Yapay Zekâ ve Geriye Dönük Test: Aşırı Uyum Riski
Geriye dönük test nedir?
Bir stratejinin geçmiş fiyat verisinde nasıl çalışacağının simülasyonudur. Yapay zekâ ve algoritmik sistemlerde yeni fikirler çoğunlukla önce geçmiş veride denenir.
Aşırı uyum (overfitting) nedir?
Bailey, Borwein, López de Prado ve Zhu (2014), görece az sayıda strateji yapılandırmasını geçmiş veride denemenin bile etkileyici ama yanıltıcı simülasyon sonuçları üretebileceğini gösterir; denenen yapılandırma sayısı arttıkça geriye dönük testin aşırı uyumlu olma olasılığı artar[1]. Yazarlar ayrıca denenen yapılandırma sayısı nadiren açıklandığı için yatırımcıların bir önerinin ne kadar aşırı uyumlu olduğunu çoğu zaman değerlendiremediğini belirtir[1].
Örneklem dışı beklenti
Aynı çalışma, bellek etkileri altında aşırı uyumun örneklem dışında sıfır değil negatif beklenen getiriye yol açabileceğini ileri sürer[1]. Yani geçmişte çok iyi görünen bir kural, gerçek zamanda ortalamadan daha kötü sonuç verebilir.
Yapay zekâ destekli analizde kontrol listesi
Kaç farklı kural ve parametre denendiğini kayda geçirin; sonuçları ayrı bir örneklem dışı dönemde sınayın; komisyon, kayma ve spread'i hesaba katın; gerçek paraya geçmeden önce kâğıt üzerinde izleyin; küçük örneklemden kesin sonuç çıkarmayın. Bu maddeler genel ilkelerdir ve başarıyı garanti etmez.
Yapay zekâ çıktısını nasıl okumalı?
Yapay zekâ özetleri ve model çıktıları karar destek aracıdır; kaynağı ve veri tarihi belli değilse doğrulanmadan kullanılmamalıdır. NX24 içerikleri yatırım tavsiyesi değildir ve model çıktılarının sınırları açıkça belirtilir; ayrıntı için Editoryal İlkeler sayfasına bakın.
Uyarı
Geçmiş performans gelecekteki sonuçların göstergesi değildir. Bu sayfa eğitim amaçlıdır, yatırım tavsiyesi değildir.
Sık sorulan sorular
- Aşırı uyum (overfitting) nedir?
- Bir stratejinin geçmiş veriye fazla uydurulması; geçmişte iyi görünen kuralın gerçek zamanda aynı başarıyı göstermemesi[1].
- Geriye dönük test neden yanıltabilir?
- Çok sayıda yapılandırma denendiğinde, rastlantıyla iyi görünen bir kombinasyon bulma olasılığı artar ve denenen sayı nadiren açıklanır[1].
- Yapay zekâ piyasayı tahmin edebilir mi?
- Hiçbir yöntem getiriyi garanti etmez. Bu sayfanın kaynağı geriye dönük test sonuçlarının ne zaman güvenilmez olabileceğini ele alır; yapay zekâ çıktıları da aynı sınırlara tabidir[1].
İlgili rehberler
Kaynaklar
- D. H. Bailey, J. Borwein, M. López de Prado, Q. J. Zhu. Pseudo-Mathematics and Financial Charlatanism: The Effects of Backtest Overfitting on Out-of-Sample Performance. Notices of the American Mathematical Society 61(5), 2014. Erişim: 22.10.2026.