Bir Trader'ın Dijital Parmak İzi: Emir Defteri Davranışından Piyasa Yapıcıyı Nasıl Tanırsınız

Bir işlem algoritmasının davranışsal parmak izi: zamanlama, boyut ve yerleşimin benzersiz örüntüleri

Her algoritma benzersiz bir parmak izi bırakır. Onu okumayı öğrenin — ve işleminizin karşı tarafında kimin olduğunu bileceksiniz.

Giriş: Suç Mahalli Olarak Emir Defteri

Adli bir araştırmacı suç mahalline geldiğinde parmak izlerini, ayak izlerini, DNA'yı arar — bir olayı belirli bir kişiyle ilişkilendirebilecek her şeyi. Emir defteri, her saniye yüzlerce katılımcının "parmak izlerini" bıraktığı bir yerdir: belirli bir boyutta, belirli bir sıklıkta, fiyattan belirli bir mesafede, belirli bir yaşam süresiyle verilen emirler.

Merkezi borsalarda (CEX), bu parmak izleri anonimdir — her fiyat seviyesinde yalnızca toplanmış hacmi görürsünüz. Ancak toplanmış verilerden bile çok şey öğrenebilirsiniz. Hyperliquid gibi zincir üstü emir defteri olan DEX borsalarında ise her emir belirli bir cüzdan adresine bağlıdır ve "parmak izleri" kişiselleşir.

Bu makalede, katılımcı türlerini ve belirli piyasa yapıcı algoritmalarını tanımlamak için "davranışsal parmak izi" sistemi nasıl kurulur, bunu inceleyeceğiz.

Bölüm 1: Davranışsal Parmak İzi Nedir

Radar grafiği: bir trader'ın davranışsal parmak izinin beş temel boyutu

Her Algoritma Bir Kurallar Bütünüdür

Piyasa yapıcı bot, katı (ya da öğrenilmiş) kurallara dayanarak kararlar alan bir programdır:

• Emirler mid-price'dan ne kadar uzağa yerleştirilmeli? Her MM'nin kendine özgü "spread profili" vardır.
• Hangi boyut? Yuvarlak lotlar (100, 500, 1000)? Rastgele sayılar? ±%5 gürültüyle sabit boyut?
• Kotasyonlar ne sıklıkla güncellenmeli? Her 50ms'de bir? Yalnızca mid-price değiştiğinde? Zamanlayıcıyla mı?
• Gerçekleşmelere nasıl tepki verilmeli? Anında yeniden kotasyon? Duraklama? Kalan tarafın kaydırılması?
• Oynaklığa nasıl tepki verilmeli? Spread genişlemesi? Kotasyon çekme? Boyut küçültme?
• Envanter nasıl yönetilmeli? Pozisyon birikimi sırasında kotasyon eğimi?

Bu soruların her yanıt kümesi algoritmanın benzersiz "imzası"dır.

Parmak İzinin Beş Boyutu

┌─────────────────────────────────────────────────────────────────┐
│              BİR TRADER'IN DİJİTAL PARMAK İZİ                   │
│                                                                 │
│  1. ZAMANLAMA    │  Emirler arası aralıklar, olaylara           │
│                  │  tepki, sirkadiyen örüntüler                 │
│──────────────────┼─────────────────────────────────────────────  │
│  2. BOYUT        │  Emir boyutu dağılımı,                       │
│                  │  yuvarlak lot oranı, dağılım                  │
│──────────────────┼─────────────────────────────────────────────  │
│  3. YERLEŞİM     │  Mid-price'dan mesafe,                       │
│                  │  alış/satış simetri, seviye sabitleme         │
│──────────────────┼─────────────────────────────────────────────  │
│  4. TEPKİ        │  Gerçekleşmelere, iptallere, fiyat           │
│                  │  sıçramalarına, oynaklık değişimine tepki     │
│──────────────────┼─────────────────────────────────────────────  │
│  5. YAŞAM DÖNGÜSÜ│  Ortalama emir ömrü,                        │
│                  │  iptal koşulları, düzelt vs iptal+yeni        │
│──────────────────┴─────────────────────────────────────────────  │
└─────────────────────────────────────────────────────────────────┘

Bölüm 2: Özellik Çıkarımı

Kendinden uyarımlı Hawkes süreci: üstel azalmalı olay kümeleri

Zamanlama: Ne Zaman ve Ne Sıklıkla

Zamanlama örüntüsü, parmak izinin taklit edilmesi en zor öğesidir. Algoritmanın mimarisi, ağ gecikmesi, donanım ve hatta geliştiricilerin saat dilimi tarafından belirlenir.

Temel metrikler:

• Emirler arası aralık (IOI) — aynı katılımcıdan ardışık emirler arasındaki süre. HFT bot için IOI = 50–500 mikrosaniye. Manuel trader için — saniyeler ile dakikalar.

• İşleme tepki süresi — bir emrin gerçekleşmesi ile bir sonraki eylem arasındaki gecikme. Botun iç mimarisini yansıtır.

• Sirkadiyen örüntü — günlük aktivite profili. Kurumsal bir MM işlem seansları boyunca çalışır. Kripto botu 7/24 çalışır.

• Kendinden uyarım (Hawkes yoğunluğu) — mevcut emrin bir sonrakini ne kadar güçlü "tetiklediği". Piyasa yapıcılar güçlü kendinden uyarım sergiler.

Zamanlama örüntülerini modellemek için Hawkes süreçleri — kendinden uyarımlı nokta süreçleri — idealdir. Hawkes süreci parametreleri (temel yoğunluk μ, uyarım katsayısı α, azalma hızı β) bir katılımcının kompakt "kronolojik parmak izini" oluşturur.

Boyut: Ne Kadar ve Nasıl

• Boyut dağılımı — emir boyutlarının dağılımı. Profesyonel MM'ler çoğunlukla gürültüyle yuvarlak lot kullanır: 100 ± 5, 500 ± 10.
• Boyut-derinlik korelasyonu — emir boyutu mevcut defter derinliğine bağlı mı?
• Alış-satış boyut asimetrisi — alış ve satış tarafındaki boyutların oranı. Eğim örüntüsü, envanter yönetiminin "el yazısıdır."
• Boyut otokolerasyon — boyutların zaman içindeki tekrarlanabilirliği.

Yerleşim: Defterde Nerede

• Spread ofseti — tik veya bps cinsinden mid-price'dan uzaklık
• Seviye tercihi — belirli seviyelere sabitleme (yuvarlak sayılar mı?)
• Kotasyon simetrisi — alış ve satış emirleri ne kadar simetrik
• Çok seviyeli ayak izi — aynı anda kaç seviye kotasyona alınıyor

Tepki: Olaylara Nasıl Yanıt Verir

• Gerçekleşme sonrası davranış — bir emir gerçekleştikten sonra ne olur
• Oynaklık tepkisi — oynaklık arttığında davranış nasıl değişir
• Kotasyondan-işleme oranı (QTR) — emir güncellemelerinin gerçekleşmelere oranı
• Olumsuz seçim tepkisi — fiyatın pozisyona karşı hareket etmesine verilen tepki

Yaşam Döngüsü: Emrin Yaşam Döngüsü

• Emir ömrü dağılımı — ortalama emir yaşam süresi
• Düzelt vs İptal+Yeni — düzeltme mi yoksa iptal+yeni yoluyla mı güncelleme yapıyor?
• İptal kümelenmesi — tek tek mi toplu mu iptal ediyor?

Bölüm 3: Katılımcı Sınıflandırması

Piyasa katılımcılarının taksonomisi: piyasa yapıcılar, HFT, fırsatçı, temel ve gürültü trader'ları

Piyasa Katılımcılarının Taksonomisi

Davranışsal özelliklere dayanarak katılımcılar kararlı kategorilere sınıflandırılabilir. CFTC araştırması (Kirilenko et al., 2011):

1. Piyasa Yapıcılar

• Zamanın >%80'inde iki taraflı kotasyonlar (alış + satış)
• Gün sonunda sıfır veya sıfıra yakın net pozisyon
• Yüksek QTR (>100:1)
• Oynaklığa spreadleri genişleterek tepki verme

2. Yüksek Frekanslı Trader'lar (HFT)

• Ultra yüksek mesaj hızı (>1000 olay/dakika)
• Çok kısa tutma süresi (saniyeler)
• Milisaniyenin altında tepki süreleri

3. Fırsatçı Trader'lar

• Orta frekansta
• Belirli piyasa koşullarına tepki verme
• Düzensiz zamanlama, olaylar etrafında kümeleme

4. Temel Trader'lar

• Uzun vadeli pozisyon biriktirme
• Düşük frekans, büyük emir boyutları
• Gerçekleştirme için TWAP/VWAP algoritmaları

5. Gürültü Trader'ları (Perakende)

• Küçük boyutlar, düzensiz zamanlama
• Reaktif: fiyat hareketlerinden sonra işlem yaparlar, önce değil
• Tepe oynaklıkta piyasa emirleri

Sınıflandırma Yöntemleri

Gözetimli Öğrenme: DEX verileri için (Hyperliquid), bilinen piyasa yapıcıların adreslerinden bir eğitim seti oluşturulabilir. RNN modelleri >%85 doğruluk elde eder.

Gözetimsiz Öğrenme:

• Spektral Kümeleme (Cont et al., 2023) — emir akışı örüntüsü benzerlik matrisiyle kümeleme
• FIDR-SCAN (2024) — özellik enterpolasyonu + boyut azaltma + yoğunluk tabanlı kümeleme
• Ters Pekiştirmeli Öğrenme (CFTC, 2014) — her trader'ın ödül fonksiyonunun kurtarılması

Bölüm 4: Belirli Piyasa Yapıcıları Tanımlama

Sınıflandırmadan Tanımlamaya

Sınıflandırma "Bu bir piyasa yapıcı mı?" sorusuna yanıt verir. Tanımlama ise "Bu tam olarak o piyasa yapıcı mı?" sorusuna yanıt verir.

Parmak İzi Vektörü Oluşturma

Beş boyuttan sayısal bir vektör çıkarırız — katılımcının gömülümü:

Parmak İzi Vektörü (örnek):
┌──────────────────────────────────────────────────────────┐
│  Zamanlama:                                              │
│    hawkes_mu:           0.3       (temel yoğunluk)       │
│    hawkes_alpha:        0.7       (kendinden uyarım)     │
│    hawkes_beta:         1.2       (azalma hızı)          │
│    median_IOI_ms:       240       (emirler arası ms)     │
│    circadian_peak_utc:  14.5      (tepe aktivite)        │
│                                                          │
│  Boyut:                                                  │
│    median_size:         500                              │
│    size_cv:             0.08      (değişim katsayısı)    │
│    round_lot_ratio:     0.92      (yuvarlak lot payı)    │
│    bid_ask_size_ratio:  0.97                             │
│                                                          │
│  Yerleşim:                                               │
│    median_offset_bps:   3.2       (mid-price'dan)        │
│    quoting_symmetry:    0.94      (0=asimetrik,1=simetrik)│
│    num_levels:          5         (kotasyonlu seviyeler)  │
│                                                          │
│  Tepki:                                                  │
│    post_fill_delay_ms:  12                               │
│    vol_spread_elasticity: 2.1     (spread/sigma)         │
│    qtr:                 850       (kotasyondan-işleme)   │
│                                                          │
│  Yaşam Döngüsü:                                          │
│    median_lifetime_ms:  1200                             │
│    modify_ratio:        0.85      (düzelt vs iptal+yeni) │
│    batch_cancel_rate:   0.60      (toplu iptal payı)     │
└──────────────────────────────────────────────────────────┘

Adres Kümeleme: "Bir Operatör — N Cüzdan"

Adres kümesi grafiği: bir operatör — davranışsal benzerliğe göre gruplandırılmış birden fazla cüzdan

Hyperliquid üzerinde tek bir piyasa yapıcı düzinelerce veya yüzlerce adres üzerinden işlem yapabilir.

Kümeleme algoritması:

1. Her aktif adres için — N saatlik bir pencere üzerinde parmak izi vektörü oluşturulur
2. Hiyerarşik kümeleme — eşik değerinden küçük mesafeli adresler birleştirilir
3. Zamansal doğrulama — küme kararlılığının zaman içinde doğrulanması
4. Çapraz çift doğrulama — iki adres farklı çiftlerde işlem yapıyor ama parmak izleri eşleşiyorsa — güçlü sinyal

Küme #7 (şüpheli: Wintermute)
├── 0x3a1f...2e8c  — BTC/USDT, aktivitenin %45'i
├── 0x7b2d...9f1a  — ETH/USDT, aktivitenin %30'u
├── 0xc4e8...5d3b  — SOL/USDT, aktivitenin %15'i
└── 0x91fa...0c7e  — ARB/USDT, aktivitenin %10'u

Ortak örüntü: simetrik kotasyon, 5 seviye, median_IOI=240ms,
median_size=500±%8, toplu iptal %60, varlık %95

Bölüm 5: Manipülasyon Senaryoları ve Parmak İzleri

Spoofing: Sahte Duvarın Parmak İzi

Spoofer parmak izi:
  cancel_rate:         > %95
  lifetime:            < 2 saniye
  placement:           mid-price'dan 1-3 tik
  size:                anormal büyüklük (>10x medyan derinlik)
  reaction_to_approach: fiyat yaklaşınca iptal
  cyclicity:           dakikada >3 kez tekrar

Squeeze: Likidite Tuzağı

Dört aşama: sessiz birikim, likidite kaldırma, stop-order kaskadı, kâr alma. Gerçek zamanlı tespit, Aşama 1'den Aşama 2'ye geçişin belirlenmesiyle mümkündür.

Iceberg / Gizli Birikim: Sessiz Yapılanma

Gizli birikim parmak izi:
  visible_size:        küçük (10-50 lot)
  refill_speed:        anında (gerçekleşmeden sonra < 100ms)
  refill_count:        oturum başına tek seviyede > 20
  price_reaction:      hacme rağmen fiyat hareket etmiyor

Wash Trading: Kendi Kendine İşlem

Aynı kümeden iki veya daha fazla adres aynı anda alış ve satış tarafında oturur ve birbirleriyle işlem yapar. Amaç: hacim şişirme.

Bölüm 6: Marketmaker.cc'de Uygulama

Davranışsal Parmak İzi Sistemi Mimarisi

┌─────────────────────────────────────────────────────────────┐
│  VERİ KATMANI                                               │
│  ├── Hyperliquid Node  → L3 emir-emir + cüzdan ID'leri     │
│  ├── CEX WebSocket     → L2 derinlik + işlemler            │
│  └── Tarihsel Depo     → QuestDB / Parquet                  │
├─────────────────────────────────────────────────────────────┤
│  ÖZELLİK ÇIKARIMI                                           │
│  ├── Zamanlama Motoru  → Hawkes fit, IOI dağılımı          │
│  ├── Boyut Motoru      → Boyut istatistikleri, yuvarlak lot │
│  ├── Yerleşim Motoru   → Ofset hesaplama, simetri analizi  │
│  ├── Tepki Motoru      → Gerçekleşme sonrası takip         │
│  └── Yaşam Döngüsü M. → Ömür istatistikleri, iptal örüntüsü│
├─────────────────────────────────────────────────────────────┤
│  SINIFLANDIRMA / TANIMLAMA                                  │
│  ├── Çevrimiçi Sınıf. → Gerçek zamanlı katılımcı etiketleme│
│  ├── Küme Motoru      → Adres kümeleme (DEX)               │
│  ├── Benzerlik Arama  → Parmak izi eşleştirme              │
│  └── Anomali Algılayıcı→ Spoof/squeeze/wash tespiti        │
├─────────────────────────────────────────────────────────────┤
│  GÖRSELLEŞTİRME                                             │
│  ├── Kuyruk Pozisyonu + Katılımcı Etiketleri               │
│  ├── Küme Grafiği (bilinen MM kümeleri)                    │
│  ├── Uyarı Sistemi (manipülasyon tespit edildi)            │
│  └── Tarihsel Parmak İzi Tarayıcısı                        │
└─────────────────────────────────────────────────────────────┘

Trader'ın Terminalde Gördüğü

╔═══════════════════════════════════════════════════════════════════════════╗
║  10000 USDT  │  Toplam: 3,200                                           ║
║──────────────┼───────────────────────────────────────────────────────── ║
║  Dağılım:    │  🤖 MM (küme#7, ~Wintermute): 800 lot [5 seviye]        ║
║              │  🤖 MM (küme#12, bilinmiyor):  400 lot [3 seviye]       ║
║              │  ⚠️ Şüpheli (spoof skoru 87):  500 lot [ömür<2s]        ║
║              │  🟡 @pro_scalper:              100 lot                   ║
║              │  🔴 BENİM:                     10 lot                    ║
║              │  👤 Perakende / sınıflandırılmamış: 1,390 lot           ║
║──────────────┼───────────────────────────────────────────────────────── ║
║  Önümdeki ku.│  Gerçek: ~1,200 (spoof hariç)    Nominal: 1,800         ║
║  "Temiz" ETA │  6,7s (nominal 10s'ye karşı)                             ║
║  Duvar tipi: │  MM destekli (%65 MM hacmi) — tutması muhtemel           ║
╚═══════════════════════════════════════════════════════════════════════════╝

Uyarılar

• 🔴 Fiyat seviyenizde spoof tespit edildi — emrinizin önünde şüpheli bir blok tespit edildi
• 🟡 MM çekilmesi — bir piyasa yapıcı kotasyonlarını çekti, likidite düştü
• 🟡 Squeeze kurulumu tespit edildi — bir adres kümesi pozisyon biriktiriyor ve likidite kaldırıyor
• 🟢 Duvar güçlendi — seviyenizde bilinen bir MM'den hacim eklendi

Bölüm 7: Etik ve Sınırlamalar

Kabul Edilebilir ve Edilemez Olan

Kabul edilebilir ve teşvik edilen:

• Anonim katılımcıları kendi işlem kararlarınız için türlerine göre sınıflandırma
• Olumsuz seçime karşı koruma için manipülasyon tespiti
• DEX'te piyasa yapısını anlamak için adres kümeleme

Kabul edilemez:

• Bireyleri cüzdan adresleriyle anonimlikten çıkarma
• Tespit edilen örüntüleri onay olmadan satma
• Piyasa manipülasyonu için veri kullanma

Sınırlamalar

1. Uyarlanabilir algoritmalar — gelişmiş MM'ler rastgelelik ekler
2. Rejim değişimi — tek bir bot, piyasa rejimine bağlı olarak davranışını değiştirebilir
3. Yanlış pozitifler — iki katılımcı tesadüfen benzer parametreler paylaşabilir
4. CEX opakliği — CEX'te L3 verisi mevcut değildir

Sonuç: Defteri Okumaktan Katılımcıları Okumaya

Geleneksel bir trader şunu görür: 10000 seviyesinde 2.400 lot. Gelişmiş bir trader şunu görür: "emrim kuyrukta 1.800. sırada, ETA — 15 saniye." Ama davranışsal parmak iziyle trader şunu görür:

"O 2.400'ün 800'ü bir piyasa yapıcı (muhtemelen Wintermute), duvar sağlam. 500'ü spoof şüphelisi, önümdeki gerçek kuyruk 1.800 değil 1.300. Düzeltilmiş ETA — 10 saniye. Piyasa yapıcı kotasyonlarını çekmiyor — dolayısıyla şimdilik büyük bir hareket beklenmiyor."

Her yeni bilgi katmanı bir avantajdır. Ve hızın aksine, emir defteri yorumunun kalitesi, perakende trader'ın rekabet edebileceği bir alandır.

Marketmaker.cc'de kuyruk pozisyonundan davranışsal parmak izine kadar bu sistemi — birleşik bir ürün olarak — inşa ediyoruz.

Serideki önceki makale: "Duvarın İçindeki Kuyruk: Emir Defteri Yoğunluğunda Emir Pozisyonu Analizi"

Referanslar ve Daha Fazla Okuma

• Kirilenko A., Kyle A., Samadi M., Tuzun T. — "The Flash Crash: High-Frequency Trading in an Electronic Market" (CFTC, 2011)
• Paddrik M., Hayes R., Scherer W., Beling P. — "Gaussian Process-Based Algorithmic Trading Strategy Identification" (CFTC / OFR, 2014)
• Cont R. et al. — "Unsupervised spectral clustering of trader order flow" (2023)
• FIDR-SCAN — "Explainable Machine Learning for HFT Dynamics Discovery" (2024)
• Do B.L., Putniņš T.J. — "Detecting Layering and Spoofing in Markets" (SSRN, 2023)
• Hawkes A.G. — "Spectra of Some Self-Exciting and Mutually Exciting Point Processes" (Biometrika, 1971)
• Avellaneda M., Stoikov S. — "High-Frequency Trading in a Limit Order Book" (Quantitative Finance, 2008)