Yapay Zekâ ile Altın Tahmini Güvenilir mi?

Bir model ne yapar, ne yapamaz

Bir tahmin modeli geçmiş veride tekrar eden istatistiksel ilişkileri öğrenir ve bunları bugünkü duruma uygular. Söylediği şey "bu olacak" değil, "geçmişte benzer koşullarda ortalama şu olmuş"tur.

Bu ayrım kritiktir. İlişkiler değişebilir; piyasa yapısı, para politikası rejimi ya da katılımcı davranışı değiştiğinde model öğrendiği kalıbı yanlış yere uygular.

Yapay zekâ bu sınırı kaldırmaz. Ne kadar karmaşık olursa olsun bir model, kendisine gösterilen veriden fazlasını bilemez ve geleceğin geçmişe benzemesi varsayımına dayanır.

Doğrulamanın tek geçerli yolu

Bir modelin eğitim verisindeki performansı hiçbir şey ifade etmez. Yeterince büyük bir model geçmişi ezberler ve grafikte kusursuz görünür.

Anlamlı olan tek ölçüm, modelin daha önce hiç görmediği günlerdeki davranışıdır. Bunun için genişleyen pencereli walk-forward doğrulama kullanılır: model yalnızca o güne kadarki veriyle eğitilir, sonraki dönemde sınanır, pencere ileri kaydırılır.

Bir incelik daha var: kat sınırlarında hedef örtüşmesi temizlenmelidir. 30 günlük hedef tahmin edilirken eğitim penceresi 30 gün öncesinden kesilmezse, geleceğe ait bilgi eğitime sızar ve sonuç olduğundan iyi görünür.

Karnenin okunması

Aşağıdaki sayılar bizim modelimizin katman dışı ölçümleridir; her vade 500'den fazla bağımsız günde sınanmıştır.

En önemli sütun sonuncusudur. Yön isabetinin yüzde 63 çıkması kulağa iyi gelir ama altın uzun vadede yukarı eğilimli olduğu için "her zaman yükselir" diyen bir kural bile yüzde 55 civarında tutturur. Asıl soru, hiçbir bilgi kullanmayan basit bir kuralı geçip geçmediğidir.

Ağırlık ne demek ve neden önemli

Son sütundaki ağırlık, modelin kendi çıktısına ne kadar güvendiğini gösterir. Katman dışı tahminlerin gerçekleşen getiriyle regresyon eğiminden hesaplanır ve sıfır ile bir arasına kırpılır.

Ağırlığı 0,2'nin altındaki bir vadede ağın katkısı neredeyse tamamen kısılmıştır. Bugün 14 günlük vadenin ağırlığı 0,13'tür ve panel orada fiyat tahmini yerine açıkça "görüş yok" gösterir.

Bu bir eksiklik değil, bir tasarım tercihidir. Sayı üretip güven telkin etmek daha kolay olurdu; model orada söyleyecek bir şey bulamıyorsa bunu söylemek daha doğrudur.

Yaygın tuzaklar

En yaygın tuzak veri sızıntısıdır: modele, tahmin anında gerçekte bilinmeyen bir bilginin verilmesi. Makro serilerin yayın gecikmesi buna açık bir kapıdır; her satırın kendi tarihinde bilinen son değerle eşlenmezse sonuç sahte biçimde iyi çıkar.

İkinci tuzak aşırı uyumdur. Modelin karmaşıklığı veri miktarına göre büyük seçilirse geçmişi ezberler ve yeni veride çöker.

Üçüncüsü, geriye dönük parametre seçimidir: birçok yapılandırma denenip sonradan en iyi görüneninin sunulması. Bu, ölçümün kendisini geçersiz kılar.

• Model daha önce hiç görmediği günlerde mi ölçüldü?
• Kaç bağımsız gözlem üzerinde sınandı? Onlarca mı, yüzlerce mi?
• Hedef örtüşmesi temizlendi mi (purge)?
• Makro veriler yayın gecikmesine göre hizalandı mı?
• Hiçbir şey yapmayan basit bir kuralı geçiyor mu?
• Tek sayı mı veriliyor, yoksa belirsizlik aralığıyla mı?
• Model yanıldığında bu bir yerde raporlanıyor mu?

Modelimizin yapısı

Kullandığımız ağ küçük ve güçlü düzenlileştirilmiştir. Veri hacmi sınırlıyken büyük bir ağ ezberler; bu yüzden karmaşıklık bilinçli olarak düşük tutulur.

Üç farklı başlangıç değeriyle eğitilen bir topluluk kullanılır ve tahminleri ortalanır. Bu, tek bir eğitimin şansına bağlı kalmayı önler.

Girdiler tarayıcıda değil sunucuda, eğitim setiyle birebir aynı kodla hesaplanır. Bu bir tercih değil, bir düzeltmenin sonucu: girdiler daha önce ayrıca hesaplanıyordu ve 19 alanın 10'u eğitim setinden farklı çıkıyordu.

Bir yapay zekâ tahminine nasıl yaklaşmalı

Tahmini bir hedef fiyat değil, bir girdi olarak görün. Modelin yön beklentisi, belirsizlik bandının genişliği ve o vadedeki ağırlık birlikte okunmalıdır.

Ağırlığı düşük bir vadede modelin sessiz kalması, sessiz kalmaması gereken bir sinyaldir; aracın kendi sınırını kabul ettiği anlamına gelir.

Ve en önemlisi: hiçbir model kişisel yatırım kararınızı veremez. Vade tercihiniz, risk toleransınız ve mali durumunuz modelin göremediği şeylerdir.

Özet: yapay zeka altın tahmini

• Model "bu olacak" demez; "geçmişte benzer koşullarda ortalama şu olmuş" der.
• Tek geçerli ölçüm, modelin hiç görmediği günlerdeki performansıdır.
• Hedef örtüşmesi temizlenmezse geleceğe ait bilgi eğitime sızar.
• Yön isabeti tek başına aldatıcıdır; asıl kriter basit kurala üstünlüktür.
• Ağırlığı 0,2 altındaki vadede panel "görüş yok" gösterir — bugün 14 gün böyledir.
• Ölçülmüş sonuç: 30 günde yön %70,1 ve basit kurala üstünlük +%26,3.

Sık sorulan sorular

Yapay zekâ modeli altında kesin sonuç verebilir mi?

Kesin olarak hayır. Model geçmişteki istatistiksel ilişkileri öğrenir ve geleceğe yansıtır; ilişki değişirse yanılır. Yaptığı şey öngörü değil, olasılık tahminidir.

Bir yapay zeka tahmini nasıl doğrulanır?

Modelin daha önce hiç görmediği günlerde ölçülerek. Genişleyen pencereli walk-forward doğrulama kullanılır ve kat sınırlarında hedef örtüşmesi temizlenir, böylece geleceğe ait bilgi eğitime sızmaz.

Modelin isabet oranı nedir?

Yön isabeti 7 günde yüzde 63,5, 14 günde yüzde 62,4, 30 günde yüzde 70,1. Ortalama yanılma sırasıyla yüzde 2,32, 3,17 ve 4,22. Her vade 500'den fazla bağımsız günde ölçülmüştür.

Yön isabeti yüzde 70 iyi mi?

Tek başına aldatıcıdır. Altın uzun vadede yukarı eğilimli olduğu için "her zaman yükselir" diyen bir kural bile yüzde 55 civarında tutturur. Asıl kriter basit bir kuralı ne kadar geçtiğidir; 30 günde bu üstünlük yüzde 26,3'tür.

Model bir vadede neden hiç tahmin göstermiyor?

Model o vadede basit referans kuralını geçemediğinde kendi ağırlığını kısar. Ağırlık 0,2'nin altına düştüğünde panel sayı göstermez. Bugün 14 günlük vadenin ağırlığı 0,13'tür.

Veri sızıntısı nedir?

Modele, tahmin anında gerçekte bilinmeyen bir bilginin verilmesidir. Makro serilerin yayın gecikmesi buna açık bir kapıdır; her satır kendi tarihinde bilinen son değerle eşlenmezse sonuç sahte biçimde iyi çıkar.

Aşırı uyum (overfitting) nasıl önleniyor?

Ağ küçük ve güçlü düzenlileştirilmiş tutulur, üç farklı başlangıç değeriyle eğitilen bir topluluk kullanılır ve tüm ölçüm modelin görmediği günlerde yapılır.

Modelin çıktısını yatırım kararında nasıl kullanmalıyım?

Bu site yatırım danışmanlığı sunmaz ve al-sat sinyali vermez. Tahmin karar verirken bakabileceğiniz girdilerden yalnızca biridir; vade, risk toleransı ve mali durum kişiseldir.