Derin Korunma (Deep Hedging): Yapay Zekâ ile Kesikli Piyasada Optimal Risk Yönetimi

Neden hâlâ kararları insanlar veriyor? Elimizde haber akışları, spot fiyatlar, volatilite ölçümleri ve hatta yol imzaları (path signatures) gibi sıkıştırılmış geçmiş bilgisi varken, bu durum vektörünü bir yapay zekâ ajanına verip alım-satımı tamamen ona bırakmıyoruz sorusu dersin açılış omurgası. Paolucci, bu sorunun cevabını akademik literatürün tam sınırında konumlandırıyor: Evet, teoride durum vektörünü zenginleştirip hesaplama ajanının bizden daha iyi kararlar vermesi mümkün, fakat pekiştirmeli öğrenmenin veri açlığı ve politika fonksiyonlarını kestirmenin inatçı zorluğu bu hayali frenliyor.

Risksiz Fiyatlamanın Masadaki Karşılığı

Bir piyasa yapıcının neden risksiz fiyatlamayı (risk-neutral pricing) umursaması gerektiğini anlamadan derin korunma anlamsız kalıyor. Paolucci önce en basit soruya gidiyor: Bir türev kontratın adil değeri, yani mid fiyatı nedir? Kristal küre yoksa yapabileceğimiz en iyi şey beklenti; ortalama karesel hata anlamında matematiksel olarak en iyi tahmin. Black-Scholes çerçevesinde dayanak geometrik Brown hareketini izler, piyasa tamdır ve delta ile rastgeleliği hedge edebilirsek kopyalayan portföyün değeri ortaya çıkar. Bu değer, riske maruz kalmadığımız için ortalama getirisinin risksiz faize eşitlenmesi gereken fiyatın ta kendisidir: iskonto edilmiş risksiz beklentideki getiri.

Bu fikri soyut bırakmamak için Feynman-Kac denkliği devreye giriyor. Kısmi diferansiyel denklem olarak Black-Scholes ile stokastik dünyadaki koşullu beklenti aynı şeyi söylüyor olmak zorunda. Paolucci, önce Monte Carlo sezgisini kullanıyor: dayanağın binlerce yolunu simüle et, her yol için opsiyon getirisini hesapla ve listeye ekle, sonra ortalamayı al. Animasyonda bu ortalama, sağdaki kırmızı kesikli teorik Black-Scholes fiyatına doğru yakınsıyor. Bu, adil değerin stokastik yaklaşım için yakıştırması; delta-hedge argümanı değil, ama onu doğrulamak için sezgisel basamak.

Sıra Black-Scholes delta-hedge doğrulamasında. Aynı dayanak simülasyonunu bu kez sol grafikte yollar olarak, sağ grafikte ise öz sermaye eğrisi olarak izliyoruz. Teorik fiyattan kontratı alıp yaşam boyunca sürekli delta-hedge ettiğimizde, giderek daha fazla yol deneyimlendikçe ortalama kâr-zarar sıfıra konverje ediyor. Ortalama sürüklenme risksiz faize yakın, hedge hatası sıfıra inince replikasyon argümanı görsel olarak kanıtlanıyor. Yani mid fiyattan işlem yapıp tüm riski hedge edebilirsen, beklenti sıfırdır; ispat tabloda değil, animasyonun sarı çizgisinde.

Peki beklenti sıfırsa neden kimse likidite sağlasın? Burada ders pratik mikro yapıya dönüyor. Yahoo Finance ya da Bloomberg Terminal'de gördüğün Nvidia 220 dolar ya da SPY fiyatı, mid fiyattır; teorik adil değer. Desk sıfır beklenen kârla yaşayamaz. Paolucci geçen hafta tek ayaklı koşu (one-leg) piyasa yapıcılığı videosuna atıf yaparak aynı mesajı veriyor: Spread olmadan masa kâr üretemez. Yani çözüm çift yönlü kotasyon: alışta bid'den al, satışta ask'ten sat; adil fiyatı bilmek, her zaman düşükten alıp yüksekten satmayı sistematik hale getirir.

Edge, Kumarhane ve Gerçek Dünyanın İki Fili

Edge'i anlatmak için kumarhane metaforu geliyor. Rulette oyuncunun edge'i daima negatif, kumarhaneninki daima pozitiftir. Emici bariyerde (servet sıfır) iflas etmediği sürece kumarhane, yeterli oyunda sonsuz servet biriktirir. Paolucci solda oyuncu servet yollarını, sağda kumarhanenin tüm pastayı topladığı birikimi gösteriyor. Aritmetik birikimle anlatıyor; geometrik bileşik getiri, Kelly kriteri ve ergodiklik tartışmalarını bilerek dışarıda bırakıyor. Sıfır toplamlı oyunda kumarhane tüm beklenen değeri çeker, varyansa rağmen her oyuncu er ya da geç kaybeder.

Piyasa yapıcı masası aynı kumarhane mantığını işletiyor. Adil fiyatı kuran risksiz fiyatlama argümanı, üzerine bindirilen spread ile istatistiksel edge'e dönüşüyor. Mid'den hedge ederek sıfıra inebildiğini bildiğinde, bid/ask'te işlem yapmak yapay bir edge enjekte eder. Gerçekte model riski, envanter riski, getiri sıralaması riski gibi yükler var ama iskelet bu: teorik olarak düşükten alıp yüksekten satabileceğini bilirsen, etkin hedge ile edge zamanla birikir. Animasyon aynı replikasyon simülasyonunu bu kez bid/ask'ten işlemle tekrarlayıp beklenen kârın sıfırdan pozitife kaydığını gösteriyor.

İki fil odayı dolduruyor: ayrıklaştırma (discretization) ve model riski. Sürekli hedge teoride ideal ama pratikte sonsuz işlem maliyeti demek. Bu yüzden ayrık zamanda, örneğin her 0.02'lik dilimde bir yeniden hedge etmek zorundasın. Sağdaki grafik, sürekliye yakın hedge'e göre beklentinin daha düşük ve varyansın daha yüksek olduğunu net gösteriyor; hata ve sürtünme (friction) birikiyor. Model tarafında ise kimse gerçek dinamiği bilmiyor: Gerçek dünya geometrik Brown değil, volatilite Heston'un varsaydığından daha pürüzlü (rough volatility), Markovyen olmayan bellek taşıyor. Paolucci, yol imzaları ve rough vol literatürüne yaptığı atıflarla model riskinin kaçınılmaz olduğunu vurguluyor.

Ne Zaman Hedge Etmeli ve Nasıl Öğrenmeli?

Daha iyi soru ne kadar hedge etmek değil, ne zaman hedge etmek. Sabit takvimle hedge etmek optimal görünmüyor: büyük bir gap-down sonrası hemen hedge ettin, ardından gap-up geldi; aslında hedge'e gerek yokmuş ama bunu önceden bilemezdin. Gamma bantları, no-trade region ve yapışkan (sticky) gölge Yunan harfleri gibi desk pratikleri birer kılavuz ama reçete değil. Paolucci öğrencilik anısını anlatıyor: profesöre ‘ne zaman delta-hedge etmeli’ diye sorduğunda aldığı muğlak cevap, Hans Buehler'in üretken yöntemlerine yönelmesine yol açmış. Yeni bilgi yayıldığında durumu yeniden hedge kararına katmalı mıyız, sadece istatistiksel dinamiklere mi bakmalıyız sorusu dersin merkezinde.

Her tercih model riski üstlenmek demek, yapay zekâ ajanı kullansan da kaçamazsın. Beklenen kârı maksimize etmek tek başına psikotik bir hedef olur; yoksa herkes en yüksek beklentili memecoin'e üç kat kaldıraç basardı. O yüzden ödül fonksiyonu sadece kâr-zarar değil, risk ayarlı kâr-zarar olmak zorunda: koşullu riske maruz değer (CVaR/expected shortfall), entropik risk ölçütleri gibi içbükey fayda fonksiyonları. Paolucci, tail risk ve envanter riskini hesaba katmadan ajan eğitmeninin masayı havaya uçuracağını özellikle vurguluyor.

Bu noktada pekiştirmeli öğrenme iskeleti geliyor. Markov karar süreci (MDP): durum, aksiyon, ödül döngüsü. Her durum politika fonksiyonu tarafından bir aksiyona dönüşür, aksiyon yeni durum üretir ve amaç stokastik ortamda politika altında beklenen değeri maksimize etmektir. SARSA, Q-learning, Bellman denklemleri, deterministik ya da yarı-deterministik ortamlar, oyun ağaçları ve Monte Carlo yöntemleri gibi temelleri anıp derinlemesine girmeyeceğini söylüyor; merak edenler yorumlara yazarsa ayrı videolar yapacağını ekliyor. Biyolojik benzetme güçlü: Hayatın boyunca durumla karşılaşır, aksiyon seçersin; sen de bileşik bir politika fonksiyonusun, sadece sana ayrık durum vektörü besleyen kimse yok, duyuların sürekli.

Temelleri somutlaştırmak için gridworld animasyonu var: +10 yıldız ve -10 kafatası. Ajan haritada dolaşıyor, dar bir sinir ağı durum özniteliklerini alıp doğru çıktıyı öğrenmeye çalışıyor. İlk bölümlerde kafatasına da yıldıza da dokunuyor, 90-100. bölüme gelindiğinde kafatasından bilinçli kaçıp yıldıza yöneliyor. Ağırlıklar ayarlanıyor, beklenen ödül deneyimle şekilleniyor. Paolucci burada sinyal-gürültü ayrımının zorluğuna ‘Thinking in Bets’ ve poker teorisi üzerinden değiniyor: iyi karar kötü sonuç, kötü karar iyi sonuç üretebilir; rastgele ortamda ikisini ayırt etmek trivial değil, yoksa herkes Dünya Poker Turu şampiyonu olurdu.

Derin korunma tanımı: Hans Buehler, Lukas Gonon, Josef Teichmann ve Ben Wood'un JPMorgan-ETH Zürih hattında geliştirdiği çerçeve, keyfi hedge kurallarını öğrenilmiş bir politika ile değiştiriyor. Durum vektörü artık sadece fiyat değil; envanter, mevcut pozisyon, dayanak fiyatları, ima edilen volatilite yüzeyi, yol bağımlı öznitelikler, gerçekleşen volatilite, geçen süre, hatta haber makalesi token'ları. Nöral ağlar evrensel fonksiyon yaklaştırıcı olarak politika fonksiyonunu (durum → aksiyon) kestiriyor. Model riski burada da baki: Klasik stokastik volatilite ya da sıçramalı difüzyon kullan, ya da VAE/GAN gibi veri güdümlü üretken modellerle hiç yaşanmamış kuyruk olaylarını simüle et; LLM'lerin gelişi gibi hiç deneyimlenmemiş rejim değişimleri her zaman model açığı yaratır. Veri kıtlığı ve optimizasyonun nazlı (finicky) doğası eğitimi zorlaştıran ana nedenler.

Eğitim pratiği, tek bir stokastik yol üzerinde gösteriliyor. Solda piyasa simülatörü ve dayanak, ortada Avrupa tipi opsiyon pozisyonu, sağda iki hedge serisi: klasik delta-hedge ile derin hedge. Simülasyonlar arttıkça derin hedge'in kuyruk riski klasik dağılıma göre sönüyor; politika daha etkin bir koruma üretiyor. Paolucci'nin ‘kesinlikle açık kaynak yapmayacağım’ dediği dashboard, bu öğrenmeyi görselleştiriyor. Çok varlıklı portföylerde de yapı aynı, algoritma piyasa dinamiğine bağlı değil ve yüksek boyutlarda bile ölçekleniyor. Hesaplama maliyeti portföy büyüklüğüne değil, hedge enstrüman sayısına bağlı. Yüksek seviye optimize ediciler, out-of-sample performansta makul derecede iyi stratejiler buluyor ve Heston ile sürülen sentetik piyasada işlem maliyetleri altında klasik tam piyasa çözümünü geride bırakıyor.