Yapay Zekaya 10.000 Dolar Emanet Ettim — 7 Günlük Deney Başlıyor
Mert Durmazer | Digital Academy · 2026-09-09
💡 Hızlı Bilgi
1. 10.000 dolarlık sanal (paper trading) sermaye ve Alpaca.markets altyapısını kullanarak yapay zeka tabanlı otonom borsa sistemi kurun; gerçek parayla risk almadan önce sistemi bu şekilde test edin.
2. Ajanların önceki turda ne yaptığını bilmesi ve hatalardan kaçınması için mutlaka bir "continuity" (süreklilik) ve hata kodu takip mekanizması kurgulayın; aksi takdirde ajanlar bağımsız çalışarak çakışmalara yol açabilir.
3. İşlemlerin 7/24 kesintisiz yürütülebilmesi için Codex Web ve GitHub entegrasyonu ile projeyi buluta taşıyın; yerel (lokal) kurulumda bilgisayarın sürekli açık kalması gerekir.
4. Günlük raporlama ve takip için Gmail, Telegram veya Slack gibi bildirim araçlarını sisteme entegre edin; böylece işlemleri sürekli arayüz başında beklemek zorunda kalmadan takip edebilirsiniz.
📊 Detaylı Açıklama
Video, yapay zekanın analiz gücünü borsa işlemlerine entegre eden 7 günlük yeni bir deneyin adım adım kurulumunu ele alıyor. Konuşmacı, daha önce Cloud ile başarılı sonuçlar elde ettiklerini, şimdi ise Codex arayüzü ve Astra modeliyle gerçek bir "paper trading" (sanal borsa) deneyi başlattıklarını belirtiyor. Alpaca.markets platformu üzerinden API anahtarı alınarak sistemin borsa verilerine erişimi sağlanıyor. Bu aşamada Astra'ya tam erişim verilerek yerel dosya yönetimi ve gerçek zamanlı emir altyapısı kuruluyor. Astra'dan dakikalık breakout'lar (kırılımlar), haber analizleri ve risk parametrelerini içeren detaylı bir ticaret stratejisi dosyası (Strategy MD) üretmesi isteniyor. Model, alt ajanları (sub-agent) kullanarak kısa süre içerisinde kapsamlı bir işlem kuralları seti ve risk yönetimi planı ortaya koyuyor.
Sistemin en kritik teknik noktalarından biri otonom ajanların birbiriyle uyumlu çalışmasıdır. Gün içerisinde belirli saatlerde (günde 6 kez) uyanan ajanların birbirinin önceki hamlelerinden haberdar olması gerekiyor. Bunun için her uyanışta bir sonraki ajana bilgi aktaran not alma mekanizmaları ve "failure checklist" adı verilen hata kodları oluşturuluyor. Bu hata yönetimi sayesinde mükerrer emirlerin (duplicate order) ve çökme sınırlarının (crash boundary) önüne geçiliyor. İşlemlerin otomatik olarak yürütülmesi için zamanlanmış görevler (scheduled tasks) tanımlanıyor.
Sistemin yerel ortamdan çıkarılıp buluta taşınması sürecinde Codex Web ve GitHub entegrasyonuna değiniliyor. Lokal kurulumda bilgisayarın 7/24 açık kalması gerekeceği için, bulut entegrasyonu sistemin kesintisiz çalışması adına zorunlu hale geliyor. Ayrıca API çağrı limitleri ve borsa veri akışı için Alpaca'nın ücretli planlarının (Algo Trader Plus vb.) ilerleyen aşamalarda değerlendirilebileceği ifade ediliyor. Son olarak, sürekli bilgisayar başında beklememek adına Telegram veya Gmail entegrasyonu kurularak günde iki kez otomatik özet raporlar alınması sağlanıyor ve sürecin 7 gün boyunca izlenip Cloud ile karşılaştırılacağı belirtilerek deney başlatılıyor.
🎯 Teknoloji Uzmanı Yorumu
Yapay zeka modellerinin finansal piyasalarda otonom ajanlar olarak konumlandırılması, modern yazılım mühendisliği ve algoritmik ticaret açısından heyecan verici ancak ciddi risk barındıran bir yaklaşımdır. Konuşmacının gerçek para riskine girmeden önce "paper trading" (sanal borsa) ortamını tercih etmesi, erken aşama otonom sistemlerin güvenilirliğini test etmek adına en doğru ve kaçınılmaz karardır. Astra gibi dil modellerinin anlık haber akışlarını ve teknik grafikleri sentezleme yeteneği yüksek olsa da, finansal piyasaların kaotik yapısı karşısında modellerin halüsinasyon görme veya hatalı emir zinciri tetikleme ihtimali her zaman göz önünde bulundurulmalıdır.
Sistemin başarısını belirleyen temel unsursal yapı, yapay zekanın ham zekasından ziyade kurulan hata yönetimi, süreklilik (continuity) protokolleri ve ajanlar arası iletişim mimarisidir. Konuşmacının vurguladığı hata kodları ve kontrol listeleri olmasaydı, bağımsız çalışan ajanlar kısa sürede çelişkili emirler üretebilir ve sanal portföyü hızla tüketebilirdi. Bu bağlamda, yapay zekayı bir karar verici mekanizma olarak sisteme dahil ederken, kod düzeyinde katı sınırların (guardrails) çizilmesi gerektiği net bir şekilde görülmektedir.
Yerel sunuculardan buluta geçiş zorunluluğu, bu tarz 7/24 çalışan otomasyon projelerinin altyapı maliyetini ve teknik bilgi gereksinimini artırmaktadır. Sadece bir yapay zeka arayüzüne komut vererek borsada sürdürülebilir kâr elde etmek kısa vadede cazip görünse de; API limitleri, gecikme süreleri (latency), veri akışı maliyetleri ve bulut sunucu güvenliği gibi mühendislik detayları göz ardı edilmemelidir. Bu tür araçları hemen canlı (production) işlemlere geçirmek yerine, özenle tasarlanmış sanal ortamlarda kapsamlı stres testlerine tabi tutmak teknolojik açıdan en güvenli yaklaşımdır.
Özetle; Astra ve benzeri kod/ajan tabanlı yapay zeka araçlarını finansal otomasyon deneyleri için kullanmak, erken benimseyenler (early adopters) için stratejik bir öğrenme süreci sunsa da, sistemin kendi kendine para kazandıran kusursuz bir makine olduğu yanılgısına düşülmemelidir. Gerçek sermaye ile işlem yapmadan önce, en az birkaç haftalık tutarlı sanal işlem verisi görmeden ve risk sınırlarını tamamen optimize etmeden prod ortamına geçilmemelidir.