Rastlantıyı Paraya Çevirme Algoritması: Kontrol Edilemeyeni Modellemek
Kariyerimde veya yatırım portföyümde karşılaştığım en büyük direnç noktası, her şeyin öngörülebilir olması gerektiği yanılgısıdır. Teorik modellerimiz, ideal koşullar altında deterministik bir çıktı vaat eder. Ancak piyasa, hayat ve girişimciliğin gerçekliği budur: %100 kesinlik diye bir şey yoktur. Var olan nedirysa, o da iyi modellenmemiş kaostur.
Bu yazıda ele alacağımız konu, "Rastgelelik" kavramını bir gürültü olarak değil, potansiyel olarak yüksek alfa üretebilen girdi değişkeni olarak kabul etmektir. Bu, tamamen bir zihniyet değişikliği gerektirir; bu, "her şeyin bir nedeni olmalı" takıntısından vazgeçip, sistemin doğal seyrine güvenmeyi öğrenmektir.
Eğer bir sistemdeki girdilerinizin tamamını kontrol edemiyorsanız, çıkışınızı optimize etmenin yolu bu girdi değişkenlerinin davranışını anlamaktan geçer. Bu süreci, üç aşamalı bir pragmatik filtreleme sistemi üzerinden uyguluyorum:
1. Gürültüyü Sınıflandırma (Noise vs Signal)
Birçok amatör yatırımcı veya girişimci, bir sonraki hamlesinin tamamen "rastgele" olacağını düşündüğünde paniğe kapılır. Bu, en büyük hatadır. Gerçek rastgelelik nadirdir; çoğunlukla yüksek boyutlu sistemlerin bizim için yüksek boyutta olan ancak bizim için düşük çözünürlüklü algıladığımız karmaşık etkileşimlerinin sonucudur.
Burada kritik olan, veri toplama derinliğidir. Bir olayın "tesadüf" olup olmadığını anlamak için, o olaya kadar olan tüm parametrelerinizi bilinçli olarak kaydetmelisiniz.
- Gözlem Noktası: Eğer bir yatırım kararınızı etkileyen tüm makroekonomik göstergeler, sektör dinamikleri ve kendi içsel duygunuz (uyku durumu, stres seviyesi vb.) biliniyorsa ve buna rağmen beklentinizin %X sapması olduysa, işte o sapma, sizin sisteminiz için yeni bir "rastgele" değişkenin girişi oluyor demektir. Bu gürültü bile, doğru zamanda yakalanırsa bir sinyaldir.
2. Kısıtlı Deneylerle Hipotez Doğrulama (Bounding the Variables)
Her şeyi modellemek imkansızdır. Bu yüzden, en yüksek belirsizliğe sahip olduğunuzda, sistemi küçük, kontrollü denemelere tabi tutmalısınız. Bu benim "Mikro-Deney" protokolüm oldu.
Yeni bir girişim fikrini veya potansiyel bir varlığı değerlendirirken, büyük sermayeyi o belirsizliğe atmak yerine, maliyeti düşük ve geri dönüşü hızlı olan bir "prototipleme" aşaması uygularım. Buradaki amaç, piyasanın veya sistemin o belirsizlik karşısındaki tepkisini minimum kayıpla gözlemlemektir.
Uygulama Örneği: Yeni bir yazılım nişine yatırım yaparken, tüm geliştirme sürecini baştan sona uygulamak yerine, sadece en riskli %20 özelliğini geliştirip ilk kullanıcı kitlesine sunmak. Bu, o belirsizlik alanının gerçekten sürdürülebilir olup olmadığını gösteren en hızlı geri bildirim döngüsüdür.
3. Baskı Altında Dinleme (The Feedback Loop)
En sonunda, sistemi dinlemeniz gerekir. Bir enstrüman çalarken veya bir yazılım geliştirirken olduğu gibi, sürecin kendisi size geri bildirim verir. Eğer girdilerinizin çıktıyı öngörmediği bir noktadaysanız, sorun ya girdideki bilinmeyen bir değişken ya da çıktıyı okuma yeteneğinizdeki aşırı güveninizdir.
Sabır, bu döngüyü tamamlamanız için gereken süreyi sağlamaktır. Deterministik mükemmeliyetçilik sizi felce uğratır; pragmatik kabul ise harekete geçirir. Rastgelelik, kontrol edemediğimiz bir gerçektir; ancak bu gerçeği kabul ettiğiniz an, onu modellenebilir kılmanın ilk adımını atmış olursunuz.