneklem büyüklüklerini doğrudan bu metrikler üzerinden hesaplayarak raporlar.
Takip edilen her bilimsel soru, önceden kaydı yapılmış bağımsız bir hipotezdir: metrik, yön ve asgari etki büyüklüğü, veri okunmadan önce beyan edilir; ön kayıt bir tavsiye değil, yazılım mimarisiyle zorunlu kılınan bir kuraldır. Çoklu test çıkarımlarında Benjamini-Hochberg düzeltmesi uygulanır; zaman serilerindeki seri bağımlılığı gözeten blok bootstrap yöntemleri kullanılır ve dayanıklılık iki yönlü Deflated Sharpe Ratio ile test edilir. Zira düşük bir beceri olasılığı, becerinin kanıtlanamadığını gösterir; kesin bir kayıp olduğunu değil.
Page-Hinkley değişim algılayıcıları, her model-vade çiftini istatistiksel bozulmalara karşı sürekli izler. Dağılım kaymaları (concept drift), iki-örneklemli Kolmogorov-Smirnov testleriyle engellenir.
Algoritmanın başarısını değerlendiren doğrulama sistemi, değerlendirdiği sonuçlar üzerinden asla işlem gerçekleştirmez. Sistem tarafından ileri sürülen her iddia, veri akışı gerçekleşmeden önce tanımlanmış ve hipotez seviyesinde tescil edilmiştir.
Sistematik evrim gerçektir ve sıkı bir metodolojik disipline bağlıdır.
“Kendi kendine öğrenen” ifadesi, finansal teknolojilerde en çok istismar edilen kavramlardan biridir. Oysa dinamik bir sistem ile hesap verilebilirlikten uzak bir sistem arasındaki fark, tam olarak bu güncelleme kesinliğinde yatar.
| Katman | Güncelleme mekanizması | Sıklık |
|---|---|---|
| Özellik matrisi | Üretim evreninde tam yeniden hesaplama | Her işlem günü |
| Değerleme tahminleri | Güncel makro, getiriler, bildirimler ve duyguya karşı yeniden tahmin | Her işlem günü |
| Rejim durumu | Piyasa durum vektörünün yeniden çıkarımı | Her işlem günü |
| Kanaat birleştirme | Model çıktıları üzerinde Bernstein Online Aggregation | Sürekli, gözlem başına |
| Model ağırlıkları ve mimari | İstatistiksel kapılar altında yeniden eğitim ve terfi | Dönemsel, kapılı, asla otomatik değil |
| Strateji şablonları | Yazılır, doğrulanır; terfi ettirilir ya da reddedilir | Dönemsel, kapılı |
Model kanaatleri, rejim durumları ve değerleme matrisleri yeni veriler geldikçe sürekli güncellenir. Ancak modellerin ve stratejilerin yapısal değişimi yalnızca tanımlanmış istatistiksel doğrulama kapılarından geçerek gerçekleşebilir. Hiçbir bileşen sistem tarafından otonom olarak doğrudan üretim ortamına terfi ettirilmez. Döngü, değerlendirme aşamasında kesintisiz; canlıya alma (deployment) aşamasında ise kontrol edilebilir biçimde kesiklidir.
Sürekliliği olan bir araştırma programı ile basit bir backtest arasındaki fark.
Gerçek bir alfa avantajı, test edilen yüzlerce fikir arasından şansa bağlı olarak sıyrılan en iyi sonuçtan nasıl ayırt edilir?
Yüzlerce strateji varyantı test edildiğinde, bazıları rastlantısal olarak 2,0'ın üzerinde t-istatistiği sergileyebilir. Taranmış geniş bir arama uzayına uygulanan geleneksel anlamlılık eşikleri geçerli bir kanıt sunmaz. Bu nedenle aday modeller, geniş arama uzayları için özel olarak tasarlanmış katı doğrulama bataryalarından geçmek zorundadır:
| Kapı | Standart |
|---|---|
| Çoklu test düzeltmesi | Harvey, Liu & Zhu çerçevesinde doğrulama t-istatistiği ≥ 3,0; Benjamini-Hochberg / Benjamini-Yekutieli / Holm aile kontrolüyle birlikte |
| Veri gözetleme (data-snooping) testleri | Tam deneme ailesi üzerinde White's Reality Check, Hansen SPA ve Romano-Wolf stepdown |
| Sharpe deflasyonu ve geçmiş yeterliliği | Olasılıksal ve Deflated Sharpe Oranı, asgari geçmiş uzunluğu ve asgari backtest uzunluğu — deneme sayısı dürüstçe sayılır, asla bir varsayılmaz |
| Aşırı uyum olasılığı | Backtest Aşırı Uyum Olasılığı'nın (PBO) kombinatoryal simetrik çapraz doğrulama (CSCV) tahmini |
| Doğru yeniden örnekleme | Politis-White optimal blok uzunluğunda durağan blok bootstrap; katlar arası sızıntıya karşı ambargolu, kombinatoryal arındırılmış çapraz doğrulama |
| Arama disiplini | Alt güven sınırı (LCB) hedefiyle değerlendirilen hiperparametre araması (Optuna TPE); 7.050 haftalık walk-forward denemesi boyunca istikrar şartı |
Zorunlu örneklem-dışı (out-of-sample) testleri içeren eleme kriterleri, sonuçlar görülmeden önce tanımlanır. Eşiklerin önceden ilan edilmesi, süreci bir meşrulaştırma çabasından çıkarıp gerçek bir teste dönüştürür. Doğrulama kapılarında takılan her bileşen yeniden geliştirilmek üzere araştırma evresine geri gönderilir.
Performans verileri bir iddianın kendisi değil, uygulanan metodolojik çerçevenin doğal bir sonucudur.
Performans sonuçları sunuşun başında değil, teknik yöntemin sonunda yer alır; çünkü bu rakamlar iddianın kendisini değil, arkasındaki kanıt sistemini temsil eder.
Modelin seçim yeteneğini yalın biçimde ölçen mekanik bir izleme modeli: model kanaatlerine göre belirlenen haftalık en yüksek 10 uzun (long) ve 10 kısa (short) pozisyon, her pazartesi kapanışından sonra portföy optimizasyonu uygulanmaksızın dengelenir. Alt katmandaki hiçbir optimizasyon sonucu etkileyemeyeceği için, modellerin hisse seçim kalitesini en şeffaf biçimde yansıtan kamuya açık göstergedir.
| İzleme | Neyi yalıtır | Kurulum | Sonuç |
|---|---|---|---|
| Golden Tickets | Saf öngörü seçimi | Haftalık ilk 10 uzun & kısa, optimizasyon yok | Yayımlanan sepetler okunuyor… |
Seçim kalitesini doğrudan izleyebilmek adına bu metriğe işlem maliyetleri dahil edilmemiştir. Zira seçimin üzerine eklenecek her optimizasyon katmanı, tahmin yeteneğini uygulama varsayımlarıyla karıştırır. İşlem maliyetleri ise gerçek bir portföy kurulumunda, likidite ve ölçek kısıtları göz önüne alınarak nihai karar aşamasında fiyatlandırılır ve getiri net bazda hesaplanır.
Standartlaştırılmış bir kurum portföyü yerine, her portföy kendi risk profili ve kısıtları doğrultusunda inşa edilerek tüm kanıt zincirini devralır: deterministik walk-forward testleri, faktör atıfları ve emir bazlı CVaR bütçe ayrışımları bu sürecin parçasıdır.
Aylarca süren canlı gözlem dönemi, sistemin gerçek piyasa koşulları altında tasarlandığı biçimde çalıştığını kanıtlar. Ancak tek başına istatistiksel kesinliği kanıtlamaya yetmez ve bu şekilde sunulmaz.
Yayımlanan tüm performans göstergeleri; gözlem pencerelerini, brüt/net maliyet durumlarını, volatilite ve azami kayıp oranlarını, Sharpe/Sortino oranlarını, maruziyet değerlerini ve referans endeks detaylarını eksiksiz içerir.
Benimsenen temel yaklaşım şudur: “canlı doğrulama dönemimizde, burada sunulan metodoloji ve parametreler çerçevesinde bu sonuçlar gözlemlenmiştir.” Asla “üstün performansı kanıtlanmıştır” şeklinde bir iddiada bulunulmaz.
Geçmiş performans, gelecekteki sonuçların garantisi değildir. Burada yer alan hiçbir ifade yatırım tavsiyesi niteliği taşımamaktadır. Her finansal yatırım kayıp riski içerir.
Yatırım zekası, tahminin bittiği yerde başlar.
Kredi kartı gerekmez · Her aksiyonda nihai yetki sizdedir.