Döviz & Altın:
Korelasyondan Tahminine
Gerçek zamanlı döviz ve altın verileriyle korelasyon analizi yap, makine öğrenmesi modellerini karşılaştır, ileriye dönük tahmin üret. Sistem her sayfa açılışında güncel fiyatlarla çalışır.
📊 Canlı Piyasa
📈 Tarihsel Trend (2023 – Günümüz)
Aylık kapanış değerleri. Canlı fiyat son nokta olarak ekleniyor.
TRY varlıkları enflasyon + kur erimesi etkisiyle doğrusal değil, üstel büyüme gösterir. Bu yüzden ML modellerimiz log-dönüşüm kullanır: log(fiyat) yaklaşık doğrusal trend izler, bu da tahmin doğruluğunu önemli ölçüde artırır.
🔗 Korelasyon Analizi
Altın ile dolar arasındaki ilişkiyi iki farklı perspektiften inceleyelim: seviye korelasyonu ve aylık değişim korelasyonu.
Seviye korelasyonu çok yüksek (0.94) — ikisi de TRY değer kaybından aynı anda etkileniyor, ama bu sahte korelasyon (spurious correlation) içerebilir.
Değişim korelasyonu (0.52) daha anlamlı: altın, TRY'nin değer kaybedeceği aylarda dolar kadar mı hareketleniyor? Orta düzey bir ilişki görünüyor.
🛠️ Feature Engineering
Model "ham" fiyatı değil, geçmişten türetilen özellikleri kullanır. İşte modelimize giren değişkenler:
Lineer regresyon katkısal değişimleri modellemek için tasarlanmıştır. Oysa kur ve altın çarpımsal büyür — %10'luk artış bugün 3 TL iken gelecek yıl 4 TL anlamına gelir. log(fiyat) bu ölçek sorununu giderir, artıklar (residuals) daha homojen dağılır ve RMSE düşer.
🤖 Model Karşılaştırması & Forecast
4 model eğitildi, son 5 ay üzerinde backtesting yapıldı. Tahmin ufkunu seçin:
📚 Sistem Nasıl Çalışır?
1. Canlı Veri Akışı +
Sayfa her açıldığında sunucu tarafı API route'umuz open.er-api.com (döviz) ve api.metals.live (altın spot) kaynaklarından güncel fiyatları çeker. Sonuçlar 30 dakika önbelleğe alınır. USD/gram altın TRY'ye şu formülle dönüştürülür: (XAU/USD ÷ 31.1035) × USD/TRY.
2. Veri Birleştirme +
Ocak 2023'ten bu yana aylık kapanış değerleri gömülü (hardcoded). Canlı fiyat bu serinin sonuna yeni bir nokta olarak eklenir — bu sayede model her zaman en güncel değerden tahmin yapar.
3. Log-Lineer Regresyon Modeli +
Seçilen varlığın (USD/TRY veya altın) log dönüşümü alınır. Özellikler: [1, log(t-1), log(t-2), log(t-3), trend_index]. OLS (Ordinary Least Squares) kapalı form çözümü: β = (XᵀX)⁻¹Xᵀy. Tahminler geri exp() ile dönüştürülür.
4. Backtesting ve Metrikler +
Model son 6 ayda test edilir: son 6 ay hariç tüm veri ile eğitim yapılır, 6 ay için yürüyen tahmin (walk-forward) üretilir. RMSE: tahmin hatalarının karekök ortalaması. MAPE: mutlak yüzde hata ortalaması — ortalama olarak gerçeğin %X kadar sapıyoruz anlamına gelir.
5. Güven Aralığı +
Backtesting residuallarının (gerçek - tahmin) standart sapması hesaplanır. İleriki adımlarda belirsizlik arttığı için her h adımda aralık genişler: ±std × (1 + 0.2h). Bu yaklaşık bir %80 güven aralığı verir; istatistiksel açıdan kesin değil, pratik bir belirsizlik tahminidir.
6. Neden Kesin Tahmin Mümkün Değil? +
Etkin Piyasa Hipotezi (EMH): eğer tahmin mümkün olsaydı, arbitrajcılar bu fırsatı hemen kapardı. TCMB kur müdahaleleri, jeopolitik şoklar, ABD Fed kararları, doğal afetler — bunların hiçbiri geçmiş veriden öğrenilemez. Modelimiz "tarihin kendini tekrar etmesi" varsayımına dayanır; yapısal kırılmalar (2023 Mayıs seçim sonrası kur atlaması gibi) tüm modelleri yanıltır.
Bu içerik yalnızca makine öğrenmesi ve zaman serisi analizi eğitim amaçlıdır. Üretilen tahminler geçmiş veriye dayalı istatistiksel modellerdir; gerçek piyasa hareketlerini garantilemez. Finansal kararlar için lisanslı yatırım danışmanlarına başvurun.