Bir Yapay Zekâ İşlem Modeli Ne Sıklıkla Yeniden Eğitilmeli? Sabit Model ve Kayan Pencereli Eğitim

Sabit model de yeni fiyatları okur

Modeli sabitlemek, öğrenilmiş katsayıları ve ön işleme istatistiklerini korumaktır. Dünkü girdiyi veya tahmini tekrarlamak değildir. Sabit modelimiz, güncellenen modellerle aynı yeni tamamlanmış günlük özellikleri alır; yalnızca öğrenmenin yapıldığı tarihler değişir.

Ekonomik soru, öğrenilmiş ilişkilerin yeni gözlemlerle tahmin edilen ilişkilerle değiştirilmesinin, tahmin kararsızlığını ve işlem maliyetlerini karşılayacak kadar yararlı olup olmadığıdır. Yeni veri eskimiş bir ilişkiye yardımcı olabilir; ancak gürültülü bir tahmini başka bir gürültülü tahminle değiştirmek kendiliğinden iyileşme değildir. Eğitim sıklığı ile eğitim penceresinin uzunluğu ayrı tasarım kararlarıdır.

Gelecek veriyi kullanmayan makine öğrenmesi backtestimizi, kontrollü bir takvim karşılaştırmasıyla genişletiyoruz. Burada ChatGPT veya Claude’un temel modellerini yeniden eğitmiyoruz; denetimli lojistik regresyon kullanıyoruz. Bir istemi değiştirmek, sağlayıcının yeni model sürümüne geçmek ve küçük bir işlem sınıflandırıcısını yeniden eğitmek farklı müdahalelerdir.

Önce takvimi değiştirin, sonra geçmiş penceresini ayrı inceleyin

Ek karşılaştırmaları çalıştırmadan önce dört politikayı kaydettik ve tüm sonuçları koruduk. Aylık kayan pencere politikası ile bu piyasa geçmişi, yayımlanmış çalışmamızda zaten incelenmişti. Yeni karşılaştırmayı çalıştırmadan önce kaydetmek, bu çalışma içinde kazanana göre kural değiştirmeyi önler; alttaki değerlendirme dönemini yeni veya dokunulmamış yapmaz.

İlk üç politika 1 Ocak 2024 gününün tamamlanmış kapanışında aynı eğitimle başlar. Her eğitim önceki 730 takvim gününün özellik penceresini kullanır, sonucu henüz kesinleşmemiş etiketleri çıkarır ve yeni bir standartlaştırıcı ile model tahmin eder. Sabit politika ilk eğitimi korur. Haftalık, kârlı grafikten seçilmiş bir takvim değil, 1 Ocak’tan başlayarak her yedi takvim günüdür. Aylık ise her ayın UTC’ye göre ilk gününün tamamlanmış kapanışıdır.

Dördüncü politika yalnızca aylık eğitimin geçmiş kapsamını değiştirir: pencere ilerledikçe eski tarihleri çıkarmak yerine, 1 Ocak 2022’den itibaren uygun özellik satırlarını korur. Diğerleriyle aynı eğitim matrisiyle başlar. Son aylık eğitimde genişleyen geçmişte 1,425, kayan geçmişte 725 olgunlaşmış satır vardır. Sabit düzenlileştirme ayarında örneklemi büyütmek, eğitim problemini de değiştirir; bu nedenle bu karşılaştırma yalnızca takvim sıklığı testi değildir.

Bilgi zamanlamasını ve hesabı değiştirmeyin

Tüm eğitimler StandardScaler ardından LogisticRegression kullanır: C = 1, lbfgs, max_iter = 2000 ve kaydedilmiş rastgelelik tohumu 6142026. Altı girdi; tamamlanmış kapanışlardan 1, 5 ve 20 günlük getiriler, son 20 tek günlük getirinin popülasyon standart sapması, tamamlanmış günün yüksek-düşük farkının kapanışa oranı ve hacmin son 20 günlük ortalamasına oranından bir çıkarılmasıdır. Dönüşümler yalnızca ilgili eğitim kümesinde öğrenilir. Scikit-learn’ün veri sızıntısı rehberi ve tahminci belgeleri bu uygulama tercihlerini açıklar. [1][2]

İkili hedef, open[t+6] / open[t+1] − 1 değerinin pozitif olup olmadığıdır. Eğitim satırının özellik tarihi eğitim gününden önce olmalı ve etiketi tamamlayan açılış o tarihte zaten gözlenmiş olmalıdır. Bu nedenle 1 Ocak 2024 eğitiminde dört politikanın da 1 Ocak 2022–26 Aralık 2023 arasında 725 satırı vardır; son etiket 1 Ocak açılışında tamamlanır. Daha yeni beş özellik satırının sonucu henüz belli değildir ve dışlanır. Dört ilk olasılık da 0.452770 olup sabit 0.55 işlem eşiğinin altındadır.

Her yol bağımsız biçimde 10,000 USDT ile başlar. Pozisyonsuzken olasılık en az 0.55 ise sonraki açılışta alış, open[t+6] anında zorunlu satış planlanır; bu, açılıştan açılışa beş günlük tutma aralığıdır. Alış büyüklüğü, giriş ücreti dahil kullanılabilir nakdin 90%’ıdır. Kaldıraç, açığa satış, çakışan pozisyon veya çıkışın gerçekleştiği gün yeni giriş sinyali yoktur. Her yönde 10 baz puan komisyon ve aleyhte 5 baz puan gerçekleşme varsayılır; ayrıca spread düşülmez. Bunlar model varsayımlarıdır, güncel ücret veya garantili gerçekleşme fiyatı değildir.

Planlanan çıkış 31 Aralık 2025 sonrasına taşıyorsa giriş engellenir. Böylece strateji hesapları pozisyonsuz biter; al-tut ölçütü varlık tutmaya devam eder ve son kapanışta değerlenir. Düşüş günlük kapanış özsermayesinden hesaplanır. Hesaplama, izleme, vergi, gecikme, miktar filtreleri ve piyasa etkisi modellenmez. Özellikle sinyal önceki kapanışta oluşuyorsa gerçek işlem, günlük açılıştan gerçekleşme varsayımından farklı olabilir.

Yeniden kullanılan veriyi tanımlayın, nedensel uygulamayı sınayın

Girdi, 20 Şubat 2020–31 Aralık 2025 arasındaki saklanmış 2,142 günlük seridir. Humblefool06 tarafından CC BY 4.0 lisansıyla yayımlanan arşivin 9f491eb5340dd6a24f27fde24edf098e1e785443 sürümünden toplulaştırılmıştır. UTC günlük mumları ilk açılışı, en yüksek ve en düşük fiyatı, son kapanışı ve hacim toplamını kullanır. Normalize girdinin SHA-256 değeri 43655a51e6cb41c2ee087bd947f4cefb7dd4151617a29d7f75a3cda471ae5cbb olup bu genişletmeyi çalıştırırken doğruladık. [3]

731 değerlendirme mumunun, yani 3,655 OHLCV hücresinin Binance günlük uç noktasıyla tam eşleştiğini belirten 18 Ekim kaydını devralıyoruz. Bu dış kontrolü tekrarlamadık. Yayıncı arşivin üst kaynak borsasını açıkça ortaya koymuyor; önceki eğitim gözlemleri dışarıdan doğrulanmış değil. Uç nokta uyumu, bağımsız işlem yerleri üzerinden doğrulama değildir. Binance mumları açılış zaman damgasıyla tanımlar; tarihlerimiz ilgili UTC seansını belirtir. [4]

Çalıştırmada Python 3.13.3, NumPy 2.2.6, pandas 2.2.3 ve scikit-learn 1.6.1 kullanıldı. Her eğitim etiketlerin tamamlanmasını, iki sınıfın varlığını, yalnızca eğitimden öğrenilen ölçekleyici ortalamalarını ve optimizasyonun yakınsamasını denetler. Saklanan katsayılardan yeniden hesaplanan tahminler, pipeline olasılıklarıyla eşleşir. 15 Haziran 2024 sonrasındaki tüm fiyat ve hacimleri değiştirmek, politikaların önceki tahminlerini ve parametrelerini değiştirmez. Aylık kayan olasılıkları saklanmış ilk uygulamayla tam eşleşir; bağımsız ondalık hesap kontrolü dört son bakiyeyi 0.0000001 USDT’den küçük farkla doğrular. Bunlar denetlenen zamanlama ve muhasebe özelliklerini destekler; olası her modelleme hatasının yokluğunu kanıtlamaz. Sayısal tablolarda binlik ayırıcı virgül, ondalık ayırıcı nokta kullanılır.

Daha fazla eğitim, düzenli bir iyileşme getirmedi

Sabit yol 13,073.92 USDT, haftalık kayan 11,753.42, aylık kayan 9,832.51 ve aylık genişleyen 9,548.20 ile biter. Hiçbir sonuç atılmadı veya başka eşik seçilerek düzeltilmedi. Aynı maliyetli, başlangıç sermayesinin 90%’ını ayıran al-tut ölçütü 19,627.85 USDT’ye ulaşır: +96.28% değerlenmiş getiri ve günlük kapanıştan 30.86% maksimum düşüş. Sıfır getirili nakit 10,000’da kalır; bu tanımlanmış bir muhasebe alternatifi olup USDT’nin risksiz olduğu iddiası değildir.

Brüt performans, aynı tahmin ve kurallarla fakat modellenen ücret ve kayma sıfırlanarak baştan simüle edilen hesaptır. Net getiriye sonradan bir maliyet yüzdesi eklemek değildir. Maliyetler miktarları ve sonraki bileşik gelişimi değiştirir. Sabit modelin düşüşü ve maruziyeti de daha düşüktür; al-tutla getiri farkı, riske göre düzeltilmiş alfa tahmini sayılamaz.

Haftalık politika 70, sabit politika 33 işlem tamamlar; ortalama değerlenmiş yatırım oranları sırasıyla 43.10% ve 20.33%’tür. Aylık kayan 40.63%, aylık genişleyen 27.07%, al-tut 94.29%’tır. Eğitim takvimi hangi sinyallerin eşiği geçtiğini, bu da hesap yolunu değiştirir; eğitimin kendisi piyasa işlemi gerektirmez.

Olasılıkları işlem hesabından ayrı puanlayın

Her politika 731 günlük tahmin üretir, ancak yalnızca 725 etiket değerlendirme dönemi içinde tamamlanır: özellik tarihleri 1 Ocak 2024–25 Aralık 2025’tir. Dört puanlama da aynı tarihleri ve aynı 390 pozitif sonucu kullanır. Son altı tahmin kayıtta kalır fakat tamamlanmış hedef puanlarına girmez. Haftalık eğitim sayısı, değerlendirmede izin verilen yeni bir işlemi başlatmak için geç kalmış olsa da, planlı 29 Aralık eğitimini içerir.

Logaritmik kayıp, gerçekleşen sınıfa verilen olasılığı değerlendirir; ikili Brier kaybı olasılık hatasının karelerinin ortalamasıdır. Düşük değer iyidir. Her modeli, kendi o an erişilebilir eğitim kümesindeki pozitif etiket oranıyla karşılaştırıyoruz; bu referans olasılık sonraki eğitime kadar korunur. Bunlar işlem kârını değil, tahmini değerlendirir. [5][6]

Sabit olasılıklar kendi sıklık referansından çok az daha iyidir. Yeniden eğitilen modellerin her biri, iki ölçüde de kendi referansından kötüdür. 0.50 sınıflandırma eşiğinde doğruluk sabitte 51.59%, güncellenenlerin her birinde 50.76% iken, tüm tarihlerde pozitif sınıfı tahmin etmek 53.79% verir. Oysa işlem 0.55 eşiğini ve kısıtlı pozisyon durumunu kullanır. Yönü doğru bilme oranı, kazanç-kayıp büyüklüklerinin, maliyetlerin ve nedensel işlem kaydının yerini tutmaz.

Puanlar betimleyici karşılaştırmalardır, bağımsız denemelerin anlamlılık testi değildir. Ardışık beş günlük hedefler örtüşür ve tüm politikalar aynı piyasa geçmişini yaşar. Bir takvimin evrensel üstünlüğü için güvenilir bir güven aralığı tahmin etmiş değiliz.

Değişen bir tahmini hesap durumuna kadar izleyin

Haftalık ve aylık kayan politikalar, 0.55 eşiğini geçme konusunda ilk kez 18 Ocak 2024’te ayrışır: haftalık model 15 Ocak eğitiminden sonra 0.560402, aylık model ilk eğitimle 0.545967 tahmin eder. Ancak iki hesap da o gün planlı çıkış yapar ve yeni giriş yasaktır. Eşik sinyalinin farklı olması, hemen farklı işlem yaratmaz.

İlk gerçek eylem ayrışması 22 Şubat’tadır. İki hesap da pozisyonsuzdur ve 10,521.989578 USDT nakdi vardır. 19 Şubat’ta eğitilen haftalık model 0.551331 tahmin eder, 23 Şubat girişini planlar; 1 Şubat’ta eğitilen aylık model 0.523412 ile nakitte kalır. Haftalık işlemin çıkışı 28 Şubat’a planlanır. Sonraki farklar nakit, pozisyon ve çıkış günü kısıtları üzerinden birleşir; son getiri farkı yalnızca tahmin ayrışmalarını sayarak açıklanamaz.

İlk işlemleri, seçilmiş bir başarı yerine ortak bir muhasebe kontrolü de sunar. 12 Ocak sinyali, 13 Ocak’ta modellenmiş 42,804.131370 fiyattan 0.210050027959 BTC alır ve 18 Ocak’ta 42,754.701955’ten satar. Modellenen gerçekleşme fiyatlarıyla fiyat zararı −10.382650 USDT; giriş ve çıkış ücretleri 8.991009 ve 8.980626’dır. Net zarar −28.354285 olup nakit 9,971.645715’e iner. Kayma zaten gerçekleşme fiyatlarındadır, yeniden düşülmez. Bu backtest işlemidir, gerçek emir değildir.

Değişen işlem yolunun maliyetini ölçün

Gerçekleşen alış ve satış tutarlarının toplamını başlangıç sermayesine böldüğümüzde sabitte 71.34, haftalık kayanda 157.72, aylık kayanda 122.29, aylık genişleyende 88.75 elde ederiz. Bu tanım iki yönü de sayar; hacmi ikiye bölmez. Karşılık gelen modellenmiş komisyonlar 713.42, 1,577.25, 1,222.92 ve 887.51 USDT’dir. Daha sık güncelleme daha çok işlem üretebilir; fakat burada fark model kararlarından gelir, her güncellemede işlem zorunluluğundan değil.

Dört yolun hepsini, yön başına komisyonu 10 baz puanda tutarak, aleyhte gerçekleşme kaymasını 0, 5, 10 ve 20 baz puanla yeniden çalıştırdık. Haftalık kayan, sıfır kaymada +25.18%’den 20 baz puanda −2.71%’e iner. Sabit model bu koşullarda pozitif kalır; bu, gerçek gerçekleşmenin modele uyacağını kanıtlayan değil, koşullu bir duyarlılık sonucudur. Tercih edilen politikayı kârlı yapmak için kayma varsayımı seçilmez.

Daha fazla geçmiş sonucu değiştirdi, sorunu çözmedi

Aylık kayan ve genişleyen politikalar aynı eğitim takvimini, ilk matrisi ve her eğitimdeki son uygun özellik tarihini paylaşır. Fark, hangi eski satırların korunduğudur. 1 Aralık 2025’te kayan geçmiş 2 Aralık 2023’ten, genişleyen geçmiş hâlâ 1 Ocak 2022’den başlar; ikisi de 25 Kasım 2025’te biter. Genişleyen kümede 1,425 tamamlanmış satır vardır; kayanın neredeyse iki katı. Bu karşılaştırmada daha çok satır hesabı iyileştirmedi.

Yıllık ayrım, toplamın yolu saklamasını da önler. Aylık genişleyen 2024’te 18.75% kazanır, sonra 2025’te 19.60% kaybeder. Bunlar aynı hesabın ardışık bölümleridir; her yıl yeniden başlatılmış hesaplar değildir. Takvim yılları raporlama ayrımlarıdır, kanıtlanmış piyasa rejimleri veya bağımsız tekrarlar değil.

Kazanç ve kayıplar simetrik değildir. Ortalama kazanan/kaybeden tutarları sabitte +511.46/−474.56 USDT, haftalıkta +430.46/−357.84, aylık kayanda +332.83/−318.18, genişleyende +440.27/−322.18’dir. Kayıtlı toplamsal kârdan en büyük üç kazanan çıkarıldığında sırasıyla +556.07, −2,034.23, −2,931.61, −3,742.12 USDT kalır. Bu yoğunlaşma teşhisidir, çalıştırılabilir yeni bir strateji değildir; işlemleri gerçekten silmek sonraki nakdi ve miktarları da değiştirir.

Adayı takvimle eğitin, kullanım değişimini gerekçeyle yapın

Uygulanabilir politika, adayın ne zaman üretileceğini ve çalışan modelin ne zaman değiştirileceğini ayrı tanımlar. Yeni etiketler tamamlanınca takvim aday eğitimini başlatabilir. Kullanıma alma kararı ise girdi kalitesini, özellik tutarlılığını, olasılık davranışını, değişen kararları, net ekonomiyi ve işletim sınırlarını incelemelidir. Eğitim çağrısının başarılı olması, sürüm onayı değildir.

Kavram kayması, girdilerle hedef arasındaki ilişkinin değişmesidir; zararlı bir hafta veya girdi ortalamalarındaki değişiklik tek başına bu ilişkinin değiştiğini göstermez. Özgün kavram kayması derlemesi uyarlama ile değerlendirme sorularını ayırır. [7] Veri olayı düzeltme, işlem arızası mutabakat gerektirir; bozuk veriyle yeniden eğitim bunların hiçbirini çözmez. Kayma tetiklemeli güncelleme politikası kendi nedensel karşılaştırmasını gerektirir; burada onu test etmedik.

Bu model için haklı sonraki adım, en yüksek geriye dönük getiriyi kalıcı kazanan ilan etmek değil, aday seçimi ve kullanıma alma kuralları sabitlenmiş yeni bir ileriye dönük karşılaştırmadır. Mevcut modelin tam ölçekleyici ve parametrelerini koruyun; adayı ortak yeni gözlemlerde gölge olarak çalıştırın, müdahaleleri kaydedin ve geri dönüş yolu tutun. Canlı test protokolü, operasyonel sürüm kararını kârlılık kanıtından ayırmayı anlatır.

ChatGPT veya Claude bu kuralları belirtmeye, Codex veya Claude Code uygulamayı denetlemeye yardım edebilir. Bu araştırmada analiz yapay zekâ desteği aldı; saklanan eğitim ve hesaplamaları Python yaptı. Bu ürünler işlem modeli olarak karşılaştırılmadı. Asistandan, bir yeniden eğitim aralığı kârlı görünene kadar düzenlemeyi değil, denenen tüm takvimleri ve tamamlanmamış etiketlerin zaman çizelgesini korumasını isteyin.

Özellikleri, tahminci ayarlarını, eşiği, bilgi zamanlamasını ve hesap kurallarını sabit tutarak bu önceden belirlenmiş güncelleme takvimlerini karşılaştır. Güncelleme sıklığını eğitim penceresi politikasından ayır. Her eğitimde henüz tamamlanmamış sonuçları dışla ve ön işlemeyi yalnızca uygun satırlarda öğren. Her adayı, tahmini, eğitim tarihini ve işlem kararını koru. Ortak tarihlerde olasılık puanlarını, maliyet sonrası hesabı, maruziyeti, işlem hacmini ve zararlı dönemleri raporla. Seçim sürecini ve verinin yeniden kullanımını açıkla. Değerlendirme sonucuyla ayar yapma veya kullanılmış dönemi dokunulmamış diye adlandırma.