Aşırı Optimizasyon (Curve Fitting) Nasıl Önlenir

"Backtestte yıllık %50 getiri vardı, ama gerçek işlemlere geçer geçmez sürekli düşüşe geçti" — EA kullanımında en sık karşılaşılan başarısızlığın arkasında neredeyse her zaman curve fitting (aşırı optimizasyon / overfitting) yatmaktadır.

Bu yazıda curve fitting'in neden oluştuğunu, nasıl tespit edileceğini ve tasarım aşamasında nasıl önleneceğini ele alacağız.

Curve Fitting Nedir?

Curve fitting; bir EA'nın parametrelerinin veya mantığının yalnızca geçmiş verilerdeki belirli fiyat hareketlerine aşırı uyum sağlaması olgusunu ifade eder. Geçmiş veriler, "tesadüfen öyle olmuş" rastlantısal hareketler içerir; bu hareketleri mükemmel biçimde izleyen parametreler ise geleceğin rastlantılarıyla baş edemez.

Bu durum, makine öğrenmesindeki "eğitim verisine aşırı uyum sağlayıp test verisinde performansın çökmesi" sorunuyla yapısal olarak aynıdır.

Curve Fitting Neden Oluşur?

Başlıca nedenleri şunlardır:

Çok Fazla Parametre

10 ya da 20 parametre varsa, bunları hareket ettirmek geçmişteki neredeyse tüm fiyat hareketlerini neredeyse mükemmel biçimde açıklamaya yeter. Ancak bu, geçmişi "izlemekten" ibarettir; piyasanın özünü kavramış değilsinizdir.

Tekrarlanan Optimizasyon

Aynı veri üzerinde defalarca optimizasyon çalıştırdığınızda, EA yavaş yavaş o veriye özgü özelliklere uyum sağlamaya başlar. "Bu da olmadı, şu da olmadı" diyerek deneme yanılma yöntemiyle ilerledikçe, stratejinin gelecekteki piyasada işe yarama ihtimali giderek azalır.

Yanlış Değerlendirme Ölçütü

Hedef yalnızca "toplam kârı maksimize etmek" olursa, riski göz ardı eden aşırı parametreler seçilir. Az sayıda büyük kazanan işlem üzerinden kâr eden çözümler, gelecekte tekrarlanma ihtimali düşük olanlar arasında yer alır.

Tespit Yöntemleri

Curve fitting belirtilerini sırasıyla inceleyelim:

1. Rakamlar Çok İyi

PF 3,0'ın üzeri, kazanma oranı %80'in üzeri, yıllık getiri %100'ün üzeri — bu tür rakamlara sahip EA'larda neredeyse her zaman curve fitting şüphesi duyulmalıdır. Gerçek işlemlerde bu seviyeleri uzun vadede koruyan EA son derece nadirdir.

2. İşlem Sayısı Çok Az

Yalnızca onlarca işlemle PF 2,0 elde edilmiş olsa da bu istatistiksel olarak anlamsızdır. En az 200, tercihen 500 veya daha fazla işlem olmadan değerlendirmenin kendisi güvenilir olmaz.

3. Yıllık Sonuçlar Tutarsız

Yıllık kazanç eğrisine bakıldığında, yalnızca belirli yılların öne çıktığı ya da yalnızca belirli yılların büyük kayıplarla kapandığı görülebilir. Yıllık sonuçları aşırı uçlarda seyreden EA'lar, belirli piyasa konjonktürüne fazla bağımlıdır.

4. Son Dönem Sonuçları Bozulmuş

Geçmiş 10 yılın yalnızca son 1-2 yılında performans düşmüşse, stratejinin temel mantığı mevcut piyasayla örtüşmüyor olabilir.

5. Parametre Hassasiyeti Yüksek

Optimum parametreyi ±%10 değiştirdiğinizde sonuçlar büyük ölçüde bozuluyorsa bu tehlike işaretidir. EA yalnızca "keskin bir tepe"nin üzerinde duruyor demektir; koşullar biraz değişse düşer.

Tasarım Aşamasında Önleme Yöntemleri

Curve fitting'i "ortaya çıktıktan sonra düzeltmek" yerine "baştan önlemek" çok daha verimlidir.

1. Parametre Sayısını Sınırlayın

Yalnızca strateji mantığı açısından anlamlı olan parametreleri kullanın. "Zaten değiştirilebilir olduğu için parametre yapalım" düşüncesi tehlikelidir. Optimizasyon kapsamındaki parametre sayısını 3-5 ile sınırlamak gerçekçi bir yaklaşımdır.

2. Out-of-Sample Doğrulamasını Mutlaka Yapın

10 yıllık veriye sahipseniz, ilk 7 yılı optimizasyon için, son 3 yılı ise doğrulama için kullanın. Yalnızca her iki dönemde de benzer sonuçlar veren parametreleri benimseyin.

3. Birden Fazla Enstrüman ve Zaman Dilimiyle Test Edin

"Yalnızca XAUUSD H1'de kazanan" EA, o koşullara aşırı uyum sağlamış olabilir. EURUSD veya USDJPY gibi enstrümanlarda da belirli bir eğilim gösteren stratejiler genellikle daha sağlam (robust) bir yapıya sahiptir.

4. Mantığı "Açıklanabilir" Hale Getirin

"Bu parametre bu mantıkla neden işe yarıyor?" sorusunu piyasa dinamikleri çerçevesinde yanıtlayabilmek önemlidir. "Backtestte kazandığı için" gerekçesi, gelecekte de işe yarayacağına dair hiçbir dayanağı olmayan bir gerekçedir.

5. Optimizasyonu "Hafif" Tutun

Nesil sayısını fazla artırmamak, değerlendirme ölçütlerine "işlem sayısı" ve "maksimum DD" filtreleri uygulamak, üst sıradaki çözümlerin medyan değerini benimsemek — bu tür "optimizasyonu ölçülü tutma" yaklaşımları curve fitting direncini artırır.

"Sıradan Rakamları" Seçme Cesareti

Optimizasyon sonuçları arasında en iyi rakamlara meyletmek insani bir eğilimdir. Ancak uzun vadeli EA kullanıcılarının çoğu, kasıtlı olarak "en yüksek değil, sıradan rakamlara sahip parametreleri" tercih eder.

Nedeni basittir: Sıradan rakamlar üreten parametreler, piyasa koşulları biraz değişse bile performanslarını koruyabilir. En yüksek rakamları üreten parametreler ise yalnızca o koşullar altında en iyidir.

Bu Sitedeki Yaklaşımımız

GOLD_EMA_ATR_EA (XAUUSD H1) aşağıdaki ilkelerle tasarlanmıştır:

• Optimizasyon kapsamındaki parametre sayısı yalnızca 3 (EMA kısa, EMA uzun, ATR çarpanı)
• 10 yıllık verinin ilk 7 yılı optimizasyon, son 3 yılı doğrulama için kullanıldı
• "Yıllık %1-3, maksimum DD %5-10" aralığına giren çözümlerin medyan değeri benimsendi
• Sonuç olarak PF 1,30 ve yıllık %1,7 gibi muhafazakâr rakamlar elde edildi

Gösterişli rakamlar olmadığı için piyasa koşulları değişse bile çökmeyecek şekilde tasarlanmış bir yapıya sahiptir.

Özet

Curve fitting, EA kullanımındaki en büyük tuzaktır. Backtest sonuçları "harika rakamlar" sunduğunda ne kadar dikkatli olmak gerektiği o kadar artar.

"Sıradan rakamlarla, uzun süre çalıştırmak" — EA kullanımında görünmez ama güvenilir kazanma yöntemi budur.

Ücretsiz EA İndirin

GOLD_EMA_ATR_EA, aşırı optimizasyondan kasıtlı olarak kaçınılarak tasarlanmış bir EA olarak ücretsiz dağıtılmaktadır. Ayrıntılı doğrulama raporu da içinde yer almaktadır.

Ücretsiz EA'yı İndirin

Önerilen Brokerlar

Gerçek işlemlerde "backteste yakın sonuçlar" elde etmek için yüksek emir kaliteli bir broker seçimi büyük önem taşır.

Önerilen Broker Listesini Görüntüleyin