Yapay Zekâ
Yapay Zeka, Kripto Vadeli İşlemlerde Gizli Riskleri İşaret Ediyor

Bir Bitcoin (BTC ) Grafik, sınırlı fiyat hareketi gösterirken, altındaki piyasa işlem yapmayı giderek daha zor hale geliyor. Alıcılar mevcut satış emirlerini tüketiyor olabilir, likidite sağlayıcıları teklifleri geri çekiyor olabilir ve kaldıraçlı pozisyonlar birikiyor olabilir. Bu koşullardan hiçbiri, fiyatın ne kadar hareket ettiğine tam olarak açıklama getirmiyor.
Suresh Rajendran ve Divya Singaravelu’nun 1 International Review of Economics and Finance dergisinde yayımlanmak üzere kabul edilen yeni çalışması bu boşluğu inceliyor. Araştırmacılar, Bitcoin ve Ether sürekli vadeli işlem verilerini kullanarak makine öğrenmesinin yakın dönemdeki oynaklığa doğrudan dayanmadan kısa vadeli emir akışı toksisitesini belirleyip belirleyemeyeceğini araştırıyor.
Bulgular, order-flow sinyallerinin advers seçim riskini derecelendirmeye yardımcı olabileceğini gösteriyor. Daha geniş önemi, büyük fiyat hareketlerini tanımlamanın ve maliyetli ticaret koşullarını belirlemenin farklı görevler olduğudur. Yatırımcılar, tüccarlar ve borsa işletmecileri için bu farkı anlamak, hem piyasa kalitesini hem de finansal yapay zekayı değerlendirmek için daha iyi bir yol sunar.
Kripto Ticaretinde Order-Flow Toksisitesinin Ne Anlama Geldiği
Piyasa yapıcılar, alım ve satım teklifleri sunarak likidite sağlar. Bir işlem sonrası fiyatların kendilerine karşı hareket etme riskini yönetirken, bu fiyatlar arasındaki spreadi kazanmaya çalışırlar.
Basitleştirilmiş bir örnek düşünün. Bir likidite sağlayıcı, Bitcoin’i ilan edilen fiyat üzerinden satıyor, ancak alım baskısı hemen ardından piyasayı yükseltiyor. Sağlayıcı, varlık daha pahalı hale gelmeden hemen önce satmış oluyor. Bu durum birçok işlemde tekrarlandığında, bu olumsuz doldurmalar spreadlerden elde edilen geliri aşabilir.
Order-flow toksisitesi, bu advers seçim riskiyle ilişkili ticaret koşullarını tanımlar. Terim, işlemlerin sahte olduğu ya da sorumlu tüccarların gizli bilgiye sahip olduğu anlamına gelmez. Kamu haberleri, agresif ticaret, tasfiye ve diğer baskılar zararlı akışlara yol açabilir.
Perpetual futures, bu sorunu özellikle ilgili kılar. Bu türevler genellikle belirli bir vade tarihine sahip değildir ve fiyatlarını temel varlıkla uyumlu hale getirmek için fonlama ödemeleri kullanır. Kaldıraç, zorunlu pozisyon kapanışları piyasaya emir gönderdiğinde ek bir baskı kaynağı ekler.
Yapay Zeka Bitcoin ve Ether Order Flow’u Nasıl Analiz Etti
Araştırmacılar, Bybit üzerinde BTC/USDT ve ETH/USDT perpetual futures’ı, 1 Şubat 2025 ile 16 Şubat 2026 tarihleri arasındaki verileri kullanarak incelediler. İlk 21 günü başlangıç eğitimi için ayırdıktan sonra, modelleri 360 örnek dışı gün boyunca değerlendirdiler.
Ana model, birden fazla karar ağacını birleştiren bir makine öğrenimi yöntemi olan gradient boosting’i kullandı. 19 girdisi, spreadler, emir defteri dengesizliği, ticaret aktivitesi ve pasif emir çekilmesi gibi koşulları tanımlıyordu. Doğrudan gerçekleşen volatilite girdileri, modelin son fiyat dalgalanmalarının ötesinde bir şey yakalayıp yakalamadığını test etmek amacıyla dışlandı.
Tahminleyiciler, bir önceki saniyeye kadar mevcut olan bilgileri kullandı. Yürütmeli değerlendirme, daha sonraki gözlemleri puanlamadan önce önceki gözlemler üzerinde eğitildi, böylece modele gelecekteki bilgilere erişim riski azaltıldı.
Model, TailScore adlı bir risk-sıralama sinyali üretti. Ana karşılaştırma, değerlendirilen saniyelerin en yüksek puan alan %1’ini, %1 kapısı olarak tanımladı. Bu, tamamen belirlenmiş bir canlı ticaret kuralı olmaktan ziyade geriye dönük bir değerlendirme eşiğiydi.
| Çalışma Ölçütü | Bitcoin Perpetuals | Ether Perpetuals |
|---|---|---|
| Örnek dışı gözlemler | 31,080,580 | 31,080,572 |
| Değerlendirme günleri | 360 | 360 |
| 100.000 $ nominal başına örnek kaçınılan zarar | $12,745.92 | $13,062.37 |
| %95 güven aralığı | $9,109.69 to $16,898.55 | $9,594.91 to $17,328.19 |
Yukarıdaki parasal tahminler, %1 kapısında ve varsayılan %25 doldurma oranı kullanılarak ana modele uygulanmaktadır. Bunlar, kaybedilen spread gelirleri düşüldükten sonra modellenen kaçınılan zararları temsil eder; yatırım getirileri veya gerçekleşen ticaret kârları değildir.
Neden Daha İyi Volatilite Tespiti Daha Az Değer Üretebilir
En faydalı bulgu, performans ölçütleri arasındaki uyumsuzlukla ilgilidir. Getiri, akış veya volatiliteye dayalı daha basit modeller, genellikle %1 ile %5 arasındaki yeterince desteklenen kapılarda aşırı fiyat hareketlerini daha etkili bir şekilde yoğunlaştırdı. Ancak doğrudan volatilite girdileri olmayan ana model, her iki varlık için de en yüksek örnek kaçınılan zarar nokta tahminlerini üretti.
Bu, her alternatiften kesin olarak daha iyi olduğu anlamına gelmez. Ana Bitcoin kapısında, güven aralığı doğrusal model ve volatilite içeren modelin aralıklarıyla örtüşüyordu. Bu, tek bir etkileyici ölçütle bir finansal model seçmenin yanıltıcı olabileceğini gösterir.
Türbülanslı dönemleri tanıyan bir sistem, toplam maruziyeti azaltmaya yardımcı olabilir. Pasif teklifleri korumayı amaçlayan bir sistem, daha dar bir soruya yanıt vermelidir: hangi potansiyel doldurmalar maliyetli hale gelme ihtimali taşıyor ve bunlardan kaçınmak, feda edilen gelir açısından değerli mi?
Bu ayrım kriptonun ötesine uzanır. Finansal yapay zeka, desteklediği ekonomik karar bağlamında değerlendirilmelidir. Sınıflandırma doğruluğu, aşırı hareket tespiti, yürütme maliyetleri ve kârlılık farklı şeyleri ölçer. Birini geliştirmek, diğerlerini otomatik olarak iyileştirmez.
Neden Sessiz Bir Kripto Piyasası Hâlâ Risk Taşıyabilir
Son piyasa gözlemleri, fiyat davranışının konumlandırma ile birlikte okunması gerektiğini göstermektedir. Coinbase Institutional’ın Ağustos 2026 piyasa konumlandırma raporu temmuz ayında artan türev açık pozisyonlarını, düşen spot ve perpetual işlem hacimleriyle birlikte tanımlamıştır. Ayrıca alım tarafı sipariş defteri likiditesinin zayıfladığını bildirmiştir.
Bu gözlemler, çalışmanın modelini doğrulamaz. Başka bir noktayı gösterir: mevcut maruziyet, ticaret aktivitesi ve mevcut likidite farklı yönlerde hareket edebilir. Daha sessiz bir piyasa mutlaka daha az risk içermez.
Likiditenin ayrıca farklı anlamları vardır. Securities.io’nun küresel likidite ve kripto getirileri analizinde, finans sistemindeki sermaye kullanılabilirliği ele alınmaktadır. Sipariş defteri likiditesi, belirli fiyatlarda işlemleri absorbe edebilecek siparişleri kapsar. Sistemde daha fazla sermaye, her platformda derin yürütülebilir likiditeyi garanti etmez.
Bunun Ortalama Tüccarlar İçin Anlamı
Çalışma, hazır bir perakende göstergesi sunmaz. Pratik katkısı, yürütme kalitesine daha geniş bir bakış açısı kazandırmaktır:
- Alınan piyasa derinliğini, bildirilen spread ile birlikte değerlendirin.
- Artan açık pozisyonu, artan işlem hacminden ayırın.
- Yürütme maliyetlerini, herhangi bir modelin tahmin doğruluğu ile birlikte değerlendirin.
Borsalar için de potansiyel bir gerilim söz konusudur. Risk tespiti, likidite sağlayıcıların tehlikeli dönemleri belirlemesine yardımcı olursa, teklif boyutlarını azaltabilir veya siparişlerini geri çekebilirler. Bu, bilanço tablolarını korurken diğer katılımcıların likiditesini azaltabilir. Daha iyi bireysel risk yönetimi, otomatik olarak daha dayanıklı bir piyasa yaratmaz.
Çalışmanın Kanıtlamadığı Şeyler
Kanıtlar, tek bir borsada iki varlığı yaklaşık bir yıl boyunca kapsar. Aynı ilişkilerin diğer platformlarda, daha küçük tokenlarda veya farklı piyasa rejimlerinde geçerli olduğunu kanıtlayamaz.
Çalışmanın toksisite etiketi, emir akışını beş saniyelik fiyat etkisiyle birleştirir. Bu, özel bilginin kanıtı olmaktan ziyade oluşturulmuş bir vekildir. İlgili piyasa koşullarına göre olayları eşleştirdikten sonra, araştırmacılar test edilen ufuklarda model tarafından seçilen olaylar için istatistiksel olarak ayırt edilebilir bir süreklilik avantajı bulamadılar.
Ekonomik tahminler, ücretleri, kayma, fonlama ödemelerini, hedge maliyetlerini, kuyruk pozisyonunu ve çakışan ya da ilişkili pozisyonları dışarıda bırakır. Canlı uygulama, ayrıca yalnızca o an mevcut bilgilerle kalibre edilmiş eşiklere ihtiyaç duyar. Bu eksiklikler, sonuçların kanıtlanmış kârlı bir strateji olarak yorumlanmasını engeller.
Her iki yazar da, nicel araştırma ve ticaret teknolojisi firması Alphashots.AI’nin kurucu ortakları olduklarını açıklamaktadır. Bu bağlam, potansiyel ticari uygulamaları değerlendirirken ilgili bir bağlamdır.
CME Group ve Kripto Risk Yönetiminin Genişlemesi
Daha geniş fırsat, katılımcıların dijital varlık maruziyetini ticaret yapmalarını ve yönetmelerini sağlayan altyapıyı ilgilendirir. Securities.io’nun gerçek dünya varlık perpetual sözleşmeleri kapsamı, türev hedeflerinin geleneksel kripto piyasalarının ötesine nasıl genişlediğini araştırmaktadır. Ürünler genişledikçe, yürütme kalitesi giderek daha önemli hale gelmektedir.
Bu altyapıya hisse senedi maruziyetiyle ilgilenen yatırımcılar için CME Group, türev piyasası aracılığıyla ilgili bir bağlantı sunar. Haziran 2026’da şirket, 7/24 kripto para vadeli işlemler ve opsiyon ticareti‘nin başlatıldığını duyurdu. Ayrıca Nasdaq CME Crypto Index vadeleri‘ni tanıttı ve ürün yelpazesini çeşitlendirilmiş kripto maruziyetine genişletti.
CME Fiyat Grafiği
CME, sadece bir kripto para seçmek yerine ticaret altyapısı işini inceleme imkanı sunar. İlgili hususlar, sürekli müşteri katılımı, ürün benimsenmesi, rekabet ve sürekli piyasaları destekleme maliyetlerini içerir. Daha geniş iş modeli ayrıca birden fazla varlık sınıfını kapsar.
Bybit bulguları, CME’nin bu modeli kullandığını veya sonuçların sözleşmelerine aktarılabileceğini kanıtlamaz. Bağlantı, gelişmiş risk yönetiminin artan önemidir. Kripto piyasa gelişimi sadece sermaye çekmekten ibaret değildir; katılımcıların ayrıca işlemleri güvenilir bir şekilde yürütmek, maruziyeti hedgelemek ve risk araçlarının gerçekte ne başardığını değerlendirmek için güvenilir yöntemlere ihtiyacı vardır.
Kaynaklar:
1 Rajendran, S. ve Singaravelu, D. (2026). Kripto para sürekli vadeli işlemlerinde emir akışı toksisitesi: Emir akışı sinyalleri, fiyat etkisinin kalıcılığı ve oynaklık temelli ölçütlerin sınırları. International Review of Economics and Finance. Çevrimiçi erken yayın. https://doi.org/10.1016/j.iref.2026.105876












