Aynı sistem, aynı kurallar, aynı strateji. Ama farklı saatlerde bambaşka sonuçlar.
Peki hiç düşündün mü: Sistemin başarısız olmasının nedeni senin kodların değil, saatin olabilir mi? Finans piyasaları sürekli açık gibi görünse de, her saat aynı likiditeyi, aynı oyuncu yoğunluğunu ve aynı volatiliteyi sunmaz. Bu yüzden sisteminin kazanç-zarar dağılımını saatlik bazda analiz etmediysen, başarı sandığın şey tesadüf olabilir. Örnek: Bir sistemin backtest sonucuna göre toplam 1000 işlemde %60 win rate var diyelim. Harika. Ama bu 1000 işlemi saatlere göre ayırdığında, belki sadece Londra açılışı ile New York öncesi arasındaki zaman dilimi pozitif expectancy üretiyor. Diğer saatlerde ise sistem ya sürünüyor ya da para kaybediyor. 📊 Bu yüzden time-based filtering, sistemin gerçek verimliliğini ortaya çıkarır. Sadece işlem sonucu değil, “ne zaman alındığı” da sistemin parçasıdır. Teknik Öneri: Her işlem verisini zaman damgasıyla birlikte logla. Tüm işlemleri saat aralıklarına göre gruplandır (Türkiye saatiyle): 🔹 Asya: 03:00–11:00 🔹 Londra: 11:00–16:30 🔹 New York Açılışı: 16:30–23:00 🔹 New York Kapanışı: 23:00–03:00 Her aralık için şu metrikleri çıkar: Win rate Avg R:R Expectancy Drawdown profili Bunları karşılaştır. 2023’te yapılan bir analizde, spot BTC/USDT paritesinde Asya saatlerindeki işlemlerin ortalama R:R oranı 1:1.2 iken, Londra–NY çakışmasında bu oran 1:1.9’a çıkıyor. Yani her şeyden önce sistemin “ne yaptığı” değil, “ne zaman yaptığı” önemli.
The content is for reference only, not a solicitation or offer. No investment, tax, or legal advice provided. See Disclaimer for more risks disclosure.
Aynı sistem, aynı kurallar, aynı strateji. Ama farklı saatlerde bambaşka sonuçlar.
Peki hiç düşündün mü: Sistemin başarısız olmasının nedeni senin kodların değil, saatin olabilir mi?
Finans piyasaları sürekli açık gibi görünse de, her saat aynı likiditeyi, aynı oyuncu yoğunluğunu ve aynı volatiliteyi sunmaz. Bu yüzden sisteminin kazanç-zarar dağılımını saatlik bazda analiz etmediysen, başarı sandığın şey tesadüf olabilir.
Örnek:
Bir sistemin backtest sonucuna göre toplam 1000 işlemde %60 win rate var diyelim. Harika. Ama bu 1000 işlemi saatlere göre ayırdığında, belki sadece Londra açılışı ile New York öncesi arasındaki zaman dilimi pozitif expectancy üretiyor.
Diğer saatlerde ise sistem ya sürünüyor ya da para kaybediyor.
📊 Bu yüzden time-based filtering, sistemin gerçek verimliliğini ortaya çıkarır.
Sadece işlem sonucu değil, “ne zaman alındığı” da sistemin parçasıdır.
Teknik Öneri:
Her işlem verisini zaman damgasıyla birlikte logla.
Tüm işlemleri saat aralıklarına göre gruplandır (Türkiye saatiyle):
🔹 Asya: 03:00–11:00
🔹 Londra: 11:00–16:30
🔹 New York Açılışı: 16:30–23:00
🔹 New York Kapanışı: 23:00–03:00
Her aralık için şu metrikleri çıkar:
Win rate
Avg R:R
Expectancy
Drawdown profili
Bunları karşılaştır.
2023’te yapılan bir analizde, spot BTC/USDT paritesinde Asya saatlerindeki işlemlerin ortalama R:R oranı 1:1.2 iken, Londra–NY çakışmasında bu oran 1:1.9’a çıkıyor.
Yani her şeyden önce sistemin “ne yaptığı” değil, “ne zaman yaptığı” önemli.