TARGETHIT!

Diğer

Topluluk

Tema

Dil

Algoritmik işlem okulu/Keşif/Z-score normalizasyonu: göstergeleri z puanıyla tek dile çevirmek
Keşif10 dk okuma

Z-score normalizasyonu: göstergeleri z puanıyla tek dile çevirmek

Her göstergeyi karşılaştırılabilir kılmak

Karşılaştırma sorunu

RSI'ı fonlama oranıyla (funding rate) nasıl karşılaştırırsınız? RSI 0 ile 100 arasında değişir. Fonlama oranı -%0,3 ile +%0,3 arasında olabilir. Toplam açık pozisyon (open interest, OI) ise 50,000 ila 500,000 BTC değerinde olabilir.

Bunları doğrudan karşılaştıramazsınız. "RSI 30'da, fonlama %0,1'de" demek, hangisinin daha uç noktada olduğunu söylemez. 30'luk bir RSI, %0,1'lik fonlamadan daha mı önemli? Bağlama göre değişir.

Karşılaştırma sorunu budur; z-score (z puanı) normalizasyonu da tam olarak bunu çözer.

Z-score (z puanı) nedir?

Z puanı, bir değerin kendi ortalamasından kaç standart sapma uzakta olduğunu söyler.

Formül basittir: z = (x - mean) / standard_deviation (ortalama ve standart sapma)

Güncel RSI 30, geriye bakış sürenizdeki (lookback) ortalama 50 ve standart sapma 10 ise: z = (30 - 50) / 10 = -2.0

Bu -2.0 değeri, güncel RSI'ın ortalamasının 2 standart sapma altında olduğu anlamına gelir.

Şimdi aynı mantığı fonlama oranına uygulayın. Güncel fonlama %0,05, ortalama %0,02 ve standart sapma %0,03 ise: z = (0.05 - 0.02) / 0.03 = 1.0

Artık karşılaştırma yapabilirsiniz: -2.0 sigmadaki RSI, +1.0 sigmadaki fonlamadan daha uç bir noktada. Aynı dili konuşuyorsunuz.

Z puanları keşifte neden önemlidir?

Avantaj (edge) bulmak için göstergeleri birleştirirken ortak bir ölçeğe ihtiyacınız vardır. Şu avantaj tanımını ele alalım:

"Fonlama z puanı -2'nin altına düştüğünde VE fiyat bir likidasyon seviyesindeyken VE DPO aşırı satım gösterdiğinde LONG'a girin."

Her koşul z puanı kullanıyor. -2'nin "normalin iki standart sapma altı" anlamına geldiğini hemen anlarsınız. Koşullar hem karşılaştırılabilir hem de yorumlanabilir.

Normalizasyon olmadan, bir göstergeden diğerine aktarılamayan keyfi eşiklerle baş başa kalırsınız:

"Fonlama < %0,01 VE fiyat likidasyon seviyesine %1'den yakınken VE DPO < -15 olduğunda LONG'a girin."

DPO < -15 ne anlama geliyor? Bu uç bir değer mi? DPO'nun geçmiş dağılımını bilmeden hiçbir sezginiz olmaz.

Z puanları bu sezgiyi size kendiliğinden verir.

Canlı işlem için kayan z puanları

Kritik bir nokta: Canlı işlemde statik değil, kayan (rolling) z puanlarına ihtiyacınız var.

Statik bir z puanı, tüm geçmiş veri setinizin ortalamasını ve standart sapmasını kullanır. Bu, geçmiş veri üzerinde yapılan testler için yeterlidir ama canlıda sorun yaratır: Piyasa koşulları değişir ve 2021'de "normal" olan şey 2025'te normal değildir.

Kayan z puanları, ortalamayı ve standart sapmayı yakın tarihli bir pencere üzerinden yeniden hesaplar. Geriye bakış süreniz 30 günse, aslında şunu soruyorsunuz: "Bugünkü değer, son 30 güne kıyasla ne kadar uç?"

Bu, normalizasyonunuzu uyarlanabilir tutar. Volatilite iki katına mı çıktı? Kayan standart sapmanız buna göre ayarlanır. Fonlama oranı yeni bir taban seviyeye mi oturdu? Kayan ortalamanız da ona uyum sağlar.

Uygulama (kavramsal olarak) şöyle görünür:

  1. Her gösterge için değerlerden oluşan kayan bir pencere tutun (ör. 30 gün için son 720 saatlik mum)
  2. Bu pencerenin ortalamasını ve standart sapmasını hesaplayın
  3. Z puanı = (current_value - rolling_mean) / rolling_std

Z puanlarınız her zaman yakın dönemdeki piyasa koşullarına görelidir.

Geriye bakış süresinin seçimi

Geriye bakış süreniz ne kadar uzun olmalı? Bu, z puanlarıyla normalizasyon yaparken vereceğiniz en önemli kararlardan biridir.

Çok kısa (< 7 gün):

  • Gürültülü: Küçük örneklem, istikrarsız istatistikler demektir
  • Uç hareketler daha az uç görünür (yakın hafıza)
  • Yüksek yanlış pozitif oranı

Çok uzun (> 90 gün):

  • Rejim değişikliklerine geç uyum sağlar
  • Eski veriler mevcut koşulları yansıtmayabilir
  • Gerçek uç değerler seyrelir

İdeal aralık (genellikle 14-30 gün):

  • İstikrarlı istatistikler için yeterli örnek
  • Mevcut rejimi yansıtacak kadar yakın tarihli
  • Duyarlılık ile istikrar arasında denge kurar

Çoğu gösterge için genellikle 20-30 günlük geriye bakış süreleri kullanıyoruz. Ama bu evrensel bir kural değil: Bazı göstergeler daha uzun, bazıları daha kısa pencerelerden fayda görür. Keşif sırasında farklı süreleri test edin.

Uç durumları yönetmek

Z puanı normalizasyonunun birkaç tuzağı vardır:

Sıfır standart sapma: Bir gösterge geriye bakış süreniz boyunca tamamen yatay seyrettiyse standart sapma sıfır olur ve bölme işlemi hata verir. Bunu, standart sapma belirli bir eşiğin altındayken z puanını 0'a eşitleyerek çözün.

Durağan olmayan veri: Bazı göstergeler zaman içinde bir trend izler (bir piyasa olgunlaştıkça büyüyen toplam açık pozisyon gibi). Z puanı hesaplamadan önce trendden arındırmak (detrending) yardımcı olabilir, ama karmaşıklığı artırır.

Kalın kuyruklar: Finansal verilerin kuyrukları çoğu zaman normal dağılımdakinden daha kalındır. -3'lük bir z puanı, normal dağılım matematiğinin öngördüğünden daha sık görülebilir. Değerlerin %99,7'sinin ±3 sigma içinde kaldığını varsaymayın; kriptoda böyle değildir.

Aykırı değerler: Uç olaylar (ani çöküşler, sert squeeze'ler) kayan istatistikleri bozan aykırı değerler üretir. Bazı uygulamalar, aykırı değerlerin etkisini azaltmak için dayanıklı (robust) istatistikler kullanır (ortalama/std yerine medyan/MAD).

Örnek dönüşümler

Üç gerçek göstergeyi adım adım normalize edelim:

Fonlama oranı

  • Ham değerler: -%0,3 ile +%0,3 arasında değişir, genellikle %0,01 civarında kümelenir
  • Z puanına çevrildikten sonra: 0 etrafında merkezlenir, uç değerler ±3 veya daha fazladır
  • Yorum: z > 2, fonlamanın olağandışı yüksek olduğu anlamına gelir (Long'lar yüklü fonlama ödüyor)

Toplam açık pozisyon değişimi

  • Ham değerler: Günlük değişim -%10 ile +%10 arasında olabilir
  • Z puanına çevrildikten sonra: Bugünkü OI değişiminin, yakın dönemdeki OI değişimlerine göre olağandışı olup olmadığını söyler
  • Yorum: z > 2, OI'ın normalden hızlı arttığı anlamına gelir

CVD (kümülatif hacim deltası)

  • Ham değerler: Borsaya göre değişen keyfi birimler
  • Z puanına çevrildikten sonra: Alış/satış baskısının yakın geçmişe göre uç seviyede olup olmadığını söyler
  • Yorum: z < -2, olağandışı satış baskısı anlamına gelir

Normalizasyondan sonra "funding_z > 2 AND cvd_z < -1" gibi kurallar yazabilirsiniz: İki eşik de aynı ölçektedir.

Birleşik gösterge DataFrame'i

Pratikte, her gösterge sütununun karşılığında bir z puanı sütunu bulunan birleşik bir dataframe tutuyoruz:

timestampfundingfunding_zoioi_zcvdcvd_z...
...%0,0121.34500000.8-5000-2.1...

Keşif süreci daha sonra z puanı sütunları üzerinde çalışır. Avantaj koşulları tamamen z puanı eşikleri cinsinden tanımlanır.

Milyonlarca kombinasyonu programatik olarak test edebilmemizin nedeni bu standartlaştırmadır: Her gösterge aynı dili konuşur.

Temel çıkarımlar

  1. Z puanları, "uç olma derecesini" standart sapma cinsinden ölçerek farklı göstergeleri karşılaştırılabilir kılar
  2. Değişen koşullara uyum sağlamak için canlı işlemde kayan z puanları kullanın
  3. 14-30 günlük geriye bakış süresi genellikle iyi çalışır, ama kendi göstergeleriniz için test edin
  4. Uç durumları yönetin (sıfır std, aykırı değerler, durağan olmama)
  5. Normalizasyondan sonra tüm avantaj koşullarınız ortak bir ölçek kullanır

Z-score (z puanı) normalizasyonu temel bir altyapıdır. Bundan sonraki her ders, göstergelerinizin normalize edildiğini varsayar. Sistematik avantaj keşfini mümkün kılan ortak dil budur.