Kayıp-Kâr Asimetrisi: Depozitonuzu Öldüren Matematik

%50 kaybın geri kazanmak için %100 büyüme gerektirdiği, volatilite sürüklenmesinin yatay piyasalarda bile sermayeyi nasıl yok ettiği ve her algo tüccarının risk yönetimi için bilmesi gereken formüller.

Sezgiyi Kıran Bulmaca

Düşünün: bir varlık %70 yükseldi, ardından %70 düştü. Ya da tersi — önce düştü, sonra yükseldi. Hangi senaryo daha kârlı?

Yanıt: her ikisi de eşit derecede kârsız. Çarpma işlemi değişmeli özellik taşır:

$100 \times 1.7 \times 0.3 = 100 \times 0.3 \times 1.7 = 51$

"Sıfır" fiyat hareketiyle sermayenizin %49'unu kaybettiniz. Bu bir hata değil — getirilerin çarpımsal doğasının temel bir özelliğidir.

Kayıplar Neden Kazançlardan "Daha Ağır"dır

Yüzde getiri, çarpımsal uzaydaki bir işlemdir. %50 kaybetmek 0,5 ile çarpmak anlamına gelir ve başlangıç noktasına dönmek için 2 ile çarpmanız, yani %100 kazanmanız gerekir.

Toparlanma Formülü

Sermayenizin $x\%$'ini kaybettiyseniz, başlangıç bakiyesine dönmek için gereken getiri:

$R_{recovery} = \frac{x}{100 - x} \times 100\%$

Türetme basittir. Başlangıç sermayesi $C$ olsun. $x\%$ kaybın ardından:

$C_{after} = C \cdot \left(1 - \frac{x}{100}\right)$

Toparlanmak için $C_{after} \cdot (1 + R) = C$, dolayısıyla:

$R = \frac{C}{C_{after}} - 1 = \frac{1}{1 - x/100} - 1 = \frac{x}{100 - x}$

Asimetri Tablosu

Asimetri katsayısı doğrusal olmayan biçimde büyür. %50 kaybın ardından, stratejiyi değiştirmeden çıkmanın istatistiksel olarak neredeyse imkânsız olduğu bir bölgeye girersiniz.

Volatilite Sürüklenmesi: Yatay Piyasalardaki Sessiz Katil

Piyasa "yerinde durduğunda" bile volatilitenin kendisi sermayeyi yok eder. Bu olguya volatilite sürüklenmesi (veya varyans drenajı) adı verilir.

Biçimsel Tanım

Günlük getirilerden oluşan $r_1, r_2, \ldots, r_n$ dizisi için geometrik (gerçek) getiri şöyledir:

$G = \prod_{i=1}^{n}(1 + r_i) - 1$

Aritmetik (ortalama) getiri ise:

$\bar{r} = \frac{1}{n}\sum_{i=1}^{n} r_i$

İkisi arasındaki ilişki yaklaşık olarak:

$G \approx \bar{r} - \frac{\sigma^2}{2}$

burada $\sigma^2$ getirilerin varyansıdır. $\frac{\sigma^2}{2}$ terimi volatilite sürüklenmesidir.

Örnek: Günlük %5 Volatiliteli Yatay Piyasa

Bir varlığın her gün eşit olasılıkla rastgele %5 yükseldiğini veya düştüğünü varsayın. Aritmetik ortalama = %0. Ancak geometrik getiri:

$G \approx 0 - \frac{0.05^2}{2} = -0.125\%$

252 işlem günü boyunca: $(1 - 0.00125)^{252} \approx 0.729$, yani "sıfır" ortalama hareketle yıllık −%27,1.

Günlük volatilitenin tipik olarak %3–8 olduğu kripto piyasasında bu, yönsel bir trend olmaksızın volatil bir varlık tutmanın sermaye kaybını garanti ettiği anlamına gelir.

Pratik Uygulama: Python Simülasyonu

import numpy as np

def simulate_volatility_drag(daily_vol: float, days: int = 252, simulations: int = 10_000) -> dict:
    """
    Volatilite sürüklenmesinin Monte Carlo simülasyonu.

    Args:
        daily_vol: günlük volatilite (0.05 = %5)
        days: işlem günü sayısı
        simulations: simülasyon sayısı

    Returns:
        Gerçek (geometrik) getirilerin istatistikleri
    """
    daily_returns = np.random.normal(0, daily_vol, (simulations, days))

    cumulative = np.prod(1 + daily_returns, axis=1)
    geo_returns = cumulative - 1

    theoretical_drag = -0.5 * daily_vol**2 * days

    return {
        "mean_geometric_return": np.mean(geo_returns),
        "median_geometric_return": np.median(geo_returns),
        "theoretical_drag": theoretical_drag,
        "prob_loss": np.mean(geo_returns < 0),
        "worst_5pct": np.percentile(geo_returns, 5),
        "best_5pct": np.percentile(geo_returns, 95),
    }

result = simulate_volatility_drag(daily_vol=0.04)
print(f"Ortalama geometrik getiri:  {result['mean_geometric_return']:.2%}")
print(f"Teorik sürüklenme:          {result['theoretical_drag']:.2%}")
print(f"Kayıp olasılığı:            {result['prob_loss']:.2%}")
print(f"En kötü %5:                 {result['worst_5pct']:.2%}")

BTC benzeri volatilite için tipik çıktı:

Mean geometric return:  -17.34%
Theoretical drag:       -20.16%
Probability of loss:     63.28%
Worst 5%:               -72.41%

Algo Trading İçin Çıkarımlar

1. Risk/Ödül ve Kelly Kriteri

Kayıp asimetrisi bilindiğinde, optimal pozisyon büyüklüğü Kelly kriteri ile hesaplanır:

$f^* = \frac{p \cdot W - (1 - p) \cdot L}{W \cdot L}$

burada $p$ kazanma olasılığı, $W$ ortalama kazanç ve $L$ ortalama kayıptır (pozisyonun kesri olarak).

Pratik trading uygulamaları için kısmi Kelly ($f^{*}/2$ veya $f^{*}/3$) kullanılır; bu, uzun vadeli getirileri yalnızca küçük bir azalmayla karşılığında özkaynak volatilitesini düşürür.

2. Maksimum Düşüş ve Pozisyon Boyutlandırma

Bir strateji maksimum $D_{max}$ düşüşüne izin veriyorsa ve zarar durdur $S\%$ olarak ayarlanmışsa, kritik düşüşten önce maksimum ardışık zarar durdur sayısı:

$n = \frac{\ln(1 - D_{max})}{\ln(1 - S)}$

Örnek: $D_{max} = \%20$ ve $\%2$ zarar durdur ile:

$n = \frac{\ln(0.8)}{\ln(0.98)} = \frac{-0.2231}{-0.0202} \approx 11$

Strateji 11 ardışık zarar durdurmaya dayanabilir. Kazanma oranı bilindiğinde, böyle bir serinin olasılığını tahmin edebiliriz:

$P(n\ \text{stops}) = (1 - WR)^n$

%45 kazanma oranında: $P = 0.55^{11} \approx \%0.14$ — kabul edilebilir bir risk.

3. Stratejinin Geometrik Beklentisi

Bir stratejinin gerçek uzun vadeli getirisi, işlemlerin aritmetik ortalaması değil, geometrik beklentidir:

$E_{geo} = (1 + W)^p \times (1 - L)^{(1-p)} - 1$

$W = \%3$, $L = \%1$, $WR = \%40$ stratejisi:

$E_{geo} = 1.03^{0.4} \times 0.99^{0.6} - 1 = 1.01194 \times 0.99401 - 1 = +\%0.59$

$W = \%3$, $L = \%3$, $WR = \%50$ stratejisi ("başabaş" görünüyor):

$E_{geo} = 1.03^{0.5} \times 0.97^{0.5} - 1 = 1.01489 \times 0.98489 - 1 = -\%0.045$

%50 kazanma oranına sahip simetrik R:R stratejisi, volatilite sürüklenmesi nedeniyle kârsızdır.

4. Kaldıraç: Kol Stratejiyi Kırdığında

Kaldıraç yalnızca getirileri değil, volatilite sürüklenmesini de çarpar. Kaldıraçsız sürüklenme $\frac{\sigma^2}{2}$ iken, $L$ kaldıraçla $\frac{L^2 \sigma^2}{2}$ olur. Kaldıraç altında sermayenin geometrik büyüme oranı:

$g(L) = L \cdot \mu - \frac{L^2 \sigma^2}{2}$

burada $\mu$ beklenen getiri ve $\sigma$ varlık volatilitesidir.

3× kaldıraç sürüklenmeyi 3 değil 9 kat artırır. 10× kaldıraç — 100 kat. 100× kaldıraç — 10.000 kat.

Optimal Kelly Kaldıracı

$g(L)$'nin maksimumu şu noktada elde edilir:

$L^* = \frac{\mu}{\sigma^2}$

Bu teorik optimumdur. Pratikte, $\mu$'nun kesin tahmin edilememesi, kalın kuyruklu dağılımlar ve durağan olmayan volatilite nedeniyle pozisyon boyutlandırmasında olduğu gibi kısmi Kelly ($L^*/2$ veya $L^*/3$) kullanılır.

Tablo: Kaldıraç, Tasfiye ve Volatilite Sürüklenmesi

Hedef Düşüşten Maksimum Kaldıraç

Maksimum düşüşü $D_{max}$ ile sınırlandırırsanız ve varlığın %99 güven düzeyindeki günlük VaR'ı $V$ ise:

$L_{max} = \frac{D_{max}}{V}$

Tablodan çıkarım: volatilitesiyle kripto piyasasında 3× bile agresif kaldıraçtır. Kripto borsalarında popüler olan 50×–125×, matematiksel olarak garantilenmiş ilk normal piyasa hareketinde tasfiyedir.

Kaldıraç Seçimi İçin Pratik Formül

Sağlam yaklaşım, birkaç tahminin minimumunu almaktır:

$L_{opt} = \min\left(\frac{L_{Kelly}}{2},\quad \frac{D_{max}}{VaR},\quad \frac{\sigma_{target}}{\sigma_{current}},\quad L_{exchange}\right)$

burada:

• $\frac{L_{Kelly}}{2}$ — kısmi Kelly (optimal kaldıracın yarısı)
• $\frac{D_{max}}{VaR}$ — maksimum düşüş kısıtı
• $\frac{\sigma_{target}}{\sigma_{current}}$ — vol-hedefleme (hedef portföy volatilitesine ölçekleme)
• $L_{exchange}$ — borsa limiti

Minimum, kısıtlardan hiçbirinin ihlal edilmemesini sağlar. Pratikte düşüş kısıtı genellikle en kısıtlayıcı olanıdır.

Etkileşimli hesaplayıcı: Optimal Kaldıraç Hesaplayıcısı'nı deneyin — strateji parametrelerinizi girin ve görselleştirme ile dört yöntemde optimal kaldıracı elde edin.

Trading Sistemleri Oluşturmak İçin Sonuçlar

Kayıpları yönetmek, kârlı girişler bulmaktan matematiksel olarak daha önemlidir. Bu motivasyonel bir slogan değil — çarpımsal getirilerin asimetrisinin bir sonucudur.

Somut kurallar:

1. Zarar durdurlar zorunludur. Her kayıp yüzdesi toparlanmayı üstel olarak zorlaştırır. %25'in üzerindeki düşüş (+%33 gerektirir) kırmızı bölgedir.

2. Minimum R:R = 1:2. Simetrik R:R'de %50 kazanma oranı bile kârsızdır. Yalnızca kârlar lehine asimetrik R:R, volatilite sürüklenmesini telafi eder.

3. Boyutlandırma için kısmi Kelly. Tam Kelly teorik olarak optimaldir, ancak pratikte $f^{*}/2$, özkaynak volatilitesinin %50'si karşılığında getirilerin %75'ini sağlar.

4. Avantajınız yoksa volatilite düşmanınızdır. Yüksek volatiliteli varlıklar için yatay piyasada pozisyon tutmak başlı başına kayıp yaratır. İstatistiksel avantajınız yoksa — işlem yapmayın.

5. Geometrik beklentiyi hesaplayın, aritmetiği değil. İşlem başına ortalama kârı gösteren geriye dönük test yalan söylüyor — gerçek getiri her zaman $\frac{\sigma^2}{2}$ kadar daha düşüktür.

6. Açgözlülükten değil formüllerden kaldıraç. Maksimum kaldıracı hesaplamak için $L_{max} = D_{max} / VaR$ formülünü kullanın. Günlük VaR'ı %8 ve hedef düşüşü %20 olan kripto için bu 2,5× verir — 50× veya 125× değil.

Sonuç: Doğru Hesapla — Daha Uzun Hayatta Kal

Getirilerin çarpımsal doğasını anlamak akademik bir egzersiz değildir. Her geçerli trading sisteminin üzerine inşa edildiği temeldir.

Çoğu tüccar piyasaya "sezgi" veya içeriden bilgi eksikliğinden kaybetmiyor — piyasa çarpımsal uzayda (geometrik ortalama) işlerken onlar toplamsal uzayda (aritmetik ortalama) kararlar verdikleri için kaybediyorlar.

Her işlemden önce sorulması gereken üç soru:

1. Zarar durdur tetiklenirse — toparlanabilir miyim? $R_{recovery} = \frac{x}{100-x}$ formülü anında yanıt verir. İşlem başına risk %10'u aştığında toparlanma orantısız çaba gerektirmeye başlar.

2. İstatistiksel bir avantajım var mı? Yoksa — işlem yapmayın. Volatilite tek başına volatilite sürüklenmesi yoluyla kaybı garanti eder. Volatilite altında avantaj yokluğu, sermayenin yavaş ama kaçınılmaz olarak yok edilmesidir.

3. Stratejimin geometrik beklentisi nedir? İşlem başına ortalama kâr değil, kazanma oranı yüzdesi değil — tam olarak $E_{geo}$. Bu, gerçek uzun vadeli etkinliği gösteren tek metriktir.

Algo trading kod yazmakla değil, matematikle başlar. Kod yalnızca matematiksel doğrulamayı zaten geçmiş bir stratejinin uygulama aracıdır. Bu doğrulama olmadan, mükemmel yazılmış bir algoritma bile depozitonuzu sistematik olarak azaltacaktır.

Piyasa hataları cezalandırmaz — sadece sermayeyi yanlış hesaplayanlardan doğru hesaplayanlara yeniden dağıtır.

Sonraki konu: ortalama-varyans yöntemleri kullanılarak portföy optimizasyonu — çeşitlendirme ne zaman işe yarar ve ne zaman güvenlik yanılsamasına dönüşür.

Atıf

@article{soloviov2026lossprofitasymmetry,
  author = {Soloviov, Eugen},
  title = {Loss-Profit Asymmetry: The Math That Kills Your Deposit},
  year = {2026},
  url = {https://marketmaker.cc/tr/blog/post/loss-profit-asymmetry},
  version = {0.1.0},
  description = {%50 kaybın geri kazanmak için %100 büyüme gerektirdiği, volatilite sürüklenmesinin yatay piyasalarda bile sermayeyi nasıl yok ettiği ve her algo tüccarının risk yönetimi için bilmesi gereken formüller.}
}