Transaction Cost Backtest'i Nasıl Bozar?

En çok sevdiğim backtest hatasını anlatan bir anım var: günlük 4-5 işlem yapan bir strateji geliştirmiştim. Backtest'te yıllık %94 getiri. Komisyonu sıfır almıştım. Gerçekçi komisyon ekleyince getiri %12'ye düştü. Slippage ekleyince -%4. Aynı strateji, üç farklı sonuç.

Neden Transaction Cost Bu Kadar Önemli?

Çoğu backtest şu hesabı yapıyor: getiri = fiyat değişimi × pozisyon. Gerçek dünyada ise: getiri = fiyat değişimi × pozisyon − komisyon − slippage − spread.

Günde bir işlem, %0,1 komisyon — yılda yaklaşık %25 ek maliyet.

Komisyon: BIST'te genellikle %0,05-0,15 arası.

Slippage: Likit hisseler için %0,05-0,10, ince hisseler için %0,2-0,5 arası.

Adım 1: Temel Strateji ve Maliyet Senaryoları

!pip install vectorbt yfinance --quiet

import vectorbt as vbt
import yfinance as yf
import pandas as pd
import numpy as np

df = yf.download("THYAO.IS", start="2021-01-01", end="2025-01-01", progress=False)
if isinstance(df.columns, pd.MultiIndex):
    df.columns = df.columns.droplevel(1)
df = df[df["Volume"] > 0].ffill().dropna()
close = df["Close"]

# RSI hesapla
delta = close.diff()
kazanc = delta.clip(lower=0).ewm(alpha=1/14, adjust=False).mean()
kayip = (-delta).clip(lower=0).ewm(alpha=1/14, adjust=False).mean()
rsi = 100 - (100 / (1 + kazanc / kayip))

entries = (rsi < 35).shift(1).fillna(False)
exits = (rsi > 60).shift(1).fillna(False)

senaryolar = {
    "İdeal (0 maliyet)": dict(fees=0.000, slippage=0.000),
    "Çok düşük (%0.03+%0.03)": dict(fees=0.0003, slippage=0.0003),
    "Standart (%0.1+%0.05)": dict(fees=0.001, slippage=0.0005),
    "Gerçekçi (%0.15+%0.1)": dict(fees=0.0015, slippage=0.001),
    "Yüksek (%0.2+%0.2)": dict(fees=0.002, slippage=0.002),
}

Adım 2: Tüm Senaryoları Karşılaştır

sonuclar = {}

for isim, params in senaryolar.items():
    pf = vbt.Portfolio.from_signals(
        close, entries, exits,
        init_cash=100_000, freq="1D", **params
    )
    sonuclar[isim] = {
        "pf": pf,
        "getiri": pf.total_return() * 100,
        "sharpe": pf.sharpe_ratio(),
        "max_dd": pf.max_drawdown() * 100,
        "islem_say": pf.trades.count(),
    }

for isim, s in sonuclar.items():
    print(f"{isim:<30} %{s['getiri']:>6.1f}  Sharpe: {s['sharpe']:>7.2f}  İşlem: {s['islem_say']}")

Adım 3: Breakeven Frekans Hesabı

def breakeven_islem_sayisi(yillik_getiri_pct, komisyon_oran, slippage_oran):
    tur_basi_maliyet = (komisyon_oran + slippage_oran) * 2
    yillik_beklenti = yillik_getiri_pct / 100
    maks_islem = yillik_beklenti / tur_basi_maliyet
    return int(maks_islem)

print("Breakeven İşlem Sayısı (yıllık)")
print(f"{'Yıllık Getiri':<18}", end="")

maliyet_seviyeleri = [0.001, 0.002, 0.003, 0.004]
for m in maliyet_seviyeleri:
    print(f"  Maliyet %{m*100:.1f}", end="")
print()

for getiri in [10, 20, 30, 50, 100]:
    print(f"  %{getiri:<15}", end="")
    for m in maliyet_seviyeleri:
        be = breakeven_islem_sayisi(getiri, m/2, m/2)
        print(f"  {be:>12}", end="")
    print()

Backtest Sonuçları

THYAO.IS, RSI mean-reversion stratejisi, 2021-2024:

Maliyet Senaryosu	Getiri	Sharpe	Max DD
İdeal (0 maliyet)	%84.2	1.31	%-18.4
Standart (%0.1+%0.05)	%38.7	0.74	%-22.1
Gerçekçi (%0.15+%0.1)	%17.4	0.41	%-25.8
Yüksek (%0.2+%0.2)	%-8.3	-0.19	%-31.2

Bu sonuçlar geçmiş performansı gösterir, gelecek getiri garantisi vermez.

Aynı strateji: sıfır maliyette %84 getiri, gerçekçi maliyetle %17, yüksek maliyetle zarar.

Sonuç

• Transaction cost ihmali en sık yapılan ve en pahalı backtest hatasıdır.
• Yüksek frekanslı stratejiler maliyet hassasiyeti çok yüksek.
• BIST'te aracı kurum seçimi gerçek anlamda önemli — %0.15 komisyon ile %0.05 komisyon arasında yüzlerce performans farkı yaratabiliyor.
• Bu analizin sınırı: market impact modellemedik. Büyük pozisyonlar piyasayı hareket ettirir.

Bu yazıdaki kodlar eğitim amaçlıdır; yatırım tavsiyesi değildir.