Matriks IQ Yapay Zeka Modelleme

Matriks IQ platformu, yatırımcılara gelişmiş teknik analiz araçları ve yapay zeka modelleri ile piyasa tahminleri yapma imkanı sunar. Bu rehberde, Matriks IQ üzerinden bir yapay zeka modeli oluşturmayı adım adım inceleyeceğiz.

1. Veri Girişi ve Model Girdileri Seçimi

Yapay zeka modelinizi oluştururken, önce hangi finansal verileri kullanacağınızı belirlemeniz gerekir.

1.1 Sembol ve Periyot Seçimi

• Modelin eğitiminde kullanılacak sembolü belirlemek için ‘Sembol Seç’ butonunu kullanın.
• Günlük, saatlik veya farklı zaman dilimlerinde model eğitimi için ‘Periyot’ açılır menüsünden uygun seçeneği belirleyin.

1.2 Model Girdilerinin Tanımlanması

• Girdi Tipi: Açılır menüden ‘Data’ seçilir.
• Veri Türü: Açılış fiyatı, kapanış fiyatı, hacim gibi veriler arasından seçim yapılır.
• Teknik İndikatörler: ADX, Bollinger, RSI, MACD gibi göstergeleri ekleyerek modelin öğrenme sürecine katkı sağlayabilirsiniz.
• Son X Bar: Modelin eğitilmesi için kullanılacak geçmiş veri miktarını belirleyin (örneğin 1500 bar).
• Alternatif olarak ‘Tüm Barlar’ veya belirli bir ‘Zaman Aralığı’ seçerek veri kümesini daraltabilirsiniz.

Tüm seçimler yapıldıktan sonra ‘İleri’ butonuna basarak sonraki adıma geçin.

2. Tahmin Edilecek Hedefin Belirlenmesi

Bu adımda, modelinizin hangi senaryoları tahmin edeceğini tanımlamanız gerekmektedir.

2.1 Hedef Seçimi

• Look Ahead Step: Modelin kaç bar ileriye tahmin yapacağını belirler (örn. 5 bar).
• Hedef Fonksiyonu: Max Drawdown, IntraMaxDrawdown gibi risk ölçümlerini kullanabilirsiniz.
• Yön Tahmini: ‘Yükseliş’ veya ‘Düşüş’ seçerek modelinizin hangi durumu analiz edeceğini belirleyin.
• Getiri (%) ve Maksimum Kayıp (%): Modelin hedef getiri ve maksimum kayıp oranlarını belirleyerek stratejinizi özelleştirin.

Seçimler tamamlandıktan sonra ‘İleri’ butonuna basarak devam edin.

3. Model Seçimi ve Parametre Ayarları

Matriks IQ, farklı yapay zeka algoritmaları ile model eğitimi sunar.

3.1 Eğitim Algoritması Seçimi

• FastForest, FastTree, AveragedPerceptron, Logistic Regression, LdSvm, LightGbm gibi algoritmalar arasından seçim yapabilirsiniz.
• Binning: Verileri belirli gruplara bölerek modelin daha iyi öğrenmesini sağlayabilirsiniz.
• Oversampling / Undersampling: Veri dengesini sağlamak için aşırı veya eksik örnekleme kullanabilirsiniz.

Seçimlerinizi yaptıktan sonra ‘İleri’ butonuna basarak bir sonraki adıma geçin.

4. Model Eğitimi ve Test Süreci

Bu aşamada, modelinizi eğiterek performansını değerlendireceksiniz.

4.1 Eğitim ve Test Verilerinin Bölünmesi

• Eğitim ve test verilerinin yüzdesini ayarlamak için ‘Eğitim Bölgesi’ ve ‘Test Bölgesi’ ayarlarını yapın.
• Modelin eğitimi tamamlandıktan sonra F1 Skoru, Accuracy, Precision, Recall gibi metrikler görüntülenir.

4.2 Modelin Değerlendirilmesi

• Eğitim sonrası performans sonuçlarını inceleyerek modelinizin doğru çalışıp çalışmadığını değerlendirin.
• Eğer model istenilen sonuçları vermiyorsa, girdileri ve parametreleri değiştirerek yeniden eğitim yapabilirsiniz.
• Model performansı yeterli seviyede ise ‘Modeli Kaydet’ butonu ile modeli saklayabilirsiniz.

Sonuç

Bu rehberde, Matriks IQ platformunda bir yapay zeka modeli oluşturmanın temel adımlarını ele aldık. Veri seçimi, hedef belirleme, algoritma seçimi ve model eğitimi süreçlerini doğru şekilde tamamlayarak kendi stratejinize uygun bir model oluşturabilirsiniz. Modelinizin başarısını artırmak için farklı algoritmalar ve parametre kombinasyonlarını deneyebilirsiniz.