ChatGPT veya Claude ile kripto analizi güvenilir mi?

LLM bir grafiği gerçekten okuyabilir mi?

Büyük dil modelleri bir finansal grafiği insan gözü gibi bağlamsal ve anlık olarak okuyamaz; görüntüyü görsel token’lara (yama gömmelerine) çevirir ve bunları eğitim verisindeki en olası dil kalıplarıyla ilişkilendirir. Model bir mum grafiğine baktığında destek, direnç veya dalga yapısını matematiksel bir kesinlikle algılamaz; daha önce gördüğü binlerce analiz metnine dayanarak kulağa ikna edici gelen tahminler üretir. Bu durum, piyasa analizi gibi sıfır hata toleransı gerektiren bir alanda model çıktılarını doğrudan karara bağlamayı son derece riskli kılar.

Son yıllarda yapay zekâ modellerinin hızla gelişmesiyle birlikte internette “AI ile zengin olma” veya “ChatGPT’ye grafik okutarak para kazanma” vaatlerinde büyük bir patlama yaşandı. Bir yazılımcı olarak modellerin arka planındaki istatistiksel mimariyi, bir trader olarak da piyasanın acımasız dinamiklerini bildiğim için şunu çok net söyleyebilirim: Bir dil modelinden piyasa yönünü tahmin etmesini beklemek, modele yapamayacağı bir misyon yüklemektir.

Görsel girdi alan çok modlu (multimodal) modeller pikseller arasındaki mesafeleri, trend çizgilerini veya gösterge kesişimlerini piksel düzeyinde yaklaşık olarak yakalayabilir. Ancak piyasa grafiği salt bir resim değildir; emir defterinin derinliğini, fonlama oranlarını, açık faiz (open interest) verilerini ve makroekonomik bağlamı içeren canlı bir ekosistemdir. Model bu canlı bağlamdan yoksundur. Gördüğü resmi, geçmişte eğitim verisinde yer alan benzer grafik açıklamalarıyla eşleştirir. Sonuç, son derece profesyonel görünen ancak teknik olarak tamamen uydurma (halüsinasyon) analizlerdir.

Alpha Arena ne gösterdi?

nof1 tarafından yürütülen Alpha Arena deneyinin ilk sezonu (Ekim–Kasım 2025), altı büyük dil modeline eşit başlangıç sermayesi verip onları Hyperliquid’deki kripto vadeli piyasalarında gerçek emirlerle, aynı piyasa verisi ve aynı talimatla karşılaştırdı. Modellerin kararları ve sonuçları nof1’in sayfasında herkese açık olarak yayımlandı; aynı koşullarda modellerin kararları birbirinden belirgin biçimde ayrıştı. Benim bu deneyden çıkardığım en somut sonuç; modellerin piyasa yönünü tahmin etmekten ziyade, kuralları önceden kodlanmış algoritmaların yürütülmesinde ve metin tabanlı iş akışlarının hızlandırılmasında daha yararlı olduğudur.

Alpha Arena kıyaslamasında farklı modeller piyasa verileriyle baş başa bırakıldı ve yönsel kararları herkese açık biçimde izlendi. Bu deneyden benim çıkardığım sonuçlar şunlardır:

• Piyasa rejimi değişimleri: Bir modelin trend piyasasında sürdürebildiği mantık, piyasa yatay banda geçtiğinde veya volatilite sertleştiğinde aynı sonucu vermeyebilir; kısa bir dönemin sıralaması kalıcı bir üstünlüğü göstermez.
• Aşırı özgüven: Modellerin gerekçe metinleri kesin bir dille yazılır; bu kesinlik dili, kararın isabetli olacağı anlamına gelmez.
• Kural disiplini: Kesin kurallar verilmediğinde bir modelin kendi kurduğu geçersizlik seviyesine sadık kalacağına güvenilemez; geçersizlik kuralı modele bırakılmamalı, koda yazılmalıdır.

Bu nedenle AI Destekli Trading dünyasında modelleri bir kahin olarak değil, bir asistan olarak konumlandırıyorum.

Hangi işlerde güvenilir, hangilerinde değil?

Büyük dil modelleri analitik muhakeme ve metin yapılandırma işlerinde oldukça güvenilirken, geleceğe yönelik fiyat kestirimi ve doğrudan grafik okuma konularında güvenilmezdir. Bir stratejinin mantıksal boşluklarını denetlemek, Pine Script veya Python kodu yazdırmak, analiz günlüğü tutmak gibi görevlerde model geliştiriciye büyük hız katar. Ancak fiyata hedef biçmek, geçersizlik seviyesi tahmin ettirmek veya canlı emir tetikletmek modelin doğasına aykırıdır. Bu ayrım aşağıdaki tabloda net şekilde özetlenmiştir.

Görev Alanı	Güvenilirlik	Açıklama
Fiyat yönü tahmini	Güvenilmez	Model olasılık tahmini yapamaz; yalnızca inandırıcı metin üretir.
Otomatik grafik sayımı	Güvenilmez	Dalga kurallarını piksel üzerinden tutarlı şekilde denetleyemez.
Strateji kodlama (Python/Pine)	Yüksek	Kuralları net verilen algoritmaları koda dökmede genellikle güçlüdür (çıktıyı yine test edin).
Risk planı yapılandırma	Yüksek	Belirlenen kuralların mantıksal tutarlılığını kontrol eder.
Analiz günlüğü özetleme	Yüksek	Geçmiş trade notlarını ve disiplin hatalarını sınıflandırır.
Canlı emir kararı	Güvenilmez	Duygu barındırmaz ancak piyasa bağlamını kavrayamadığı için risklidir.

Görüldüğü gibi modelin başarılı olduğu alanlar, deterministik (kuralları belli ve doğrulanabilir) olan işlerdir. Belirsizlik içeren ve olasılık hesabı gerektiren alanlarda ise insan muhakemesi ve katı risk yönetimi şarttır.

Bunu kendin nasıl test edersin?

Bir modelin grafik okumasına güvenip güvenmeyeceğine başkasının deneyine bakarak değil, kendi tekrarlanabilir testinle karar verebilirsin. Test pahalı değildir: tarihli bir ekran görüntüsü, sabit bir komut ve birkaç tekrar yeter. Ölçtüğün şey modelin haklı çıkıp çıkmadığı değil, aynı girdiye aynı cevabı verip vermediği ve kendi saydığı kurallara uyup uymadığıdır.

Protokol dört adımdan oluşur:

1. TradingView’de bir paritenin temiz, göstergesiz grafiğini (örneğin BTCUSDT 4 saatlik) ekran görüntüsü olarak al; dosya adına tarihi yaz.
2. Denemek istediğin her modele aynı komutu ver: “Bu grafikteki son üç aylık hareketi Elliott Dalga Teorisi kurallarına göre etiketle, itki ve düzeltme dalgalarını listele, geçersizlik seviyesini belirt.”
3. Her modelde sohbeti sıfırlayarak aynı testi en az üç kez tekrarla; her cevabın yanına model adını, sürümünü ve test tarihini yaz.
4. Cevapları yan yana bir tabloya koy: dalga etiketleri, geçersizlik seviyesi ve gerekçesi.

Değerlendirirken üç soruya bak:

• Tutarlılık: Aynı bölge her denemede aynı dalga olarak mı etiketlendi, yoksa bir denemede 3. dalga olan yer ötekinde C dalgasına mı dönüştü?
• Kural denetimi: Önerilen sayım, 4. dalganın 1. dalga bölgesine girmemesi gibi temel kuralları gerçekten sağlıyor mu? Bunu modelin sözüne değil, grafikteki fiyatlara bakarak kendin denetle.
• Geçersizlik gerekçesi: Önerilen geçersizlik seviyesi sayımın kuralından mı türetildi, yoksa grafikteki en belirgin tepe ya da dipten mi seçildi?

Bu sorulardan birine bile “hayır” diyorsan, o modelin grafik okuması karar sürecine girmemelidir. Test tablosunu tarihiyle sakla; model sürümleri değiştikçe aynı testi tekrarlayıp sonuçları karşılaştırabilirsin. Grafik analizi, kuralları kodla doğrulanmadıkça dil modeline emanet edilemez.

Prompt ile halüsinasyon azaltılabilir mi?

İyi yapılandırılmış bir sistem talimatı, modelin uydurma veri üretme eğilimini tamamen yok etmez ancak belirgin şekilde sınırlandırır. Modele serbest yorum yaptırmak yerine katı kısıtlar vermek, bilmediği yerde bilmiyorum demesini şart koşmak ve yalnızca belirli kuralları doğrulamaya zorlamak halüsinasyonları azaltır. Bununla birlikte, finansal kararlarda prompt mühendisliği tek başına bir güvenlik kalkanı değildir; nihai denetim mutlaka insan süzgecinden ve deterministik kod testlerinden geçmelidir.

Halüsinasyonu azaltmak için önerdiğim prompt stratejileri:

• Rolü ve sınırları daraltın: “Sen bir finans uzmanısın” demek yerine “Sen sadece verilen iki kuralın ihlal edilip edilmediğini kontrol eden bir denetçisin” deyin.
• Tahmin yapmayı yasaklayın: “Asla fiyat hedefi verme. Asla yön tahmini yapma. Sadece mantık hatalarını listele” direktifini ekleyin.
• Adım adım düşünmeye zorlayın (Chain of Thought): Nihai cevaptan önce modelin kuralları tek tek kontrol etmesini isteyin.

Kaynaklar

• nof1.ai, “Alpha Arena LLM Benchmark”: https://nof1.ai/ (erişim: 2026-09-28)
• Anthropic Dokümantasyonu, “Prompt engineering overview”: https://docs.anthropic.com/en/docs/build-with-claude/prompt-engineering/overview (erişim: 2026-09-28)
• OpenAI Dokümantasyonu, “Best Practices for Prompt Engineering”: https://platform.openai.com/docs/guides/prompt-engineering (erişim: 2026-09-28)

Anahtar çıkarımlar

• LLM grafiği okumaz, metni tamamlar; fiyat tahmini için güvenilmez.
• Yararlı işler: plan yapılandırma, kural kodlama, günlük tutma.
• Her LLM çıktısı tarihli, kaynaklı ve tekrarlanabilir bir testle sınanır.

İlgili Analiz kayıtları

• BTCUSDT · Long · 19 Eylül 2023 · 3d

Sık sorulan sorular

Hangi model daha iyi: Claude mı ChatGPT mi?

Analiz güvenilirliği açısından ikisi de aynı sınırı taşır; fark, kod yazma ve uzun bağlam yönetiminde ortaya çıkar. Hangisinin senin işine daha uygun olduğunu, yazıdaki protokolle iki modeli aynı grafik ve aynı komutla, tarihli olarak sınayarak kendin görebilirsin.