Cotcast TÜBİTAK Destekli Ar-Ge ile Güçleniyor: Daha Güçlü Tahmin Motoru, Daha Net Sinyaller

Tahmin motoru nasıl çalışıyor, bu Ar-Ge ile neyi güçlendiriyoruz?

Cotcast’in tahmin motoru, tek bir veri kaynağına veya tek bir modele yaslanmak yerine çok katmanlı bir veri ve model yapısı üzerine kurulu. Fiyat verisi, arz talep göstergeleri, hava ve iklim sinyalleri, makroekonomik değişkenler ve piyasa duyarlılığına işaret eden farklı veri katmanları aynı akış içinde birleştirilir. Böylece sistem, yalnızca “fiyat nereye gider” sorusuna değil, “bu hareketin arkasındaki koşullar ne söylüyor” sorusuna da cevap üretmeye odaklanır.

Bu Ar-Ge süreciyle amacımız, motorun ürettiği sinyalleri üç açıdan daha güçlü hale getirmek. Birincisi, sinyallerin güvenilirliğini daha net ölçebileceğimiz bir doğrulama ve test altyapısı kurmak. İkincisi, veriden sinyale giden süreci hızlandırarak daha kısa zamanda daha temiz çıktılar üretmek. Üçüncüsü ise tüm bu çıktıları ürün içinde daha görünür, daha anlaşılır ve karar alma sürecine daha doğrudan hizmet eden bir yapıya taşımak.

---

1) Daha sağlam doğrulama ve test altyapısı

Tahmin sistemlerinde asıl farkı yaratan şey, yalnızca modelin “iyi tahmin” üretmesi değil, o tahminin hangi koşullarda ne kadar güvenilir olduğunun ölçülebilmesidir. Bu nedenle Ar-Ge kapsamında doğrulama tarafını bir ürün disiplini gibi ele aldık.

Farklı piyasa dönemleri, farklı volatilite ortamları ve farklı trend yapıları için performansı ayrı ayrı test edebilen bir çerçeve kuruyoruz. Bu sayede tek bir ortalama değer yerine, motorun hangi koşullarda daha iyi çalıştığını daha net görüyoruz. Karşılaştırmalı testler ile yeni geliştirmeleri mevcut sürümlerle aynı koşullarda kıyaslıyor, gerçekten iyileşme üretmeyen değişiklikleri üretime taşımıyoruz.

Bu yaklaşım, hem yatırımcı hem iş ortağı açısından kritik bir güven sinyali üretir. Sistem gelişirken ölçüm standartları da birlikte olgunlaşıyor.

---

2) Daha hızlı sinyal üretimi ve daha verimli analiz akışı

Emtia piyasalarında kararın değeri çoğu zaman zamanlamayla belirlenir. Bu nedenle veriden içgörüye giden akışın hızlı, tekrarlanabilir ve temiz olması gerekir. Ar-Ge kapsamında veri işleme hattını ve sinyal üretim adımlarını optimize ederek bu akışı daha verimli hale getiriyoruz.

Buradaki hedefimiz yalnızca hız değil. Aynı zamanda sinyal üretim sürecini daha sade ve daha izlenebilir bir yapıya taşımak. Böylece ürün tarafında sinyallerin sunumu daha netleşiyor ve kullanıcıların sinyali yorumlaması kolaylaşıyor. Sonuçta kullanıcı, piyasa hareketlerini daha erken takip edebiliyor ve sinyalin kararına nasıl etki ettiğini daha hızlı kurgulayabiliyor.

---

3) Ürüne doğrudan yansıyan çıktılar

Ar-Ge çıktılarının yalnızca teknik tarafta kalması, kullanıcı değerini sınırlı bırakır. Bu nedenle çalışmanın ürünle entegrasyonunu baştan tasarımın bir parçası olarak ele alıyoruz. Hedefimiz, motorun ürettiği sinyallerin ürün içinde daha uygulanabilir bir karar desteğine dönüşmesi.

Bu yaklaşım iki şey sağlar. Birincisi, kullanıcıya sunulan bilginin aksiyon alınabilir hale gelmesi. İkincisi, ürün içinde tutarlı bir sunum dili oluşması. Sinyallerin yalnızca sonuç olarak değil, bağlamıyla birlikte anlaşılabilmesi. Bu da uzun vadede kullanıcı güvenini büyüten ana unsurlardan biridir.

---

Pamuktan soyaya geçiş: Birikimi yeni ürünlere nasıl taşıyoruz?

Cotcast’in ilk odak alanlarından biri pamuk oldu. Pamuk tarafında kurulan veri katmanları, modelleme pratikleri ve piyasa dinamiklerine dair birikim, bugün başka tarımsal emtialara genişleme için sağlam bir temel sağlıyor. Ar-Ge sürecinde bu temeli, soya gibi yeni ürünlere uyarlayabileceğimiz şekilde ölçekliyoruz.

Pamuk ve soya farklı piyasa dinamiklerine sahip olsa da ortak bir zemin var. Her ikisi de hava koşullarına, global arz talep dengesine ve jeopolitik risklere duyarlı. Bu yüzden yaklaşımımız, “aynı modeli her ürüne kopyalamak” değil. Aynı mimariyi koruyup, ürün bazlı veri kaynakları ve ürünün kendi davranışına uygun parametre setleriyle modeli uyarlamak.

Soya tarafında da ürünün doğasına uygun raporlar ve piyasa göstergeleri sisteme eklenir. Böylece aynı altyapı, birden fazla ürün için tutarlı bir tahmin ve sinyal üretim düzenine dönüşür.

---

Ölçeklenebilirlik: Yeni ürünler ve artan veri hacmi için altyapı

Yeni ürünler, daha fazla veri kaynağı ve daha fazla kullanıcı demektir. Bu nedenle Ar-Ge kapsamında altyapıyı modüler ve ölçeklenebilir bir yapıda güçlendirmek kritik bir başlıktı. Veri katmanlarının tek bir akışta birleşmesi, modellemeyi daha tutarlı hale getirirken operasyonel maliyeti de azaltır.

Özetle, hedefimiz şudur. Veri hacmi ve ürün sayısı arttıkça sistemin performansı düşmesin. Yeni bir ürün eklendiğinde, aynı doğrulama ve test standartları korunarak hızlıca devreye alınabilsin. Bu da Cotcast’in uzun vadede çok ürünlü bir karar destek platformu olma vizyonunu destekler.

---

Süreç ilerledikçe ne paylaşacağız?

Bu Ar-Ge süreci ilerledikçe, ürün tarafına yansıyan gelişmeleri kilometre taşları üzerinden paylaşmayı planlıyoruz. Böylece hem teknik ilerlemeyi hem de ürün değerini daha şeffaf bir şekilde gösterebileceğiz. Önceliğimiz, kullanıcıya dokunan çıktılar ve ölçülebilir iyileştirmeler.

cotcast.ai