Bilgi katsayısı
Bizim en çok kullandığımız ölçü bu.
Her ayın sonunda hisseleri modelin skoruna göre sıralıyoruz. Sonraki ay gerçekleşen getiriye göre de sıralıyoruz. İki sıralamanın korelasyonuna bakıyoruz.
Sıfırsa model gelecek hakkında hiçbir şey söylemiyor demektir. Pozitifse sıralama doğru yönde çalışıyor.
Sonra bu aylık ölçümlerin ortalamasını alıyoruz. Ortalama bilgi katsayısı, modelin genel tahmin gücü.
Neden sıra korelasyonu? Çünkü tek bir hissenin çılgın bir ayı sonucu ele geçirmesin. Sıra bazlı ölçüm, uç değerlere dirençli.
Bu sayıların küçüklüğü ilk bakışta hayal kırıklığı yaratabiliyor. Ama kesitsel tahminde ölçek böyle. Bir fizik deneyinde 0,08 anlamsızdır, hisse seçiminde kullanılabilir bir sinyaldir.
Desil yayılımı
Bilgi katsayısı soyut geliyorsa, daha somut bir ölçü var.
Hisseleri modelin skoruna göre on gruba ayırın. Her grubun sonraki ay ortalama getirisine bakın.
Model çalışıyorsa, en üst grup en alt gruptan daha iyi performans göstermeli. Aradaki fark, desil yayılımı.
Bunun avantajı, doğrudan portföy diline çevrilebilmesi. “En iyi desil ile en kötü desil arasında aylık şu kadar fark var” cümlesi, herkesin anlayabileceği bir ifade.
Ayrıca ara desillere bakmak da bilgi veriyor. İyi bir modelde gruplar arasında düzenli bir artış olmalı. Sadece uçlarda fark varsa, model belki sadece uçları ayırt ediyordur.
İsabet oranı
Kaç ayda pozitif getiri elde ettiniz?
Kolay anlaşılıyor ama tek başına yanıltıcı. Beklenen değer yazımızda anlattığımız gibi, yüksek isabet oranı düşük getiriyle bir arada olabiliyor.
Ayrıca piyasa genelde yükseldiği için, herhangi bir stratejinin isabet oranı doğal olarak yüksek çıkıyor. Bizim modelimizde bu oran test dönemlerine göre yüzde 68-75 arasında ama tek başına bir şey söylemiyor.
Bu yüzden isabet oranını her zaman ortalama kazanç ve kayıp büyüklüğüyle birlikte veriyoruz.
Sharpe oranı
Fazla getiriyi oynaklığa bölüyorsunuz. Aldığınız risk başına ne kazandığınızı gösteriyor.
İki stratejiyi karşılaştırırken getiriden daha bilgilendirici. Çünkü yüksek getiri, yüksek risk alarak da elde edilebilir.
Ama sınırları var. Sharpe, oynaklığı simetrik sayıyor. Yukarı yöndeki dalgalanmayı da ceza olarak görüyor. Ve kalın kuyrukları yeterince cezalandırmıyor.
Bu yüzden Sharpe’ı maksimum düşüşle birlikte okumak gerekiyor.
Maksimum düşüş
Zirveden dibe yaşanan en büyük kayıp.
Pratikte en anlamlı ölçülerden biri, çünkü stratejide kalıp kalamayacağınızı bu belirliyor. Yüzde 50 düşüş yaşayan çoğu insan, tam da en kötü anda çıkıyor.
Bizim ters volatilite ağırlıklandırma eklememizin ana gerekçesi buydu. Maksimum kayıp eksi yüzde 42’den eksi yüzde 33,5’e indi, karşılığında küçük bir getiri feragati verdik. Bu takası bilerek yaptık.
Hepsini birlikte okumak
Tek bir sayıya bakmak her zaman yanıltıyor.
Yüksek getiri ama devasa düşüş: uygulanamaz bir strateji.
Yüksek Sharpe ama çok yüksek devir: işlem maliyeti sonrası kaybolabilir.
Yüksek isabet oranı ama düşük getiri: küçük kazançlar, büyük kayıplar.
Yüksek bilgi katsayısı ama tek bir dönemde: muhtemelen o döneme uydurulmuş.
Biz sonuçları her zaman bir arada sunuyoruz: getiri, Sharpe, maksimum düşüş, kazanma oranı, devir hızı ve bunları üç ayrı dönem için.
Ölçmediğimiz ama önemli olanlar
Sayılara girmeyen ama sonucu belirleyen şeyler de var.
İşlem maliyeti. Bizim modelin aylık devri yüzde 85 ve gerçekçi maliyet varsayımıyla yıllık getiriden yaklaşık 10 puan gidiyor. Bu, kağıt üstündeki bütün sayıları yeniden yorumlatan bir kalem.
Hayatta kalma yanlılığı. Veri setimizde bugün işlem gören hisseler var. Borsadan çıkmış şirketler eksik, dolayısıyla sonuçlar olduğundan iyi görünüyor.
Nominal TL. Getiriler enflasyondan arındırılmadı.
Kapasite. Strateji ne kadar parayla uygulanabilir? Küçük ve illikit hisselere dayanan bir strateji, büyük tutarlarda çalışmıyor.
Bu dördü, herhangi bir performans sayısını değerlendirirken mutlaka sorulması gereken şeyler.
Sıradaki
Bir sonraki yazıda backtest ve walk-forward’a geçiyoruz. Zamanı doğru kullanmak, bir testin geçerli olup olmadığını belirleyen tek şey.
Bu yazı bilgilendirme amaçlıdır, yatırım tavsiyesi değildir.