Yukarı Trend Başkadır, Aşağı Trend Daha Başkadır

Finansal Zaman Serilerinde Yönsel Asimetri ve Algoritmik Yaklaşımlar

1. Giriş

Finansal piyasalarda trend kavramı, teknik analiz ve algoritmik strateji tasarımının temel yapı taşlarından biridir. Bir fiyat hareketinin “yukarı” ya da “aşağı” yönde sürdürülebilir olup olmadığını ölçmek için geliştirilen sayısız gösterge ve yöntem, çoğu zaman temel bir varsayıma dayanır: yükseliş trendi ile düşüş trendi simetriktir ve aynı araçlarla ölçülebilir.

Bu varsayım ilk bakışta makul görünür. Ne de olsa bir fiyat serisi yukarı gidiyorsa da, aşağı gidiyorsa da aynı zaman dilimi içindeki değişim oranları, aynı türden teknik göstergelerle analiz edilebilir gibi görünür. Ancak bu yaklaşım, piyasa davranışlarının doğasına dair önemli bir farkı gözden kaçırır: yön, sadece fiyatın gittiği taraf değil; aynı zamanda o yönün karakteridir.

Gerçek piyasa koşulları incelendiğinde, yukarı trendlerin çoğunlukla daha yavaş, daha istikrarlı ve daha düşük volatiliteyle ilerlediği görülürken; aşağı yönlü hareketlerin ise daha kısa sürede, daha sert ve daha yüksek volatiliteyle gerçekleştiği dikkat çeker. Bu asimetri, yalnızca teknik göstergelerin duyarlılığını değil, aynı zamanda algoritmik sistemlerin performansını ve risk yönetimini de doğrudan etkiler.

Bu yazıda, yukarı ve aşağı trendlerin aynı parametrelerle ölçülemeyeceği gerçeğinden yola çıkarak, yönsel asimetri kavramını ele alacağız. Simetrik varsayımların neden yetersiz kaldığını, teknik göstergelerin bu farklılıkları nasıl göz ardı ettiğini ve nihayetinde algoritmik stratejilerde yön bazlı parametre ayrımı yapmanın neden hem mantıksal hem de pratik olarak daha doğru bir yaklaşım olduğunu tartışacağız.

2. Varsayımın Tanımı ve Teknik Sorunsallar

Finansal zaman serilerini analiz ederken, özellikle de algoritmik sistemlerin temelini oluşturan teknik göstergeler tasarlanırken çoğu zaman göz ardı edilen temel bir kabulle karşılaşırız: yükseliş ve düşüş trendleri yapısal olarak benzerdir ve dolayısıyla aynı analiz araçlarıyla ölçülebilir.

Bu varsayım, basitçe ifade edilecek olursa, şunu söyler:

“Eğer 20 periyotluk bir hareketli ortalama yukarı trendi yeterli hassasiyetle takip edebiliyorsa, aynı ortalama düşüş trendinde de benzer sonuçlar verecektir.”

Aynı şekilde RSI, MACD, CCI gibi yaygın momentum ve osilatör bazlı göstergeler de çoğu zaman yön bağımsız tasarlanmıştır. Bu araçların aritmetiği, pozitif ya da negatif momentumu simetrik olarak işler — örneğin RSI hem aşırı alım hem aşırı satım bölgelerini aynı eşiklerle (70/30) tanımlar; MACD çizgisi yukarı veya aşağı kesiştiğinde benzer yorumlar yapılır.

Ancak bu durum, yönün yalnızca işaret değiştiren bir nicelik olarak ele alınması anlamına gelir. Yani, teknik olarak +5 birimlik yükseliş ile -5 birimlik düşüş aynı “şey” olarak değerlendirilir, yalnızca ters yönde. İşte problem de tam burada başlar.

Gerçekte ise bu iki yönün taşıdığı anlamlar, piyasa psikolojisi, fiyat hareketlerinin ritmi, hacim dinamikleri ve risk profilleri açısından tamamen farklıdır. Teknik göstergelerin yapısında bu fark çoğunlukla yer almaz, çünkü çoğu araç varsayılan olarak lineer ve simetrik fonksiyonlarla tanımlanmıştır. Yani:

• Yön farkı = işaret farkı
• Şiddet farkı = mutlak değer farkı
• Ama yapı farkı? → Yok sayılır

Bu durum, strateji tasarımında bazı yapısal sorunlara neden olur:

• Aynı periyotla ölçülen bir EMA, yükselişte gecikmeli ama anlamlı sinyaller üretirken, düşüşte çok geç kalabilir ya da yanıltıcı olabilir.
• Aynı RSI eşiğiyle yapılan aşırı satım sinyali, düşüşteki panik anlarını yanlış yorumlayabilir.
• Momentumun şiddeti iki yönde eşit değildir; ancak göstergeler bu farkı ayırt etmez.

Kısacası, teknik göstergelerin çoğu “görünüşte nesnel” ama gerçekte “yön körü”dür. Bu da algoritmik sistemlerin, piyasanın yönsel asimetri üreten doğasına karşı duyarsız kalmasına neden olur.

Bu bölümde tanımladığımız yapısal sorunu, bir sonraki adımda gerçek piyasa davranışları üzerinden örnekleyerek açacağız.

3. Gerçek Piyasa Davranışları: Asimetri Nerede Başlar?

Finansal göstergeler genellikle simetrik varsayımlar üzerine kuruludur; ancak piyasanın kendisi bu kadar uyumlu ve dengeli davranmaz. Gerçek fiyat hareketleri, yatırımcı psikolojisi ve makroekonomik tetikleyiciler söz konusu olduğunda yönsel asimetri oldukça belirgin hale gelir. Bu bölümde, bu asimetrinin piyasa davranışlarına nasıl yansıdığını hem tarihsel örneklerle hem de teknik dinamiklerle birlikte inceleyeceğiz.

a) Yükselişler Neden Daha Yavaş ve Kademelidir?

Yükseliş trendleri çoğunlukla bir “inşa süreci” gibidir. Alıcılar yavaş yavaş piyasaya girer; fiyatlar yukarı doğru hareket ederken bir yandan da kar realizasyonlarıyla sürekli olarak aşağı çekilir. Bu döngü, trendin yukarı yönlü olmasına rağmen iç yapısında aşağı yönlü mikro düzeltmeler barındırmasına yol açar.

Bu durumun temel nedenleri:

• Kar alma davranışı: Fiyatlar arttıkça yatırımcıların pozisyon kapama isteği artar, bu da trendin hızını keser.
• Haberlere duyarlılık: İyimser haberler bile genellikle tedrici bir etki yaratır; çünkü piyasa, olumlu gelişmeleri fiyatlarken daha ihtiyatlı davranır.
• Likidite akışı: Yukarı hareketler genellikle uzun sürelidir ve fon girişleri kademeli olur.

📊 Örnek: S&P 500 endeksinin 2009–2020 arasındaki “bull market” döneminde, ortalama haftalık yükseliş %0.6 civarındayken; aynı dönemdeki düşüş haftalarının ortalaması yaklaşık -%1.4’tür. Bu, yükselişlerin zamana yayılmış, düşüşlerin ise sıkıştırılmış olduğunu gösterir.

b) Düşüşler Neden Daha Sert ve Volatildir?

Düşüş trendleri bir kırılma, panik veya şok etkisiyle başlar. Bu ani ivme, genellikle “kaçış refleksi”yle beslenir. Yatırımcılar pozisyonlarını koruma güdüsüyle satışa yönelir; bu da zincirleme reaksiyonlara neden olur.

Nedenleri:

• Panik psikolojisi: Satışlar, yatırımcıların korkuyla hareket ettiği ve rasyonel analiz yerine duygusal tepkiler verdiği dönemlerde yoğunlaşır.
• Likidite eksikliği: Düşen piyasalarda alıcılar azalır, bu da satışların daha derinleşmesine yol açar.
• Kaldıraç etkisi: Margin call (teminat tamamlama çağrısı) ve stop-loss emirleri düşüşleri hızlandırır.

📉 Örnek: 2020 Mart ayında COVID-19 paniğiyle S&P 500 endeksi yalnızca dört hafta içinde yaklaşık %34 değer kaybetmiştir. Bu, 2008 krizindeki 6 aylık düşüşe oranla çok daha kısa sürede, çok daha yoğun bir çöküştür.

c) Aynı Gösterge, İki Farklı Yüz

Şimdi bir gösterge düşünelim: 14 periyotluk RSI (Bağıl Güç Endeksi). Bu gösterge, fiyatlardaki momentumun yönünü ölçmekte kullanılır. Ancak yönsel asimetri nedeniyle, RSI 70 üzerine çıkarkenki fiyat davranışı ile 30 altına inerkenki davranış aynı değildir.

• Yükselişte RSI 70 seviyesi aşılırken: Piyasa hâlâ yukarı yönlü hareket edebilir. Bu bölge çoğunlukla momentumun devam ettiğini gösterir.
• Düşüşte RSI 30 seviyesi kırıldığında: Satışlar daha da hızlanabilir. Aşırı satım bölgesi, her zaman bir dönüş sinyali üretmez — bazen yeni bir düşüş dalgasının habercisidir.

🧭 Teknik olarak eşit olan bu iki seviye, farklı piyasa davranışlarını yansıttığı hâlde aynı şekilde yorumlanırsa stratejinin hatalı sinyaller üretmesi kaçınılmaz olur.

4. Asimetrik Optimizasyon: Yön Bazlı Göstergeler ve Strateji Tasarımı

Asimetrik piyasa davranışlarının belirginleştiği nokta, teknik göstergelerin standart yapılarına olan güvenin kırılmaya başladığı noktadır. Aynı parametreyle yukarı ve aşağı hareketleri ölçmeye çalışmak, matematiksel olarak simetrik ama davranışsal olarak hatalıdır. Bu nedenle, yön bazlı ayrışmayı dikkate alan sistemler tasarlamak kaçınılmaz hale gelir. Peki, bu nasıl yapılır?

a) Göstergeyi İkiye Bölmek: Yukarı İçin Ayrı, Aşağı İçin Ayrı Hesaplama

İlk adım, kullanılan teknik göstergenin çıktısını trend yönüne göre ikiye ayırmak ve her bir yön için farklı eşik, parametre ve filtre uygulamaktır. Örneğin:

• RSI – iki ayrı eşik tanımlaması:
  • Yukarı yönlü trendde RSI > 65 hâlâ alım fırsatı olabilir.
  • Aşağı yönlü trendde RSI < 40 bile hâlâ düşüş devam edebilir.
• Hareketli ortalamalar:
  • Yukarı trendde hızlı ortalama (örn. EMA 10) ile yavaş ortalama (EMA 50) arasındaki fark artabilir; bu durumda “devam” sinyali alınabilir.
  • Aşağı trendde bu farkın artması bir “çöküşün habercisi” olabilir.

Bu gibi ayrımlar, göstergeye “davranışsal zeka” kazandırır. Gösterge artık sabit bir eşik değil, yönelime duyarlı bir karar mekanizmasıdır.

b) İstatistiksel Dağılımların Yönsel Analizi

Yukarı ve aşağı trendlerde kullanılan aynı göstergenin tarihsel performansını ayrı ayrı analiz etmek gerekir. Örneğin bir gösterge, yükseliş trendlerinde %68 başarı oranıyla çalışırken, düşüş trendlerinde sadece %42 başarı üretiyorsa bu gösterge aşağı yön için ya optimize edilmelidir ya da o yönde kullanılmamalıdır.

📌 Bu tür analizler için aşağıdaki istatistiksel araçlar kullanılabilir:

• Conditional probability matrix: Belirli bir sinyal sonrası fiyatın yönünü olasılık tablosu ile çıkarma.
• Sharpe oranının yönsel ayrımı: Alım ve satım sinyalleri için ayrı Sharpe oranı hesaplama.
• Drawdown süresinin polarizasyonu: Yön bazlı maksimum zarar sürelerinin karşılaştırılması.c) Kodlamada Asimetrik Mantık

Göstergenin çıktılarını yorumlarken mantıksal şartları (if-else) simetrik değil, yönelime göre ayrıştırmak gerekir. Örneğin:

// MetaStock dilinde örnek bir yön bazlı RSI strateji mantığı

RSI14 := RSI(CLOSE,14);

Trend := If(CLOSE > Mov(CLOSE,50,S), 1, -1);

Buy := RSI14 > 65 AND Trend = 1;

Sell := RSI14 < 40 AND Trend = -1;

Bu kod, RSI değerini sadece trendin yönüne göre aktive eder; böylece ters koşullarda yanlış sinyal üretme ihtimalini minimize eder.

🔄 Bir Ara Not: Göstergeleri Yeniden Düşünmek

Çoğu teknik gösterge, 1970’lerin ve 1980’lerin piyasa koşullarında geliştirilmiş araçlardır. O zamanlar volatilite bugünkü kadar karmaşık, algoritmalar bugünkü kadar yaygın değildi. Dolayısıyla bu göstergeleri doğrudan bugüne taşımak yerine, onları asimetrik düşünceyle yeniden yazmak, stratejik bir gerekliliktir.

5. Backtest Yanılsamaları: Simetrik Testin Asimetrik Tuzakları

Backtest, bir stratejinin geçmiş veriler üzerindeki performansını ölçmek için en yaygın kullanılan yöntemdir. Ancak bu testlerin çoğu, stratejinin simetrik çalıştığını varsayar. Oysa fiyat hareketleri asimetrik olduğu gibi, strateji davranışı da yön bazında farklılaşır. Bu fark göz ardı edildiğinde, test sonuçları optik illüzyon halini alabilir.

a) Ortalama Kâra Bakmak Neyi Gizler?

Backtest sonuçlarında genellikle “ortalama işlem başına kazanç” gibi metriklere bakılır. Ancak bu ortalama değerin yönelime göre ayrıştırılmamış olması, performansın gerçek doğasını gizler.

Örneğin:

Yön	İşlem Sayısı	Başarı Oranı	Ortalama Kâr	Maks. Kayıp
Yukarı	120	%72	+1.8%	-1.2%
Aşağı	80	%38	-0.5%	-3.6%

Toplamda bu sistem pozitif getiri üretiyor gibi görünse de, aşağı yönlü işlemler sistemin kârlılığını törpülüyor. Fakat bu fark testin genel sonucunda kayboluyor.

📌 Çözüm: Yön bazlı istatistiklerin mutlaka ayrı ayrı hesaplanması.

b) Optimizasyonun Kör Noktaları

Simetrik optimizasyon, parametrelerin tüm işlemlerde aynı şekilde çalışacağını varsayar. Oysa yukarı trendde en uygun RSI değeri 65 iken, aşağı trendde bu eşik 45 olabilir. Bu fark dikkate alınmadan yapılan optimizasyonlar, özellikle trend dönüşlerinde sistemin çökmesine yol açar.

Ayrıca, bazı stratejiler aşağı yönlü piyasalarda yapısal olarak daha fazla ‘false signal’ üretir. Bu da optimizasyon sürecinde şu tuzağa yol açar:

• En iyi sonuçları getiren ama yalnızca bir yönü domine eden parametreler öne çıkar.
• Diğer yön göz ardı edilir; bu da gelecekteki senaryolarda sistemin başarısız olmasına yol açar.

📌 Çözüm: Parametrelerin yönelime göre optimize edilmesi (bölünmüş optimizasyon).

c) Dönemsel Backtest: Trendin Yaşam Döngüsünü Gözetmek

Bir başka önemli hata da backtest’in lineer zaman içinde yapılmasıdır. Oysa piyasa trendleri zamana değil, yapı değişimlerine göre şekillenir. Bu yüzden lineer test değil, yapısal test gerekir. Örneğin:

• Yalnızca yükseliş trendinde geçen periyotlarda test yapmak (örneğin bir “bull run” yılı)
• Farklı volatilite dönemlerini karşılaştırmak
• Trend dönüş anlarında sistemin davranışını analiz etmek

Bu yaklaşımlar sistemin yönelime olan duyarlılığını test eder ve simetrik hataları açığa çıkarır.

🔍 Derinleşme: Gerçek Hayatta Asimetrik Test Neye Benzer?

Gerçek bir trade sisteminde test şu sorulara cevap vermelidir:

• Sistem yükseliş ve düşüş dönemlerinde ne kadar farklı davranıyor?
• İkincil tepkilerde (örneğin düşüş sonrası düzeltme) nasıl sonuç veriyor?
• Sinyal sayısı yön bazında nasıl değişiyor?
• İşlem süresi ve işlem yoğunluğu simetrik mi?

Eğer bu sorulara yön bazlı yanıtlar verilemiyorsa, test eksiktir.

6. Asimetrik Trade Motorları: Algoritmayı Çift Taraflı Tasarlamak

Algoritmik trade sistemlerinin çoğu, piyasanın tekil bir yönde okunabileceği varsayımıyla tasarlanır. Bu yön, çoğunlukla fiyatın artış ya da azalış trendine göre belirlenir ve sistem, bu yön doğrultusunda pozisyon alır. Ancak piyasa davranışı, doğrusal bir anlatıdan çok, çapraz bir korelasyonlar ağı gibi çalışır. Bu yapı içinde, asimetrik bilgi akışları, çelişkili fiyat-tepki örüntüleri ve zamanlama bozuklukları, trade algoritmalarının yalnızca bir tarafı dinleyerek karar vermesini yetersiz ve hatta riskli kılar.

Bu nedenle, modern algoritmik sistemlerde tek yönlü değil, çift taraflı çalışan “trade motorlarına” ihtiyaç vardır. Bu motorlar yalnızca fiyatın “gittiği yönü” değil, aynı zamanda gitmeyi reddettiği yönü de analiz etmeli; yalnızca alım sinyallerini değil, sessizlikleri, çelişkileri ve iptalleri de yorumlayabilmelidir.

Asimetrik motor tasarımı, sinyal üretme kadar, sinyalin üretilmediği anda neler olduğunu da dikkate alır. Bu yaklaşım, salt pozitif dataya dayanan lineer algoritmalardan farklı olarak, eksiklikler, sapmalar ve tepkisizlikler üzerine kurulu ikinci bir katmanı da içerir. Böylece sistem, sadece “hareket”i değil, “hareketsizlikteki anlamı” da işleyebilir.

a) Al-Sat Değil, Sinyal–Yorum–Asimetri

Klasik algoritmik sistemler, temel olarak “al” ya da “sat” gibi doğrudan eylem odaklı sinyaller üretmek üzere programlanmıştır. Bu sistemlerde karar süreci genellikle şöyle işler:
Kriter sağlanır → Sinyal üretilir → Emir gönderilir.
Bu çizgisel yapı, piyasanın organik asimetrisini kavrayamaz çünkü fiyat hareketleri her zaman açık bir “al” ya da “sat” sinyali üretmez. Aslında çoğu zaman, piyasa net bir sinyal vermez – ya da daha doğrusu, verdiği sinyal eşzamanlı olarak iki yönlü yorumlanabilir.

Buradaki temel sorun şudur:
Çoğu algoritma, sinyalin kendisini veri olarak işler; ama sinyalin doğası, tutarsızlığı, gecikmesi veya çelişkisi gibi unsurlar üzerine düşünmez. Oysa asimetrik bir sistem, sinyalin ne söylediğinden çok, ne söyleyemediğiyle ilgilenir.
Bu noktada karşımıza çıkan şey, bir tür yorumsal algoritma ihtiyacıdır.

Asimetrik yapıdaki bir trade motoru, yalnızca sinyalleri alıp emir üretmek yerine, bu sinyalleri bir bağlam içinde tartar. Örneğin:

• Aynı teknik gösterge, iki farklı konjonktürde aynı sinyali veriyor olabilir; fakat bunlardan biri yorgun bir momentum, diğeri erken uyanmış bir trend anlamına gelir.
• RSI 70’i geçmiştir; bu, klasik anlamda “aşırı alım”dır. Ancak bu bilginin yorumu, trendin hangi evresinde olunduğuna göre değişir.
• Hacim artmış olabilir; ama hacim artışı fiyatla birlikte gelmiyorsa, bu bir “pozitif sinyal” değil, bir “aykırılık (divergence)” göstergesidir.

İşte bu nedenle, asimetrik bir motor, yalnızca sinyali değil, sinyalin neyle birlikte geldiğini, neyin eksik olduğunu ve hangi koşullarda çeliştiğini yorumlamak zorundadır.
Bu da bizi “Al/Sat” modelinden “Sinyal/Yorum/Asimetri” modeline geçirir:

Klasik Model	Asimetrik Yorumlu Model
Sinyal → Emir	Sinyal → Yorum → Emir
Trend takibi	Trend + Kararsızlık ölçümü
Gösterge = Karar	Gösterge + Bağlam = Karar
Lineer işlem akışı	Çatallı, koşullu işleme akışı

Bu yapı, algoritmayı daha yavaş yapmaz. Aksine, daha çok yönlü bir zekâyla donatır. Çünkü burada amaç sadece hızlı işlem yapmak değil, anlamlı yerlerde pozisyon almak ve asimetrik durumlara karşı refleks geliştirmektir.

b) Karar Sürecinde Çift Kanallı Akış: Momentum & Kararsızlık

Asimetrik trade motorlarının temelinde, piyasanın iki yüzünü aynı anda okuyabilen bir çift kanallı karar süreci yatar. Bu süreç, hem momentumu (gücü) hem de kararsızlığı (belirsizliği) aynı anda değerlendirir.

Momentum kanalı, piyasanın mevcut eğilimini ve ivmesini ölçer. Burada amaç, trendin gücünü anlamak, güçlü hareketlerde pozisyon almak ve zayıflayan momentumlarda dikkatli olmak veya çıkmaktır.

Ancak, sadece momentum yeterli değildir. Çünkü piyasa sık sık kararsız ve bulanık sinyaller üretir. Bu noktada devreye giren ikinci kanal, yani kararsızlık kanalı, piyasanın riskli, belirsiz veya çelişkili durumlarını tespit eder. Kararsızlık yüksek olduğunda, hareketler düzensizdir, trend kırılganlaşmıştır veya dönüş sinyalleri daha güçlüdür.

Çift kanallı akışın avantajları şunlardır:

• Daha hassas giriş-çıkış noktaları: Sadece momentumun gücüne değil, aynı zamanda piyasanın kararsızlık derecesine göre pozisyon alınır veya kapatılır.
• Yanlış sinyal riskini azaltma: Yalnızca momentum sinyaline dayanarak alınan işlemler, kararsızlık kanalıyla teyit edilerek hata payı düşürülür.
• Risk yönetiminin dinamikleşmesi: Kararsızlık arttıkça, algoritma pozisyon büyüklüğünü küçültebilir veya stop-loss’u sıkılaştırabilir.

Uygulamada bu iki kanal şu göstergelerle modellenebilir:

• Momentum kanalı için: RSI, MACD, Momentum osilatörleri
• Kararsızlık kanalı için: ATR (Average True Range), VIX benzeri volatilite ölçümleri, fiyat bantlarının genişliği (Bollinger Band genişliği), hacim oynaklığı

Algoritma, bu iki kanaldan gelen verileri birbirine bağlayarak koşullu kararlar üretir. Örneğin:

• Momentum güçlü ve kararsızlık düşük ise, trend devam ediyor ve pozisyon artırılabilir.
• Momentum güçlü ama kararsızlık yüksekse, piyasada riskli bir dalgalanma var demektir; temkinli olmak gerekir.
• Momentum zayıf ve kararsızlık yüksekse, trendin kırılması veya yön değişimi yakın olabilir; pozisyon kapatma veya bekleme tercih edilir.

Bu çift kanallı yapı, algoritmanın piyasanın “hem nefesini hem ritmini” yakalamasını sağlar ve klasik tek kanal (yalnızca momentum) yaklaşımlarından çok daha esnek ve duyarlı hale getirir.

c) Simetrik Algoritmaların Kör Noktaları

Simetrik algoritmalar, yüzeyde son derece mantıklı bir önermeyle yola çıkar: “Eğer bir fiyat yukarıdan şu seviyeye gelirse sat, aşağıdan bu seviyeye gelirse al.” Bu tür algoritmalar, RSI 70/30, MACD kesişimleri ya da sabit bantlı ortalamalar gibi araçlarla şekillenir. Çoğunlukla eşik kavramına dayanır: belirli bir değeri geçince bir şey olur, geçmeyince olmaz.
Sorun şu ki, piyasalar neredeyse hiçbir zaman bu kadar “düzenli” çalışmaz.

Simetrik algoritmalar, varsayımsal bir denge düzeni öngörür. Alış ve satış kararlarının eşit şiddetle ve karşılıklı simetriyle dağıldığı bir piyasa tahayyül eder. Oysa gerçek dünya, asimetrik akışlarla doludur: bazı yönlerde likidite kaygısı büyüktür, bazı bölgelerde oyuncular agresifleşir, bazı anlarda haber akışı eşiklerin anlamını siler.

Örneğin RSI 30’un altında olduğu için alım yapan bir algoritma, fiyatın daha da düşmeye devam etmesini açıklayamaz. Çünkü bu modelde “aşırı satım” bir dönüş sinyali gibi yorumlanır. Ancak bu eşik, sadece geçmişte belli örneklerde işe yaramıştır; şimdiye dair hiçbir garanti taşımaz. Bu noktada simetrik algoritma körleşir: fiyat neden düşmeye devam ediyor? sorusunun cevabı sistemin mantığında yoktur.

Kör nokta tam olarak budur: algoritma, yapısı gereği belli bir davranışı öngörür ama o davranış gerçekleşmeyince neden gerçekleşmediğini anlayamaz. Simetrik bir algoritma, RSI 30’un altındaki bir RSI’nın 20’ye, 15’e, hatta 10’a kadar düşebileceğini hesaba katmaz; çünkü iç mantığı buna izin vermez. Bu, sadece istatistiksel değil, aynı zamanda ontolojik bir sorundur: algoritmanın dünya görüşü dar bir simetriye hapsolmuştur.

Geriye dönük testlerde bu algoritmalar çok başarılı görünebilir. Çünkü geçmiş verilerde zaten RSI 30’dan sonra gelen dönüşler sistemin varsayımını doğrular. Ancak bu, survivorship bias etkisidir: yalnızca hayatta kalan, yani işe yarayan örnekleri görürsünüz. Piyasada asıl mesele, işe yaramayanın ne zaman ve nasıl baş göstereceğini görebilmektir.

Bir algoritma körse, yani belirsizliği anlamlandıramıyorsa, yatırımcıyı da körleştirir. Kör noktalar, çoğu zaman kaybın nereden geldiğini geç fark etmemize neden olur. Simetrik modellerin en büyük tuzağı budur: sizi “sistematik bir güven” hissine sokar ama bu güven, piyasanın kaotik doğasına karşı kırılgandır.

d) Bir Motorun İki Kulağı: Farklılaşmış Giriş ve Geri Besleme

Bir algoritmayı gerçekten “asimetriye duyarlı” hale getirmek istiyorsak, ona sadece piyasa verilerini değil, piyasanın bu verileri nasıl anlamlandırdığını da öğretmemiz gerekir. Bu, yalnızca giriş (input) sinyallerinin çeşitlenmesiyle değil, aynı zamanda algoritmanın aldığı kararların sonuçlarını geri besleme (feedback) yoluyla yeniden işleyebilmesiyle mümkündür.

Bu çift yönlü yapı bir anlamda bir “kulak çifti” gibi çalışır: biri dış sesi dinler (veri girişleri), diğeri ise kendi sesini yankıdan tanır (sonuçların içsel takibi). Bu benzetme, sıradan al-sat algoritmalarıyla asimetrik trade motorları arasındaki temel farkı gösterir. Sıradan sistemler tek kulaklıdır: duyar ama kendi sesini tanımaz. Geri besleme mekanizması, bir sistemin kendini anlamasını ve güncellemesini sağlayan iç kulaktır.

Örneğin bir algoritmanın bir pozisyona girdiğini varsayalım. Bu girişin ardından piyasanın tepkisi, pozisyonun varlığını doğruluyor mu, yoksa onu yutuyor mu? Eğer sistem, kendi hamlesinin piyasa tarafından “görülüp görülmediğini” algılayamıyorsa, duvarla konuşur gibi işlem yapar. Ama geri besleme varsa —örneğin girişten sonra momentum artışı, hacim uyumu, implied volatility’deki ani zıplama gibi izleme sinyalleri— sistem pozisyonunun piyasa içindeki rezonansını duyabilir.

Burada önemli olan şu: geri besleme, sadece zararda pozisyon kapatmak için değil, pozisyonun neden başarılı ya da başarısız olduğuna dair bir hikâye kurmak içindir. Asimetrik algoritmaların farkı burada belirir. Bu tür sistemlerde her giriş bir hipotezdir, her çıkış ise bir gözlemdir. Ve bu ikisi arasında bir bağlantı kurulmadan “trade etmiş” sayılmazsınız.

Algoritmanın “iki kulağı” olması demek, piyasanın hem dış ritmini hem de kendi iç yankısını duyabiliyor olmasıdır. Bu farkındalık, algoritmanın yalnızca sinyal üretmesini değil, aynı zamanda sinyalin ne işe yaradığını ölçmesini sağlar. Çift yönlü algı sayesinde sistem evrilebilir, zamanla kör noktalarını törpüleyebilir ve sonunda kendi hatalarından anlam çıkarabilir.

Bir algoritmanın zekâsı, yalnızca ne kadar çok sinyal işlediğiyle değil; bu sinyalleri nasıl dinlediğiyle, nasıl karşılık aldığıyla ve nasıl geri dönüştürdüğüyle ilgilidir. “Bir motorun iki kulağı” metaforu, bu yapının özünü taşır: sadece dış dünyaya değil, kendi yankısına da kulak veren bir sistem inşa etmek.

7. Matematiksel Gölge: Simetrinin Bozulduğu Nokta

Finansal modelleme, çoğu zaman belirsizliğe karşı düzen arayışıdır. Bu düzen arayışı, geçmişte hem teorik fizik hem de matematiksel istatistikten ödünç alınan yapılarla şekillenmiştir. Ancak her yapı bir soyutlamadır; ve her soyutlama, dışarıda bıraktıkları ölçüsünde çalışır. Simetri, bu soyutlamaların en cazip ama en yanıltıcı olanlarından biridir.

a) Simetrinin Cazibesi: Rastgele Yürüyüş

Modern finansal teorinin temellerinden biri, fiyatların rastgele yürüyüş (Brownian motion) izlediği varsayımıdır. Bu modele göre bir fiyatın değişimi şu formülle ifade edilir:

ΔP=μΔt+σεΔtDelta P = mu Delta t + sigma varepsilon sqrt{Delta t}

Burada:

• ΔPDelta P: fiyat değişimi
• μmu: ortalama getiri (trend)
• σsigma: volatilite katsayısı
• εvarepsilon: standart normal dağılımdan çekilen rassal değişken
• ΔtDelta t: zaman dilimi

Bu denklem, yukarı ve aşağı yönlü fiyat değişimlerini eş olasılıklı kabul eder; çünkü εvarepsilon sıfır ortalamalı, simetrik bir dağılımdan gelir. Bu nedenle, bir fiyatın +5 birim artmasıyla -5 birim düşmesi modelin gözünde aynı ihtimale sahiptir. İşte bu varsayım, sistematik olarak simetri içerir.

Ancak finansal piyasalar bu kadar adil, düzenli ve tarafsız değildir. Panik, açgözlülük, likidite yığılmaları ve ani haber akışları; bu sistemin simetrisini kırar. Gerçek piyasa davranışlarında, fiyatların düşüş anlarındaki volatilitesi yükselişlere göre daha sert ve yoğun olur. Bu da bizi, modelin gölgesinde kalan asimetriyle tanıştırır.

b) Gölgedeki Sapma: Leverage Etkisi ve Asimetrik Volatilite

Empirik olarak bilinir ki, piyasalar düştüğünde volatilite artar. Bu duruma leverage effect (kaldıraç etkisi) adı verilir. Fiyat düştüğünde firmanın borç/sermaye oranı artar, bu da risk algısını yükseltir ve hisse senedi daha da oynak hale gelir. Yani:

σdown>σupsigma_{down} > sigma_{up}

Bu asimetri, modelin yukarıdaki simetrik yapısını bozar. Ama sorun şurada başlar: klasik finansal modellerin büyük çoğunluğu, bu yönsel farklılığı hesaba katmaz. Özellikle sabit volatilite varsayımıyla çalışan modeller, düşüş anlarındaki risk birikimini göremez.

Alternatif olarak kullanılan GARCH (Generalized Autoregressive Conditional Heteroskedasticity) gibi modeller, bu asimetriyi zamanla değişen ve geçmiş şoklara bağlı oynaklık üzerinden hesaplamaya çalışır. Ancak GARCH modelleri bile çoğu zaman simetrik dağılımlar (ör. normal veya t dağılımı) üzerine kuruludur.

Daha gerçekçi yaklaşımlar, yağlı kuyruklu (fat-tail) dağılımlar, çarpık (skewed) yapılar ve hatta regime-switching modeller gibi karma sistemlerle inşa edilmelidir. Çünkü piyasanın doğası, sabit bir σ ile temsil edilemeyecek kadar dinamiktir.

c) Modelin Görmediği: Matematiksel Gölge

Bir model, sadece neyi içerdiğiyle değil, neyi dışladığıyla da tanımlanır. Simetri, modelin merkezini düzenli gösterirken, dışarıda kalan tüm yapısal bozulmaları bir “gölge” gibi bastırır. Bu gölge; ani düşüşler, beklenmedik tepkiler, algoritmik çakışmalar ve yatırımcı paniği gibi unsurlardan oluşur. Bunlar sistemin içine alınmadığı için, model düzgün çalışıyormuş gibi görünür. Ta ki gölge büyüyene kadar.

Bu bağlamda, “matematiksel gölge”, teknik göstergelerin ve fiyat modellerinin saptayamadığı davranışların epistemolojik alanıdır. Gölgeyi görebilmek, sistemin dışladığı anormalliklere hassas olmakla mümkündür. Bir algoritmanın en büyük gücü, sadece işlediği verilerle değil, işleyemediği durumlarla da ilişki kurabilmesindedir.

d) Simetrinin Kırıldığı Yerden Strateji Doğar

Asimetrik trend stratejileri, tam da bu gölge alanlarda gelişir. Çünkü burada “kural dışı” davranışlar vardır: RSI 30’un altına indikten sonra da düşmeye devam eden fiyatlar, ortalama sapmanın yön değiştirdiği eşikler, volatilitenin normalin dışında zıpladığı bölgeler…

Bu bölgeler, klasik modelin dışladığı anomalilerdir. Ama bir algoritma, gölgedeki bu davranışları okuyabiliyorsa, piyasayla gerçek zamanlı bir bağ kurabilir. Simetrinin bozulduğu yer, sadece riskin değil, fırsatın da başladığı yerdir.

Elbette Ferit Bey, şimdi sıradaki bölüme geçiyorum:

8. Risk Yönetimi ve Kar-Zarar Dengesizlikleri

Asimetrik strateji tasarımında yalnızca gösterge ve sinyal üretimi değil, risk yönetimi de yönelime göre yeniden düşünülmelidir. Çünkü finansal piyasalarda “risk”, sadece işlem hacmiyle ya da kaldıraç oranıyla değil, trend yönüyle de derin biçimde ilişkilidir.

Yatırımcıların çoğu için yükselen piyasa “getiri fırsatı”, düşen piyasa ise “zarar riski” olarak kodlanır. Ancak algoritmik sistemler açısından mesele daha teknik bir noktada düğümlenir: Short (kısa) pozisyonların doğası, long (uzun) işlemlerden sistematik olarak daha risklidir.

1. a) Yönsel Risk Asimetrisi: Neden Short İşlemler Daha Tehlikelidir?
2. Teorik Neden:

• Long pozisyonlarda zarar sınırlıdır (fiyat sıfıra düşebilir);
• Short pozisyonlarda ise zarar sınırsızdır (fiyat teorik olarak sonsuza çıkabilir).

2. Pratik Neden:

• Short pozisyonlar genellikle ödünç varlıkla açılır. Bu da margin (teminat) ihtiyacı doğurur.
• Margin call (teminat tamamlama çağrısı), short işlemlerde daha hızlı tetiklenebilir.
• Alım-satım farkı (spread) yükseliş anlarında sıkışır, düşüşte genişler; bu da short pozisyonları daha maliyetli hale getirir.
• Likidite: Düşüşlerde alıcı azalır, emirler derinlik bulamaz, fiyat daha hızlı kayar.

3. Psikolojik Neden:

• Piyasa yukarı giderken “kaçırma korkusu” işler; aşağı giderken “batma korkusu.”
• Bu da satış emirlerinin yaygınlaştığı short senaryolarında panik satışları tetikler.

1. b) TP/SL (Kâr Alma / Zarar Kesme) Oranları Yönelime Göre Değişmeli

Çoğu algoritma, tüm işlemlerde aynı sabit oranları kullanır: örneğin %2 kâr hedefi, %1 zarar kes. Ancak bu oranlar yön bazlı olarak yeniden kurgulanmalıdır:

Yön	TP (Take Profit)	SL (Stop Loss)
Long	%3	%1.5
Short	%1.5	%1.5 veya daha az

Short işlemlerde hem hedef daha yakın, hem zarar eşiği daha sıkıdır. Çünkü:

• Kâr fırsatı genellikle hızlıdır ama dar alandadır.
• Zararlar daha hızlı büyüyebilir.
• Spread ve slipaj etkisi daha yüksektir.c) Pozisyon Büyüklüğü ve Risk Birimi

Asimetrik stratejilerde riskin sadece yön değil, yoğunluk üzerinden de hesaplanması gerekir. Bunun için bazı araçlar:

• ATR (Average True Range) ile pozisyon büyüklüğünü volatiliteye göre ayarlamak.
• VIX gibi piyasa korku endekslerini izleyerek short pozisyon sayısını sınırlamak.
• Dinamik bet sizing (oranlı pozisyon büyüklüğü): Long pozisyonlar ATR’nin %1’i kadar yer kaplarken, short’lar %0.5 ile sınırlandırılabilir.d) Algoritmada Yön-Bazlı Risk Kuralları

Sistemin içine gömülü yönsel risk denetimleri:

// Pseudo örnek: Short işlemde daha sıkı risk sınırı

If (Trend = -1) AND (Volatility > Threshold) Then

PositionSize := BaseSize / 2;

StopLoss := EntryPrice + 1.2 * ATR(14);

Bu örnek, düşüşteki pozisyonların daha küçük açılmasını ve stop-loss seviyesinin daha korumalı olmasını sağlar.

Sonuç olarak:
Simetrik stratejiler, yalnızca sinyal üretiminde değil, risk yönetimi pratiklerinde de kör olabilir. Oysa yönsel asimetriyi gözeten bir yapı, yalnızca doğru zamanda işlem yapmaz; aynı zamanda yanlış yönlü pozisyonları daha erken sınırlayabilir.

9. Geri Besleme Döngüsü: Algoritmanın Kendini Güncellemesi

Bir algoritmanın zekâsı, yalnızca işlem yapma becerisiyle değil; yaptığı işlemleri nasıl değerlendirdiğiyle, bu değerlendirmeyi sistemin geleceğine nasıl entegre ettiğiyle ölçülür. Teknik analiz sistemlerinin çoğu, sabit kurallara ve geçmiş verilerden çıkarılmış parametrik optimizasyona dayanır. Ancak bu yapı içinde kendini yeniden tanımlayabilen, yani öğrenebilen algoritmalar yoktur.

Asimetrik stratejiler, doğaları gereği durağan değil, evrimsel olmalıdır. Çünkü asimetri, piyasanın sabit bir desen içinde değil, değişken kuvvetler ve kırılgan dengesizlikler içinde çalıştığını kabul eder. Bu durumda algoritmanın da sabit bir yapıya değil, geri besleme (feedback) döngüsüne ihtiyacı vardır.

a) Geri Besleme Nedir, Neden Gereklidir?

Geri besleme, sistemin yaptığı eylemlerin sonuçlarını ölçmesi ve bu sonuçlara göre kendini ayarlamasıdır. Yani algoritma sadece “Ne yaptım?” değil, aynı zamanda “Ne oldu?” ve “Bundan ne öğrendim?” sorularını da içermelidir.

Basit bir örnek:

• Algoritma RSI 30’dan alım yaptı.
• İşlem zarar etti.
• Sistem tekrar RSI 30’da alım sinyali ürettiğinde, önceki başarısızlığı dikkate almalı.
• Belki farklı bir eşik denemeli, belki hacimle çapraz kontrol yapmalı ya da o bölgeyi dışlamalı.

Bu, sadece “machine learning”e özgü bir davranış değildir. Kural tabanlı sistemler de dinamik hafıza ya da deneyim kaydı ile bu tür davranışı sergileyebilir.

b) Dinamik Parametreler ve Uyarlanabilir Eşikler

Geri besleme döngüsüyle çalışan bir sistem:

• Başarılı işlemlerde kullanılan eşikleri, daha çok kullanmaya yönelir.
• Başarısız işlemlerde kullanılan parametre kombinasyonlarını geçici olarak pasifize eder.
• Belirli koşullarda (örneğin volatilite > x, RSI < y) belirli davranışların çalışıp çalışmadığını kendi içinde etiketleyebilir.

Örnek:

// MetaStock-benzeri bir mantık

If (RSI < 30) AND (Volatility < Threshold) Then

Entry := True;

Tag := “RSI30_LowVolatility”;

EndIf;

If TradeResult = Loss Then

Penalize(Tag);

Bu yapı, sistemin sinyalleri sadece uygulamamasını, aynı zamanda sınıflandırmasını ve değerlendirmesini sağlar.

c) Asimetrik Öğrenme: Başarıyı ve Başarısızlığı Eşit Tartmamak

Her geri besleme sistemi eşit çalışmaz. Asimetrik algoritmalar için başarısızlık, başarıdan daha öğreticidir.
Özellikle short pozisyonlardaki başarısızlıklar, yalnızca sistemsel değil, piyasa davranışına dair önemli sinyaller de barındırır. Bu nedenle geri besleme döngüsü içinde:

• Düşüşlerdeki hatalar daha dikkatli izlenmeli,
• Trend dönüşü yakalanamadıysa sistem “sessiz kalmayı” öğrenebilmeli,
• Başarı tekrar ediliyorsa, bu bir sinyal değil bir rejim göstergesi sayılmalı.d) Geri Besleme = Sinyal Üretimi Değil, Strateji Evrimi

Bu noktada önemli bir ayrım yapılmalı: Geri besleme, klasik anlamda yeni sinyaller üretmez.
Bunun yerine, var olan sinyalleri ne zaman ve nasıl uygulayacağına dair bilgiyi yeniden düzenler. Sistem, her seferinde aynı sinyali körlemesine uygulamak yerine, geçmişte yaşadığı sonucu hatırlayarak davranır. Bu da stratejinin “yaş almasını”, yani teknik zekâdan taktik zekâya geçmesini sağlar.

Geri besleme döngüsü olmayan bir algoritma, her gün aynı hataları tekrar eden bir otomatiktir.
Asimetrik sistemler ise hataya karşı duyarlıdır; çünkü piyasanın yapısı da aynı hataları sürekli olarak cezalandırır.

10. Uygulamalı Örnek / Pseudo Kod

Asimetrik Trend Modeli İçin Çift Yönlü Strateji Tasarımı

Bu bölümde, yazı boyunca teorik ve yapısal olarak temellendirdiğimiz yön-bazlı farkları doğrudan bir algoritmaya nasıl yansıtacağımızı örnekleyeceğiz. Kullanılan yapı, göstergelerin hem farklı eşiklerle hem de farklı karar kurallarıyla işlenmesini temel alır. Kod örneği MetaStock Script diline yakın bir yapıyla sunulmuştur, ancak temel mantık Pine Script, Python ya da başka dillerde de rahatlıkla uygulanabilir.

a) Göstergelerin Yön Bazlı Ayrıştırılması

// Temel göstergeler

RSI14 := RSI(CLOSE,14);

EMA_FAST := Mov(CLOSE,10,E);

EMA_SLOW := Mov(CLOSE,50,E);

VOL := ATR(14);  // Ortalama volatilite

// Trend yönü tanımı (kısa vadeli fiyat – uzun vadeli fiyat)

Trend := If(CLOSE > EMA_SLOW, 1, -1);

// Yön bazlı RSI eşikleri

BuySignal := RSI14 > 65 AND Trend = 1;

SellSignal := RSI14 < 40 AND Trend = -1;

Bu yapıda sistem, RSI değerini yalnızca trend yönüyle birlikte anlamlandırır. RSI 65’in üzeri sadece yukarı trend varsa “alım” sinyali üretir. Aynı gösterge, farklı eşiklerle aşağı trendde “satış” sinyali olarak değerlendirilir.

b) Giriş ve Çıkış Kurallarında Asimetrik Risk Yaklaşımı

// Long işlemler için risk kuralları

If BuySignal Then

EntryPrice := CLOSE;

StopLoss := EntryPrice – 1.5 * VOL;

TakeProfit := EntryPrice + 3.0 * VOL;

EndIf;

// Short işlemler için daha sıkı SL/TP oranı

If SellSignal Then

EntryPrice := CLOSE;

StopLoss := EntryPrice + 1.2 * VOL;

TakeProfit := EntryPrice – 2.0 * VOL;

EndIf;

Bu yapı sayesinde long işlemlerde daha geniş hedef/zarar aralığı tanınırken, short işlemlerde daha temkinli davranılır. Risk birimi (ATR) üzerinden normalize edilen değerlerle sistem dinamikleşir.

c) Geri Besleme Etiketi ile Öğrenen Sistem Mantığı

// Sinyal geçmişi kayıt altına alınır

If BuySignal Then

SignalType := “LONG”;

Context := “RSI65+EMA>50”;

EndIf;

If SellSignal Then

SignalType := “SHORT”;

Context := “RSI40-EMA<50”;

EndIf;

// Sonuç etiketlemesi (sadece pseudo mantık)

If TradeResult = LOSS Then

Penalize(Context); // Bu koşulları taşıyan sinyallere ağırlık azaltılır

EndIf;

Bu kısmın işleyişi, yazının 9. bölümünde ele aldığımız geri besleme döngüsünün teknik bir yansımasıdır. Sistem yalnızca işlem açmakla kalmaz, o işlemin koşullarını etiketler ve sonraki yorumlamalarda geçmiş verilerden öğrenir.

d) Uygulama Notları ve Genişletme Fikirleri

• RSI yerine CCI, Stoch veya MACD kullanılabilir; önemli olan yön bazlı farklılıkları kodlamaktır.
• Ek koşullar (hacim filtresi, volatilite eşikleri, haber bazlı tetikleyiciler) stratejiye bağlanabilir.
• Geri besleme için ağırlıklı değerlendirme matrisleri veya hafif ML modelleri (ör. kural seti güncelleyici) entegre edilebilir.

11. Sonuç ve Öneriler

Bu yazı, teknik analizde neredeyse sessizce kabul edilmiş bir varsayımı —yükseliş ve düşüş trendlerinin simetrik olduğu fikrini— sorgulayarak başladı. Göstergelerin, modellerin ve algoritmaların çoğu, bu varsayımı veri kabul ederek çalışır. RSI, MACD, hareketli ortalamalar, hatta daha karmaşık sistemler bile genellikle yön farkını yalnızca bir işaret değişimi gibi ele alır. Ancak gerçekte finansal piyasa davranışı böyle işlemez.

Yükseliş trendleri genellikle daha düzenli, hacim destekli ve zamana yayılmışken; düşüş trendleri daha kısa, keskin ve panik odaklıdır. Volatilite yukarıda büyümez, aşağıda patlar. Psikolojik olarak da finansal olarak da “aşağı yön” sadece bir ters yön değil, başlı başına başka bir rejimdir.

Yazı boyunca, bu yapısal farkın teknik göstergelerden algoritmik karar kurallarına, risk yönetiminden model mimarisine kadar her katmana nasıl yansıdığını gösterdik. Göstergelerin çift yönlü ele alınması, eşiklerin yön bazlı tanımlanması, stop-loss / take-profit yapılandırmalarının yeniden yazılması, hatta sinyallerin sonuçları üzerinden sistemin kendini güncelleyebilmesi — tüm bu bileşenler, asimetrik bir trade motorunun parçalarıdır.

Ne Öneriyoruz?

• Simetri varsayımı sorgulanmalı: Her gösterge yön bağımsız çalışmaz. Yükseliş ve düşüş dinamikleri birbirinin yansıması değil, karşıt kutuplarıdır.
• Algoritmalar yön duyarlılığı kazanmalı: Long ve short işlemlere farklı eşikler, risk oranları, sinyal filtreleri uygulanmalıdır.
• Risk yönetimi statik değil, yönelime göre esnek olmalıdır: Özellikle short işlemler için farklılaşmış pozisyon büyüklüğü ve stop parametreleri tanımlanmalıdır.
• Geri besleme mekanizması kurulmalı: Sistem yalnızca işlem yapmamalı, yaptığı işlemlerin ne anlama geldiğini öğrenebilmeli, bağlam oluşturmalıdır.
• Matematiksel modellerin dışladığı davranışlara dikkat edilmeli: Rastgele yürüyüş ya da log-normal dağılım gibi simetrik varsayımlar, fiyat davranışlarının “gölgesinde kalan” kısmı açıklayamaz.

Gelecek Perspektifi

Bu yazının ortaya koyduğu yaklaşım, sadece mevcut stratejilerin iyileştirilmesine değil, yeni nesil algoritmaların inşasına da yöneliktir. Özellikle:

• Rejim tanıma sistemleri: Trendin karakterine göre strateji değiştiren modeller.
• Makro veri eşleştirmeli algoritmalar: Örneğin faiz, enflasyon, PMI gibi göstergelerle yönü destekleyen yapılar.
• Yapay zekâ destekli öğrenme sistemleri: Geri besleme döngüsünü sadece kural temelli değil, deneyim temelli kuran öğrenen motorlar.

Piyasa, göründüğünden daha karmaşık; modeller ise çoğu zaman olduğundan daha sade. Bu sade modellerin ötesine geçebilmek için sadece daha çok veri değil, daha fazla farkındalık gerekiyor. Ve farkındalık, tam da simetrinin bozulduğu noktada başlıyor.

“Algoritma sadece doğru hesaplamayı değil, yanlış yerde susmayı da bilmelidir.”

Çünkü her veri bir bilgi taşımayabilir, her hareket bir yön bildirmez. Piyasa, kimi zaman hareket ederek değil, susarak sinyal verir. Bu sessizlikler —boş kalan hacimler, gerçekleşmeyen kırılımlar, dönmeyen ortalamalar— belki de en çok şey anlatan anlardır.

Asimetrik bir sistem, sadece fiyatın gittiği yere değil, gitmediği yöne de kulak kesilir. Sinyal kadar sessizlikten öğrenir; hesap kadar sezgiden. Ve nihayetinde şunu fark eder:

Piyasa, çoğu zaman söylediğinden çok, sustuğu yerde anlatır kendini.
Algoritma ise yalnızca işlemleriyle değil, bekledikleriyle de yazılır.