Adnan Salih [email protected]

Alım satım sistemi tasarlamak

Tüm yatırımcılar, piyasa çalışanları piyasaya şu veya bu şekilde ilişmiş olanların hepsinin, hepimizin amacı ortaktır: Piyasadan para kazanmak. Hayallerimiz ise sınırsızdır: Piyasadan kazandığımız paralarla yatlar katlar, süper lüks bir hayat!

Piyasadan para kazanma işine gelince hemen hemen çoğu yatırımcı benzer bir süreçten geçer. Öncelikle piyasa ile ilgili tanıdık eş-dost müşteri temsilcisi ile sohbet kıvamında konuşmalar başlar, sonrasında hangi kâğıt gider bu iyi mi kötü mü duyum/tüyo var mı şeklinde ilerler. Müşteri temsilcisi veya akraba “abi bu hisse çok gidecekmiş” dediğinde ise sistem işlemeye başlar. Bu hisseler alınır ve sonu çoğu zaman hüsran olur. Bu başarısızlığın tek sebebi bilmeden başkasının sözleriyle işlem yapmaktır.

Bu köşede defalarca yazdığım gibi piyasada kazanmak için iyi bir hazırlık safhası geçirmeli, hedefleri belirleyip plan yapmalı ve aksiyon almalıyız.

Intra Bey köşesinde Şubat/2016 tarihinde çıkan Quant Röportajını kendisinin izniyle düzenleyerek aşağıya aldım. Sistem geliştirme için önemli bir kaynak, piyasada çarpılmadan hareket etmenin yöntemlerini bir profesyonelden öğrenmek oldukça faydalı.

Bu konu ile ilgili pek çok istek geliyordu, umarım yararlı olur.

QUANT MODEL GELİŞTİRME YAKLAŞIMI - BÖLÜM 1

Quandl dünyanın en büyük veri tabanı. Her gün milyonlarca veri Quandl’dan indiriliyor. Büyük bir veri seti ücretsiz, ilgilenenler için çeşitli yazılımlara uygun eklentileri de mevcut.

Geçtiğimiz günlerde Qandl, büyük bir serbest fonun kıdemli kuantı ile bir söyleşi gerçekleştirdi. Stratejileri nasıl geliştirdiği, soyut modellerden pratik modellere nasıl geçtiği tartışıldı.

 “A Quant’s Approach to Building Trading Strategies: Part One” isimli yazı önemli ipuçları içeriyor.

BİZE YENİ STRATEJİLERİNİZİ NASIL TASARLADIĞINIZI ANLATABİLİR MİSİNİZ?

Her şey bir hipotezle başlar. İki yatırım aracı arasında bir ilişki olduğunu tahmin etmekle başlarım, ya da piyasada yeni çıkmış popülerlik kazanan bir ürün vardır veya mikro etkileri olan makro bir değişken dikkatimi çekmiştir. Bu ilişkiyi açıklayabilecek denklemi –siz model diyebilirsiniz- yazmakla işe başlarım. Tipik olarak bu bir süreç denklemi olur ve değişkenlerin stokastik bileşen eklendiğinde zamanla nasıl değiştiğini gösterir.

İkinci adım bu denkleme kapalı form bir çözüm bulmaktır. Bazen kolay olur; bazen günler haftalar süren bir matematik çalışması gerekebilir; bazen çözüm olmayabilir o durumlarda da bir tahmin yaparım. Mathematica’nın sembolik araç kitini bu süreçte çok yararlı buluyorum.

Şu anda elimde piyasanın bir modeli var. Gerçekçiliğini test etmem gerekir. Bu noktada genellikle Matlab kullanırım. Değişkenler için mantıklı değerler girip çeşitli simülasyonlar çalıştırırım. Simülasyon sonuçları mantıklı mı? Konsept olarak bile olsa piyasa dinamiklerini yansıtıyor mu?

Modelin sağlık testini geçtiğini varsayarsak mavi gökyüzü tasarımından ya da fikir teatisinden resmi araştırmaya yönelebiliriz.

RESMİ ARAŞTIRMA İLE NEYİ KAST EDİYORSUNUZ? BU NEDEN GEREKLİ?

Soyut bir genellemeden sağlam ve orijinal şekilde tahmin gücü olan modellere geçişi kastediyorum.

Gerçekten tahmin yapabilen modeller kurmak çok zordur. Bununla birlikte kendinizi bir model kurduğunuza ikna etmeniz kolaydır: Gerçekte fazla bir uydurma yapmışsınızdır (overfit) ya da örneklem içi test gerçekleştirmişsinizdir ya da geçmişte bilinmeyecek bilgileri sisteme eklemişsinizdir. Çoğu sistem gerçek dünyada bu sebepten dolayı dökülür.

Ben modelime bunların olmasını istemiyorum çünkü paramı yatıracağım. Yıllar içerisinde yavaş yavaş kendimi kandırma riskini en az indirecek bir sistematik geliştirdim.

Ben bunu resmi araştırma olarak adlandırıyorum.

FORMAL ARAŞTIRMA SÜRECİNDE HANGİ ADIMLAR VAR?

Önceden söylemek gerekirse en büyük korkum veri kirliliği. Tarihsel veri sınırlıdır ve bittiğinde yenisini üretemezsiniz. Ben örneklem dışı kirlenmemiş veriyi tüketmeme konusunda neredeyse paranoyak durumundayım.

Elimdeki tarihsel veriyi çakışmayan parçalara ayırırım. Sonra bunları rasgele düzenlerim ki kendim dahi hangi parça hangi döneme ait bilmem. Bu durum beni başlangıç yanılgısından kurtarır: Başlangıç 2008 ise riskten kaçınma eğilimi olur, 2009 ise aşırı risk alacak bir optimizasyon düşünülür.

Bir parçayı kalibrasyon için ayırırım. Kalibrasyon için genelde python kullanırım: Python kütüphanelerini tercih ederim ama kendim de birkaç tane yazdım. Bu özel örnekte parametrelerim kısıtlı ve korele. EM algoritması denen iki adımlı optimizasyon sürecini kullanacağım. Optimizasyon araçları başlangıç noktasına çok hassastır o yüzden çeşitli başlangıç noktaları bulmak için Monte Carlo kullanmak gerekir. Tüm bunları pyhton ile yapmak çok kolaydır.

Bu kalibrasyon setinin sonucu modelin parametre seti –sayısal değerleri- olmalıdır ve bunları kullanarak gerçek piyasa gözlemleri ile birleştirip diğer fiyatları tahmin edebilmeliyiz.

Modeli kalibre ettikten sonra örneklem dışı test ederim. Tahminler stabil mi ve hata terimleri ortalamaya dönüyorlar mı? Model çalışmıyorsa çalışmıyordur, o kadar basit. Modeli bozabilmek için çeşitli hileler denerim. Örnekleyecek olursak aylık veride kalibrasyon yapıp günlük veride test ederim. Ya da Amerikan sonuçlarını Kanada piyasasında test ederim. Eğer model gerçekten altta yatan temel ekonomik gerekçeyi kullanıyorsa bu tip saldırılara karşı dayanıklı olacaktır. Sınırları geçince ekonomiler değişmez.

ÖRNEKLEM İÇİ VE DIŞI VERİYİ AYIRIYORSUNUZ, ZAMAN ARALIKLARINA KÖRLEŞTİRYORSUNUZ, BAŞLANGIÇ NOKTASI TUZAĞINA DÜŞMEMEK İÇİN MONTE CARLO KULLANIYORSUNUZ, ÇEŞİTLİ SAĞLAMLIK TESTLERİ YAPIYORSUNUZ. KENDİNİZİ KANDIRMANIZI ENGELLEMEK İÇİN BAŞKA NELER YAPIYORSUNUZ?

Sadeliğe (parsimony) büyük bir ağırlık veriyorum. Bir model çok fazla değişken ihtiyaç duyuyorsa ya da çok yüksek bir serbestlik derecesi taşıyorsa bu değerleri uydurmaktır (curve fitting) ve model bile değildir. Sürekli modelden değişken çıkarmaya çalışırım. Birkaç faktör çıkarıldığında model iyi işlemeye devam ediyorsa büyük ihtimalle iyi bir modeldir.

İkinci kanıt ise üzerine hangi stratejiyi koyarsanız koyun modelin iyi çalışmasıdır. Eğer karmaşık ve doğrusal olmayan kısıtlar ile para yapıyorsanız bu sağlamlığın eksik olduğunu gösterir.

Son olarak verinin yerine konacak bir şey yoktur. Mümkün olabilecek her türlü örneklem dışı veriyi test etmek isterim: Başka ülkeler, başka enstrümanlar, değişik zaman aralıkları, değişik zaman uzunlukları…Model tamamında çalışmalıdır yoksa sonuçlarda seçim hatası olacaktır.

KAPSAMLI GÖRÜNÜYOR. SONRA NE OLUYOR?

Kalibre edilmiş bir modelle donatıldıktan sonra gelen adım bir kâr zarar simülasyonu oluşturmak. Fırsat seti alım-satım fiyat farklarını eritemeyecek kadar küçükse veya rassal sarsıntılar karları silecekse ortalamaya dönen hata terimleri yeterli olmayabilir. Dolayısıyla modeli kullanarak gerçek bir alım satım stratejisini test etmeliyim. En fazla önem vermem gereken konu: Birkaç serbest değişken daha ekleyerek modeli mükemmelleştirebilirim ya da bilinçaltımdaki bilgileri işin içine katabilirim veya aşırı sapan değerleri çıkarmayı düşünebilirim. Basitlik, örneklerin kesin olarak ayrılması entelektüel dürüstlük burada çok çok önemlidir.

Test yapmak için Excel kullanırım. Bu bilinçli olarak yaptığım bir seçimdir: Excel Python kadar güçlü değildir, bu da yapabileceklerimin bir sınırı olduğunu açık eder.  Bu da iyi bir şeydir: Zaten karmaşık kurallara ihtiyaç duyan bir sistem başlangıçta iyi bir sistem değildir.

Excel ayrıca varsayımlarımı açıkça görmemi sağlıyor: Kod yazarken bazı şeyleri gözden kaçırmak olasıdır. Excel performans istatistiklerini görebilmemi sağlıyor. Modelim çalışıyor olsa bile üstüne oturttuğum stratejinin çalışacağı garantisi olmaz o yüzden istatistikler önemlidir.

Çok az model yukarıdaki testleri geçebilir. Testleri geçenleri ise üretime alınma süreci bekler ki bu da bambaşka bir süreçtir.

QUANT MODEL GELİŞTİRME BÖLÜM 2

ÜRETİME GEÇİŞ AŞAMASI NELERİ İÇERİYOR

Gerçek dünya ile ilgili sorunlara odaklanmalıyım: Gün sayımı konvansiyonları, takas günleri, tatiller vs. gibi detayları çalışmalıyım. Tarihsel veriyi kalibre ederken bu detaylar için yaklaşık bir tahmin yürütebiliriz. Gerçek işlemlere gelince yaklaşım, tahmin vs. olamaz kesinlik gerekir.

Üretimin bir diğer kritik parçası hızdır. Modelimi gerçek zamana uyduramam o yüzden her şeyi doğrusal değişimlere indirgemeliyim. Bu da yoğun matris işlemleri yapmamı gerektiriyor.

Genellikle başlangıçta her şeyi doğru yapan ama genelde verimsiz bir işlem prototipi inşa etmekle başlarım. Bu modeli yazılım geliştirme mühendislerine teslim edip C, Python gibi dillerde yıllardır geliştirmiş oldukları kütüphaneleri kullanarak yazılımın performans versiyonunu oluşturmalarını beklerim. Bu versiyon da çıktılarını kullanmış olduğum tradestation programına aktarır ve işlemleri yapmaya başlarım.

Bu noktadan sonra da para kazanmayı umut ederim.

BU SÜREÇ NE KADAR SÜRÜYOR?

Bir stratejiyi çalışma masasından üretime getirmek genelde aylar sürer ve bu çalışan stratejiler için geçerlidir. Çoğu çalışmaz. Hatta başarılı stratejilerin bile birkaç yıllık raf ömrü vardır. Dolayısı ile yukarıdaki süreç sürekli kendini tekrarlar. Alım satım işlemlerime yaklaşımımı birkaç yılda bir yeniden icat etmem gerekir.

MODEL BAZLI FIRSATLARIN TAMAMEN YOK OLACAĞINDAN ENDİŞELENİYOR MUSUNUZ?

Tabi ki. Tecrübe ile sabittir tüm fırsatlar bir noktada tükenir. Model kullanırken en büyük zorluklardan biri çalışan bir modelin ne zaman hurdaya ayrılacağını bilebilmektir. Tüm modeller bazı günler ve haftalarda para kaybedebilir. Bu durumda karşılaşılan zararların modelin normal işleyişini mi yoksa ölmüş olduğunu mu yansıttığını ayırmak oldukça güçtür.

MODEL GELİŞTİRME FİKİRLERİNİ NERELERDEN ELDE EDİYORSUNUZ?

Bulabildiğim her yerden!

Düzenli olarak başvurduğum birkaç yer var mutlaka. Öncelikle veriye bakarım. Piyasayı bir şekilde tahmin etmeye yarayan müphem bir veri seti varsa alfa yaratmak için en kolay yol bu datayı çalışmaktır. Bugünlerde çok ilginç veri setleri bulunabiliyor: Yeni kurulan şirketler yeni veri setleri topluyorlar, analiz firmaları tahmin edici indikatörler yayınlıyorlar, büyük şirketlerin data egzozlarından çıkan verileri analiz edebiliyoruz ve tabii ki tüm bunları bir araya getiren Quandl setlerini kullanabiliyoruz.  Her zaman sıra dışı, ilginç ve tahmin gücü olabilecek veri setleri ile ilgilenirim.

İkinci olarak piyasalara bakarım. Bankacılar sürekli yeni ürünler çıkarırlar ve yeni ürünler alım satımı yapılabilecek kusurlar barındırırlar. Eğer piyasanın kalp atışlarını sürekli dinlerseniz daha az sofistike katılımcıların kaçırmış olabilecekleri model bazlı fırsatları kolaylıkla bulabilirsiniz.

Üçüncü olarak küresel kalıplar. Tarih tekrar etmez ama çoğu zaman kafiyelidir. Örnekleyecek olursak ABD verim eğrisinde işlem yapmak isterseniz Japon piyasası oldukça zengin bir fikir kaynağıdır, Japonya ABD’den yıllar önce sıfır faize gitti. Gerçeği söylemek gerekirse 10 yıl önceki Japon verilerini kullanarak ABD piyasası için oldukça başarılı modeller inşa etmiştim.

Dördüncüsü benzerlikler. Bazı çok başarılı işlemler A rejimindeki düşünce şeklini B rejimi içinde kullanarak ortaya çıkabilir. Değişik varlık sınıfları farklı karmaşıklığa sahiptir ve arbitraj yapılabilir.

Beşinci olarak gözlerim ve kulaklarım daima açıktır. Dünya oldukça verimsiz bir yerdir ve “neden” ya da “neden değil” diye sürekli sorarsanız mutlaka bir fırsat bulursunuz.

GÖRÜNÜŞE GÖRE ÇOK ÇEŞİTLİ ARAÇLAR KULLANIYORSUNUZ: MATHEMATICA, MATLAB, PYTHON, EXCEL, C... BİLİNÇLİ BİR SEÇİM Mİ?

Kesinlikle. Süreçteki değişik aşamalar değişik araçlar kullanılmasını gerektiriyor. Gerçek zamanlı performans sistemlerini Excel’de yapmaya kalkarsam aptal durumuna düşerim ya da Python ile sembolik matematik kullanamam. Bunlar yapılamaz demiyorum ama daha iyi araçlar var.

TÜM BU SÜREÇLER VE ARAÇLAR İÇİN VERİ AKIŞINI NASIL YÖNETİYORSUNUZ?

Başlangıçta kavramın kanıtlanmasına odaklandığımı için stilize veri yeterli. Model üretime yaklaştıkça veri daha da çok gerçeğe yakın olmalı. Kaliteli veriyi elde etmek ve saklamak için tamamıyla ayrı bir altyapı mevcuttur- Quandl burada çok yardımcı oluyor- bu konuda daha önce bir şey söylememiştim ama çok kritik olduğunu eklemeliyim. Dünyanın en iyi modeli verdiğiniz veri kötüyse başarısız olacaktır. Hiçbir yetenek kötü verinin etkisini düzeltemez.

Yazının orijinali için: https://www.quandl.com/blog/interview-with-a-quant-part-two

QUANT RÖPORTAJI SORULAR, CEVAPLAR

Büyük bir serbest fonun kıdemli kuantı ile yaptığımız söyleşinin 3. Bölümüne geldik. Birinci bölümde sayısal bir strateji geliştirmenin teorik temellerini tartıştık, ikinci kısımda ise üretime geçişe odaklandık. Bu bölümde okuyuculardan gelen sorulara verilen cevapları okuyacaksınız.

1. 1. Model canlı çalışmaya başladıktan sonra nasıl izliyor ve yönetiyorsunuz?
2. 2. Önceden izleme ve devre kesici gibi kesin kurallar koyup bu kurallara göre modeli otomatik olarak durdurup çalışmasını sonlandırıyor musunuz?
3. 3. Modelin öldüğüne ya da şanssız bir dönem geçirdiğine nasıl karar veriyorsunuz?
4. 4. Ölmüş modelleri takip etmeye devam edip bir noktada canlandıktan sonra tekrar işleme alıyor musunuz?
5. 5. Modellerde pozisyon büyüklüğü ayarlaması yapıyor musunuz?
6. 6. Optimal pozisyon büyüklüğü konusunda ne düşünüyorsunuz?
7. 7. Sadece tek bir sisteme dayalı mı çalışıyorsunuz yoksa sistemleri sürekli değiştiriyor musunuz?
8. 8. Değişik programla dilleri kullanmak (Matlab, Excel, Java, C++) zahmetli değil mi?
9. 9. Matlab’da yapıp Python’da yapamadıklarınız nedir ya da tam tersi?
10. 10. Excel’de çok fazla operasyonel risk olduğunu düşünüyor musunuz?
11. 11. Mühendislerin bir stratejiyi kodlaması için süre beklentiniz nedir?
12. 12. Testlerinizi gerçekleştirirken zaman skalasını nasıl değiştiriyorsunuz?
13. 13. Parametre başlangıcı için Monte Carlo kullanımı hakkında detay bilgi verebilir misiniz?
14. 14. Stratejinizi nasıl ölçekliyorsunuz?
15. 15. Aynı modeli kullanarak değişik zaman ölçeklerinde nasıl hareket ediyorsunuz?
16. 16. Sistematik bir serbest fonda yeni başlamış bir kuanta tavsiyeleriniz nelerdir?

1. Model canlı çalışmaya başladıktan sonra nasıl izliyor ve yönetiyorsunuz?

Karları klasik usul elle kontrol etmenin çok iyi bir teşhis aracı olduğuna inanıyorum. Her gün kar nereden geliyor bilmek isterim. Hangi parça değerlendi, hangisi ucuzladı, ne kadar ve neden bilmeliyim. Bu bana modelin tasarımına uygun çalıştığı konusunda güven veriyor aynı zamanda kötü haberler için de erken uyarı sistemi görevini icra ediyor.

Ayrıca masada “işlem arkadaşı, trading buddy” sistemi ile çalışırız: Bir arkadaşım model ve pozisyonlarım hakkında her şeyi bilir. Her gün işlemleri kontrol eder, bu da fazladan bir çift göz demektir.

Son olarak modeli çok sık kalibre etmemeye çalışırım. Bu durum eğri uydurma yolunda yokuş yukarı gitmektir. Kendimi sürekli başka bir kişiymiş gibi incelerim makro varsayımlarımı sorgularım, farklı bakış açılarındaki insanlarla konuşurum.

İşlemlerimi şahin gibi izleyip akıllı, sorgulayıcı iş arkadaşlarım ve ortaklarımla sohbet etmek benim için çok iyi çalışıyor. Daha iyi yöntemler elbette vardır.

(Yukarıdakilerin hiçbiri bağımsız ve uygun bir risk yönetimi ekibinin veya masa düzeyinde izlemenin yerini alamaz)

2. 2. Önceden izleme ve devre kesici gibi kesin kurallar koyup bu kurallara göre modeli otomatik olarak durdurup çalışmasını sonlandırıyor musunuz?
   
   

Ben biraz eski kafalıyım- devre kesicilerin çalışacağına inanmıyorum. Daha doğru söylemek gerekirse devre kesicili portföyler uzun dönemde devre kesici kullanmayan portföylerden daima geri kalırlar. Bunu sebebi ise devre kesicilerin iyi pozisyonlarda sizi çoğu zaman zararla dışarı atmasıdır. Sıklıkla yaşanan zararların toplamı devre kesiciden beklenen büyük zararları engelleme ve fayda sağlama imkanını geçersiz kılar.

Burada klasik kant portföylerini konuştuğumuzu, yüksek frekanslı ya da elektronik işlemlerden bahsetmediğimizi hatırlatalım. HFT veya elektronik işlemde devre kesici istenmesini anlıyorum, bunlar pozisyonları çok hızlı boşaltabilir. Bu konu uzmanlık alanım değil.

Kendi alanımda modellerde patlayan birkaç kalıp gözlemledim. Kalıplar nadiren ilk anda patlarlar. Ya zamanla fırsatlar kaybolur ya da spread açıldıkça açılır ve makul değere geri gelmez (rejim değişikliği).

Tersine olarak bir işlem ayrışırsa ve ayrışma hızlanırsa teslim olmanın kokusunu alırım. Bu durumlarda pozisyonlarımı korumak ve eğer mümkünse artırmak isterim.

Paradoksal sonuç bir model çok hızlı para kaybediyorsa modelin geçerli olma olasılığı yüksektir. Zararlar açık bir dışsal faktöre bağlıysa bu değişir: örneğin   Çin’in Renminbi bandını terk etmesi, ya da Irak’ın Kuveyt’i işgali gibi. Bu durumlarda büyük zararlarla karşılaşırsınız ve kısa sürede düzelme olasılığı yoktur. Stoplayıp çıkarsınız.

Bunu dikkate alabilecek bir devre kesici yapmak isteyenlere bol şanslar.

3. 3. Modelin öldüğüne ya da şanssız bir dönem geçirdiğine nasıl karar veriyorsunuz?
   
   

Bu en çok sorulan soru! Korkarım ki herkesi hayal kırıklığına uğratacağım: Cevabı bilmiyorum. Keşke bilseydim!

Kendi açımdan birkaç kuralım var. Modelin meta karakteristiğinin sağlam olduğunu istatistik testlerle kontrol ederim. Piyasaya para giriş çıkışı var mı? Başkalarının pozisyonları ve acıları nasıl? Fiyat hareketi: Sinirli mi, git gel mi yapıyor sıkıcı mı yoksa arbitre edilmiş ve öylece kalmış mı?

Henüz rejim değişikliğini/modellerin ölümünü tahmin edecek güvenilir, üniversal bir sistem bulamadım. Üzücü ama gerçek.

4. 4. Ölmüş modelleri takip etmeye devam edip bir noktada canlandıktan sonra tekrar işleme alıyor musunuz?

Kesinlikle, bu çok önemli bir nokta. Modeller ölür ve sonra canlanırlar. ABD T-note vadeli kontratları buna klasik örnektir: Kariyerim boyunca “Kolay para”, tamamen arbitre olma” ve patlama merkezi” çevrimlerini gördüm. Her bir vaka için aynı bilim geçerli; değişen şey sadece piyasanın risk iştahı. Bir modele sonsuza değin hoşça kal demem; geride bir gün tekrar işe yarayabilecek büyük bir kataloğum var.

5. 5. Modelleri ölü/diri diye sınıflandırmaktansa daha yumuşak bir geçişle gözlemlemek daha doğru değil mi? Modelin performansına göre yatırdığınız parayı ölçeklemeniz daha uygun olmaz mı? Bu şekilde piyasadan tamamen ayrılmamış ve aynı zamanda işe yaramayan modellere de az para yatırmış olursunuz.
   
   

Evet bu ilginç bir fikir. Darwinist yaklaşımı kullanan portföy yöneticileri tanıyorum, başarılı stratejilere daha çok para koyuyorlar ve başarısız stratejilerden para çekiyorlar. Bir noktaya kadar her başarılı portföy yöneticisi bunu yapar, bazısı daha aktiftir, bazısı daha ılımlı. Bir tane büyük şirketin tamamen bu şekilde çalıştığını da biliyorum.

6. 6. Optimal pozisyon büyüklüğü konusunda ne düşünüyorsunuz?
   
   

Bu konudaki literatürden haberdarım. (Kelly kriteri ve takipçileri) büyük oranda pozisyonlarım bu kurallara uygundur. Bununla birlikte bu kuralları bir sıhhat testi olarak kullanırım pozisyon büyüklüğünün ana belirleyicisi olarak kullanmam.

7. 7. Sadece tek bir sisteme dayalı mı çalışıyorsunuz yoksa sistemleri sürekli değiştiriyor musunuz?
   
   

Piyasa ile birlikte evrilmeniz gerekir. Hiçbir strateji sonsuza kadar kazandırmaz.

8. 8.Değişik programla dilleri kullanmak (Matlab, Excel, Java, C++) zahmetli değil mi?
   
   

Zahmetli değil. Programlar arasındaki veri akışı işin en yorucu bölümüdür. Sentaksı çevirmek kolaydır, veriyi çevirmek ise zordur.

9. 9. Matlab ile yapıp Python’da yapamadığınız ya da tersi nedir?
   
   

Gerçekte sürekli daha fazla python kullanır hale geldim. Bu her zaman böyle değildi: Python açık kaynak kodlu kütüphaneleri oldukça yeni bir konsept.

10. 10. Excel söz konusu olduğunda görsellik yararlı ama operasyonel risk taşıdığını düşünmüyor musunuz -formüllerin yanlış kopyalanması, sayfaların güncellenmemesi vs.?
    
    

Tamamen aynı fikirdeyim. Excel pek çok açıdan kırılgan. Operasyonel hatalar yapmak çok kolay, kontrolü neredeyse imkânsız ve performanslı değil, en uygunsuz zamanlarda kilitlenir. Dolayısıyla Excel’i nerede ve nasıl kullanmanız gerektiği konusunda dikkatli olmalısınız. Bunları dedikten sonra hala daha avantajlarının maliyetine üstün olduğunu düşünüyorum.

11. 11. Mühendislerin bir stratejiyi kodlaması için süre beklentiniz nedir?
    
    

Stratejiye bağlı. İlk versiyon için medyan 4-5 haftadır, 2-3 haftada düzeltmeler ve ince ayarlar için gerekebilir. Bazı stratejiler basittir ve birkaç günde çalışmaya başlayabilir. Diğer taraftan hatırlıyorum bir stratejinin kodlanması birkaç ayı bulmuştu. Çok karlı olduğu için bu durumda karılığını verdi. Genelleyecek olursak daima daha hızlı olmasını isterim.

Hata yapmayın: Yeni bir alfa kaynağı bulduysanız saat çalışmaya başlar. Fırsat kaçmadan olabildiğince karı almalısınız.

Sayfada yer alan bilgiler tavsiye niteliği taşımayıp yatırım danışmanlığı kapsamında değildir. Yatırımcı profilinize uymayabilir.