Finansal piyasaların mikro yapısı, bilginin fiyatlara nüfuz etme hızı ve bu verinin gürültüden arındırılarak anlamlı trendlere dönüştürülmesi üzerine inşa edilmiştir. Teknik analiz dünyasında, bu gürültülü veri setini anlamlı stratejilere tahvil etmek için kullanılan en temel araçlar hareketli ortalamalardır. Ancak, geleneksel Basit Hareketli Ortalama (SMA) ile modern Üssel Hareketli Ortalama (EMA) arasındaki metodolojik çatışma, analistleri çoğu zaman “hız” ve “istikrar” arasında imkansız bir tercihe zorlamaktadır. Hareketli ortalamaların doğasında bulunan gecikme (lag) faktörü, piyasa dinamiklerinin hızla değiştiği modern algoritmik ticaret ortamında geleneksel göstergeleri yetersiz bırakabilmektedir.

Bu yazı; teknikpiyasa.com.tr okuyucuları için hazırlanan hareketli ortalama serisinin devamı niteliğinde olup, piyasada “süper ortalamalar” olarak adlandırılan alternatif dizaynların matematiksel temellerini, operasyonel avantajlarını ve yapısal handikaplarını derinlemesine incelemektedir.

Hareketli Ortalamaların Ontolojisi ve Geleneksel Modellerin Sınırları

Teknik analiz, özünde piyasa katılımcılarının kolektif hafızasının ve zamana yayılmış değer algısının matematiksel bir izdüşümüdür. Fiyat grafikleri rastgele rakam dizileri değil, arz ve talebin tarihsel kayıtlarıdır. Hareketli ortalamalar ise bu veriyi düzleştirerek (smoothing), zaman içindeki “değer konsensüsünü” ortaya çıkarmak için kullanılan birincil filtrelerdir. Ancak, her ortalama hesaplama yöntemi, “zamanı” farklı bir felsefeyle işler. Piyasada zaman algısı iki ana eksende incelenir: Demokratik Zaman Algısı (SMA) ve Hiyerarşik Zaman Algısı (EMA).

Basit Hareketli Ortalama (SMA): Sonlu Hafıza ve İstikrar

Basit Hareketli Ortalama, sinyal işlemede “Sonlu İmpuls Yanıtı” (Finite Impulse Response – FIR) filtresi olarak tanımlanır. Belirlenen bir N penceresi üzerinde çalışır ve her veri noktasına tam olarak 1/N ağırlık atar. Matematiksel olarak SMA’nın hafızası keskin sınırlarla çizilmiştir: 0. günden (N-1). güne kadar her gün eşit öneme sahiptir, ancak N. gün ve sonrası için ağırlık aniden sıfıra düşer. Bu “tuğla duvar” (brick-wall) kesintisi, SMA’ya muazzam bir istikrar kazandırır. Kurumsal yatırımcılar için SMA, “son N gün boyunca ödenen gerçek aritmetik ortalama fiyat” sorusuna net bir yanıt verdiği için vazgeçilmez bir referanstır.

Üssel Hareketli Ortalama (EMA): Sonsuz Hafıza ve Üstel Bozunum

EMA, “Sonsuz İmpuls Yanıtı” (Infinite Impulse Response – IIR) filtresidir ve özyinelemeli (recursive) bir yapıda hesaplanır. Teorik olarak geçmişteki hiçbir veriyi tam olarak unutmaz; sadece ağırlığını sonsuza dek azaltır. EMA’nın en büyük sorunu, N değeri yükseldiğinde ortaya çıkan “Hafıza Çarpıklığı” (Lookback Skew) durumudur. Örneğin, 200 periyotluk bir EMA’da, 200 gün önceki verinin ağırlığı yaklaşık %0.13’e kadar düşerken, aynı periyottaki SMA’da bu ağırlık hala %0.50’dir. Bu durum, EMA’nın aslında iddia ettiği periyodu temsil etmediğini, veriyi yolun yarısında “döktüğünü” kanıtlar.

Ağırlıklı Hareketli Ortalama (WMA): Aritmetik Köprü ve “Spor SUV” Konsepti

WMA, bu iki kutup arasında durarak zamanı “Lineer Bir Hiyerarşi” ile işler. Yakın geçmişe daha fazla önem verirken, uzak geçmişi EMA kadar radikal bir hızla yok saymaz; aksine doğrusal bir azalışla veri setinin bütünlüğüne saygı duyar. Bu yönüyle WMA, bir nakliye kamyonunun (SMA) veri bütünlüğü kapasitesini ve bir Formula 1 aracının (EMA) çevikliğini aynı gövdede birleştirmeyi amaçlayan bir “Spor SUV” olarak konumlandırılabilir.

Parametre	SMA (Kamyon)	EMA (Formula 1)	WMA (Spor SUV)
Filtre Tipi	FIR (Sonlu)	IIR (Sonsuz)	FIR (Sonlu)
Gecikme (Lag)	Çok Yüksek	Düşük	Orta-Düşük
Gürültü Geçirgenliği	Çok Düşük	Yüksek	Orta
Faz Kayması	Belirgin	Minimal	Orta
Ağırlık Yapısı	Eşit (Demokratik)	Geometrik (Hiyerarşik)	Doğrusal (Lineer)

Tablo 1: Temel Hareketli Ortalamaların Karşılaştırmalı Karakteristikleri.

Adaptif Hareketli Ortalamalar: Piyasa Volatilitesine Göre Değişen Hassasiyet

Piyasalar her zaman aynı hızda hareket etmez. Bazen yatay bir testere piyasası, bazen de yüksek ivmeli bir trend gözlemlenir. Adaptif ortalamalar, piyasanın bu değişken hızına uyum sağlamak için tasarlanmıştır.

Kaufman’s Adaptive Moving Average (KAMA)

Perry Kaufman tarafından geliştirilen KAMA, piyasadaki gürültüyü (noise) ölçerek ortalamanın hızını dinamik olarak ayarlar. KAMA’nın temel bileşeni, “Verimlilik Oranı” (Efficiency Ratio – ER) olarak adlandırılan değişkendir.

ER, belirli bir periyottaki net fiyat değişiminin, o periyottaki mutlak fiyat değişimlerinin toplamına bölünmesiyle elde edilir:

ER = |Fiyat_t – Fiyat_t-n| / Σ_i=0^n-1 |Fiyat_t-i – Fiyat_t-i-1|

ER değeri 1’e yaklaştığında piyasada güçlü ve “verimli” bir trend olduğu varsayılır ve KAMA hızlanarak fiyatı yakından takip eder. ER değeri 0’a yaklaştığında ise piyasanın gürültülü ve yatay olduğu kabul edilir; bu durumda KAMA yavaşlayarak hatalı sinyal üretimini minimize eder.

Ancak KAMA’nın ciddi bir handikapı vardır: “Merdiven Etkisi” (The Stairstep Problem). Piyasa yataya bağladığında KAMA’nın verimlilik oranı sıfıra yaklaşır ve çizgi tamamen düzleşir. Eğer fiyat aniden patlama yaparsa (breakout), KAMA “uyku modunda” olduğu için bu harekete çok geç tepki verir. Bu durum, trafik durunca motoru kapatan bir kamyonun, trafik açıldığında motoru yeniden çalıştırıp hızlanmasının zaman almasına benzer.

Variable Index Dynamic Average (VIDYA)

Tushar Chande tarafından geliştirilen VIDYA, standart sapmayı veya bir momentum osilatörünü kullanarak düzleştirme katsayısını (α) sürekli değiştirir. Volatilite arttığında periyodu kısaltır (hızlanır), volatilite düştüğünde ise periyodu uzatır.

VIDYA’nın yapısal sorunu, volatilitenin her zaman trend yönünde olmamasıdır. Bir dip oluşumunda veya tepede yaşanan kararsız çalkantılarda volatilite artar; VIDYA bu sırada “hızlanarak” yanlış sinyaller (whipsaw) üretmeye başlar. Geçmiş veriye duyulan ihtiyacın en yüksek olduğu kritik dönüş noktalarında, VIDYA’nın volatilite odaklı tasarımı veriyi erkenden “çöpe atarak” yanıltıcı sonuçlar üretebilir.

Fractal Adaptive Moving Average (FRAMA)

John Ehlers tarafından geliştirilen FRAMA, piyasa hareketlerinin fraktal geometrisini temel alır. FRAMA, fiyat serisinin son dönemdeki fraktal boyutunu (D) hesaplayarak üssel düzleştirme faktörünü dinamik olarak ayarlar.

FRAMA’nın matematiksel altyapısı, fiyat hareketlerinin rastgele bir yürüyüş mü yoksa anlamlı bir yapı mı sergilediğini ölçer. Eğer fiyatlar net bir yöne doğru hareket ediyorsa, FRAMA hızla fiyata yaklaşır; ancak fiyatlar bir aralıkta (range) sıkışmışsa, FRAMA gürültüyü filtrelemek için yavaşlar. Crypto gibi yüksek volatiliteli piyasalarda FRAMA, geleneksel EMA’lara göre trend dönüşlerini %30 daha hızlı yakalayabilmektedir.

Özellik	KAMA	FRAMA	VIDYA
Adaptasyon Ölçütü	Verimlilik Oranı (ER)	Fraktal Boyut (D)	Volatilite (Standart Sapma)
Hesaplama Karmaşıklığı	Orta	Yüksek	Orta-Yüksek
Ana Avantaj	Gürültü Filtreleme	Yapısal Trend Analizi	Dinamik Hassasiyet
Temel Risk	Merdiven Etkisi (Geç Tepki)	Karmaşık Parametreler	Volatilite Yanılgısı

Tablo 2: Adaptif Hareketli Ortalamaların Teknik Karşılaştırması.

Gecikmeyi Sıfırlama ve İvme Odaklı Tasarımlar

Hareketli ortalamaların en büyük yapısal sorunu olan gecikmeyi (lag) aşmak için matematiksel “ileri besleme” ve “çok katmanlı düzleştirme” yöntemleri geliştirilmiştir.

Hull Moving Average (HMA): Hız ve Pürüzsüzlüğün Dengesi

Alan Hull tarafından 2005 yılında geliştirilen HMA, WMA’nın ağırlıklandırma gücünü kullanarak gecikmeyi neredeyse tamamen ortadan kaldırmayı hedefler. HMA’nın hesaplanması üç temel adımdan oluşur:

1. Periyodun yarısı (n/2) için WMA hesaplanır ve 2 ile çarpılır.
2. Periyodun tamamı (n) için WMA hesaplanır ve ilk değerden çıkarılır.
3. Elde edilen bu “ham” değerin karekök periyodu (√n) ile tekrar WMA’sı alınır.

HMA = WMA(√n)

HMA, inanılmaz bir pürüzsüzlük sunarken fiyatın dönüşlerini SMA’dan çok daha önce yakalar. Ancak bu yüksek hassasiyet, HMA’nın volatil piyasalarda “fiyatı aşma” (overshoot) eğilimine girmesine ve yanlış sinyallere neden olan “kamçı etkisi” yaratmasına yol açabilir. Alan Hull, bu göstergenin tek başına kesişim (crossover) sinyalleri için değil, daha çok dönüş noktalarını (turning points) belirlemek için kullanılmasını önermektedir.

Double ve Triple Exponential Moving Averages (DEMA & TEMA)

Patrick Mulloy tarafından 1994 yılında tanıtılan DEMA ve TEMA, standart EMA’nın gecikme sorununu, iç içe geçmiş EMA hesaplamalarıyla çözmeye çalışır.

DEMA formülü:

DEMA = 2 x EMA – EMA(EMA)

TEMA formülü:

$$TEMA = (3 x EMA₁) – (3 x EMA₂) + EMA₃

Bu ortalamalar, standart bir EMA’dan çok daha hızlıdır çünkü matematiksel formülleri, EMA’nın içindeki gecikme bileşenini tespit edip onu ana fiyattan çıkararak bir tür “hız takviyesi” yapar. Kısa vadeli scalper’lar ve day-trader’lar için idealdir; ancak uzun vadeli trend takibi yapanlar için fazla “sinirli” kalabilir ve gereksiz işlem maliyetlerine yol açabilir.

Zero-Lag Exponential Moving Average (ZLEMA)

John Ehlers tarafından geliştirilen ZLEMA, gecikmeyi ortadan kaldırmak için “de-lagged” (gecikmesi alınmış) fiyat verisini kullanır. ZLEMA, mevcut fiyata, fiyatın gecikme süresi kadar önceki fiyatı ile olan farkını ekleyerek yapay bir “güncel momentum” oluşturur.

ZLEMA’nın hızı, trend başlangıçlarını yakalamada muazzam bir avantaj sunar. Ancak piyasa yataya bağladığında (sideways market), bu aşırı hassasiyet en büyük düşmanı haline gelir ve anlamsız fiyat dalgalanmalarını trend gibi okuyarak hatalı giriş sinyalleri üretir. ZLEMA’nın başarılı olabilmesi için genellikle ATR tabanlı volatilite filtreleriyle birlikte kullanılması önerilir.

Gösterge	Lag Düzeyi	Pürüzsüzlük	En Uygun Kullanım Alanı
HMA	Çok Düşük	Çok Yüksek	Dönüş Noktası Analizi
DEMA	Düşük	Orta-Yüksek	Momentum Takibi
TEMA	En Düşük	Orta	Kısa Vadeli Scalping
ZLEMA	Sıfıra Yakın	Orta-Düşük	Erken Trend Tespiti

Tablo 3: Gecikme Odaklı Ortalamaların Karşılaştırmalı Performansı.

İstatistiki ve Sinyal İşleme Modelleri

Bazı hareketli ortalama tasarımları, finans matematiğinin ötesine geçerek fizik ve sinyal işleme biliminden (signal processing) beslenir.

Arnaud Legoux Moving Average (ALMA)

ALMA, istatistikteki “Gaussian” (Normal Dağılım) ağırlıklandırmayı kullanır. Diğer ortalamalar geçmişten bugüne ağırlığı doğrusal veya üssel olarak azaltırken, ALMA bir “çan eğrisi” mantığıyla belirli bir pencereyi merkeze alır ve kenarlara doğru ağırlığı sönümler.

ALMA’nın en büyük gücü, hem gecikmeyi düşük tutması hem de inanılmaz derecede pürüzsüz bir hat çizmesidir. Ancak “Parametre Felci” (Parameter Paralysis) sorunuyla maluldür. ALMA’nın çalışması için üç farklı parametreye ihtiyaç duyulur: Pencere Boyutu (N), Ofset (m) ve Sigma (σ). Ofset değeri, ortalamanın ne kadar “güncel” veriye odaklanacağını belirlerken (genellikle 0.85), Sigma değeri eğrinin ne kadar keskin olacağını belirler. Standart bir ALMA ayarı olmadığı için “Kurumsal Konsensüs” oluşamaz ve bu durum, ALMA seviyelerinin kendi kendini gerçekleştiren bir kehanet olarak çalışmasını engeller.

Least Squares Moving Average (LSMA / Endpoint Moving Average)

LSMA, verileri toplamak yerine onlara bir “lineer regresyon” çizgisi uydurmaya çalışır. Her bir noktada, son N barın regresyon eğrisinin bittiği noktayı (endpoint) hesaplar.

LSMA, fiyatın gideceği yeri “tahmin etmeye” çalıştığı için “Aşırı Reaksiyon” (Overshoot) riskine en açık ortalamadır. Eğer fiyat sert bir şekilde yön değiştirirse (V dönüşü), LSMA önceki regresyon eğimini korumaya çalışarak fiyatı olduğundan daha ileriye fırlatır. Bu durum, “hız tuzağına” düşmeye meyillidir ve trend takibinden ziyade kısa vadeli momentum ölçümü için daha uygundur.

Tillson T3 Moving Average

Tim Tillson tarafından geliştirilen T3, triple-EMA mantığını “Generalized Double Exponential Moving Average” (GDEMA) formülüyle birleştirir. T3, bir “v factor” (hacim faktörü) kullanarak düzleştirme miktarını ayarlar.

T3’ün en büyük avantajı, lag’i radikal şekilde azaltırken pürüzsüzlüğünü korumasıdır. v faktörü genellikle 0.7 veya 0.618 olarak belirlenir. Bu faktör yükseldikçe T3 daha “hızlı” ve agresif hale gelir, düştükçe daha pürüzsüz bir trend filtresine dönüşür. T3, pürüzsüzlüğü nedeniyle trend yönünü belirlemede en güvenilir araçlardan biridir, ancak ani piyasa şoklarında fiyatın gerisinde kalarak “overshoot” yapabilir.

Jurik Moving Average (JMA)

Mark Jurik tarafından geliştirilen JMA, kurumsal düzeyde kabul gören, algoritması büyük ölçüde kapalı ve ticari bir göstergedir. JMA, askeri radar teknolojilerinde gürültülü sinyalleri takip etmek için kullanılan matematiksel modellerden (Kalman Filtreleri ve faz düzeltme teknikleri) türetilmiştir.

JMA’nın en büyük özelliği, gürültüyü (noise) neredeyse tamamen yok ederken fiyatın dönüşlerini “on a dime” (anında) yakalayabilmesidir. Diğer ortalamaların aksine, JMA’da pürüzsüzlük arttıkça gecikme o kadar artmaz; bu durum JMA’yı “süper ortalamalar” sınıfının zirvesine yerleştirir. Ancak, ücretsiz platformlarda orijinal koduna ulaşmak zordur ve community script’leri genellikle gerçeğini tam olarak yansıtamaz.

Gösterge	Matematiksel Temel	Parametre Sayısı	Karakteristik Özellik
ALMA	Gaussian Dağılım	3	Pürüzsüz ve Ayarlanabilir
LSMA	Lineer Regresyon	1	Tahmin Odaklı / Overshoot
T3	Triple GDEMA	2	Yüksek Düzleştirme Gücü
JMA	Faz Düzeltme (Kalman)	3	Gürültüsüz Hassasiyet

Tablo 4: İstatistiki ve Sinyal İşleme Modellerinin Özellikleri.

Volatiliteye Duyarlı Uzman Sistemler ve Adaptif Filtreler

John Ehlers ve John McGinley gibi otoritelerin geliştirdiği bu sistemler, piyasanın hızını “zaman” üzerinden değil, “dalga boyu” veya “volatilite” üzerinden ölçer.

McGinley Dynamic

John McGinley tarafından 1990’da tasarlanan bu gösterge, hareketli ortalamaların en büyük kusuru olan “sabit zaman periyodu” sorununu aşmaya çalışır. McGinley’e göre piyasalar her zaman aynı hızda akmaz; bu yüzden sabit bir 20 günlük ortalama bazen çok yavaş bazen çok hızlı kalabilir.

McGinley Dynamic, piyasa hızına göre periyodunu otomatik olarak ayarlar:

MD_current = MD_prev + ((Fiyat – Md_prev) / (N x (Fiyat / MD_prev)⁴)

Bu formül, fiyatın ortalamadan çok uzaklaştığı durumlarda göstergenin hızlanmasını sağlar. McGinley Dynamic, geleneksel EMA’lara göre fiyatı daha yakından takip eder ve “whipsaw” riskini minimize eder. Trend takibi için tasarlanmış en rasyonel araçlardan biridir, ancak yatay piyasalarda yine de dikkatli olunmalıdır.

John Ehlers Laguerre Filter

Laguerre polinomlarını kullanan bu filtre, çok kısa bir veri penceresiyle (örneğin sadece 4 bar) muazzam bir düzleştirme ve düşük gecikme sağlar. Laguerre Filter, bir “gamma” (μ) parametresiyle kontrol edilir.

Ehlers’e göre bu filtre, geleneksel SMA ve EMA’nın yarattığı “geç kalma” sorununu, piyasanın baskın döngülerine (cycle) uyum sağlayarak çözer. Laguerre Filter, fiyat trendleri başladığında “fiyata yapışır”, trend bittiğinde ise hızla tepki vererek yatırımcıyı trendin sonunda içeride kalmaktan kurtarır.

MESA Adaptive Moving Average (MAMA & FAMA)

Yine John Ehlers tarafından geliştirilen MAMA, Hilbert Transform tekniğini kullanarak fiyatın “faz değişimini” (phase change) ölçer. MAMA, bir “hızlı atak” ve “yavaş sönümleme” mekanizmasına sahiptir; fiyat hızlandığında ona hızla yaklaşır (ratchet), fiyat yavaşladığında ise mevcut seviyesini korur.

MAMA genellikle FAMA (Following Adaptive Moving Average) ile birlikte bir kesişim sistemi olarak kullanılır. Bu iki çizginin kesişimi, piyasa gürültüsünden arındırılmış, matematiksel olarak kanıtlanmış en güçlü trend sinyallerinden biri olarak kabul edilir.

Hacim Faktörü ve Kurumsal İcra Mühendisliği

Hareketli ortalamalar zaman ve fiyatı harmanlarken, “hacim” faktörünün eklenmesi analize üçüncü bir boyut kazandırır. Bu, sadece bir indikatör değil, bir “maliyet dengesi” arayışıdır.

Hacim Ağırlıklı Ortalama Fiyat (VWAP) Paradigması

VWAP, bir varlığın belirli bir zaman dilimindeki ortalama fiyatını, o fiyat seviyelerinde gerçekleşen işlem hacmiyle ağırlıklandırarak hesaplar. Teknik analiz literatüründe VWAP, piyasanın “adil değer” (fair value) arayışında en rafine ölçüttür.

Kurumsal trader’lar VWAP’ı bir “İcra Kalite Ölçütü” (Execution Quality Benchmark) olarak kullanır. Eğer bir alış emri VWAP’ın altında bir ortalamayla tamamlanmışsa, bu başarılı bir icra olarak kabul edilir. Bu kurumsal davranış biçimi, VWAP seviyesinin neden bu kadar güçlü bir destek ve direnç bölgesi olduğunu açıklar. Kurumsal algoritmalar VWAP’ı “savunma” veya “fırsat” bölgesi olarak gördüğü için, fiyat bu seviyeye yaklaştığında emir defterinde yoğun bir aktivite gözlemlenir.

Borsa İstanbul Uygulaması: AOF ve TAR

Borsa İstanbul ekosisteminde VWAP, sadece analitik bir gösterge değil, aynı zamanda regüle bir referans fiyat mekanizmasıdır. AOF (Ağırlıklı Ortalama Fiyat), BISTECH altyapısı üzerinde TAR (Trade at Reference) emir tipiyle operasyonel bir forma kavuşmuştur. 100.000 lotluk alt sınırı olan bu sistem, kurumsal fonların büyük pozisyonlarını piyasada “iz bırakmadan” (slippage minimize ederek) kapatmalarını sağlar. Küçük yatırımcı için bu seviyeler, piyasanın “kurumsal maliyet dengesini” okumak için en önemli pusuladır.

Elastic Volume Weighted Moving Average (EVWMA)

Christian Fries tarafından geliştirilen EVWMA, hacmi ortalamanın “periyodu” olarak kullanır. Standart bir ortalama “son 20 günün ortalaması” derken, EVWMA “son N lotluk işlem hacminin ortalaması” der. Bu durum, EVWMA’yı hisse senedinin “gerçek ortalama maliyetine” (average price paid per share) yaklaştırır. Hacmin düşük olduğu ölü dönemlerde EVWMA sabit kalırken, hacmin patladığı trend anlarında saniyeler içinde yeni fiyata adapte olur.

Parametre	VWAP	EVWMA	VWMA
Zaman Penceresi	Kümülatif (Seanslık)	Hacim Odaklı	Sabit Pencere
Kullanım Amacı	Gün İçi Benchmark	Maliyet Analizi	Trend Takibi
Sıfırlanma	Her Seans Başı	Sıfırlanmaz	Hareketli
Kurumsal İlgi	Çok Yüksek	Orta	Orta-Düşük

Tablo 5: Hacim Odaklı Hareketli Ortalamaların Karşılaştırması.

Sinyal İşleme Perspektifi: Gecikme, Faz ve Gürültü Sönümleme

Teknik analiz, aslında bir “sinyal ayıklama” işlemidir. Fiyat serisi, bir ana trend (düşük frekans) ve rastgele gürültüden (yüksek frekans) oluşur. Hareketli ortalamalar ise “alçak geçiren filtreler”dir (low-pass filters).

Gecikme (Lag) Paradoksu

Hareketli ortalamaların “ortalama yaşı” matematiksel olarak hesaplanabilir. SMA’nın gecikmesi (N-1)/2 formülüyle belirlenir; örneğin 200 SMA için bu yaklaşık 99.5 gündür. EMA da benzer bir kütle merkezine sahip olsa da, kütle dağılımı bugüne yığıldığı için volatilitede SMA’dan daha fazla sarsılır. WMA ve HMA gibi alternatifler, bu gecikmeyi matematiksel manipülasyonlarla “onaylanmış fiyat” haline getirerek düşürürler.

Kütle Merkezi (Center of Gravity)

Bir filtrenin kütle merkezi, onun fiyat şoklarına karşı direncini belirler. SMA’nın kütlesi bir dikdörtgendir; 0’dan 200’e kadar eşit yayılmıştır. Bugün yaşanan %10’luk bir çöküş, 200 SMA’da sadece 200’de 1’lik bir etki yaratırken, ağırlığı bugüne yığılmış olan 200 EMA veya ZLEMA çizgisi hemen aşağı bükülür. Uzun vadeli trend takibinde amaç hız değil, istikrardır; bu nedenle uzun vadede SMA’nın krallığı hala sarsılmamıştır.

Kurumsal Finansın Altın Standardı ve Davranışsal Finans

Teknik göstergelerin başarısı, sadece matematiksel mükemmelliklerine değil, piyasadaki “görünürlüklerine” de bağlıdır. Bir gösterge ne kadar çok izleniyorsa, “kendi kendini gerçekleştiren bir kehanet” olma ihtimali o kadar artar.

200 SMA: Kurumsal “Kumdaki Çizgi”

Hedge fonları, emeklilik fonları ve büyük yatırım bankaları trilyon dolarlık portföyleri yönetirken “kıyaslama” (benchmark) ile ilgilenirler. Bloomberg terminallerinde “uzun vadeli trend” denildiğinde kastedilen istisnasız 200 Günlük SMA’dır. Herkes bu çizgiye baktığı için alım/satım emirleri bu seviyelerde birikir. Fiyatın 200 SMA’dan dönmesinin nedeni SMA’nın sihirli olması değil, milyarlarca dolarlık limit emirlerin orada beklemesidir.

200 EMA’nın “Hayaleti” ve Perakende Yanılgısı

Buna karşılık, 200 EMA kurumsal dünyada çok daha az standarttır. Genellikle bireysel yatırımcılar ve “daha hızlı sinyal” arayanlar tarafından tercih edilir. Fiyat 200 EMA’yı aşağı kırdığında perakende trader “destek kırıldı” diye satarken, fiyat hemen altındaki kurumsal 200 SMA duvarından güçlü bir şekilde dönebilir. Bu durum, 200 EMA izleyenler için klasik bir “ayı tuzağı” (bear trap) oluşturur.

Sonuç ve Stratejik Öneriler: Hangi Hareketli Ortalama Seçilmeli?

Yapılan derinlemesine matematiksel ve davranışsal analizler, hiçbir hareketli ortalamanın “kusursuz” olmadığını, ancak her birinin belirli piyasa rejimleri için “optimum” olduğunu göstermektedir.

1. Aracı Piste Göre Seçin: Eğer 5 veya 15 dakikalık grafiklerde “hızlı vur-kaç” (scalping) yapıyorsanız, Formula 1 aracınız (DEMA, TEMA veya HMA) en iyi dostunuzdur. Ancak periyodunuz 34’ün üzerine çıkıyorsa, bu ortalamaların ürettiği gürültü sizi piyasanın ana yönünden koparabilir.
2. 34 Periyot Eşiğine Saygı Duyun: Araştırmalar, EMA’nın verimliliğinin 34 periyot üzerinde hızla azaldığını göstermektedir. Bu “kritik eşik”ten sonra, hız değil “veri bütünlüğü” önem kazanır. 50, 100 veya 200 periyotluk analizlerde WMA veya SMA kullanmak, matematiksel tutarlılığı korur.
3. Hız Bir Avantajdır, Ancak Yanlış Bağlamda Bir Tuzaktır: Hız peşinde koşarken piyasanın ana gövdesinden (kurumsal likidite) kopmamaya özen gösterin. Kurumsal dünyayı takip etmek için grafiğinizde 200 SMA bulunmalıdır; ancak trend dönüşlerini daha erken yakalamak için yanına 200 WMA veya McGinley Dynamic eklemek, size kurumsal akıştan kopmadan hız avantajı sağlar.
4. Hafıza Bütünlüğü: 200 günlük bir analiz yapıyorsanız, kullandığınız göstergenin gerçekten son 200 günü temsil ettiğinden emin olun. 200 EMA’nın aslında son 70 günün ağırlıklı yansıması olduğunu (lookback skew) unutmayın. Gerçek bir 200 günlük ağırlıklı analiz için WMA rakipsizdir.

Özetle; Ağırlıklı Hareketli Ortalama (WMA), SMA’nın hantallığını ve EMA’nın illüzyonlarını dengeleyen “optimum” araçtır. Ancak, teknikpiyasa.com.tr okuyucuları için en doğru yaklaşım, bu araçları birer “kılıç” gibi görüp, piyasanın o anki zırhına (volatilitesine) göre en keskin olanı seçmektir. Doğru analiz, doğru periyot için doğru matematiksel modeli seçmekle başlar. Modern algoritmik dünyada, JMA’nın hassasiyeti, KAMA’nın adaptif zekası ve VWAP’ın kurumsal disiplini, her yatırımcının alet çantasında bulunması gereken “yeni nesil” silahlardır.