İşlem Botunuz Kârlı mı, Yoksa Sadece Şanslı mı? Bir Avantajı Test Etmek İçin Kaç İşlem Gerekir?

Pozitif bakiye ile pozitif beklenen kazanç farklı iddialardır

Bir işlem botunun 200 işlemi 110 kazananla tamamladığını düşünün. Raporunda %55 kazanma oranı, pozitif kâr ve 1’in üzerinde kâr faktörü var. Bu değerlerin hiçbiri zorunlu olarak yanlış değildir. Sorun, raporun “bu örneklem para kazandı” ifadesini “bu stratejinin tekrarlanabilir avantajı var” sonucuna dönüştürmesiyle başlar.

İlk ifade muhasebedir. İkincisi, başka sonuçlar üretecek bilinmeyen bir sürece ilişkindir. İncelemek için tahmin edilen kazanç/kayıp değişkenini, gözlem sayılan birimi ve bu kayıt seçilmeden önce denenmiş alternatifleri tanımlayın. ChatGPT veya Claude’un yazdığı güven puanı bu soruların hiçbirini yanıtlamaz.

Genel backtest örneklem büyüklüğü rehberimiz, 100 işlemin neden evrensel eşik olmadığını açıklıyor. Burada kârlı bir kaydı ayrıntılı inceliyor, ardından aynı özet istatistiklere sahip iki kayıt kuruyoruz. Bunlar açıkça tanımlanmış sayısal örneklerdir; TensorParadigm işlem performansı veya canlı bot gözlemleri değildir.

Kârın her birimini açıklayarak başlayın

Örneklerin tamamında sabit raporlama birimi 1R = $10 olsun. Temel durumdaki her işlem kazanırsa brüt +1R, aksi halde brüt −1R verir. Tamamlanan her işlem için varsayılan toplam maliyet 0.06R’dir; böylece kazanan net +0.94R, kaybeden net −1.06R olur. Maliyet, güncel borsa tarifesi değil, örneğin açıklanmış varsayımıdır. Buradaki R sabit dolar ölçeğidir; ne hesabın yüzde getirisi ne de garantili zarar sınırıdır.

110 kazanan, maliyetler sonrası +103.4R katkı verir. 90 kaybedenin katkısı −95.4R’dir. Net kâr +8R, yani $80; ortalama net sonuç işlem başına +0.04R’dir. Pozitif ve negatif net sonuçlardan tutarlı biçimde hesaplanan kâr faktörü 103.4 ÷ 95.4 = 1.08385744 olur. Hesaba yatırılan tutar veya portföy pozisyonlarının zaman içindeki büyüklükleri verilmediğinden, $80’ı hesap getirisine çevirecek bir dayanak yoktur.

Bu kayıt betimleyici anlamda kârlıdır. İstatistiksel etiketi değiştirerek onu zararlı hale getirmeyeceğiz. Soru, altta yatan beklenen net kazancın pozitif olduğuna ikna edici kanıt sunup sunmadığıdır. Kâr faktörü rehberimiz muhasebe ölçütünü ele alıyor; kalan bölümler çıkarımı inceliyor.

İlgili başabaş oranı %50 değil, %53’tür

Bilinçli olarak sadeleştirilmiş bu sabit sonuçlu yapıda, p kazanma olasılığı olsun. Beklenen net kazanç μ = 0.94p − 1.06(1 − p) = 2p − 1.06’dır; birimi işlem başına R’dir. p = 0.53’te sıfıra eşittir. Dolayısıyla bu yapı için uygun kârlılık eşiği, kaybettiğinden daha sık kazanmak değildir.

İlgilendiğimiz hipotez H0: μ ≤ 0, alternatifi H1: μ > 0’dır. Bilinen bu kazanç/kayıp tutarları ve maliyetlerle H0: p ≤ 0.53 ve H1: p > 0.53 olur. p = 0.53’teki kesin binom üst kuyruk hesabı, bu bileşik sıfır hipotezinin en elverişsiz sınırını verir. Hesap, ortak kazanma olasılığına sahip bağımsız sonuçlar varsayar. “Kesin” bu örnekleme modelini tanımlar; modeli piyasanın eksiksiz bir tasviri yapmaz. [2]

mu = 0.94*p - 1.06*(1-p) = 2*p - 1.06   [R per trade]
p_break_even = 1.06 / (0.94 + 1.06) = 0.53
H0: p <= 0.53
H1: p > 0.53
p_value = sum[choose(200,k) * 0.53^k * 0.47^(200-k), k=110,...,200]

Farklı sabit brüt kazanç W, brüt kayıp büyüklüğü L ve işlem başı maliyet c için beklenen net sonuç (W + L)p − L − c, başabaş p ise (L + c)/(W + L)’dir. W, L veya maliyetler değişiyorsa ve aynı veriden tahmin ediliyorsa bunların belirsizliği de ele alınmalıdır. Yerlerine örneklem ortalamalarını koyup yalnızca kazanma oranı aralığı uygulamak, bu belirsizliği hesaba katmaz.

110 kazanç gerçekten neyi destekliyor?

200 işlemin 110’unun kazanması halinde, %53 sınırına karşı kesin tek yönlü p-değeri 0.31042765’tir. Bu, söz konusu sınır modeli altında en az 110 kazanç elde etme olasılığıdır. Botun avantajı bulunmama olasılığının %31, çalışması olasılığının %69 olduğu anlamına gelmez; sonraki ayın sonucunu da tahmin etmez. Gözlenen kayıt, önceden belirtilmiş %5 anlamlılık düzeyinde bu sıfır hipotezini reddetmez.

p için çift yönlü %95 Wilson skor aralığı yaklaşık %48.0756 ile %61.7359’dur. Wilson, kesin kuyruk hesabından farklı, yaklaşık bir aralıktır. Bu örnek kazanç ve kayıp büyüklükleriyle maliyeti sabitlediğinden, uç noktaları μ = 2p − 1.06 ile dönüştürmek işlem başına yaklaşık −0.0985R ile +0.1747R verir. Aralık hem negatif hem pozitif beklenen net kazançları içerir. [1]

Aralık, model altında altta yatan bir parametre hakkındaki belirsizliği tanımlar. Sonraki işlem veya sonraki 200 işlem için tahmin aralığı değildir; frekansçı kapsama da belirli parametrenin elde edilen bu aralığın içinde bulunmasına %95 olasılık atamaz. Kuyruk tercihlerini de açık tutun: Çift yönlü %95 aralık ile tek yönlü %5 test, hatayı farklı dağıtır.

Maliyetleri görmezden gelip %50 kazanma olasılığına karşı test etmek, 0.08948202 üst kuyruk p-değeri verir. Bu yanıt başka bir sıfır hipotezine ilişkindir. İstatistik yazılımı yanlış ekonomik soruyu yanıtlarken hesabı kusursuz yapabilir. İşlem stratejisini backtest etmenin ilk görevi, hesabın hangi iddiayı test edeceğini tanımlamaktır.

Aynı üç özet, farklı kanıtları anlatabilir

Şimdi toplam kârı, kazanma payını veya kâr faktörünü değiştirmeden raporun altındaki yapıyı değiştirelim. A kaydı, ayrı ayrı etiketlenmiş 200 olay içerir; binom analizi için bağımsızlık açık varsayımdır. B kaydı, her biri birbirine tamamen bağlı on gerçekleşmeye kopyalanmış 20 bağımsız olay içerir. C kaydında, biri çok büyük olmak üzere değişken kazanç büyüklükleri vardır. Bu kurgusal etiketlerin hiçbiri gerçek veride bağımsızlığı veya istikrarı kanıtlamaz.

Üç kayıtta da 200 satır, 110 pozitif net sonuç, +8R ve 1.08385744 net sonuç kâr faktörü görünür. Özet rapor, onu hangi kaydın ürettiğini belirleyemez. Olay kimlikleri, ortak pozisyon grupları ve sonuçların tam dağılımı, toplu ölçütlerin dışarıda bıraktığı bilgiyi taşır.

İki yüz gerçekleşme yalnızca yirmi bağımsız sonuç içerebilir

B kaydında, varsayılan tasarım altında 20 olayın her biri bağımsız bir Bernoulli sonucudur. Bir olayın içindeki on gerçekleşmenin hepsi birlikte kazanır veya kaybeder. 11 kazanan ve 9 kaybeden olay vardır. 200 satırda 110 kazancı bağımsız deneme saymak, aynı olay sonucunu on kez sayar.

Her gerçekleşme hâlâ $10 tutarındaki raporlama amaçlı risk birimini kullanır. Dolayısıyla on gerçekleşme $10 değil, $100 olay riski taşır. Kazanan olay, başlangıçtaki fill-R birimiyle net +9.4R; kaybeden olay net −10.6R verir. Toplam +8 fill-R = $80 olarak kalır. Olay riski birimi $100 diye tanımlanırsa aynı $80, +0.8 episode-R olur. Birimi yeniden adlandırmak kâr yaratmaz veya yok etmez.

İlgili binom sayımı, 20 olayda 11 kazançtır. p = 0.53’e karşı kesin tek yönlü p-değeri 0.51960841’dir. Ortak olay kazanma olasılığı için çift yönlü %95 Wilson aralığı yaklaşık %34.2085 ile %74.1802’dir. İlk $10 fill-R ölçeğinde, gerçekleşme başına beklenen sonuç yaklaşık −0.3758R ile +0.4236R arasında değişir. Nokta tahmini hâlâ gerçekleşme başına +0.04R’dir; belirsizlik çok daha geniştir.

Yirmi sayısı burada, bilinçli olarak tanımlanan kusursuz kopya yapısı ve olaylar arası bağımsızlıkla gerekçelendirilir. Her on işlemin bir sayıldığı bir kural değildir. Gerçekte çakışan pozisyonlar, zaman ve piyasalar arası bağımlılıklarına uygun çıkarım yöntemi gerektirir. Lo’nun Sharpe oranları analizi de seri bağımlılığın getiri çıkarımını değiştirdiğini gösterir; işlem kimliği sayısı uygun gözlem yapısının yerine konamaz. [4]

Tek bir büyük kazanç, ortalama hakkındaki soruyu değiştirir

C kaydı, brüt kazanan kârı toplamını 110R’de tutar: 109 × 0.75R + 28.25R = 110R. Kayıplar ve maliyetler değişmediğinden kazanma oranı, net kâr ve kâr faktörü A kaydıyla aynıdır. Ancak en büyük net kazanç +28.19R’dir. O satırı çıkarmak, kalan 199 satırda −20.19R bırakır. A kaydında herhangi bir net kazananı çıkarmak +7.06R bırakır.

Bu çıkarma bir yoğunlaşma teşhisidir. p-değeri değildir ve büyük kazancın geçersiz olduğunu göstermez. Trend izleyen bir strateji, seyrek büyük kazançlar elde etmek üzere tasarlanmış olabilir. Önemli olan, örneklemin bu kazançların sıklığını ve büyüklüğünü ortalamayı tahmin edecek kadar destekleyip desteklemediğidir. Sonucu gördükten sonra onları silmek, stratejinin amaçlanan mekanizmasını dışarı atabilir.

Sabit sonuçlu μ = 2p − 1.06 dönüşümü, C kaydının değişken sonuçlarına uygulanamaz. Kazanma olasılığı iyi tahmin edilse bile kazanılan ve kaybedilen tutarlarda belirsizlik kalır. Uygun ortalama sonuç analizi bunların dağılımını ve bağımlılığını korumalıdır. Gözlenen ortalama kazancın tesadüfen A kaydındaki 1R ile eşleşmesi, gelecekteki her kazancı bilinen +1R ödemeye dönüştürmez.

Daha güçlü bir sonuç, seçimden sonra zayıf kanıta dönüşebilir

200 işlemde 120 kez kazanan ayrı bir sabit sonuçlu kayıt düşünün. Aynı maliyetle +28R kazanır; p = 0.53’e karşı tek yönlü kesin p-değeri 0.02751749’dur. Geçerli bağımsız gözlemlere dayalı, önceden belirlenmiş tek bir sabit vadeli testte %5 ret eşiğini geçerdi. Büyük aramadan seçilen en iyi sonuçsa bu yorum değişir.

Açık bir karşılaştırma için 100 aday kaydın bağımsız olduğunu ve her adayın gerçekte p = 0.53’e sahip olduğunu varsayalım. Sıfır hipotezine uyan bir adayın en az 120 kazanca ulaşma olasılığı q = 0.02751749 olsun. En az birinin bu sayıya ulaşma olasılığı 1 − (1 − q)^100 = %93.8598’dir. Bu, tüm adayların sıfır hipotezine uyduğu kurgusal bir arama hesabıdır; ölçülmüş arama veya gerçekten seçilmiş botun yanlış olmasına ilişkin %93.86 sonsal olasılık değildir.

q = P(K >= 120 | K ~ Binomial(200, 0.53)) = 0.02751748874
P(at least one such result among 100 independent null candidates)
  = 1 - (1-q)^100
  = 0.9385983575
Bonferroni per-test level for a 0.05 family-wise bound = 0.05/100 = 0.0005

Gerçek parametre sürümleri çoğu zaman aynı işlemleri paylaşır ve bağımsız değildir. %93.8598 hesabı böyle bir aramaya doğrudan taşınmamalıdır. Tek tek geçerli p-değerlerine sahip, tanımlanmış 100 test için daha basit Bonferroni aile düzeyi kontrolü, test başına 0.05 / 100 = 0.0005 kullanır. Seçilen 0.02751749 bunu geçmez; Bonferroni ile düzeltilmiş p-değeri üst sınır olan 1’e ulaşır. Bu sınır bağımsız test gerektirmez; ancak muhafazakâr olabilir.

Arama geçmişi, denenip bırakılmış gösterge eşiklerini, piyasaları, filtreleri, özellik kümelerini ve istemleri içerir. Düzeltilmiş Sharpe Oranı, çoklu faktör testleri ve veri taraması araştırmaları bu geniş seçim sorununu ele alır. Bu yöntemlerin kendi varsayımları vardır; her bot için evrensel Sharpe veya t-istatistiği eşiği sağlamazlar. Aramayı kaydedin ve gerçekten dokunulmamış son değerlendirmeyi koruyun. [5] [6] [7]

Bu belirli avantajı saptamak için kaç işlem gerekir?

Örneklem büyüklüğünü planlamak için gelecekteki kaydı değerlendirmeden önce hangi iyileşmeyi saptamaya değer bulduğunuzu belirleyin. Burada sıfır hipotezi p0 = 0.53 kalır. Planlama alternatifi p1 = 0.55 olsun; bu sabit yapıda işlem başına +0.04R beklenen net kazanca eşittir. 0.55’i, gözlenen %55 kayıttan çıkardığımız bilinen gerçek olarak değil, varsayılan senaryo olarak kullanıyoruz.

Tek yönlü %5 anlamlılık düzeyi ve %80 hedef test gücü seçin. Test gücü, belirtilen alternatif doğruyken tasarımın sıfır hipotezini reddetme olasılığıdır. Stratejinin kârlı olma olasılığı değildir. n = 200’de kesin test, sıfır hipotezini reddetme olasılığını %5’in altında veya ona eşit tutmak için en az 119 kazanç istemelidir; ulaştığı olasılık %3.7898’dir. Gerçek p 0.55 iken test gücü yalnızca %11.3240’tır. Bu yüzden küçük ama gerçek avantajı 200 gözlemde saptamak zor olabilir.

Aşağıdaki normal yaklaşım planlama formülü, bu küçük iyileşme için yaklaşık 3,841.81 gözlem verir. Basit sabit tasarımda bir sonraki yüzlüğe yukarı yuvarlayın: n = 3,900. Kesin binom kuyruğunu hesaplamak, p = 0.55’te 2,119 kazançlık ret eşiği ve %80.3197 test gücü verir. Bu sayı, açık varsayımlara bağlı örnek tasarımdır; mutlak asgari sayı veya işlem botlarının evrensel gereksinimi değildir. [3]

n_approx = [z_(1-alpha)*sqrt(p0*(1-p0))
            + z_(power)*sqrt(p1*(1-p1))]^2 / (p1-p0)^2
p0 = 0.53
alpha = 0.05   [one-sided]
target_power = 0.80
n_fixed = 100 * ceil(n_approx / 100)
k_critical = smallest integer k with P_p0(K >= k) <= 0.05
actual_power = P_p1(K >= k_critical)

Daha büyük varsayılan iyileşme daha az veri gerektirir. Tablo aynı kuralı uygular: Normal yaklaşımı bir sonraki yüzlüğe yukarı yuvarlar, ardından tam sayı ret eşiğini ve kesin test gücünü kontrol eder. Sıfır hipotezini reddetmenin gerçekleşen üç olasılığı sırasıyla %4.9174, %4.6435 ve %4.8929’dur. Kesikli yapı nedeniyle, yuvarlanmış yaklaşımı garanti saymak yerine kesin tasarımın gerçek işleyiş özellikleri kontrol edilmelidir.

Bu hesaplar, kazanç/kayıp büyüklükleri ve maliyeti bilinen; sabit, bağımsız ve ortak olasılıklı bir süreci ele alır. Araştırmacıya gözlenen kazanma oranı anlamlı hale gelene kadar işlem toplamayı söylemez. Tek piyasa ortamındaki 3,900 gözlem, başka ortamda kalıcılığı da kanıtlamaz. Çok küçük varsayılan etki, stratejinin dayanağının istikrarlı kalabileceğinden uzun değerlendirme gerektirebilir; bu bir araştırma kısıtıdır, kanıt standardını düşürme gerekçesi değil.

Her hafta kontrol etmek deneyi değiştirir

Sabit vadeli test, belirtilen bitiş noktasındaki sonucu ele alır. Araştırmacı her hafta bakıp ilk elverişli p-değerinde durursa raporlanan sonuç farklı bir seçim kuralından gelir. Olağan sabit zaman eşiğini sürekli geçmeye çalışmak, nominal hata oranını korumayabilir. Hangi durdurma tarihinin sayılacağını sonradan seçmek, aramaya başka bir boyut ekler.

Önceden belirlenmiş bitiş noktası bir çözümdür. Uygun ardışık tasarım başka bir çözümdür. Howard ve çalışma arkadaşları, belirttikleri koşullarda zaman boyunca eşzamanlı kapsama sağlayan güven dizileri geliştirerek bu çerçevede geçerli izlemeyi destekler. Bu yöntemler, keyfî biçimde kalın kuyruklu ve değişen getiri süreci için varsayımsız ikame değildir. Bu yazı ardışık işlem testi uygulamaz veya raporlamaz. [8]

Operasyonel zarar limiti yine de işlemi her an durdurabilir. Sermayeyi korumak için 3,900 işlem veya istatistiksel olarak anlamlı zarar beklemek gerekmez. Bu güvenlik kararını istatistiksel başarı iddiasından ayırın. Durdurulan kaydı saklayın, müdahaleyi ve değerlendirmeyi nasıl değiştirdiğini açıklayın; başarısız çalışmayı sessizce silip kanıt sayımını yeniden başlatmayın.

Sonraki değerlendirmeyi seçilmesi daha zor kanıta dönüştürün

Bir sonraki değerlendirmeden önce kısa karar kaydı yazın. Strateji sürümünü, uygun enstrümanları, bilginin zamanlamasını, maliyet yaklaşımını, gözlem birimini, birincil sonucu ve istatistiksel bitiş noktasını sabitleyin. Her uygun kararı saklayın; gönderilen emirleri, fiilî gerçekleşmeleri ve sanal varsayımları ayırın. Yapay zekâ işlem kararı incelememiz bu kayıtların neden farklı olduğunu açıklıyor.

Dar kapsamlı ikili örnek için tablo, sabit tasarımın neleri açıklaması gerektiğini gösterir. Büyüklükleri değişen, pozisyonları çakışan veya maliyetleri değişen gerçek strateji başka, gerekçelendirilmiş analiz gerektirir. İşlem sayısı tesadüfen 3,900’e ulaştı diye 2,119 kazanç kuralını ödünç almayın.

İşlem stratejisi optimizasyonu sınırın geliştirme tarafında kalmalıdır. Son dönemi inceledikten sonra yeni istem veya filtre seçmek, o dönemi seçimin parçası yapar. İleri yürüyen analiz açıkça belirtilen güncelleme sürecini değerlendirebilir; ancak kronolojisi her güncellemeden önce hangi sonuçların erişilebilir olduğunu korumalıdır. Algoritma geliştirme çalışmamız bu mekanizmaları ele alıyor.

Pozitif net ortalamanın kanıtı; alfa, yeterli kapasite veya kabul edilebilir zarar yolu kanıtından daha dardır. Sermaye ve zamanlamayı tutarlı tutarak ilgili alternatiflerle karşılaştırın; düşüş ve emir yürütmeyi ayrıca değerlendirin. Kayıt, benzersiz tahmin katkısı yerine piyasa pozisyonunu yansıtabilir. İstatistiksel olarak saptanabilen etki, sabit işletim giderlerini haklı çıkaramayacak kadar küçük de olabilir; sermaye ve başabaş rehberi bu ayrı ekonomik soruyu ele alıyor.

Yapay zekâ ve simülasyon neyi hesaplamaya yardımcı olabilir, neyi ekleyemez?

ChatGPT işlem botu ile Claude işlem botu aynı kanıt sorunuyla karşılaşır. Stratejiyi yazmakta kullanılan dil modeli sonuçlarını bağımsız veya kârını istatistiksel olarak ikna edici yapmaz. Codex veya Claude Code; işlem kayıtlarını mutabık hale getirmeye, maliyetle düzeltilmiş binom kuyruğunu hesaplamaya ve önerilen değerlendirme tasarımını kontrol etmeye yardımcı olabilir. Sayısal yanıtla birlikte sıfır hipotezini, gözlem birimini, sonuç varsayımlarını, kuyruk yaklaşımını ve arama geçmişini isteyin.

Yararlı istek somuttur: Raporlanan yöntemin bu sonuçlara uygulanıp uygulanamayacağını açıklayın, tahmin edilen her girdiyi belirleyin ve hesabı gösterin. Olayı ve modeli tanımlamadan “botun kâr edeceğine %95 güven” diyen rapor zor kısmı atlamıştır. Hesabı kayıtla ve ilgili istatistiksel yöntemle doğrulayın; iyi yazılmış anlatım yeni bir gözlem değildir.

Monte Carlo işlem simülasyonu, girdi modeline bağlı sonuçları inceleyebilir. Gözlenen piyasa olayı sayısını artırmaz. Sabit pozisyonlar ve toplamsal kazanç/kayıplarla A kaydının aynı 200 sonucunun her saf yeniden sıralaması yine +8R’de biter. Yol değişebilir; ancak yalnızca karıştırmak pozitif ortalamaya kanıt yaratamaz. Pozisyonlar özkaynağa, nakde, çakışan riske veya durdurma kurallarına bağlıysa işlemleri karıştırmak bu kararları da yeniden çalıştırmaz.

Yerine koyarak yeniden örneklemek toplamların dağılımını üretebilir; ancak bu sonuçlar seçilen örneklemden ve yeniden örnekleme varsayımlarından oluşur. Veride bulunmayan çöküşü gözlemlemez veya C kaydının büyük kazancının sıklığını bağımsız biçimde doğrulamaz. Simülasyonu, belirtilen varsayımlarda duyarlılığı ve riski incelemek için kullanın; ileriye dönük örneklem dışı testi ayrı kanıt kaynağı olarak tutun.

Kârlı kayıt hakkında ne söyleyebiliriz, ne söyleyemeyiz?

Temel kayıt varsayılan maliyetlerinden sonra $80 kazandı. Belirtilen sabit sonuçlu, bağımsız gözlem modelinde 110 kazancı, sıfır net beklenen kazanca karşı güçlü kanıt sunmuyor: Kesin tek yönlü p-değeri 0.3104 ve çift yönlü ortalama sonuç aralığı negatif değerleri de içeriyor. Bu, stratejinin avantajı olmadığını göstermez. Bu kaydın soruyu o model altında iyi çözmediğini gösterir.

İki alternatif kayıt, daha fazla özet ölçütün neden yeterli olmadığını gösteriyor. Bağlı gerçekleşmeler hesap kârını değiştirmeden bağımsız bilgiyi azaltır. Yoğunlaşmış kazançlar, kazanma oranı ve kâr faktörünü değiştirmeden ortalamayı tahmin etme sorununu değiştirir. Seçim de bu iki konu ele alınmadan önce daha güçlü görünen sonucu ikna edici olmaktan çıkarabilir.

Bu nedenle kaç işlemin yeterli olduğu, “hangi etkiyi, hangi tasarım altında saptamaya yeterli?” sorusuyla başlar. Belirttiğimiz küçük alternatif için seçilen sabit tasarım, yaklaşık %80 test gücü adına 3,900 bağımsız sonuç kullanıyor. Gerçek işlem sisteminde önce gözlem birimini, maliyet sonrası sonucu, arama sınırını ve izleme kuralını gerekçelendirin. Kârlı işlem algoritması ekonomik bir iddiadır; tarihsel kârı incelemenin sonucu değil, başlangıcıdır.