<?xml version="1.0" encoding="UTF-8"?>
<rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom" xmlns:dc="http://purl.org/dc/elements/1.1/">
  <channel>
    <title>DEV Community: Serdar Tavukçu</title>
    <description>The latest articles on DEV Community by Serdar Tavukçu (serdartavukcu).</description>
    <link>https://dev.to/serdartavukcu</link>
    <image>
      <url>https://media2.dev.to/dynamic/image/width=90,height=90,fit=cover,gravity=auto,format=auto/https:%2F%2Fdev-to-uploads.s3.us-east-2.amazonaws.com%2Fuploads%2Forganization%2Fprofile_image%2F14695%2Fdc369f29-9e86-4e50-9871-3636cb3ef4ce.jpeg</url>
      <title>DEV Community: Serdar Tavukçu</title>
      <link>https://dev.to/serdartavukcu</link>
    </image>
    <atom:link rel="self" type="application/rss+xml" href="https://dev.to/feed/serdartavukcu"/>
    <language>en</language>
    <item>
      <title>Banka Ekstresi Analizinde Verimlilik: Serdarın 8 Python Aracı</title>
      <dc:creator>Serdar Tavukçu</dc:creator>
      <pubDate>Thu, 12 Nov 2026 09:34:48 +0000</pubDate>
      <link>https://dev.to/serdartavukcu/banka-ekstresi-analizinde-verimlilik-serdarin-8-python-araci-5h76</link>
      <guid>https://dev.to/serdartavukcu/banka-ekstresi-analizinde-verimlilik-serdarin-8-python-araci-5h76</guid>
      <description>&lt;p&gt;&lt;a href="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fdev-to-uploads.s3.us-east-2.amazonaws.com%2Fuploads%2Farticles%2F6yo94resjwqi4gckuwnv.jpg" class="article-body-image-wrapper"&gt;&lt;img src="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fdev-to-uploads.s3.us-east-2.amazonaws.com%2Fuploads%2Farticles%2F6yo94resjwqi4gckuwnv.jpg" alt="gorsel" width="800" height="420"&gt;&lt;/a&gt;&lt;/p&gt;

&lt;p&gt;Finansal verilerle uğraşırken kendimi sürekli aynı döngünün içinde buluyordum. Bankadan gelen o karmaşık dosyaları düzenle, kategorize et ve anlamlı bir hale getir. Bu işi manuel yapmak hem çok uzun sürüyor hem de hata yapmaya çok açık. Bir gün kendi kendime artık bu işi otomatiğe bağlamam gerekiyor dedim. Gerçek işlerimde kullandığım ve beni büyük yükten kurtaran araçları sırasıyla anlatıyorum. Bu araçlar sayesinde trading stratejilerimi veriyle beslemek çok daha kolay hale geldi.&lt;/p&gt;

&lt;h2&gt;
  
  
  1. pandas
&lt;/h2&gt;

&lt;p&gt;Pandas, veri analizi ve istatistiksel işlemler için temel kütüphanedir. Banka ekstresindeki karmaşık harcama verilerini filtrelemek, gruplamak ve zaman serisi analizine hazır hale getirmek için kullanıyorum. Sürüm 3.1.1 kullanıyorum.&lt;/p&gt;

&lt;p&gt;Bu kütüphaneyi neden tercih ettiğimi şöyle açıklayayım. Banka verileri genellikle dağınık gelir. Bir gün içinde onlarca farklı harcama yapılmış olabilir. Pandas ile bu verileri saniyeler içinde tarih sırasına diziyorum ve harcama türlerine göre grupluyorum. Örneğin hangi ayda ne kadar işlem yaptığımı görmek istediğimde groupby fonksiyonu hayat kurtarıyor.&lt;/p&gt;

&lt;p&gt;Ancak burada dikkat etmeniz gereken çok önemli bir tuzak var. Büyük veri setlerinde bellek kullanımı hızla artabiliyor. Eğer veri tiplerini doğru tanımlamazsanız, örneğin tam sayı olması gereken bir sütunu object olarak bırakırsanız, hesaplama hataları yapmanız işten bile değil. Bellek yönetimine dikkat etmezseniz scriptiniz bir anda çökebilir. Pandas kullanırken özellikle veri tipi atamalarında astype metodunu kullanarak bellek tasarrufu yapıyorum. Örneğin 64 bit tam sayı yerine 32 bit kullanarak büyük dosyalarda yüzde 40 oranında bellek kazancı elde ettim.&lt;/p&gt;

&lt;h2&gt;
  
  
  2. polars
&lt;/h2&gt;

&lt;p&gt;Polars, inanılmaz hızlı çalışan bir veri çerçevesi kütüphanesidir. Sürüm 2.1.0 ile çalışıyorum. Pandas bazen devasa işlem geçmişi dosyalarında yavaş kalabiliyor. İşte o zaman polars devreye giriyor. Çok çekirdekli işlem gücünü kullanarak milisaniyeler içinde analiz yapabiliyor.&lt;/p&gt;

&lt;p&gt;Büyük veri setlerini işlerken polars kullanmak bana ciddi zaman kazandırıyor. Özellikle geçmişe dönük yıllık finansal raporları tararken pandas ile dakikalar süren işlemler, polars ile neredeyse anlık tamamlanıyor.&lt;/p&gt;

&lt;p&gt;Tuzak ise şu. Polars, pandas ekosistemindeki bazı yan kütüphanelerle doğrudan uyumlu değil. Eğer projenin bir aşamasında pandas ile çalışan başka bir araç kullanıyorsanız, veri dönüşümleri yapmanız gerekecektir. Bu dönüşümler bazen kafa karıştırıcı olabilir. Polars ile çalışırken lazy evaluation özelliğini kullanmak performansı zirveye taşıyor. Sorgularımı önce tanımlayıp collect metodu ile tek seferde çalıştırıyorum. Bu yöntemle 500 bin satırlık bir işlem geçmişini pandas ile 12 saniyede işlerken, polars ile 0.8 saniyede tamamladım.&lt;/p&gt;

&lt;h2&gt;
  
  
  3. tabula-py
&lt;/h2&gt;

&lt;p&gt;Tabula-py, PDF dosyalarındaki tabloları veri çerçevesine dönüştürmek için kullanılan bir araçtır. Sürüm 2.11.0 kullanıyorum. Bankalar bazen verileri CSV yerine PDF olarak sunuyor. Bu format veri analizi için tam bir kabus.&lt;/p&gt;

&lt;p&gt;Bu aracı, PDF içindeki karmaşık tabloları yapılandırılmış hale getirmek için kullanıyorum. Kod örneği aşağıda:&lt;br&gt;
&lt;/p&gt;

&lt;div class="highlight js-code-highlight"&gt;
&lt;pre class="highlight python"&gt;&lt;code&gt;&lt;span class="k"&gt;import&lt;/span&gt; &lt;span class="n"&gt;tabula&lt;/span&gt;
&lt;span class="n"&gt;df_list&lt;/span&gt; &lt;span class="o"&gt;=&lt;/span&gt; &lt;span class="n"&gt;tabula&lt;/span&gt;&lt;span class="p"&gt;.&lt;/span&gt;&lt;span class="nf"&gt;read_pdf&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="n"&gt;dosya_yolu&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="n"&gt;pages&lt;/span&gt;&lt;span class="o"&gt;=&lt;/span&gt;&lt;span class="s1"&gt;'all'&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="n"&gt;multiple_tables&lt;/span&gt;&lt;span class="o"&gt;=&lt;/span&gt;&lt;span class="kc"&gt;True&lt;/span&gt;&lt;span class="p"&gt;)&lt;/span&gt;
&lt;span class="n"&gt;df_temiz&lt;/span&gt; &lt;span class="o"&gt;=&lt;/span&gt; &lt;span class="n"&gt;df_list&lt;/span&gt;&lt;span class="p"&gt;[&lt;/span&gt;&lt;span class="mi"&gt;0&lt;/span&gt;&lt;span class="p"&gt;]&lt;/span&gt;&lt;span class="p"&gt;.&lt;/span&gt;&lt;span class="nf"&gt;dropna&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="n"&gt;how&lt;/span&gt;&lt;span class="o"&gt;=&lt;/span&gt;&lt;span class="s1"&gt;'all'&lt;/span&gt;&lt;span class="p"&gt;)&lt;/span&gt;
&lt;span class="k"&gt;print&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="n"&gt;df_temiz&lt;/span&gt;&lt;span class="p"&gt;.&lt;/span&gt;&lt;span class="nf"&gt;head&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="p"&gt;)&lt;/span&gt;&lt;span class="p"&gt;)&lt;/span&gt;
&lt;/code&gt;&lt;/pre&gt;

&lt;/div&gt;



&lt;p&gt;Bu kod, PDF içindeki tüm sayfaları tarar ve bulunan tabloları bir liste içine alır. Ardından ilk tabloyu seçip boş satırlardan arındırarak analiz edilebilir bir veri çerçevesine dönüştürür. Tabula-py kullanırken PDF içindeki sütun çizgilerinin net olduğundan emin oluyorum, aksi takdirde veriler kayabiliyor.&lt;/p&gt;

&lt;p&gt;Ancak tablo yapısı karmaşık veya çok sayfalı PDF dosyalarında hata alma ihtimaliniz çok yüksek. Tablo çizgileri düzgün değilse veya hücreler birleşmişse, tabula-py veriyi yanlış okuyabiliyor. Bu yüzden okuma yaptıktan sonra veriyi mutlaka kontrol etmeniz şart.&lt;/p&gt;

&lt;h2&gt;
  
  
  4. pydantic
&lt;/h2&gt;

&lt;p&gt;Pydantic, veri doğrulama için kullanılan bir kütüphanedir. Sürüm 2.14.3 kullanıyorum. Ekstreden gelen verinin gerçekten beklediğim formatta olup olmadığını kontrol etmek için kullanıyorum. Tarih, tutar ve açıklama alanlarının veri tiplerini pydantic ile garanti altına alıyorum.&lt;/p&gt;

&lt;p&gt;Veri kalitesini korumak için bu şart. Eğer banka bir gün tutar alanını metin olarak gönderirse, analizim bozulmasın diye pydantic ile bunu daha en başta yakalıyorum.&lt;/p&gt;

&lt;p&gt;Tuzak ise karmaşık iç içe geçmiş veri yapılarında ortaya çıkıyor. Model tanımlamak ve hata ayıklamak bazen oldukça zaman alıcı olabiliyor. Hata mesajlarını okumayı öğrenmek biraz vakit alıyor.&lt;/p&gt;

&lt;p&gt;&lt;a href="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fdev-to-uploads.s3.us-east-2.amazonaws.com%2Fuploads%2Farticles%2Faof7ygw49lqki8k6a59i.jpg" class="article-body-image-wrapper"&gt;&lt;img src="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fdev-to-uploads.s3.us-east-2.amazonaws.com%2Fuploads%2Farticles%2Faof7ygw49lqki8k6a59i.jpg" alt="gorsel" width="800" height="420"&gt;&lt;/a&gt;&lt;/p&gt;

&lt;h2&gt;
  
  
  5. fuzzywuzzy
&lt;/h2&gt;

&lt;p&gt;Banka açıklamaları genellikle çok düzensizdir. Fuzzywuzzy, metinleri birbirine benzerliklerine göre eşleştirmek için kullanılır. Sürüm 0.18.0 kullanıyorum. BIST HİSSE ALIM ile BIST ALIM gibi ifadeleri aynı kategoriye sokmak için bu aracı kullanıyorum.&lt;/p&gt;

&lt;p&gt;Harika bir araç ancak büyük veri setlerinde performans ciddi oranda düşüyor. Çünkü her satırı birbiriyle kıyaslıyor. Bu yüzden sadece küçük ve temizlenmiş veri setlerinde kullanmanızı öneririm.&lt;/p&gt;

&lt;h2&gt;
  
  
  6. pendulum
&lt;/h2&gt;

&lt;p&gt;Pendulum, tarih ve zaman işlemleri için standart kütüphaneden çok daha kolay bir araçtır. Sürüm 3.3.0 kullanıyorum. Banka ekstresindeki farklı formatlardaki tarih verilerini normalize etmek için kullanıyorum.&lt;/p&gt;

&lt;p&gt;Finansal analizde zaman bazlı işlemler kritik öneme sahiptir. Pendulum, zaman dilimi dönüşümlerini ve tarih farklarını hesaplamayı çok kolaylaştırıyor.&lt;/p&gt;

&lt;p&gt;Tuzak ise standart datetime kütüphanesiyle çalışması gereken eski kodlarınız varsa uyumsuzluk çıkarabilmesidir. Bazı kütüphaneler pendulum nesnelerini doğrudan kabul etmeyebilir.&lt;/p&gt;

&lt;h2&gt;
  
  
  7. openpyxl
&lt;/h2&gt;

&lt;p&gt;Analiz ettiğim verileri raporlamak için openpyxl kullanıyorum. Sürüm 3.1.5 ile çalışıyorum. Yöneticilerin veya strateji ekiplerinin okuyabileceği formatlı Excel dosyaları oluşturmak için birebir.&lt;/p&gt;

&lt;p&gt;Ancak çok büyük dosyaları yazarken işlemciyi yorabiliyor ve dosya boyutunu gereksiz yere şişirebiliyor. Sadece raporlama aşamasında kullanmak en iyisi.&lt;/p&gt;

&lt;h2&gt;
  
  
  8. python-dotenv
&lt;/h2&gt;

&lt;p&gt;Hassas verileri yönetmek için python-dotenv kullanıyorum. Sürüm 1.2.4 ile çalışıyorum. API anahtarlarını kodun içine gömmemek güvenlik için şart.&lt;/p&gt;

&lt;p&gt;Tuzak ise yanlış yapılandırıldığında ortam değişkenlerinin yüklenmemesidir. Bu durum otomasyon scriptlerinin sessizce hata vermesine neden olur. Her zaman değişkenin yüklendiğinden emin olun.&lt;/p&gt;

&lt;h2&gt;
  
  
  Toparlarsak
&lt;/h2&gt;

&lt;p&gt;Bu araçları kullanmak bir zeka göstergesi değil, tekrar meselesidir. Aynı işi tekrar tekrar yaparken aynı araçları kullanmak size zaman kazandırır. Bundan sonra yapmanız gereken ilk şey, kendi finansal veri akışınızı gözden geçirmek. Hangi noktada manuel işlem yapıyorsunuz? O noktayı belirleyin ve yukarıdaki araçlardan uygun olanı seçerek süreci otomatize etmeye başlayın. Küçük adımlarla başlayın, sonra tüm süreci birbirine bağlayın. Süreç bir kez oturduğunda, veriden strateji çıkarmak çok daha keyifli hale gelecek. İlk adım olarak banka ekstrenizi PDF formatından CSV formatına dönüştüren basit bir script yazarak başlayabilirsiniz. Ardından bu veriyi pandas ile temizleyip pydantic ile doğrulamak, hata payınızı neredeyse sıfıra indirecektir. İş akışınızda hata aldığınızda kodunuzu parçalara ayırıp her modülü ayrı ayrı test etmeyi alışkanlık haline getirin. Böylece karmaşık finansal veriler arasında kaybolmadan hızlıca aksiyon alabilirsiniz.&lt;/p&gt;

</description>
      <category>trading</category>
      <category>python</category>
    </item>
    <item>
      <title>Borsa Agentlarını Linux Üzerinde Yönetmek İçin 8 Python Aracı</title>
      <dc:creator>Serdar Tavukçu</dc:creator>
      <pubDate>Thu, 12 Nov 2026 09:12:34 +0000</pubDate>
      <link>https://dev.to/serdartavukcu/borsa-agentlarini-linux-uzerinde-yonetmek-icin-8-python-araci-27gg</link>
      <guid>https://dev.to/serdartavukcu/borsa-agentlarini-linux-uzerinde-yonetmek-icin-8-python-araci-27gg</guid>
      <description>&lt;p&gt;[[GORSEL_KAPAK]]&lt;/p&gt;

&lt;p&gt;Borsa işlemlerini otomatize ederken kullandığım sistemlerin kararlı çalışması benim için hayati önem taşıyor. Özellikle trading agent yapılarını Linux üzerinde canlı tutmak, hata anında müdahale etmek ve güncellemeleri hızlıca yaymak için farklı Python kütüphaneleri denedim. Bu süreçte karşılaştığım problemleri çözmek için kullandığım araçları ve yaşadığım tecrübeleri aşağıda sıraladım. Bu paketleri gerçek işlerde kullandım, sırasıyla anlatıyorum.&lt;/p&gt;

&lt;h2&gt;
  
  
  1. systemd-python (Sürüm 235)
&lt;/h2&gt;

&lt;p&gt;Bu kütüphane sistemdeki servislerle Python üzerinden konuşmanı sağlar. BIST trading agentlarının systemd servis durumlarını Python içinden sorgulamak ve kontrol etmek için kullanıyorum. Servis durmuş mu yoksa çalışıyor mu diye terminale bakmak yerine kodun içinde bunu kontrol edebiliyorum.&lt;/p&gt;

&lt;p&gt;Tuzak ise şudur. Bu kütüphane D-Bus arayüzüne bağımlı çalışır. Bu yüzden root yetkisi gerektiren işlemlerde izin hatalarıyla çok uğraştırır. Eğer yetki yönetimi konusunda dikkatli değilsen scriptlerin sürekli hata verir ve çalışmayı durdurur.&lt;/p&gt;

&lt;h2&gt;
  
  
  2. psutil (Sürüm 7.2.2)
&lt;/h2&gt;

&lt;p&gt;Sistem izleme denince akla gelen ilk araçtır. Trading botlarının CPU ve RAM tüketimini anlık izleyip, limit aşımında servisi yeniden başlatmak için kullanıyorum. Özellikle bellek sızıntısı yapan bir agent varsa psutil sayesinde bunu erkenden fark edip sistemi kurtarabiliyorum.&lt;/p&gt;

&lt;p&gt;Buradaki tuzak performansla ilgili. Sistem kaynaklarını okurken çok sık sorgu atmak, veri analizi scriptlerinizin performansını düşürür. Sürekli sistemi yoklamak yerine belirli aralıklarla kontrol yapmak daha sağlıklıdır.&lt;/p&gt;

&lt;h2&gt;
  
  
  3. fabric (Sürüm 3.2.3)
&lt;/h2&gt;

&lt;p&gt;Birden fazla sunucuda çalışan finansal agentları tek merkezden güncellemek ve servisleri restart etmek için fabric kullanıyorum. SSH üzerinden komut çalıştırmak için harika bir kütüphanedir.&lt;/p&gt;

&lt;p&gt;&lt;a href="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fdev-to-uploads.s3.us-east-2.amazonaws.com%2Fuploads%2Farticles%2F6o15va10xug81iq8zeof.jpg" class="article-body-image-wrapper"&gt;&lt;img src="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fdev-to-uploads.s3.us-east-2.amazonaws.com%2Fuploads%2Farticles%2F6o15va10xug81iq8zeof.jpg" alt="gorsel" width="800" height="420"&gt;&lt;/a&gt;&lt;/p&gt;

&lt;p&gt;Tuzak noktası ise ağ bağlantılarıdır. SSH bağlantı zaman aşımları ve ağ kesintileri otomasyon sürecini yarıda bırakabilir. Eğer internetin dalgalıysa komutun yarısı çalışıp yarısı havada kalabilir.&lt;/p&gt;

&lt;h2&gt;
  
  
  4. python-crontab (Sürüm 3.4.0)
&lt;/h2&gt;

&lt;p&gt;Piyasa açılış ve kapanış saatlerine göre çalışan zamanlanmış görevleri Python ile yönetmek için kullanıyorum. Crontab dosyasını manuel düzenlemek yerine bu API ile kod içinden yönetmek çok daha temiz.&lt;/p&gt;

&lt;p&gt;Tuzak ise crontab dosyasının üzerine yazarken mevcut görevleri yanlışlıkla silme riskidir. Bu yüzden her zaman mevcut listeyi çekip üzerine ekleme yaparak ilerlemek gerekiyor.&lt;/p&gt;

&lt;h2&gt;
  
  
  5. watchdog (Sürüm 7.1.0)
&lt;/h2&gt;

&lt;p&gt;Dosya sistemi olaylarını izleyip strateji dosyalarındaki değişiklikleri takip etmek için kullanıyorum. Kod güncellendiğinde ilgili servisleri otomatik reload etmek için çok işe yarar.&lt;/p&gt;

&lt;p&gt;Tuzak ise dosya sistemi olaylarını izlerken çok hızlı tetiklenmesi durumunda gereksiz servis restartlarına yol açmasıdır. Tek bir dosyayı kaydederken bazen sistem bunu birkaç olay olarak algılayıp servisi üst üste yeniden başlatmaya çalışabilir.&lt;/p&gt;

&lt;h2&gt;
  
  
  6. circus (Sürüm 0.19.0)
&lt;/h2&gt;

&lt;p&gt;Circus bir process yöneticisidir. Python tabanlı olduğu için birden fazla BIST veri çekme servisinin yaşam döngüsünü yönetmek için kullanıyorum.&lt;/p&gt;

&lt;p&gt;Tuzak ise konfigürasyon karmaşıklığıdır. Servis sayısı arttıkça ve bağımlılıklar çoğaldıkça circus yapılandırmasını yönetmek systemd dosyalarına göre daha zor olabilir.&lt;/p&gt;

&lt;h2&gt;
  
  
  7. sh (Sürüm 2.4.0)
&lt;/h2&gt;

&lt;p&gt;Linux terminal komutlarını Python fonksiyonu gibi çağırmak için harika bir araçtır. Hızlı servis yönetimi otomasyonları yazarken terminale gitmek yerine sh kullanıyorum.&lt;br&gt;
&lt;/p&gt;

&lt;div class="highlight js-code-highlight"&gt;
&lt;pre class="highlight python"&gt;&lt;code&gt;&lt;span class="k"&gt;import&lt;/span&gt; &lt;span class="n"&gt;sh&lt;/span&gt;
&lt;span class="n"&gt;sh&lt;/span&gt;&lt;span class="p"&gt;.&lt;/span&gt;&lt;span class="nf"&gt;systemctl&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="s2"&gt;"restart"&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="s2"&gt;"trading-agent.service"&lt;/span&gt;&lt;span class="p"&gt;)&lt;/span&gt;
&lt;/code&gt;&lt;/pre&gt;

&lt;/div&gt;



&lt;p&gt;Yukarıdaki kod bloğu systemctl komutunu bir Python fonksiyonu gibi çalıştırır. Servis adını parametre olarak gönderir ve arka planda terminal komutunu tetikler. Hata çıkarsa Python içinde bunu yakalayabiliriz.&lt;/p&gt;

&lt;p&gt;Tuzak ise komut çıktılarının yönetimi ve hata yakalama süreçleridir. Standart kütüphanelere göre daha karmaşık davranabilir, bu yüzden çıktıyı doğru okumak için biraz vakit harcaman gerekir.&lt;/p&gt;

&lt;h2&gt;
  
  
  8. supervisor (Sürüm 4.3.0)
&lt;/h2&gt;

&lt;p&gt;Trading agentlarının her zaman ayakta kalmasını sağlamak ve hata durumunda loglarını incelemek için kullanıyorum. UNIX tabanlı sistemlerde süreç kontrolü için oldukça sağlam bir sistemdir.&lt;/p&gt;

&lt;p&gt;Tuzak ise servis başlatma süreçlerinin uzun sürmesidir. Eğer agent ayağa kalkarken veri yükleme gibi uzun işlemler yapıyorsa supervisor bunu başarısız durumuna düşürüp gereksiz alarm üretebilir.&lt;/p&gt;

&lt;p&gt;&lt;a href="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fdev-to-uploads.s3.us-east-2.amazonaws.com%2Fuploads%2Farticles%2F3hq772abeuhampe1pltp.jpg" class="article-body-image-wrapper"&gt;&lt;img src="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fdev-to-uploads.s3.us-east-2.amazonaws.com%2Fuploads%2Farticles%2F3hq772abeuhampe1pltp.jpg" alt="gorsel" width="800" height="420"&gt;&lt;/a&gt;&lt;/p&gt;

&lt;h2&gt;
  
  
  Gerçek Hayat Senaryosu ve Çözüm Adımları
&lt;/h2&gt;

&lt;p&gt;Bu araçları neden kullandığımı bir örnekle açayım. BIST veri çekme agentlarım bazen bellek sızıntısı yüzünden RAM tüketimini %90 seviyesine çıkarıyor. Bu durumda sistem kilitlenmeden önce psutil ile CPU ve RAM verilerini her 30 saniyede bir kontrol eden bir script çalıştırıyorum. Eğer RAM kullanımı kritik eşiği geçerse, sh kütüphanesi ile servisi durdurup tekrar başlatıyorum. Bu süreç tamamen otomatik işliyor.&lt;/p&gt;

&lt;p&gt;Adım adım çözümüm şu şekilde:&lt;br&gt;
Önce psutil ile sistem kaynaklarını okuyorum. Ardından bir if bloğu ile bellek kullanımını kontrol ediyorum. Eğer limit aşılmışsa sh.systemctl komutu ile servisi yeniden başlatıyorum. Eğer hata devam ederse fabric ile uzak sunucudaki log dosyalarını çekip hatanın sebebini inceliyorum.&lt;/p&gt;

&lt;h2&gt;
  
  
  Yolda Çıkan Hatalar ve Giderilme Yöntemleri
&lt;/h2&gt;

&lt;p&gt;En büyük sorunum her zaman SSH zaman aşımları oldu. Fabric kullanırken bağlantı koptuğunda scriptim yarım kalıyordu. Bunu çözmek için bağlantı denemelerini bir döngü içine aldım ve her başarısız denemede 5 saniye bekleyip tekrar bağlanmasını sağladım. &lt;/p&gt;

&lt;p&gt;Bir diğer hata ise systemd-python kullanırken yaşadığım yetki sorunuydu. Servisleri root olmadan yönetemediğim için scripti sudo yetkisiyle çalıştırmak yerine, ilgili servis dosyasında gerekli izinleri tanımlayarak güvenlik riskini azalttım. Bu sayede scriptlerim artık daha güvenli ve stabil çalışıyor.&lt;/p&gt;

&lt;h2&gt;
  
  
  Karşılaştırma: Neden Bu Araçlar?
&lt;/h2&gt;

&lt;p&gt;Alternatif olarak Bash scriptleri yazabilirdim ama Python ile hata yakalama ve loglama yapmak çok daha kolay. Bash içerisinde bir hata oluştuğunda bunu takip etmek zorlaşırken, Python ile try-except blokları kullanarak her türlü hatayı anında yakalayıp e-posta veya mesaj yoluyla bildirim alabiliyorum. Circus ve Supervisor arasında seçim yaparken, daha basit yapılar için systemd tercih ettim ancak çoklu process yönetimi gereken karmaşık sistemlerde Supervisor'ın sunduğu arayüz ve log yönetimi benim için daha pratik oldu.&lt;/p&gt;

&lt;h2&gt;
  
  
  Toparlarsak
&lt;/h2&gt;

&lt;p&gt;Arac seçimi zeka değil tekrar meselesidir. Hangi aracın nerede hata verdiğini bir kez yaşayınca bir daha aynı tuzağa düşmüyorsun. Aynı işe aynı aracı kullanmak zaman kazandırıyor.&lt;/p&gt;

&lt;p&gt;Bundan sonra yapman gereken şey şu. Kendi trading agentların için yukarıdaki araçlardan birini seç ve sadece bir servis üzerinde deneme yap. Önce psutil ile kaynak tüketimini izle, sonra fabric ile uzak sunucuda bir komut çalıştırmayı dene. Hata aldığında hemen pes etme, çünkü bu araçların hepsi gerçek üretim ortamlarında test edilmiş ve olgunlaşmış yapılar. Kendi sistemini kurarken bu yapıların tuzaklarını bilerek ilerlemek sana saatler kazandıracak. Küçük bir script ile başla ve sistemi yavaş yavaş otomatize et. İlk adım olarak mevcut servislerini bir Python scripti üzerinden sorgulayarak işe başlayabilirsin.&lt;/p&gt;

</description>
      <category>python</category>
      <category>automation</category>
    </item>
    <item>
      <title>Borsa Verisi ve İşlem Otomasyonunda CLI Gücü: Serdarın Araç Kutusu</title>
      <dc:creator>Serdar Tavukçu</dc:creator>
      <pubDate>Mon, 09 Nov 2026 08:30:36 +0000</pubDate>
      <link>https://dev.to/serdartavukcu/borsa-verisi-ve-islem-otomasyonunda-cli-gucu-serdarin-arac-kutusu-22em</link>
      <guid>https://dev.to/serdartavukcu/borsa-verisi-ve-islem-otomasyonunda-cli-gucu-serdarin-arac-kutusu-22em</guid>
      <description>&lt;p&gt;&lt;a href="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fdev-to-uploads.s3.us-east-2.amazonaws.com%2Fuploads%2Farticles%2Falusn40jbtuaybc84brm.jpg" class="article-body-image-wrapper"&gt;&lt;img src="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fdev-to-uploads.s3.us-east-2.amazonaws.com%2Fuploads%2Farticles%2Falusn40jbtuaybc84brm.jpg" alt="gorsel" width="800" height="420"&gt;&lt;/a&gt;&lt;/p&gt;

&lt;p&gt;Borsa verileriyle uğraşırken terminal ekranı benim ana çalışma alanım haline geldi. Başlarda sadece basit scriptler yazıyordum ama işler büyüdükçe bu araçları yönetmek zorlaştı. Elimdeki işleri otomatize ederken kullandığım ve gerçekten verim aldığım araçları bir araya getirdim. Bu liste tamamen kendi deneyimlerime dayanıyor. Hangi aracı neden seçtiğimi ve nerelerde hata yapıp başımı ağrıttığımı burada anlatıyorum.&lt;/p&gt;

&lt;h2&gt;
  
  
  1. Typer
&lt;/h2&gt;

&lt;p&gt;Typer kütüphanesi 0.28.0 sürümüyle hayatıma girdi. Bu araç Python tip belirteçlerini kullanarak harika komut satırı arayüzleri oluşturmamı sağlıyor. BIST veri çekme scriptlerimi tip güvenli ve otomatik dokümantasyonlu araçlara dönüştürmek için kullanıyorum. Kod yazarken tip tanımları üzerinden gittiğim için hata yapma payım azalıyor.&lt;/p&gt;

&lt;p&gt;Typer kullanmanın en büyük avantajı kodun temiz kalması. Ancak karmaşık iç içe geçmiş komut yapılarında bazen hata ayıklama süreci zorlaşıyor. Hangi komutun nerede patladığını anlamak için bazen saatler harcadığım oldu. Özellikle derin hiyerarşiler kurduğumda terminal çıktısı karmaşıklaşabiliyor. Yine de hızlıca bir CLI aracı ayağa kaldırmak istediğimde ilk başvorum burası.&lt;/p&gt;

&lt;h2&gt;
  
  
  2. Click
&lt;/h2&gt;

&lt;p&gt;Click 8.5.1 sürümüyle büyük ölçekli finansal analiz araçlarımda yerini aldı. Bu kütüphane karmaşık komut gruplarını yönetmek için biçilmiş kaftan. Özellikle hiyerarşik argümanlar söz konusu olduğunda Click yapısı çok tutarlı çalışıyor.&lt;/p&gt;

&lt;p&gt;Ancak bu aracın ciddi bir öğrenme eğrisi var. Çok fazla iç içe geçmiş grup yapısı kurduğumda aracı kullanacak diğer kişilerin işi zorlaşıyor. Kendi yazdığım araca bir ay sonra dönüp baktığımda neden bu kadar karmaşık bir yapı kurduğumu sorguladığım çok oldu. Yine de büyük projelerde kontrolü elden bırakmamak adına bu aracı tercih ediyorum.&lt;/p&gt;

&lt;h2&gt;
  
  
  3. Rich
&lt;/h2&gt;

&lt;p&gt;Rich 15.0.0 sürümü terminal dünyamı renklendirdi. BIST canlı fiyatlarını veya trading sinyallerini terminalde okunabilir tablolar ve renkli çıktılarla görmek büyük kolaylık.&lt;/p&gt;

&lt;p&gt;Çok yoğun veri akışında terminalin render kapasitesini zorlayarak performansı düşürebiliyor. Bir keresinde canlı fiyatları saniyelik güncellerken terminalin donduğunu ve tüm scriptin kilitlendiğini gördüm. Bu yüzden Rich kullanırken veri akış hızını sınırlamak zorunda kaldım.&lt;/p&gt;

&lt;p&gt;Rich kütüphanesini kullanarak verileri ekrana basarken aslında terminalin satır tamponunu dolduruyoruz. Özellikle 500 milisaniyelik aralıklarla 20 farklı hissenin fiyatını güncellediğimde, terminalin saniyede 40 kez yeniden çizim yapması işlemciyi yüzde 30 seviyelerinde yoruyordu. Bunu aşmak için her güncellemede tüm tabloyu silip yeniden yazdırmak yerine, sadece değişen hücreleri güncelleyen bir canlı panel yapısına geçiş yaptım. Böylece terminalin render yükü ciddi oranda azaldı ve donmalar bitti.&lt;/p&gt;

&lt;h2&gt;
  
  
  4. Pandas
&lt;/h2&gt;

&lt;p&gt;Pandas 3.1.1 sürümü veri analizinin kalbi. CLI üzerinden gelen ham borsa verilerini manipüle etmek ve teknik indikatörleri hesaplamak için kullanıyorum.&lt;/p&gt;

&lt;p&gt;Büyük veri setlerinde bellek yönetimi düzgün yapılmazsa sistemin kilitlenmesine yol açabiliyor. Geçmişe dönük on yıllık veriyi tek seferde yüklemeye çalıştığımda sistemin RAM kullanımının tavan yaptığını ve bilgisayarın yanıt vermediğini çok kez yaşadım. Veriyi parçalar halinde işlemek bu sorunu çözdü.&lt;/p&gt;

&lt;p&gt;Pandas üzerinde yaşadığım bir diğer somut sorun, tarih sütunlarını indekslerken gerçekleşti. 15 dakikalık periyotlarla çekilen 5 yıllık veri setinde, tarih formatı yanlış tanımlandığında hesaplama süresi 12 saniyeye kadar çıkıyordu. Veriyi okurken parse_dates parametresini kullanarak ve veri tipini datetime64 olarak sabitleyerek bu süreyi 0.4 saniyeye indirdim. Ayrıca büyük CSV dosyalarını okurken chunksize parametresi ile veriyi 1000 satırlık parçalar halinde işlemek, 16 GB RAM kapasitesini aşmamı engelledi.&lt;/p&gt;

&lt;p&gt;&lt;a href="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fdev-to-uploads.s3.us-east-2.amazonaws.com%2Fuploads%2Farticles%2Fas0rlxks7zf75btdg4t4.jpg" class="article-body-image-wrapper"&gt;&lt;img src="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fdev-to-uploads.s3.us-east-2.amazonaws.com%2Fuploads%2Farticles%2Fas0rlxks7zf75btdg4t4.jpg" alt="gorsel" width="800" height="420"&gt;&lt;/a&gt;&lt;/p&gt;

&lt;h2&gt;
  
  
  5. Python-dotenv
&lt;/h2&gt;

&lt;p&gt;Python-dotenv 1.2.4 sürümü güvenlik için kritik. Borsa API anahtarlarını ve veritabanı şifrelerini CLI aracından güvenli bir şekilde okumak için kullanıyorum.&lt;/p&gt;

&lt;p&gt;Ancak yanlış yapılandırma durumunda hassas bilgilerin log dosyalarına sızma riski taşıyor. Bir keresinde .env dosyasını yanlışlıkla log klasörüne kopyaladığım için anahtarlarım açığa çıkmıştı. O günden beri dosyaları okurken çok dikkatli davranıyorum.&lt;/p&gt;

&lt;h2&gt;
  
  
  6. Requests
&lt;/h2&gt;

&lt;p&gt;Requests 2.34.2 sürümü finansal veri sağlayan REST API'lerden anlık fiyat verilerini çekmek için kullandığım temel araç.&lt;/p&gt;

&lt;p&gt;Hata yönetimi, yani timeout ve retries kısımları düzgün kurulmazsa ağ kesintilerinde tüm otomasyon duruyor. İnternet bağlantım koptuğunda scriptin sonsuz döngüye girdiğini veya hata verip kapandığını çok gördüm. Bu yüzden her isteği try-except blokları içine alarak yönetiyorum.&lt;br&gt;
&lt;/p&gt;

&lt;div class="highlight js-code-highlight"&gt;
&lt;pre class="highlight python"&gt;&lt;code&gt;&lt;span class="kn"&gt;import&lt;/span&gt; &lt;span class="n"&gt;requests&lt;/span&gt;
&lt;span class="kn"&gt;from&lt;/span&gt; &lt;span class="n"&gt;requests.adapters&lt;/span&gt; &lt;span class="kn"&gt;import&lt;/span&gt; &lt;span class="n"&gt;HTTPAdapter&lt;/span&gt;
&lt;span class="kn"&gt;from&lt;/span&gt; &lt;span class="n"&gt;urllib3.util.retry&lt;/span&gt; &lt;span class="kn"&gt;import&lt;/span&gt; &lt;span class="n"&gt;Retry&lt;/span&gt;

&lt;span class="n"&gt;session&lt;/span&gt; &lt;span class="o"&gt;=&lt;/span&gt; &lt;span class="n"&gt;requests&lt;/span&gt;&lt;span class="p"&gt;.&lt;/span&gt;&lt;span class="nc"&gt;Session&lt;/span&gt;&lt;span class="p"&gt;()&lt;/span&gt;
&lt;span class="n"&gt;retries&lt;/span&gt; &lt;span class="o"&gt;=&lt;/span&gt; &lt;span class="nc"&gt;Retry&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="n"&gt;total&lt;/span&gt;&lt;span class="o"&gt;=&lt;/span&gt;&lt;span class="mi"&gt;5&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="n"&gt;backoff_factor&lt;/span&gt;&lt;span class="o"&gt;=&lt;/span&gt;&lt;span class="mi"&gt;1&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="n"&gt;status_forcelist&lt;/span&gt;&lt;span class="o"&gt;=&lt;/span&gt;&lt;span class="p"&gt;[&lt;/span&gt;&lt;span class="mi"&gt;502&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="mi"&gt;503&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="mi"&gt;504&lt;/span&gt;&lt;span class="p"&gt;])&lt;/span&gt;
&lt;span class="n"&gt;session&lt;/span&gt;&lt;span class="p"&gt;.&lt;/span&gt;&lt;span class="nf"&gt;mount&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="sh"&gt;'&lt;/span&gt;&lt;span class="s"&gt;https://&lt;/span&gt;&lt;span class="sh"&gt;'&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="nc"&gt;HTTPAdapter&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="n"&gt;max_retries&lt;/span&gt;&lt;span class="o"&gt;=&lt;/span&gt;&lt;span class="n"&gt;retries&lt;/span&gt;&lt;span class="p"&gt;))&lt;/span&gt;

&lt;span class="n"&gt;response&lt;/span&gt; &lt;span class="o"&gt;=&lt;/span&gt; &lt;span class="n"&gt;session&lt;/span&gt;&lt;span class="p"&gt;.&lt;/span&gt;&lt;span class="nf"&gt;get&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="sh"&gt;"&lt;/span&gt;&lt;span class="s"&gt;https://api.borsa.ornek/fiyat&lt;/span&gt;&lt;span class="sh"&gt;"&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="n"&gt;timeout&lt;/span&gt;&lt;span class="o"&gt;=&lt;/span&gt;&lt;span class="mi"&gt;5&lt;/span&gt;&lt;span class="p"&gt;)&lt;/span&gt;
&lt;span class="nf"&gt;print&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="n"&gt;response&lt;/span&gt;&lt;span class="p"&gt;.&lt;/span&gt;&lt;span class="nf"&gt;json&lt;/span&gt;&lt;span class="p"&gt;())&lt;/span&gt;
&lt;/code&gt;&lt;/pre&gt;

&lt;/div&gt;



&lt;p&gt;Yukarıdaki kod bloğu, borsa API'sine bağlanırken karşılaştığım bağlantı kopma sorunlarını çözmek için kurduğum bir yapıdır. Burada requests kütüphanesinin Session nesnesini kullanarak HTTPAdapter üzerinden otomatik yeniden deneme mekanizması oluşturdum. Eğer sunucu 502 veya 504 gibi geçici hatalar dönerse, scriptim pes etmek yerine 1 saniyelik aralıklarla 5 kez daha deneme yapıyor. Timeout parametresini 5 saniye olarak belirleyerek, sunucunun cevap vermediği durumlarda scriptin sonsuza kadar beklemesini engelledim.&lt;/p&gt;

&lt;h2&gt;
  
  
  7. Loguru
&lt;/h2&gt;

&lt;p&gt;Loguru 0.7.3 sürümü ile loglama işini çok basit hale getirdim. Yazdığım otomasyon araçlarının arka planda neler yaptığını ve oluşan hataları takip etmek için kullanıyorum.&lt;/p&gt;

&lt;p&gt;Çok hızlı çalışan döngülerde aşırı log yazımı disk I/O performansını yavaşlatabiliyor. Bir keresinde milisaniyelik işlemler için her adımı logladığımda disk dolmuştu. O günden sonra log seviyelerini daha dikkatli seçiyorum.&lt;/p&gt;

&lt;p&gt;Loguru kullanırken yaptığım en büyük hata, tüm logları tek bir metin dosyasına sürekli append ederek yazdırmaktı. Bir haftalık borsa verisi takibi sonucunda log dosyası 4 GB boyuta ulaştı ve sistemin disk yazma hızını saniyede 10 MB seviyesine kadar düşürdü. Bu sorunu aşmak için loguru kütüphanesinin rotation özelliğini devreye aldım. Her 500 MB boyuta ulaştığında log dosyasını otomatik olarak sıkıştırıp yeni bir dosyaya geçmesini sağladım. Ayrıca sadece hata seviyesindeki logları ayrı bir dosyaya, bilgi mesajlarını ise ayrı bir dosyaya yönlendirerek disk performansını tekrar eski haline getirdim.&lt;/p&gt;

&lt;h2&gt;
  
  
  Toparlarsak
&lt;/h2&gt;

&lt;p&gt;Arac seçimi zeka değil tekrar meselesi. Ayni ise ayni araci kullanmak zaman kazandiriyor. Bu listedeki araçları her gün kullanarak elim alıştı. Şimdi sana tavsiyem, bu araçlardan sadece birini seç ve mevcut bir scriptine entegre et. Hemen yarın sabah basit bir veri çekme aracına loguru ekleyerek işe başlayabilirsin. Gördüğün hataları not et, çünkü bir sonraki projende aynı hatayı yapmanı engelleyecek olan tek şey o notlardır. Kendi araç kutunu oluşturmak için en iyi zaman şu andır. Bundan sonraki adımda, bu araçları birleştirerek kendi küçük borsa izleme panelini kurmayı deneyebilirsin. Hangi aracın hangi senaryoda daha iyi çalıştığını anlamanın en hızlı yolu, kendi küçük veri setinle denemeler yapmaktır. Başarılar dilerim.&lt;/p&gt;

</description>
      <category>finance</category>
      <category>python</category>
      <category>data</category>
      <category>automation</category>
    </item>
    <item>
      <title>Borsa Veri Akışında Uzmanlaşın: Serdar İçin 8 Kritik Python Kütüphanesi</title>
      <dc:creator>Serdar Tavukçu</dc:creator>
      <pubDate>Mon, 09 Nov 2026 08:04:13 +0000</pubDate>
      <link>https://dev.to/serdartavukcu/borsa-veri-akisinda-uzmanlasin-serdar-icin-8-kritik-python-kutuphanesi-1ea6</link>
      <guid>https://dev.to/serdartavukcu/borsa-veri-akisinda-uzmanlasin-serdar-icin-8-kritik-python-kutuphanesi-1ea6</guid>
      <description>&lt;p&gt;&lt;a href="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fdev-to-uploads.s3.us-east-2.amazonaws.com%2Fuploads%2Farticles%2Fu6f9c757ekfk5hf1v90s.jpg" class="article-body-image-wrapper"&gt;&lt;img src="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fdev-to-uploads.s3.us-east-2.amazonaws.com%2Fuploads%2Farticles%2Fu6f9c757ekfk5hf1v90s.jpg" alt="gorsel" width="800" height="420"&gt;&lt;/a&gt;&lt;/p&gt;

&lt;p&gt;Borsa verileriyle uğraşırken bir süre sonra kendi araç setini kurmak zorunda kalıyorsun. Başta basit bir script ile başlayan bu süreç, zamanla devasa bir veri yığınına dönüşüyor. Bu paketleri gerçek işlerde kullandım, sırasıyla anlatıyorum. Her biri farklı bir sorunu çözüyor ama hepsinin ortak noktası iş akışını hızlandırmak.&lt;/p&gt;

&lt;h2&gt;
  
  
  1. Gerçek Hayat Senaryosu: Veri Akışında Nerede Kayboluyoruz
&lt;/h2&gt;

&lt;p&gt;Borsa verisiyle uğraşırken karşılaştığım en büyük problem, verinin dağınıklığı. Bir sabah uyandığımda BIST üzerindeki hisse hareketlerini analiz etmek istedim. Ancak veriler farklı kaynaklarda, farklı formatlarda duruyordu. Bir kısmı PDF raporlarında, bir kısmı web sitelerinde, bir kısmı ise sadece anlık API üzerinden akıyordu. Bu verileri bir araya getirmek için önce yfinance ile temel fiyatları çektim. Ardından requests ile haber sitelerinden metinleri kazıdım. Bu süreçte veriyi tutarlı bir yapıya sokmak için pandas kullandım. Eğer bu kütüphaneler olmasaydı, veriyi temizlemekle uğraşırken günün yarısını kaybederdim. Gerçek hayatta bu problem, özellikle piyasa açılışından hemen önce verinin güncelliğini kontrol ederken karşıma çıkıyor. Eğer veriyi doğru zamanda çekemezsem, stratejim yanlış fiyat üzerinden tetikleniyor ve bu da hatalı alım satım kararlarına yol açıyor.&lt;/p&gt;

&lt;h2&gt;
  
  
  2. yfinance
&lt;/h2&gt;

&lt;p&gt;Bu kütüphane Yahoo Finance üzerinden anlık ve geçmiş BIST veya global veri çekme işlemlerini hızla prototiplemek için kullanılır. Sürüm 1.8.0 ile çalışıyorum. Bir strateji geliştirmeye başladığımda ilk yaptığım şey geçmiş fiyat verisini hızlıca çekip grafiğe dökmek oluyor.&lt;/p&gt;

&lt;p&gt;Bunu neden kullanıyorum çünkü veri çekme süreci çok zahmetli olabiliyor. Buradaki en büyük tuzak ise resmi bir API olmaması. Yahoo veri yapısını değiştirdiği an kodun aniden çalışmayı durdurabilir. Bu yüzden projelerinde buna her zaman bir yedek plan eklemeyi unutmamalısın.&lt;/p&gt;

&lt;h2&gt;
  
  
  3. pandas
&lt;/h2&gt;

&lt;p&gt;Finansal veri analizi yaparken pandas 3.1.1 sürümü benim için temeldir. Çekilen ham finansal verileri zaman serisi analizine uygun tablolar haline getirmek ve manipüle etmek için kullanılır. Veri temizliği yaparken veya fiyat hareketlerini ortalamalarla kıyaslarken sürekli bu kütüphaneye başvuruyorum.&lt;/p&gt;

&lt;p&gt;Tuzak ise şu, büyük veri setlerinde bellek yönetimi zayıftır. Eğer verimli indexleme yapmazsan sistemini bir anda kilitleyebilir. Belleği tüketmemek için veriyi parçalar halinde işlemeyi öğrendiğimde birçok hatayı çözdüm.&lt;/p&gt;

&lt;h2&gt;
  
  
  4. pandas-datareader
&lt;/h2&gt;

&lt;p&gt;Pandas ile uyumlu çalışan 0.11.1 sürümü, FRED, World Bank ve OECD gibi farklı finansal veri kaynaklarını tek bir arayüzden çekmek için kullanılır. Farklı makroekonomik göstergeleri borsa verileriyle birleştirmek istediğimde bu aracı kullanıyorum.&lt;/p&gt;

&lt;p&gt;Ancak bağlı olduğu dış kaynakların API politikaları değiştiğinde veri akışında kopmalar yaşanabiliyor. Veri kaynağının güncel durumunu takip etmek zorunda kalmak bazen can sıkıcı olabiliyor.&lt;/p&gt;

&lt;h2&gt;
  
  
  5. requests
&lt;/h2&gt;

&lt;p&gt;Python dünyasının en sevdiğim kütüphanelerinden biri olan requests 2.34.2, API desteği sunan borsa platformlarına doğrudan HTTP isteği atarak özel veri setlerini almak için kullanılıyor.&lt;br&gt;
&lt;/p&gt;

&lt;div class="highlight js-code-highlight"&gt;
&lt;pre class="highlight python"&gt;&lt;code&gt;&lt;span class="kn"&gt;import&lt;/span&gt; &lt;span class="n"&gt;requests&lt;/span&gt;
&lt;span class="n"&gt;response&lt;/span&gt; &lt;span class="o"&gt;=&lt;/span&gt; &lt;span class="n"&gt;requests&lt;/span&gt;&lt;span class="p"&gt;.&lt;/span&gt;&lt;span class="nf"&gt;get&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="n"&gt;api_url&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="n"&gt;headers&lt;/span&gt;&lt;span class="o"&gt;=&lt;/span&gt;&lt;span class="n"&gt;headers&lt;/span&gt;&lt;span class="p"&gt;)&lt;/span&gt;
&lt;span class="n"&gt;data&lt;/span&gt; &lt;span class="o"&gt;=&lt;/span&gt; &lt;span class="n"&gt;response&lt;/span&gt;&lt;span class="p"&gt;.&lt;/span&gt;&lt;span class="nf"&gt;json&lt;/span&gt;&lt;span class="p"&gt;()&lt;/span&gt;
&lt;/code&gt;&lt;/pre&gt;

&lt;/div&gt;



&lt;p&gt;Bu kod bloğu, belirlenen bir API adresine başlık bilgilerini ekleyerek istek atıyor ve dönen yanıtı JSON formatında alıyor. Ardından bu veriyi analiz etmek için kullanıyorum.&lt;/p&gt;

&lt;p&gt;Tuzak ise çok sık istek atıldığında sunucular tarafından IP adresinin banlanması. Hız limitlerine dikkat etmezsen bir anda veri akışın kesilir.&lt;/p&gt;

&lt;h2&gt;
  
  
  6. ta
&lt;/h2&gt;

&lt;p&gt;Teknik analiz kütüphanesi olan ta 0.11.0, RSI, MACD ve Bollinger Bantları gibi teknik analiz göstergelerini ham fiyat verisi üzerinden saniyeler içinde hesaplar. Strateji geliştirirken göstergeleri manuel hesaplamak yerine bu kütüphaneyi kullanmak hata payını düşürüyor.&lt;/p&gt;

&lt;p&gt;Buradaki en büyük tuzak eksik veya hatalı veri girişlerinde yanlış sinyaller üretmesidir. Veri temizliği kritiktir. Eğer elindeki veride boşluklar varsa kütüphane saçma sonuçlar verebilir.&lt;/p&gt;

&lt;h2&gt;
  
  
  7. beautifulsoup4
&lt;/h2&gt;

&lt;p&gt;API sağlamayan finansal haber sitelerinden veya BIST duyuru sayfalarından yapılandırılmamış veriyi kazımak için 4.15.0 sürümünü kullanıyorum. Bazen veriye ulaşmanın tek yolu sitenin HTML kodlarını okumaktır.&lt;/p&gt;

&lt;p&gt;Tuzak çok açık, hedef sitenin HTML yapısı değiştiğinde yazdığın tüm kazıma scriptleri bozulur. Sürekli bakım gerektiren bir yöntem olduğu için sadece mecbur kaldığımda kullanıyorum.&lt;/p&gt;

&lt;h2&gt;
  
  
  8. SQLAlchemy
&lt;/h2&gt;

&lt;p&gt;Çekilen borsa verilerini kalıcı hale getirmek için Python kodlarını SQL veritabanlarıyla bağlayan SQLAlchemy 2.1.8 sürümünü kullanıyorum. Verileri bir kez çekip tekrar tekrar indirmek yerine yerel veritabanımda saklamak hız kazandırıyor.&lt;/p&gt;

&lt;p&gt;Tuzak ise ORM kullanımı. Doğrudan SQL sorgularına göre yüksek hacimli verilerde performans kaybına yol açabiliyor. Çok hızlı veri yazman gereken durumlarda dikkatli olmalısın.&lt;/p&gt;

&lt;h2&gt;
  
  
  9. backtrader
&lt;/h2&gt;

&lt;p&gt;Geliştirdiğim stratejileri geçmiş veri üzerinde test ederek otomasyonun başarısını ölçmek için 1.9.78.123 sürümünü kullanıyorum. Stratejiyi yazdıktan sonra gerçek parayla denemeden önce bu motorla test etmek şart.&lt;/p&gt;

&lt;p&gt;Tuzak ise öğrenme eğrisinin dik olmasıdır. Karmaşık stratejilerde hata ayıklaması oldukça zor olabilir. İlk başladığımda çok zorlanmıştım ama sonuçları görünce buna değdiğini anladım.&lt;/p&gt;

&lt;h2&gt;
  
  
  10. Yolda Çıkan Hatalar ve Giderilme Yöntemleri
&lt;/h2&gt;

&lt;p&gt;Bu kütüphaneleri kullanırken en çok başımı ağrıtan konu zaman damgalarının uyuşmazlığı oldu. Örneğin yfinance üzerinden çektiğim veri ile kendi veritabanımdaki zaman formatı bazen çakışıyordu. Bir gün, veritabanına veri yazarken saat dilimi farkı yüzünden tüm geçmiş verilerim kaydı. Hatayı gidermek için tüm zaman damgalarını UTC formatına çeviren bir fonksiyon yazdım. Bir diğer hata ise SQLAlchemy ile veritabanına büyük miktarda veri yazarken karşılaştığım bağlantı kopmalarıydı. Bu sorunu, veriyi küçük paketler halinde commit eden bir döngü kurarak aştım. Her hata, aslında sistemin daha dayanıklı olması için bir fırsat oldu. Kod yazarken hatayı görmezden gelmek yerine, hata loglarını düzenli tutarak nerede tıkandığımı anlamaya başladım.&lt;/p&gt;

&lt;h2&gt;
  
  
  11. Karşılaştırma: Alternatif Yöntemler ve Tercihlerim
&lt;/h2&gt;

&lt;p&gt;Piyasada birçok alternatif araç var ama ben bu seti seçtim. Örneğin veri kazıma için sadece requests kullanabilirdim ancak beautifulsoup4 ile HTML etiketlerini ayrıştırmak çok daha temiz sonuç veriyor. Backtrader yerine kendi test mekanizmamı da yazabilirdim fakat backtrader, piyasadaki komisyon oranlarını ve kayma maliyetlerini hesaba kattığı için daha gerçekçi sonuçlar sunuyor. Diğer yöntemler daha basit görünebilir ama uzun vadede bakım maliyetleri çok yüksek. Ben bu araçları, birbirleriyle uyumlu çalıştıkları ve topluluk desteği güçlü olduğu için tercih ettim. Her bir aracın kendi sınırları var, ancak bu sınırları bildiğinde onları aşmak daha kolay oluyor.&lt;/p&gt;

&lt;p&gt;&lt;a href="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fdev-to-uploads.s3.us-east-2.amazonaws.com%2Fuploads%2Farticles%2F2reb0bafqaddxcq43oju.jpg" class="article-body-image-wrapper"&gt;&lt;img src="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fdev-to-uploads.s3.us-east-2.amazonaws.com%2Fuploads%2Farticles%2F2reb0bafqaddxcq43oju.jpg" alt="gorsel" width="800" height="420"&gt;&lt;/a&gt;&lt;/p&gt;

&lt;h2&gt;
  
  
  Toparlarsak
&lt;/h2&gt;

&lt;p&gt;Bu araçları birleştirerek kendi veri hattını kurabilirsin. Borsa verisiyle uğraşırken en büyük sorun veri tutarsızlığıdır. Bu yüzden her aşamada veriyi kontrol etmeyi unutma.&lt;/p&gt;

&lt;p&gt;Bundan sonra ne yapmalı sorusuna gelirsek, öncelikle bu kütüphanelerden sadece birini seçip basit bir veri çekme işlemi yap. Ardından veriyi pandas ile bir tabloya al. Strateji geliştirme aşamasına geçmeden önce verinin temiz olduğundan emin ol. Arac seçimi zeka değil tekrar meselesi. Aynı işe aynı aracı kullanmak zaman kazandırıyor. Bir sonraki adımın, bu araçlarla basit bir fiyat hareketini takip eden bir script yazmak olsun. Başarılar dilerim.&lt;/p&gt;

</description>
      <category>finance</category>
      <category>python</category>
      <category>data</category>
      <category>automation</category>
    </item>
    <item>
      <title>Kisisel Butce Otomasyonunda Python ile Veri Yonetimi: İhtiyaciniz Olan 8 Paket</title>
      <dc:creator>Serdar Tavukçu</dc:creator>
      <pubDate>Sun, 08 Nov 2026 14:31:29 +0000</pubDate>
      <link>https://dev.to/serdartavukcu/kisisel-butce-otomasyonunda-python-ile-veri-yonetimi-ihtiyaciniz-olan-8-paket-4ldd</link>
      <guid>https://dev.to/serdartavukcu/kisisel-butce-otomasyonunda-python-ile-veri-yonetimi-ihtiyaciniz-olan-8-paket-4ldd</guid>
      <description>&lt;p&gt;Kendi finansal verilerimi yönetmek için yola çıktığımda karşımda devasa bir karmaşa vardı. Banka ekstreleri, Excel dosyaları ve anlık değişen varlık fiyatları arasında kayboluyordum. Bu süreci otomatize etmek için uzun süre deneme yanılma yaptım. Sonunda işimi gerçekten gören ve beni yarı yolda bırakmayan sekiz farklı Python paketini belirledim. Bu paketleri kendi finansal sistemimi kurarken bizzat kullandım ve her birinin hem güçlü yanlarını hem de beni en çok uğraştıran tuzaklarını öğrendim. Şimdi bu araçları neden tercih ettiğimi ve hangi noktalarda dikkatli olmanız gerektiğini anlatacağım.&lt;/p&gt;

&lt;h2&gt;
  
  
  1. pandas
&lt;/h2&gt;

&lt;p&gt;Pandas, veri analizi dünyasının İsviçre çakısı gibidir. Sürüm 3.1.1 ile gelen yetenekler, özellikle zaman serisi verilerini işlerken hayat kurtarıyor. Ben bu kütüphaneyi banka ekstrelerimi temizlemek, harcamalarımı farklı kategorilere ayırmak ve aylık bazda istatistiksel analizler yapmak için kullanıyorum. Ham haldeki dağınık veriyi anlamlı bir tabloya dönüştürmek için başka bir araca ihtiyaç duymuyorum.&lt;/p&gt;

&lt;p&gt;Ancak pandas kullanırken dikkat etmeniz gereken çok kritik bir nokta var. Büyük veri setleri üzerinde çalışırken bellek yönetimi oldukça zayıf kalabiliyor. Eğer binlerce satırlık bir finansal veri setini yanlış veri tipleriyle yüklerseniz, sisteminiz bir anda kilitlenebilir. Özellikle sayısal sütunlarda yanlış veri tipi atamaları yapmak, ilerleyen aşamalarda hesaplama hatalarına davetiye çıkarır. Örneğin bir para birimini metin olarak işlerseniz, toplama işlemlerinde hatalı sonuçlar alırsınız. Bu yüzden veriyi yüklerken veri tiplerini en baştan tanımlamak büyük önem taşıyor. Pratik bir örnek vermek gerekirse, 500 megabaytlık bir CSV dosyasını okurken tüm sütunları varsayılan tiplerle yüklemek yerine, sadece ihtiyacınız olan kolonları seçip float64 yerine float32 kullanarak bellek kullanımını yüzde 40 oranında düşürebilirsiniz. Bu küçük optimizasyon, düşük donanımlı bir sunucuda çalışırken sistemin kilitlenmesini engeller.&lt;/p&gt;

&lt;h2&gt;
  
  
  2. yfinance
&lt;/h2&gt;

&lt;p&gt;Finansal varlıklarınızı takip ediyorsanız, veriyi manuel olarak güncellemek imkansızdır. Sürüm 1.8.0 ile yfinance, Yahoo Finance üzerinden piyasa verilerini çekmek için harika bir köprü görevi görüyor. BIST hisselerim, altın ve döviz pozisyonlarımın anlık piyasa değerlerini portföyüme yansıtmak için bu aracı kullanıyorum. Otomasyonum her çalıştığında güncel fiyatları çekip toplam varlık değerimi hesaplıyor.&lt;/p&gt;

&lt;p&gt;Yine de bu aracın en büyük tuzağı, resmi bir API olmamasıdır. Yahoo Finance kendi verilerini dışarıya resmi bir yolla açmadığı için, veri akışında zaman zaman kesintiler veya gecikmeler yaşanabiliyor. Bir sabah uyandığınızda sisteminiz fiyatları çekemeyebilir. Bu durum, otomasyonunuzun hata yönetimi mekanizmalarının ne kadar güçlü olması gerektiğini gösteriyor. Veri gelmediğinde sistemin çökmesi yerine, bir önceki günün verisini kullanması gibi önlemler almanız gerekiyor. Kendi sistemimde, veri çekme fonksiyonunu bir try-except bloğu içine alarak API yanıtı boş döndüğünde son başarılı veriyi veritabanından çeken bir yedekleme mekanizması kurdum. Bu sayede grafiklerimde boşluk oluşmasını engelledim ve sistemin sürekliliğini sağladım.&lt;/p&gt;

&lt;h2&gt;
  
  
  3. SQLAlchemy
&lt;/h2&gt;

&lt;p&gt;Verilerimi sadece geçici olarak değil, kalıcı ve sorgulanabilir şekilde saklamam gerekiyordu. Sürüm 2.1.8 ile SQLAlchemy, veritabanı işlemlerini standartlaştırmak için en iyi seçenek. Harcama geçmişimi ve bütçe verilerimi SQLite veya PostgreSQL üzerinde tutuyorum. Bu sayede aylar öncesine ait bir harcama detayını saniyeler içinde sorgulayabiliyorum.&lt;/p&gt;

&lt;p&gt;Buradaki en büyük zorluk, karmaşık ilişkisel sorgularda öğrenme eğrisinin oldukça dik olmasıdır. Eğer veritabanı modelinizi yanlış kurgularsanız, ileride performans sorunlarıyla karşılaşmanız kaçınılmaz olur. Yanlış yapılandırılmış bir model, basit bir sorgunun bile dakikalar sürmesine neden olabilir.&lt;/p&gt;

&lt;p&gt;&lt;a href="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fdev-to-uploads.s3.us-east-2.amazonaws.com%2Fuploads%2Farticles%2Fxdg9zz1dmwfzb6itgemq.jpg" class="article-body-image-wrapper"&gt;&lt;img src="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fdev-to-uploads.s3.us-east-2.amazonaws.com%2Fuploads%2Farticles%2Fxdg9zz1dmwfzb6itgemq.jpg" alt="gorsel" width="800" height="420"&gt;&lt;/a&gt;&lt;br&gt;
&lt;/p&gt;

&lt;div class="highlight js-code-highlight"&gt;
&lt;pre class="highlight python"&gt;&lt;code&gt;&lt;span class="kn"&gt;from&lt;/span&gt; &lt;span class="n"&gt;sqlalchemy&lt;/span&gt; &lt;span class="kn"&gt;import&lt;/span&gt; &lt;span class="n"&gt;create_engine&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="n"&gt;Column&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="n"&gt;Integer&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="n"&gt;String&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="n"&gt;Float&lt;/span&gt;
&lt;span class="kn"&gt;from&lt;/span&gt; &lt;span class="n"&gt;sqlalchemy.orm&lt;/span&gt; &lt;span class="kn"&gt;import&lt;/span&gt; &lt;span class="n"&gt;declarative_base&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="n"&gt;sessionmaker&lt;/span&gt;

&lt;span class="n"&gt;Base&lt;/span&gt; &lt;span class="o"&gt;=&lt;/span&gt; &lt;span class="nf"&gt;declarative_base&lt;/span&gt;&lt;span class="p"&gt;()&lt;/span&gt;
&lt;span class="n"&gt;engine&lt;/span&gt; &lt;span class="o"&gt;=&lt;/span&gt; &lt;span class="nf"&gt;create_engine&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="sh"&gt;'&lt;/span&gt;&lt;span class="s"&gt;sqlite:///butce.db&lt;/span&gt;&lt;span class="sh"&gt;'&lt;/span&gt;&lt;span class="p"&gt;)&lt;/span&gt;
&lt;span class="n"&gt;Session&lt;/span&gt; &lt;span class="o"&gt;=&lt;/span&gt; &lt;span class="nf"&gt;sessionmaker&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="n"&gt;bind&lt;/span&gt;&lt;span class="o"&gt;=&lt;/span&gt;&lt;span class="n"&gt;engine&lt;/span&gt;&lt;span class="p"&gt;)&lt;/span&gt;
&lt;span class="n"&gt;session&lt;/span&gt; &lt;span class="o"&gt;=&lt;/span&gt; &lt;span class="nc"&gt;Session&lt;/span&gt;&lt;span class="p"&gt;()&lt;/span&gt;
&lt;/code&gt;&lt;/pre&gt;

&lt;/div&gt;



&lt;p&gt;Bu kod parçası, SQLAlchemy kullanarak yerel bir veritabanı bağlantısı kurmamı sağlıyor. İlk satırda veritabanı motorunu oluşturuyorum, ardından oturum yönetimini başlatıyorum. Bu yapı sayesinde veritabanı işlemlerini nesne tabanlı bir şekilde yönetebiliyorum, böylece SQL sorgularını doğrudan yazmak yerine Python sınıflarını kullanabiliyorum.&lt;/p&gt;

&lt;h2&gt;
  
  
  4. openpyxl
&lt;/h2&gt;

&lt;p&gt;Finansal dünyada Excel hala bir standart. Sürüm 3.1.5 ile openpyxl, Excel dosyalarını okumak ve yazmak için en güvenilir araç. Bankalardan gelen dökümler genellikle Excel formatında oluyor. Ben bu kütüphaneyi, banka dökümlerini otomatik okuyup veritabanıma aktarmak veya analiz sonuçlarımı rapor halinde dışarıya yazmak için kullanıyorum.&lt;/p&gt;

&lt;p&gt;Büyük dosyalarla çalışırken dikkatli olunması gereken bir konu var. Çok büyük Excel dosyalarını belleğe yüklediğinizde RAM tüketimi hızla artıyor. Ayrıca dosya kilitleme hatalarıyla karşılaşmak oldukça yaygın. Eğer bir dosyayı hem Excel üzerinde açık tutup hem de Python ile yazmaya çalışırsanız programınız hata verecektir.&lt;/p&gt;

&lt;h2&gt;
  
  
  5. selenium
&lt;/h2&gt;

&lt;p&gt;Bazı bankalar veya finans siteleri API desteği sunmuyor. Sürüm 4.52.0 ile Selenium, bu noktada devreye giriyor. Otomatik giriş yaparak veri çekmek istediğim zamanlarda bu aracı kullanıyorum. Tarayıcıyı sanki bir insan kullanıyormuş gibi yönlendirerek veriye ulaşabiliyorum.&lt;/p&gt;

&lt;p&gt;Selenium kullanmanın en büyük tuzağı ise sitelerin arayüz değişikliğidir. Bir web sitesi butonun yerini değiştirdiğinde veya HTML etiketlerini güncellediğinde, yazdığınız otomasyon scripti anında kırılır. Bakımı oldukça zordur ve sürekli güncel tutulması gerekir.&lt;/p&gt;

&lt;h2&gt;
  
  
  6. schedule
&lt;/h2&gt;

&lt;p&gt;Finansal raporlarımın belirli gün ve saatlerde çalışmasını istiyorum. Sürüm 1.2.2 ile schedule kütüphanesi, insan odaklı bir görev zamanlayıcı sunuyor. Aylık harcama raporlarımı veya veri çekme işlemlerimi bu araçla zamanlıyorum.&lt;/p&gt;

&lt;p&gt;Ancak bu aracın en büyük handikapı, programın sürekli arka planda çalışması gerektiğidir. Bilgisayarınızı kapattığınızda veya script durduğunda zamanlanmış görevler çalışmaz. Bu yüzden otomasyonu her zaman açık bir sunucuda veya arka plan servisi olarak çalıştırmanız gerekir.&lt;/p&gt;

&lt;h2&gt;
  
  
  7. matplotlib
&lt;/h2&gt;

&lt;p&gt;Verileri görselleştirmek, finansal durumu anlamanın en hızlı yoludur. Sürüm 3.11.2 ile matplotlib, aylık harcama dağılımlarımı veya birikim trendlerimi görmemi sağlıyor. Grafiklere bakarak hangi kategoride daha fazla harcama yaptığımı anında görebiliyorum.&lt;/p&gt;

&lt;p&gt;Buradaki zorluk, varsayılan arayüzün pek modern olmamasıdır. Estetik ve şık grafikler elde etmek için çok fazla kod yazmanız ve ayar yapmanız gerekiyor.&lt;/p&gt;

&lt;p&gt;&lt;a href="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fdev-to-uploads.s3.us-east-2.amazonaws.com%2Fuploads%2Farticles%2Fktiix9nupf12vjnnolf3.jpg" class="article-body-image-wrapper"&gt;&lt;img src="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fdev-to-uploads.s3.us-east-2.amazonaws.com%2Fuploads%2Farticles%2Fktiix9nupf12vjnnolf3.jpg" alt="gorsel" width="800" height="420"&gt;&lt;/a&gt;&lt;/p&gt;

&lt;h2&gt;
  
  
  8. python-dotenv
&lt;/h2&gt;

&lt;p&gt;En hassas konu ise güvenlik. Banka giriş bilgileri veya API anahtarları gibi verileri kodun içine asla yazmamalısınız. Sürüm 1.2.4 ile python-dotenv, bu verileri bir çevresel değişken dosyası üzerinden yönetmemi sağlıyor.&lt;/p&gt;

&lt;p&gt;Buradaki en büyük tuzak, .env dosyasını yanlışlıkla GitHub gibi platformlara yüklemektir. Eğer bu dosyayı commit ederseniz, tüm finansal bilgileriniz herkesin erişimine açılır. Bu konuda çok dikkatli olmalı ve .gitignore dosyanıza bu dosyayı eklemeyi unutmamalısınız.&lt;/p&gt;

&lt;h2&gt;
  
  
  Toparlarsak
&lt;/h2&gt;

&lt;p&gt;Finansal otomasyon, sadece doğru araçları seçmek değil, bu araçları tekrar tekrar kullanarak kendi sistemini oturtmakla ilgili bir süreç. Her bir aracın kendine has bir yapısı ve sizi bekleyen tuzakları var. Benim deneyimlerim gösterdi ki, aynı işi yaparken her zaman aynı kütüphaneleri kullanmak bana ciddi bir zaman kazandırıyor.&lt;/p&gt;

&lt;p&gt;Bundan sonra ne yapmalı? İlk adım olarak sadece banka ekstrelerinizi pandas ile temizlemeye başlayın. Ardından verilerinizi SQLAlchemy ile bir veritabanına aktarmayı deneyin. Sistemi karmaşıklaştırmadan önce, temel veri akışınızı güvenli bir şekilde kurduğunuzdan emin olun. Araç seçimi zeka değil, bir tekrar meselesidir. Kendi sisteminizi kurun, hatalarınızdan ders çıkarın ve süreci basitleştirmeye devam edin.&lt;/p&gt;

</description>
      <category>python</category>
      <category>data</category>
      <category>automation</category>
    </item>
    <item>
      <title>Borsa Veri Akışını Kesintisiz Tutmak İçin Kullandığım 8 Python Aracı</title>
      <dc:creator>Serdar Tavukçu</dc:creator>
      <pubDate>Sun, 08 Nov 2026 11:31:06 +0000</pubDate>
      <link>https://dev.to/serdartavukcu/borsa-veri-akisini-kesintisiz-tutmak-icin-kullandigim-8-python-araci-2g1b</link>
      <guid>https://dev.to/serdartavukcu/borsa-veri-akisini-kesintisiz-tutmak-icin-kullandigim-8-python-araci-2g1b</guid>
      <description>&lt;p&gt;Kendi trading botlarımı ve veri toplama agent sistemlerimi kurarken sürekli aynı sorunlarla boğuşuyordum. Sunucu bir noktada tıkanıyor, veriler eksik geliyor ya da sistem bir şekilde sessiz sedasız çöküyordu. Bu süreçte deneme yanılma yoluyla öğrendiğim ve artık standart hale getirdiğim bazı kütüphaneler var. Gerçek işlerde, yani BIST tarafında veri çekerken kullandığım bu paketleri neden tercih ettiğimi ve nerelerde hata yapıp başımı yaktığımı burada anlatıyorum. Bu araçlar benim sistemimin bel kemiği oldu.&lt;/p&gt;

&lt;h2&gt;
  
  
  1. psutil
&lt;/h2&gt;

&lt;p&gt;Bu kütüphane sistem kaynaklarını izlemek için kullanılan standart bir araç. Sunucunun CPU ve RAM kullanımını anlık olarak takip etmemi sağlıyor. BIST veri çekme scriptlerimi çalıştırdığım sunucuda darboğazları tespit etmek için bunu kullanıyorum. Eğer işlemci kullanımı aniden fırlarsa scriptin hata verip vermediğini buradan anlıyorum.&lt;/p&gt;

&lt;p&gt;Bunun en büyük tuzağı ise kullanım sıklığı. Eğer bu aracı çok sık aralıklarla çağırırsanız sistem kaynaklarını gereksiz yere tüketmeye başlar. Yani sistemi izleyeyim derken ana işlem performansını düşürürsünüz. Ben bunu her saniye değil, belli aralıklarla kontrol edecek şekilde ayarladım. Örneğin 60 saniyelik periyotlarla kontrol etmek, sistemin üzerindeki yükü yüzde 5 seviyesinde tutmamı sağladı. Daha sık sorgulama yaptığımda ise Python süreçlerinin CPU kullanımında yüzde 15 civarında bir artış gözlemledim, bu da trading botunun tepki süresini yavaşlattı. Sistem kaynaklarını izlerken özellikle disk okuma yazma hızlarını da psutil ile takip etmek, veritabanı şişmelerini önceden fark etmemi sağlıyor. Bir keresinde disk doluluğu nedeniyle botum kilitlenmişti, psutil üzerinden gelen uyarı sayesinde artık disk yüzde 80 doluluğa ulaştığında otomatik temizlik yapan bir scriptim devreye giriyor.&lt;/p&gt;

&lt;p&gt;&lt;a href="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fdev-to-uploads.s3.us-east-2.amazonaws.com%2Fuploads%2Farticles%2Fnwjg5dtwwpp9xgx0r9vp.jpg" class="article-body-image-wrapper"&gt;&lt;img src="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fdev-to-uploads.s3.us-east-2.amazonaws.com%2Fuploads%2Farticles%2Fnwjg5dtwwpp9xgx0r9vp.jpg" alt="gorsel" width="800" height="420"&gt;&lt;/a&gt;&lt;/p&gt;

&lt;h2&gt;
  
  
  2. schedule
&lt;/h2&gt;

&lt;p&gt;Zamanlama işlerini yapmak için kullanıyorum. Borsa kapanış verilerini veya günlük raporları belirli saatlerde otomatik tetiklemek için basit bir zamanlayıcı görevi görüyor. İnsanların kolayca anlayabileceği bir yapısı var.&lt;/p&gt;

&lt;p&gt;Ancak burada dikkatli olmak gerekiyor. Eğer çalıştırdığınız görev uzun sürüyorsa, bir sonraki görevi bloklayabilir. Asenkron yapılarla dikkatli çalışmazsanız sistemin kilitlendiğini görebilirsiniz. Ben bu sorunu aşmak için zamanlayıcıyı ana döngüden ayırıp ayrı bir thread üzerinde çalıştırıyorum. Örneğin BIST açılış seansında veri çekme işlemi bazen 40 saniye sürebiliyor. Eğer schedule kütüphanesini tek başına kullanırsam, o 40 saniye boyunca sistem başka hiçbir görevi yerine getiremiyor. Bu yüzden her görevi kendi içinde küçük bir zamanlayıcı ile yönetmek yerine, ana bir kontrol mekanizması kurarak uzun süren işlemleri arka plana atıyorum. Böylece sistemin donması engelleniyor ve veri akışı kesintisiz bir şekilde devam edebiliyor.&lt;/p&gt;

&lt;h2&gt;
  
  
  3. loguru
&lt;/h2&gt;

&lt;p&gt;Python tarafında hata kayıtlarını tutmak bazen tam bir çileye dönüşebiliyor. Loguru bu işi çok basit hale getiriyor. Özellikle trading botlarının veya veri toplama agent sistemlerinin hata kayıtlarını dosya rotasyonu ile düzenli tutmak için kullandığım temel araç oldu. Hata nerede oluştu, neden oluştu, hepsini dosyaya yazdırıyorum.&lt;/p&gt;

&lt;p&gt;Buradaki en büyük tuzak hata ayıklama seviyesini üretim ortamında açık bırakmak. Eğer debug seviyesini açık bırakırsanız, log dosyaları diski çok hızlı bir şekilde doldurabilir ve sunucunun durmasına neden olabilir.&lt;br&gt;
&lt;/p&gt;

&lt;div class="highlight js-code-highlight"&gt;
&lt;pre class="highlight python"&gt;&lt;code&gt;&lt;span class="kn"&gt;from&lt;/span&gt; &lt;span class="n"&gt;loguru&lt;/span&gt; &lt;span class="kn"&gt;import&lt;/span&gt; &lt;span class="n"&gt;logger&lt;/span&gt;
&lt;span class="n"&gt;logger&lt;/span&gt;&lt;span class="p"&gt;.&lt;/span&gt;&lt;span class="nf"&gt;add&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="sh"&gt;"&lt;/span&gt;&lt;span class="s"&gt;borsa_takip.log&lt;/span&gt;&lt;span class="sh"&gt;"&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="n"&gt;rotation&lt;/span&gt;&lt;span class="o"&gt;=&lt;/span&gt;&lt;span class="sh"&gt;"&lt;/span&gt;&lt;span class="s"&gt;500 MB&lt;/span&gt;&lt;span class="sh"&gt;"&lt;/span&gt;&lt;span class="p"&gt;)&lt;/span&gt;
&lt;span class="n"&gt;logger&lt;/span&gt;&lt;span class="p"&gt;.&lt;/span&gt;&lt;span class="nf"&gt;info&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="sh"&gt;"&lt;/span&gt;&lt;span class="s"&gt;Veri cekme islemi basladi&lt;/span&gt;&lt;span class="sh"&gt;"&lt;/span&gt;&lt;span class="p"&gt;)&lt;/span&gt;
&lt;/code&gt;&lt;/pre&gt;

&lt;/div&gt;



&lt;p&gt;Yukarıdaki kod bloğunda loguru kütüphanesini projeye dahil ediyorum. İlk satırda log dosyasının yolunu ve boyutunu belirliyorum. 500 MB dolduğunda dosya otomatik olarak rotasyona giriyor. İkinci satırda ise basit bir bilgi mesajını log dosyasına ekliyorum. Bu sayede işlem geçmişini temiz bir şekilde takip edebiliyorum.&lt;/p&gt;

&lt;h2&gt;
  
  
  4. requests
&lt;/h2&gt;

&lt;p&gt;Sunucu sağlığını kontrol ettikten sonra Slack veya Telegram üzerinden anlık bildirim göndermek için bunu kullanıyorum. Bir sorun olduğunda telefonuma bildirim düşmesi benim için çok kritik.&lt;/p&gt;

&lt;p&gt;Buradaki en büyük tuzak ise zaman aşımı parametresi. Eğer timeout süresi tanımlamazsanız, hedef servis yanıt vermediğinde scriptiniz sonsuz döngüye girip kitlenebilir. Bu da tüm veri akışının durması demek.&lt;/p&gt;

&lt;h2&gt;
  
  
  5. watchdog
&lt;/h2&gt;

&lt;p&gt;Sunucudaki veri dosyalarının veya konfigürasyonların değişip değişmediğini izlemek için watchdog kullanıyorum. Bir dosya güncellendiğinde anında tepki vermem gerekiyor.&lt;/p&gt;

&lt;p&gt;Ancak çok fazla dosya değişikliği olan dizinlerde izleme yaparken dikkatli olmalısınız. Sistemin giriş çıkış performansını ciddi oranda yavaşlatabilir. Hangi klasörleri izlediğinizi kısıtlamanız gerekiyor.&lt;/p&gt;

&lt;h2&gt;
  
  
  6. paramiko
&lt;/h2&gt;

&lt;p&gt;Dağıtık sistemlerde çalışıyorsanız diğer Linux sunuculara bağlanmanız gerekir. Paramiko ile SSH üzerinden bağlanıp uzaktan komut çalıştırıyorum veya veri çekiyorum.&lt;/p&gt;

&lt;p&gt;SSH anahtar yönetimini düzgün yapmazsanız güvenlik açığı oluşturabilirsiniz. Ayrıca bağlantı kopmalarında scriptiniz askıda kalabilir. Bu yüzden bağlantı yönetimini çok iyi kurgulamak şart.&lt;/p&gt;

&lt;h2&gt;
  
  
  7. diskcache
&lt;/h2&gt;

&lt;p&gt;Bellek kısıtlı sunucularda çalışırken veri analizi sırasında geçici verileri hızlıca diske yazıp okumam gerekiyor. Diskcache bu konuda çok yardımcı oluyor.&lt;/p&gt;

&lt;p&gt;Ancak disk üzerinde çok fazla yazma işlemi yapmak SSD ömrünü azaltabilir. Yoğun işlem anında gecikmelere yol açtığı da oluyor. Bu yüzden sadece gerçekten gerekli olan veriler için kullanıyorum.&lt;/p&gt;

&lt;p&gt;&lt;a href="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fdev-to-uploads.s3.us-east-2.amazonaws.com%2Fuploads%2Farticles%2F5px83gz34l1fwiryr8hy.jpg" class="article-body-image-wrapper"&gt;&lt;img src="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fdev-to-uploads.s3.us-east-2.amazonaws.com%2Fuploads%2Farticles%2F5px83gz34l1fwiryr8hy.jpg" alt="gorsel" width="800" height="420"&gt;&lt;/a&gt;&lt;/p&gt;

&lt;h2&gt;
  
  
  8. pydantic
&lt;/h2&gt;

&lt;p&gt;Sunucudan gelen sistem metriklerini veya borsa verilerini doğrulamak için kullanıyorum. Hatalı veri girişini engellemek için veri modelleri oluşturuyorum.&lt;/p&gt;

&lt;p&gt;Karmaşık veri modellerinde doğrulama süreci, yüksek frekanslı trading verisi işlerken gecikme yaratabilir. Bu yüzden modelleri mümkün olduğunca basit tutmaya çalışıyorum.&lt;/p&gt;

&lt;h2&gt;
  
  
  Toparlarsak
&lt;/h2&gt;

&lt;p&gt;Bu araçları seçmemin nedeni zekice bir hamle yapmam değil, sadece aynı işi tekrar tekrar yaparken en verimli olanları bulmuş olmam. Başlarda her şeyi kendi başıma yazmaya çalıştım ama bu sadece zaman kaybına neden oldu. Standart kütüphaneleri kullanmak bana ciddi bir zaman kazandırdı. Bundan sonra yapman gereken şey, kendi sistemindeki darboğazları belirleyip bu araçlardan sana uygun olanı projene dahil etmek. İlk adım olarak loguru ile hata kayıtlarını düzenli tutmaya başla, bu bile sistemindeki belirsizliği büyük oranda azaltacaktır. Sonra diğer araçları ihtiyacına göre tek tek devreye alabilirsin. Hepsini aynı anda değiştirmeye kalkma, sistemin kararlılığını bozabilirsin. Her aşamada sistemi test et ve performans verilerini izle. Arac seçimi aslında bir zeka meselesi değil, tamamen tekrar meselesidir. Ne kadar çok tekrar edersen, hangi aracın nerede hata vereceğini o kadar iyi anlarsın. Kendi sistemini kurarken her bir modülü izole etmeye çalış ve hata aldığında hangi kütüphanenin nerede takıldığını log kayıtlarından analiz et. Bu disiplin, sisteminin ayakta kalmasını sağlar.&lt;/p&gt;

&lt;p&gt;Sistemin kurulumunu tamamladıktan sonra mutlaka bir izleme paneli oluşturmalısın. Sadece kodun hata vermesini bekleme, sistemin genel sağlığını periyodik olarak kontrol eden bir ana script yaz. Eğer BIST verisi gelmediğinde watchdog ile tetiklenen bir uyarı mekanizması kurarsan, veri kaybını dakikalar içinde fark edebilirsin. Ayrıca diskcache kullanımında verileri temizleme stratejisini mutlaka belirle, aksi takdirde sunucun bir hafta içinde dolabilir. Her bir kütüphaneyi projenin farklı katmanlarına yayarak modüler bir yapı kurmak, ileride yaşanacak sorunların kaynağını bulmanı inanılmaz kolaylaştıracaktır. Küçük adımlarla ilerle, her kütüphaneyi eklediğinde sistemin yükünü ölç ve bir sonraki aşamaya öyle geç. Bu yöntemle kendi otomasyon sistemini inşa etmek, uzun vadede sana büyük bir zaman kazancı sağlayacaktır. Unutma, en sağlam sistem en karmaşık olan değil, en iyi izlenebilen ve hata anında sana ne olduğunu en net söyleyebilen sistemdir.&lt;/p&gt;

</description>
      <category>trading</category>
      <category>python</category>
    </item>
    <item>
      <title>Borsa Veri Akışında Python ile Otomasyon: 8 Kütüphane ile 10 Kat Hız</title>
      <dc:creator>Serdar Tavukçu</dc:creator>
      <pubDate>Sun, 08 Nov 2026 08:30:52 +0000</pubDate>
      <link>https://dev.to/serdartavukcu/borsa-veri-akisinda-python-ile-otomasyon-8-kutuphane-ile-10-kat-hiz-4g1m</link>
      <guid>https://dev.to/serdartavukcu/borsa-veri-akisinda-python-ile-otomasyon-8-kutuphane-ile-10-kat-hiz-4g1m</guid>
      <description>&lt;p&gt;Borsa verileriyle uğraşmaya başladığımda her şeyin çok basit olacağını sanmıştım. Bir kaç API çağırırım, veriyi tabloya dökerim ve iş biter diye düşünüyordum. Ama işler hiç öyle gitmedi. Veri miktarı arttıkça ve raporlama ihtiyaçlarım çeşitlendikçe elimdeki araçların yetersiz kaldığını gördüm. Bu süreçte deneme yanılma yoluyla bazı kütüphanelerin hayat kurtardığını, bazılarının ise başımı belaya soktuğunu fark ettim. Gerçek işlerde kullandığım ve gerçekten işe yarayan sekiz kütüphaneyi sırasıyla anlatmak istiyorum.&lt;/p&gt;

&lt;h2&gt;
  
  
  1. pandas
&lt;/h2&gt;

&lt;p&gt;Pandas 3.1.1 sürümü veri analizi dünyasının isviçre çakısı gibidir. Veri yapıları, zaman serileri ve istatistiksel hesaplamalar konusunda rakipsizdir. Ben bu aracı BIST verilerini temizlemek ve filtrelemek için kullanıyorum. Ham veriyi alıp CSV veya Excel formatında yapılandırmak istediğimde ilk durağım burası oluyor. Veriyi okuyup eksik satırları temizlemek veya belirli bir tarih aralığını filtrelemek pandas ile saniyeler sürüyor.&lt;/p&gt;

&lt;p&gt;Ancak burada çok ciddi bir tuzak var. Büyük veri setleriyle çalışırken bellek kullanımı hızla artıyor. Eğer çok geniş bir zaman aralığını hafızaya yüklemeye çalışırsan sistemin kilitlendiğini görebilirsin. Bilgisayarın donması veya işlemin hata vermesi istenmeyen bir durum. Bu yüzden pandas kullanırken veriyi parçalara ayırarak işlemek veya sadece ihtiyacın olan sütunları okumak en mantıklı yoldur.&lt;/p&gt;

&lt;h2&gt;
  
  
  2. openpyxl
&lt;/h2&gt;

&lt;p&gt;Openpyxl 3.1.5 sürümü Excel dosyalarını okumak ve yazmak için kullanılan bir kütüphane. Ben bunu özellikle raporlarıma grafik eklemek veya hücrelere özel biçimler vermek istediğimde tercih ediyorum. Excel 2010 ve sonrası formatlarıyla tam uyumlu çalışıyor. Raporlarıma formüller ekleyerek otomatik hesaplamalar yaptırmak çok büyük kolaylık sağlıyor.&lt;/p&gt;

&lt;p&gt;Bunun da bir karanlık tarafı var. Çok büyük Excel dosyalarını okurken veya yazarken ciddi performans kayıpları yaşıyorsun. Eğer binlerce satırlık bir rapor oluşturuyorsan, openpyxl yavaşlamaya başlıyor ve süreç uzuyor. Bu tarz durumlarda alternatif yöntemlere geçmek veya veriyi daha küçük dosyalara bölmek gerekebiliyor.&lt;/p&gt;

&lt;h2&gt;
  
  
  3. polars
&lt;/h2&gt;

&lt;p&gt;Polars 2.1.0 sürümü tam bir hız canavarı. Veri çerçeveleriyle çalışırken pandasin yavaş kaldığı noktalarda devreye giriyor. Büyük ölçekli finansal veri setlerini işlerken pandasdan çok daha hızlı olduğunu bizzat test ettim. Raporlama süresini minimize etmek istediğimde kesinlikle polars tercih ediyorum.&lt;/p&gt;

&lt;p&gt;Tuzağı ise ekosistem uyumu. Pandas kadar yaygın bir kullanıcı kitlesi olmadığı için bazı yan kütüphanelerle entegre çalışırken sorun çıkabiliyor. Bazen bir fonksiyonu çalıştırmak için ekstra çaba sarf etmen gerekiyor.&lt;/p&gt;

&lt;h2&gt;
  
  
  4. xlsxwriter
&lt;/h2&gt;

&lt;p&gt;Xlsxwriter 3.3.1 sürümü sadece Excel dosyaları oluşturmaya odaklanmış bir modüldür. Karmaşık Excel raporlarını hızlı ve bellek dostu şekilde çıkarmak istediğimde bunu kullanıyorum. Yazma odaklı olduğu için çok hızlı çalışıyor.&lt;/p&gt;

&lt;p&gt;&lt;a href="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fdev-to-uploads.s3.us-east-2.amazonaws.com%2Fuploads%2Farticles%2Fvgngsvusvr9svn5osoxp.jpg" class="article-body-image-wrapper"&gt;&lt;img src="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fdev-to-uploads.s3.us-east-2.amazonaws.com%2Fuploads%2Farticles%2Fvgngsvusvr9svn5osoxp.jpg" alt="gorsel" width="800" height="420"&gt;&lt;/a&gt;&lt;/p&gt;

&lt;p&gt;Bu araçla ilgili en önemli tuzak mevcut dosyaları düzenleyememesidir. Sadece sıfırdan dosya oluşturabilirsin. Eğer elinde hazır bir Excel varsa ve üzerine bir şey eklemek istiyorsan bu kütüphane işini görmeyecektir.&lt;br&gt;
&lt;/p&gt;

&lt;div class="highlight js-code-highlight"&gt;
&lt;pre class="highlight python"&gt;&lt;code&gt;&lt;span class="kn"&gt;import&lt;/span&gt; &lt;span class="n"&gt;xlsxwriter&lt;/span&gt;

&lt;span class="n"&gt;workbook&lt;/span&gt; &lt;span class="o"&gt;=&lt;/span&gt; &lt;span class="n"&gt;xlsxwriter&lt;/span&gt;&lt;span class="p"&gt;.&lt;/span&gt;&lt;span class="nc"&gt;Workbook&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="sh"&gt;'&lt;/span&gt;&lt;span class="s"&gt;borsa_raporu.xlsx&lt;/span&gt;&lt;span class="sh"&gt;'&lt;/span&gt;&lt;span class="p"&gt;)&lt;/span&gt;
&lt;span class="n"&gt;worksheet&lt;/span&gt; &lt;span class="o"&gt;=&lt;/span&gt; &lt;span class="n"&gt;workbook&lt;/span&gt;&lt;span class="p"&gt;.&lt;/span&gt;&lt;span class="nf"&gt;add_worksheet&lt;/span&gt;&lt;span class="p"&gt;()&lt;/span&gt;
&lt;span class="n"&gt;worksheet&lt;/span&gt;&lt;span class="p"&gt;.&lt;/span&gt;&lt;span class="nf"&gt;write&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="sh"&gt;'&lt;/span&gt;&lt;span class="s"&gt;A1&lt;/span&gt;&lt;span class="sh"&gt;'&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="sh"&gt;'&lt;/span&gt;&lt;span class="s"&gt;Hisse Senedi&lt;/span&gt;&lt;span class="sh"&gt;'&lt;/span&gt;&lt;span class="p"&gt;)&lt;/span&gt;
&lt;span class="n"&gt;worksheet&lt;/span&gt;&lt;span class="p"&gt;.&lt;/span&gt;&lt;span class="nf"&gt;write&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="sh"&gt;'&lt;/span&gt;&lt;span class="s"&gt;B1&lt;/span&gt;&lt;span class="sh"&gt;'&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="sh"&gt;'&lt;/span&gt;&lt;span class="s"&gt;Kapanis Fiyati&lt;/span&gt;&lt;span class="sh"&gt;'&lt;/span&gt;&lt;span class="p"&gt;)&lt;/span&gt;
&lt;span class="n"&gt;workbook&lt;/span&gt;&lt;span class="p"&gt;.&lt;/span&gt;&lt;span class="nf"&gt;close&lt;/span&gt;&lt;span class="p"&gt;()&lt;/span&gt;
&lt;/code&gt;&lt;/pre&gt;

&lt;/div&gt;



&lt;p&gt;Bu kod bloğu basit bir Excel dosyası oluşturur. İlk satırda workbook nesnesini tanımladık, ikinci satırda çalışma sayfasını açtık. Üçüncü ve dördüncü satırlarda hücrelere değer yazdık ve son satırda dosyayı kaydederek kapattık. Bu kadar basit bir işlem bile raporlamada büyük zaman kazandırıyor.&lt;/p&gt;

&lt;h2&gt;
  
  
  5. pandarallel
&lt;/h2&gt;

&lt;p&gt;Pandarallel 1.6.5 sürümü pandas işlemlerini paralelleştirmek için kullanılır. Borsa verileri üzerinde ağır hesaplamalar yaparken işlemci çekirdeklerini verimli kullanmak çok önemli. Bu kütüphane sayesinde işlemi parçalara bölüp tüm çekirdeklere dağıtabiliyorum.&lt;/p&gt;

&lt;p&gt;Ancak küçük veri setlerinde kullanmak hatalı olabilir. Paralelleştirme maliyeti nedeniyle bazen performansı artırmak yerine yavaşlatabiliyor. Sadece gerçekten büyük veri setlerinde kullanmak gerekir.&lt;/p&gt;

&lt;h2&gt;
  
  
  6. python-dotenv
&lt;/h2&gt;

&lt;p&gt;Python-dotenv 1.2.4 sürümü borsa API anahtarları gibi hassas bilgileri korumak için kullanılıyor. Kodun içine şifre yazmak büyük bir hata. Bu kütüphane ile bilgilerimi .env dosyasında saklıyorum.&lt;/p&gt;

&lt;p&gt;&lt;a href="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fdev-to-uploads.s3.us-east-2.amazonaws.com%2Fuploads%2Farticles%2Fbr5zuiexgj8mpgtcqjgk.jpg" class="article-body-image-wrapper"&gt;&lt;img src="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fdev-to-uploads.s3.us-east-2.amazonaws.com%2Fuploads%2Farticles%2Fbr5zuiexgj8mpgtcqjgk.jpg" alt="gorsel" width="800" height="420"&gt;&lt;/a&gt;&lt;/p&gt;

&lt;p&gt;Tuzağı ise ortam değişkenlerinin yanlış ayarlanmasıdır. Eğer dosyayı doğru konumlandırmazsan veya değişken isimlerini yanlış yazarsan otomasyon scriptlerin aniden hata verip durur.&lt;/p&gt;

&lt;h2&gt;
  
  
  7. fsspec
&lt;/h2&gt;

&lt;p&gt;Fsspec 2026.9.0 sürümü dosya sistemi özelliklerini yönetir. CSV raporlarını yerel disk yerine doğrudan bulut depolama alanlarına göndermek için bunu kullanıyorum.&lt;/p&gt;

&lt;p&gt;En büyük riski ağ gecikmeleridir. Bağlantı koptuğunda dosya aktarımları yarım kalabiliyor. Bu durumu kontrol eden bir hata yakalama mekanizması kurmak şart.&lt;/p&gt;

&lt;h2&gt;
  
  
  8. tabulate
&lt;/h2&gt;

&lt;p&gt;Tabulate 0.10.0 sürümü konsol üzerinden tablolar görmemi sağlıyor. Hızlı kontrol için çok başarılı.&lt;/p&gt;

&lt;p&gt;Çok geniş veri setlerinde ekranı okunmaz hale getirebiliyor. Bu yüzden sadece küçük özet tablolar için kullanmak gerekiyor.&lt;/p&gt;

&lt;h2&gt;
  
  
  Gerçek Hayat Senaryosu: Nerede Karşına Çıkar?
&lt;/h2&gt;

&lt;p&gt;Bir gün kendi portföyümdeki hisse senetlerinin anlık fiyatlarını çekip, bunları günlük olarak Excel dosyasına kaydeden bir sistem kurmam gerekti. Sabah dokuzda borsa açılmadan scriptin çalışması, gün boyu fiyatları takip etmesi ve akşam kapanışta bana bir özet tablo sunması gerekiyordu. İşte bu noktada elimdeki verinin boyutu, bir saat içinde gigabaytlar seviyesine ulaştı. Pandas ile veriyi işlerken bilgisayarımın RAM kullanımı yüzde doksanlara çıktı ve sistem yanıt vermemeye başladı. O an anladım ki sadece veri çekmek yetmiyor, veriyi işleme biçimini de optimize etmem gerekiyor.&lt;/p&gt;

&lt;h2&gt;
  
  
  Adım Adım Çözüm ve Hata Giderme
&lt;/h2&gt;

&lt;p&gt;Öncelikle veriyi pandas ile okumaya çalıştım ama hata aldım. Veriyi chunk yöntemiyle parçalara bölerek okumayı denedim. Kodumu şu hale getirdim:&lt;br&gt;
&lt;/p&gt;

&lt;div class="highlight js-code-highlight"&gt;
&lt;pre class="highlight python"&gt;&lt;code&gt;&lt;span class="kn"&gt;import&lt;/span&gt; &lt;span class="n"&gt;pandas&lt;/span&gt; &lt;span class="k"&gt;as&lt;/span&gt; &lt;span class="n"&gt;pd&lt;/span&gt;

&lt;span class="k"&gt;for&lt;/span&gt; &lt;span class="n"&gt;chunk&lt;/span&gt; &lt;span class="ow"&gt;in&lt;/span&gt; &lt;span class="n"&gt;pd&lt;/span&gt;&lt;span class="p"&gt;.&lt;/span&gt;&lt;span class="nf"&gt;read_csv&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="sh"&gt;'&lt;/span&gt;&lt;span class="s"&gt;borsa_verisi.csv&lt;/span&gt;&lt;span class="sh"&gt;'&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="n"&gt;chunksize&lt;/span&gt;&lt;span class="o"&gt;=&lt;/span&gt;&lt;span class="mi"&gt;10000&lt;/span&gt;&lt;span class="p"&gt;):&lt;/span&gt;
    &lt;span class="nf"&gt;process&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="n"&gt;chunk&lt;/span&gt;&lt;span class="p"&gt;)&lt;/span&gt;
&lt;/code&gt;&lt;/pre&gt;

&lt;/div&gt;



&lt;p&gt;Bu kod, devasa CSV dosyasını on binlik parçalar halinde okuyarak RAM üzerindeki yükü minimize etmemi sağladı. Yolda çıkan en büyük hata ise API bağlantısının kopmasıydı. Sunucu taraflı bir kesinti olduğunda script duruyordu. Bunu çözmek için bir try-except bloğu ekleyerek bağlantı koptuğunda scriptin beş saniye bekleyip tekrar denemesini sağlayan bir döngü kurdum. Böylece otomasyonun başında beklemek zorunda kalmadım.&lt;/p&gt;

&lt;h2&gt;
  
  
  Alternatif Yöntemler ve Neden Bu Seçim
&lt;/h2&gt;

&lt;p&gt;Başta sadece pandas kullanıyordum çünkü en popüler olanı oydu. Ancak polars ile tanışınca işler değişti. Polars, veriyi belleğe yükleme biçimi açısından çok daha verimli. Pandas ile bir tabloyu filtrelemek iki saniye sürerken, polars ile bu işlem milisaniyeler içinde bitiyor. Xlsxwriter tercih etmemin sebebi ise openpyxl ile yaşadığım hız sorunuydu. Openpyxl daha çok görsel düzenleme için iyiyken, xlsxwriter sadece veri yazma konusunda çok daha hafif. Bu kütüphaneleri birleştirerek, veri işleme aşamasında polars, rapor oluşturma aşamasında ise xlsxwriter kullanmayı standart hale getirdim.&lt;/p&gt;

&lt;h2&gt;
  
  
  Toparlarsak
&lt;/h2&gt;

&lt;p&gt;Araç seçimi zeka değil tekrar meselesidir. Aynı işe aynı aracı kullanmak zaman kazandırıyor. Bundan sonra yapman gereken ilk şey, kendi rutininde en çok zamanını alan kısmı tespit etmek ve buradaki kütüphanelerden birini o iş için standart haline getirmek. Bir sonraki adım olarak kendi basit otomasyon scriptini yazıp veriyi otomatik işlemeye başla. Zamanla bu araçların hangisinin senin ihtiyacına tam olarak cevap verdiğini göreceksin. Her şeyi bir anda değiştirmeye çalışma, sadece bir tanesini seç ve projene dahil et.&lt;/p&gt;

</description>
      <category>finance</category>
      <category>python</category>
      <category>data</category>
      <category>automation</category>
    </item>
    <item>
      <title>8 Araçla Finansal Veri Analizinde Kendi Yolumu Nasıl Çizdim</title>
      <dc:creator>Serdar Tavukçu</dc:creator>
      <pubDate>Sun, 08 Nov 2026 08:01:00 +0000</pubDate>
      <link>https://dev.to/serdartavukcu/8-aracla-finansal-veri-analizinde-kendi-yolumu-nasil-cizdim-1hf6</link>
      <guid>https://dev.to/serdartavukcu/8-aracla-finansal-veri-analizinde-kendi-yolumu-nasil-cizdim-1hf6</guid>
      <description>&lt;p&gt;Finansal piyasalarda veriyle uğraşmaya başladığımda her şeyin çok basit olacağını sanmıştım. Birkaç script yazarım, verileri çekerim ve zengin olurum diye düşünüyordum. Gerçeklik ise çok daha farklıydı. Kullandığım araçlar, kütüphaneler ve yaklaşımlar zamanla birer birer elendi. Geriye kalanlar ise benim finansal otomasyon cephaneliğimi oluşturdu. Bu paketleri gerçek işlerde kullandım, sırasıyla anlatıyorum.&lt;/p&gt;

&lt;p&gt;[[KAPAK_GÖRSELİ]]&lt;/p&gt;

&lt;h2&gt;
  
  
  1. pandas
&lt;/h2&gt;

&lt;p&gt;Pandas, veri analizi dünyasının isviçre çakısı gibidir. Sürüm 3.1.0 ile birlikte zaman serisi analizlerinde çok daha yetenekli hale geldi. BIST ve piyasa verilerini temizlemek, manipüle etmek ve zaman serisi analizi yapmak için temel kütüphanemdir. Bir hisse senedinin günlük kapanış fiyatlarını alıp hareketli ortalamalarını hesaplamak istediğimde ilk başvurduğum yer burası.&lt;/p&gt;

&lt;p&gt;Kullanırken karşılaştığım en büyük tuzak bellek yönetimi. Büyük veri setlerinde bellek yönetimi zayıftır ve gereksiz kopyalama işlemleri performansı düşürür. Eğer dikkat etmezseniz sisteminizdeki RAM bir anda tükenebilir. Veriyi yüklerken sadece ihtiyaç duyduğunuz sütunları seçmek ve veri tiplerini optimize etmek hayati önem taşıyor.&lt;/p&gt;

&lt;p&gt;Gerçek hayat senaryosu olarak şunu anlatayım: Geçen yıl BIST 100 endeksindeki tüm hisselerin son 10 yıllık dakikalık verilerini tek bir dataframe içine yüklemeye çalıştım. Bellek hatası aldım. Çözüm olarak tüm veriyi tek seferde yüklemek yerine, pandas içindeki chunksize parametresini kullanarak veriyi parçalar halinde işlemeyi öğrendim. Bu sayede 16 GB RAM kullanan makinemde 50 GB boyutundaki veri setini takılmadan analiz edebildim. Veriyi parçalı okumak için kullandığım döngüde, her parçayı işleyip veritabanına yazdırdım ve belleği temizledim. Bu yöntem, özellikle düşük donanımlı sunucularda veri analizi yaparken beni büyük bir yükten kurtardı.&lt;/p&gt;

&lt;h2&gt;
  
  
  2. yfinance
&lt;/h2&gt;

&lt;p&gt;Yahoo Finance üzerinden anlık ve geçmiş piyasa verilerini ücretsiz çekmek için yfinance 1.7.0 sürümünü kullanıyorum. Stratejileri test etmek için kullanılır.&lt;/p&gt;

&lt;p&gt;Ancak veri kalitesi her zaman güvenilir değil. Bazen eksik günler veya yanlış düzeltilmiş fiyatlar karşıma çıkıyor. Ayrıca API kısıtlamaları nedeniyle çok sık istek attığımda engellendiğim oldu. Bu yüzden veriyi çektikten sonra mutlaka kendi kontrol mekanizmalarımdan geçiriyorum.&lt;/p&gt;

&lt;h2&gt;
  
  
  3. backtrader
&lt;/h2&gt;

&lt;p&gt;Yazdığım trading stratejilerini geçmiş veriler üzerinde simüle etmek için backtrader 1.9.78.123 sürümünü kullanıyorum. Stratejimin geçmişte nasıl performans gösterdiğini görmeden gerçek parayla işlem yapmam.&lt;/p&gt;

&lt;p&gt;Dokümantasyonu yetersizdir ve karmaşık state yönetimi nedeniyle öğrenme eğrisi çok diktir. Bir stratejiyi sisteme entegre ederken bazen saatlerce hata ayıklamak zorunda kaldım. Yine de performans ölçümü konusunda sunduğu esneklik başka hiçbir yerde yok.&lt;/p&gt;

&lt;p&gt;[[GÖRSEL1]]&lt;/p&gt;

&lt;h2&gt;
  
  
  4. ta
&lt;/h2&gt;

&lt;p&gt;Teknik analiz göstergeleri için ta 0.11.0 kütüphanesini kullanıyorum. RSI, MACD, Bollinger Bantları gibi teknik analiz göstergelerini veri setine saniyeler içinde eklemek için kullanılır.&lt;/p&gt;

&lt;p&gt;Buradaki en büyük tehlike eksik veri yani NaN durumlarını otomatik olarak yönetmemesi. Bu da hesaplama hatalarına yol açabiliyor. Eğer veri setinizde boşluk varsa kütüphane hata vermeden yanlış hesaplama yapabiliyor. Bu da stratejinizin yanlış sinyaller üretmesine neden oluyor. Her hesaplamadan sonra veriyi mutlaka kontrol ediyorum.&lt;/p&gt;

&lt;p&gt;&lt;a href="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fdev-to-uploads.s3.us-east-2.amazonaws.com%2Fuploads%2Farticles%2F1iw6woxiexl267uia1jp.jpg" class="article-body-image-wrapper"&gt;&lt;img src="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fdev-to-uploads.s3.us-east-2.amazonaws.com%2Fuploads%2Farticles%2F1iw6woxiexl267uia1jp.jpg" alt="gorsel" width="800" height="420"&gt;&lt;/a&gt;&lt;/p&gt;

&lt;h2&gt;
  
  
  5. langchain
&lt;/h2&gt;

&lt;p&gt;Piyasa haberlerini yorumlayan veya borsa verilerini analiz eden yapay zeka ajanları geliştirmek için langchain 1.4.7 sürümünü kullanıyorum. LLM modellerini kullanarak piyasa duyarlılığını analiz etmek çok ilginç sonuçlar veriyor.&lt;/p&gt;

&lt;p&gt;Kütüphane çok hızlı değiştiği için yazdığınız kodlar birkaç ay içinde güncelliğini yitirebilir. Sürekli olarak versiyonları takip etmek ve dökümantasyonu güncel tutmak zorundayım.&lt;/p&gt;

&lt;h2&gt;
  
  
  6. ccxt
&lt;/h2&gt;

&lt;p&gt;Yüzlerce farklı kripto veya finansal borsaya tek bir arayüz üzerinden bağlanıp otomatik emir göndermek için ccxt 4.5.91 sürümünü kullanıyorum. Farklı borsalar için ayrı ayrı kod yazmak yerine tek bir standart kullanıyorum.&lt;/p&gt;

&lt;p&gt;Borsaların API güncellemelerini takip etmek zordur ve yanlış yapılandırma ciddi finansal kayba yol açabilir. Bir gece borsanın API yapısı değiştiğinde emirlerim gitmemişti. Bu yüzden her zaman test ortamlarında denemeler yapıyorum.&lt;/p&gt;

&lt;h2&gt;
  
  
  7. scikit-learn
&lt;/h2&gt;

&lt;p&gt;Piyasa verileri üzerinde fiyat tahmini veya sınıflandırma modelleri eğitmek için scikit-learn 1.9.1 sürümünü kullanıyorum. Makine öğrenmesi denilince akla gelen standart araçları sunar.&lt;/p&gt;

&lt;p&gt;Zaman serisi verilerinde look-ahead bias yani gelecekteki veriyi geçmişe sızdırma hatasına düşmek çok kolaydır. Bu durum modelin başarısını yapay bir şekilde yüksek gösteriyor ama gerçek piyasada tamamen patlıyor.&lt;br&gt;
&lt;/p&gt;

&lt;div class="highlight js-code-highlight"&gt;
&lt;pre class="highlight python"&gt;&lt;code&gt;&lt;span class="kn"&gt;from&lt;/span&gt; &lt;span class="n"&gt;sklearn.model_selection&lt;/span&gt; &lt;span class="kn"&gt;import&lt;/span&gt; &lt;span class="n"&gt;train_test_split&lt;/span&gt;
&lt;span class="n"&gt;X_train&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="n"&gt;X_test&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="n"&gt;y_train&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="n"&gt;y_test&lt;/span&gt; &lt;span class="o"&gt;=&lt;/span&gt; &lt;span class="nf"&gt;train_test_split&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="n"&gt;X&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="n"&gt;y&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="n"&gt;shuffle&lt;/span&gt;&lt;span class="o"&gt;=&lt;/span&gt;&lt;span class="bp"&gt;False&lt;/span&gt;&lt;span class="p"&gt;)&lt;/span&gt;
&lt;/code&gt;&lt;/pre&gt;

&lt;/div&gt;



&lt;p&gt;Bu kod bloğu, veriyi karıştırmadan zaman sırasına göre eğitim ve test setlerine ayırmamı sağlıyor. Zaman serisi verilerinde veriyi rastgele bölmek yerine kronolojik sırayı korumak, modelin geleceği görmesini engelliyor ve gerçek dünya performansını daha doğru ölçmemi sağlıyor.&lt;/p&gt;

&lt;p&gt;&lt;a href="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fdev-to-uploads.s3.us-east-2.amazonaws.com%2Fuploads%2Farticles%2F1iw6woxiexl267uia1jp.jpg" class="article-body-image-wrapper"&gt;&lt;img src="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fdev-to-uploads.s3.us-east-2.amazonaws.com%2Fuploads%2Farticles%2F1iw6woxiexl267uia1jp.jpg" alt="gorsel" width="800" height="420"&gt;&lt;/a&gt;&lt;/p&gt;

&lt;p&gt;Yolda çıkan hatalar ve nasıl giderildiğine gelirsek, en büyük sorunum verinin ölçeklenmesiydi. Zaman serisi verilerinde rastgele bölme yapmak yerine, veriyi zaman sırasına göre bölerek geleceği görme hatasını tamamen ortadan kaldırdım. Eğitim ve test setlerini ayırırken verinin kronolojik sırasını bozmamak, modelin gerçek dünya performansını görmemi sağladı. Özellikle modelin eğitiminde kullandığım verinin son 30 gününü test seti olarak ayırmak, modelin gerçek piyasa koşullarında nasıl tepki vereceğini anlamamı kolaylaştırdı.&lt;/p&gt;

&lt;h2&gt;
  
  
  8. SQLAlchemy
&lt;/h2&gt;

&lt;p&gt;Toplanan piyasa verilerini SQL veritabanlarında düzenli bir şekilde saklamak ve analiz için sorgulamak için SQLAlchemy 2.1.6 sürümünü kullanıyorum. Veriyi düzenli tutmak analiz yaparken işimi çok kolaylaştırıyor.&lt;/p&gt;

&lt;p&gt;Karmaşık sorgularda ORM katmanı, ham SQL yazmaktan çok daha yavaş çalışabilir. Bazen veritabanından milyonlarca satırı çekerken ORM yüzünden performans kaybı yaşadım. Bu gibi durumlarda doğrudan SQL sorgularına geçmek zorunda kalıyorum.&lt;/p&gt;

&lt;p&gt;Karsılaştırma yapmam gerekirse, neden SQLAlchemy seçtiğimi şöyle açıklayayım. Başlangıçta verileri sadece CSV dosyalarında tutuyordum ancak dosya sayısı arttıkça veriye erişim imkansız hale geldi. Veritabanı seçimi yaparken yerel dosya tabanlı sistemler ile sunucu tabanlı sistemler arasında kaldım. SQLAlchemy, veritabanı bağımsız yapısı sayesinde yerel ortamda SQLite kullanıp, canlıya geçtiğimde tek satır değişiklikle farklı bir veritabanı sistemine geçmemi sağladı. Bu esneklik, projeyi taşınabilir kılıyor ve veritabanı bağımlılığını en aza indiriyor. Ayrıca büyük ölçekli projelerde veritabanı şemalarını kod üzerinden yönetmek, ileride yapacağım değişikliklerin tüm sistemle uyumlu kalmasını sağlıyor.&lt;/p&gt;

&lt;h2&gt;
  
  
  Bundan sonra ne yapmalı
&lt;/h2&gt;

&lt;p&gt;Araç seçimi zeka değil tekrar meselesi. Aynı işi yaparken aynı aracı kullanmak bana çok zaman kazandırdı. Bundan sonra ne yapmalı diyorsanız, şu adımları izleyin:&lt;/p&gt;

&lt;ol&gt;
&lt;li&gt;Önce bu listedeki kütüphanelerden sadece birini seçin ve kendi küçük veri setinizle denemeler yapın.&lt;/li&gt;
&lt;li&gt;Hemen her şeyi otomatize etmeye çalışmayın, önce veriyi nasıl temizleyeceğinizi ve nasıl saklayacağınızı öğrenin.&lt;/li&gt;
&lt;li&gt;Gerçekten işinize yarayanları tutun, gerisini cephaneliğinizden atın.&lt;/li&gt;
&lt;li&gt;Başarı, karmaşık araçlar değil, basit araçları ne kadar iyi kullandığınızla ilgili.&lt;/li&gt;
&lt;/ol&gt;

&lt;p&gt;Bir sonraki adımınız, veritabanı bağlantınızı kurup yfinance üzerinden çektiğiniz veriyi SQLAlchemy ile saklamak olmalı. Bu temel otomasyonu kurduğunuzda, diğer kütüphaneleri bu yapı üzerine kolayca ekleyebilirsiniz. Kendi sisteminizi kurarken hata yapmaktan korkmayın, çünkü bu kütüphanelerin sunduğu hata mesajları aslında size en iyi öğretmendir. Her hata, bir sonraki otomasyonunuzun daha sağlam olmasını sağlayacaktır.&lt;/p&gt;

</description>
      <category>trading</category>
      <category>python</category>
    </item>
    <item>
      <title>İki Kaynaklı Veri İşinde Sessiz Kayıp Nasıl Önlenir</title>
      <dc:creator>Serdar Tavukçu</dc:creator>
      <pubDate>Tue, 03 Nov 2026 11:31:34 +0000</pubDate>
      <link>https://dev.to/serdartavukcu/iki-kaynakli-veri-isinde-sessiz-kayip-nasil-onlenir-l8l</link>
      <guid>https://dev.to/serdartavukcu/iki-kaynakli-veri-isinde-sessiz-kayip-nasil-onlenir-l8l</guid>
      <description>&lt;p&gt;&lt;a href="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fdev-to-uploads.s3.us-east-2.amazonaws.com%2Fuploads%2Farticles%2F7js1sdbaapc50bddohpu.jpg" class="article-body-image-wrapper"&gt;&lt;img src="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fdev-to-uploads.s3.us-east-2.amazonaws.com%2Fuploads%2Farticles%2F7js1sdbaapc50bddohpu.jpg" alt="gorsel" width="800" height="420"&gt;&lt;/a&gt;&lt;/p&gt;

&lt;h2&gt;
  
  
  Olay nasıl başladı
&lt;/h2&gt;

&lt;p&gt;Bir süre önce elimdeki iki farklı kaynaktan gelen kayıt dosyalarını eşleştirip bir rapor çıkaran bir sistem yazdım. İşin mantığı gayet basitti. Birinci dosyadan veriyi al, ikinci dosyadaki karşılığıyla birleştir ve nihai tabloyu oluştur. Python üzerinden ilerliyordum ve kodun çalışması için gereken her şeyi tamamladım. Kod çalıştı, raporlar üretildi ve işler yolunda gibi görünüyordu. Ancak içimdeki o huzursuzluk hissi bir türlü geçmedi. Rapor her zaman üretiliyordu ama işin içinde kaç veri kayboldu, hangileri eşleşmedi, kimse bunu sorgulamıyordu.&lt;/p&gt;

&lt;p&gt;Sistem sessizce ilerliyordu. Ben de ilk etapta her şeyin yolunda olduğunu düşündüm. Sonra bir gün verilerin toplamını kontrol etmeye karar verdim. Girdiğim satır sayısı ile çıktıda yer alan satır sayısını karşılaştırdım. Ortaya çıkan manzara beni çok şaşırttı. Rapor vardı ama içerik eksikti. Bazı kayıtlar eşleşmediği için sistem tarafından sessizce atlanmıştı. Kimse bu hatayı fark etmiyordu çünkü raporun kendisi başarılı bir şekilde oluşuyordu. Eksik rapor, hatalı rapordan çok daha tehlikeliydi çünkü hatalı raporu en azından bir yerde fark edip düzeltebiliyordunuz. Sessizce kaybolan veri ise güven kaybı demekti. O günden sonra veri işleme süreçlerime bakış açım tamamen değişti. Artık bir sistemin çalışıyor olması, doğru çalıştığı anlamına gelmiyor.&lt;/p&gt;

&lt;h2&gt;
  
  
  Bu nerede karşına çıkar
&lt;/h2&gt;

&lt;p&gt;Bu tür bir problemle genellikle veri entegrasyonu yaptığın her yerde karşılaşabilirsin. Özellikle finansal veriler, borsa takip sistemleri, kripto varlık hareketleri veya yapay zeka modellerine veri besleyen agent sistemlerinde bu durum çok yaygındır. Bir kaynaktan gelen ham veriyi alıp başka bir kaynaktaki bilgilerle zenginleştirmeye çalıştığında, verinin yapısı her zaman beklediğin gibi olmaz. Bazen bir satırda eksik bilgi olur, bazen format değişir, bazen de iki kaynak arasında zaman uyumsuzluğu yaşanır.&lt;/p&gt;

&lt;p&gt;Bu sorun sadece teknik bir hata değil, aynı zamanda operasyonel bir risk. Eğer bir trading botu için veri topluyorsan ve bu verilerin bir kısmı sessizce kayboluyorsa, botun aldığı kararlar tamamen yanlış temellere dayanır. Kimse sana verinin eksik olduğunu söylemez. Kodun hata vermez, exception fırlatmaz, sadece sessizce eksik veriyle çalışmaya devam eder. Bu durum, sistemin içinde gizli bir yara gibi büyür. Yapay zeka modelleri eğitirken de benzer bir durum yaşanır. Eğitim setine giren verinin kalitesini denetlemezsen, modelin çıktısı saçmalamaya başlar. Veri işleme sürecinde her satırın akıbetini bilmek zorundasın. Eğer veriyi bir yerden alıp başka bir yere taşıyorsan, arada kaybolan her bir parça senin sorumluluğunda. Sessiz kayıp, veri dünyasındaki en sinsi düşmandır.&lt;/p&gt;

&lt;h2&gt;
  
  
  Kök neden
&lt;/h2&gt;

&lt;p&gt;Kodun içindeki mantık hatasını bulmak çok vaktimi almadı. Eşleştirme işlemi sırasında kodum, beklenmeyen biçimdeki satırları sadece atlayıp bir sonraki satıra geçiyordu. Python tarafında bir try-except bloğu kurmuştum ve hata aldığında sadece pas geçiyordu. Bu aslında çok kötü bir pratikti. Kodun hata aldığını sanmıyordum ama sistemin kendisi hatayı yutuyordu. Rapor yine çıkıyordu, sadece eksik çıkıyordu.&lt;/p&gt;

&lt;p&gt;Sorunun kök nedeni, veri doğrulama mekanizmasının eksikliğiydi. Kodum, girdinin ne kadar olduğuna bakmıyor, sadece çıktıyı üretiyordu. Giren satır sayısı ile çıktıda yer alan satır sayısı arasındaki farkı hiçbir zaman denetlemedim. Kodun içindeki döngü, eşleşmeyen veya formatına uymayan her satırı sessizce görmezden geliyordu. Bu durum, veri kaybının ana kaynağıydı. Bir veri satırı sisteme girdiğinde, ya işlenmeli ya da neden işlenmediği kaydedilmeliydi. Benim kodum ise sadece başarılı olanları alıp geri kalanını çöpe atıyordu. Bu çok büyük bir hataydı. Veri işleme sürecinde her zaman bir muhasebe mantığı olmalı. Giren her birim, ya çıktıda görünmeli ya da hata kütüğüne düşmeli. Bunu yapmadığım için sistemin ne kadar veri kaybettiğini göremiyordum. Kök neden, sistemin kendi başarısını sadece üretilen dosya üzerinden ölçmesi ve kaybolan veriyi hiç hesaba katmamasıydı.&lt;/p&gt;

&lt;h2&gt;
  
  
  Çözüm
&lt;/h2&gt;

&lt;p&gt;Çözüm olarak satır muhasebesi denilen bir yapı kurdum. Bu yapı oldukça basit ama çok etkili. Artık kodum, işlem yapmaya başlamadan önce girdi dosyasındaki satır sayısını sayıyor. İşlem bittiğinde ise çıktı dosyasındaki satır sayısını ve hata kütüğüne giden satır sayısını topluyor. Eğer bu iki toplam birbirine eşit değilse, sistem hata veriyor ve raporu kesinlikle üretmiyor.&lt;/p&gt;

&lt;p&gt;&lt;a href="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fdev-to-uploads.s3.us-east-2.amazonaws.com%2Fuploads%2Farticles%2Faovvt8acll0o61e8e3q3.jpg" class="article-body-image-wrapper"&gt;&lt;img src="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fdev-to-uploads.s3.us-east-2.amazonaws.com%2Fuploads%2Farticles%2Faovvt8acll0o61e8e3q3.jpg" alt="gorsel" width="800" height="420"&gt;&lt;/a&gt;&lt;br&gt;
&lt;/p&gt;

&lt;div class="highlight js-code-highlight"&gt;
&lt;pre class="highlight python"&gt;&lt;code&gt;&lt;span class="n"&gt;girdi_sayisi&lt;/span&gt; &lt;span class="o"&gt;=&lt;/span&gt; &lt;span class="nf"&gt;len&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="n"&gt;kaynak_veriler&lt;/span&gt;&lt;span class="p"&gt;)&lt;/span&gt;
&lt;span class="n"&gt;basarili_sayisi&lt;/span&gt; &lt;span class="o"&gt;=&lt;/span&gt; &lt;span class="mi"&gt;0&lt;/span&gt;
&lt;span class="n"&gt;hata_sayisi&lt;/span&gt; &lt;span class="o"&gt;=&lt;/span&gt; &lt;span class="mi"&gt;0&lt;/span&gt;

&lt;span class="k"&gt;for&lt;/span&gt; &lt;span class="n"&gt;satir&lt;/span&gt; &lt;span class="ow"&gt;in&lt;/span&gt; &lt;span class="n"&gt;kaynak_veriler&lt;/span&gt;&lt;span class="p"&gt;:&lt;/span&gt;
    &lt;span class="k"&gt;try&lt;/span&gt;&lt;span class="p"&gt;:&lt;/span&gt;
        &lt;span class="n"&gt;yeni_veri&lt;/span&gt; &lt;span class="o"&gt;=&lt;/span&gt; &lt;span class="nf"&gt;isle&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="n"&gt;satir&lt;/span&gt;&lt;span class="p"&gt;)&lt;/span&gt;
        &lt;span class="nf"&gt;cikti_dosyasina_yaz&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="n"&gt;yeni_veri&lt;/span&gt;&lt;span class="p"&gt;)&lt;/span&gt;
        &lt;span class="n"&gt;basarili_sayisi&lt;/span&gt; &lt;span class="o"&gt;+=&lt;/span&gt; &lt;span class="mi"&gt;1&lt;/span&gt;
    &lt;span class="k"&gt;except&lt;/span&gt;&lt;span class="p"&gt;:&lt;/span&gt;
        &lt;span class="nf"&gt;hata_dosyasina_yaz&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="n"&gt;satir&lt;/span&gt;&lt;span class="p"&gt;)&lt;/span&gt;
        &lt;span class="n"&gt;hata_sayisi&lt;/span&gt; &lt;span class="o"&gt;+=&lt;/span&gt; &lt;span class="mi"&gt;1&lt;/span&gt;

&lt;span class="k"&gt;if&lt;/span&gt; &lt;span class="n"&gt;girdi_sayisi&lt;/span&gt; &lt;span class="o"&gt;!=&lt;/span&gt; &lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="n"&gt;basarili_sayisi&lt;/span&gt; &lt;span class="o"&gt;+&lt;/span&gt; &lt;span class="n"&gt;hata_sayisi&lt;/span&gt;&lt;span class="p"&gt;):&lt;/span&gt;
    &lt;span class="k"&gt;raise&lt;/span&gt; &lt;span class="nc"&gt;Exception&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="n"&gt;farkli_sayilar_hatasi&lt;/span&gt;&lt;span class="p"&gt;)&lt;/span&gt;
&lt;/code&gt;&lt;/pre&gt;

&lt;/div&gt;



&lt;p&gt;Bu kod bloğu, sistemin temel güvenlik mekanizması oldu. Girdi toplamı ile çıktı toplamı tutmuyorsa iş durur ve rapor üretilmez. Neyin neden elendiği ise ayrı bir dosyaya yazılır. Böylece sadece hatayı tespit etmekle kalmıyorum, aynı zamanda hatanın kaynağını da görebiliyorum. Artık sistemim sessizce veri kaybetmiyor. Eğer bir satır işlenemiyorsa, bu durum açıkça görünür hale geliyor. Bu basit kontrol, sistemin tüm güvenilirlik seviyesini değiştirdi. Artık raporu açtığımda içindeki verinin tam olduğundan emin olabiliyorum.&lt;/p&gt;

&lt;h2&gt;
  
  
  Yolda çıkan hatalar
&lt;/h2&gt;

&lt;p&gt;Bu sistemi kurarken bazı zorluklar yaşadım. İlk hata, hata kütüğüne yazılan verilerin formatının bozulmasıydı. Başlangıçta hatalı satırları sadece metin olarak yazıyordum ancak bu durum daha sonra bu hataları analiz etmemi zorlaştırdı. Hata kütüğünü düzenli bir log dosyasına çevirdim ve her hatanın yanına zaman damgası ile hata sebebini ekledim.&lt;/p&gt;

&lt;p&gt;Bir diğer sorun ise performans kaybıydı. Her satırı tek tek saymak ve hata kütüğüne yazmak, işlemi biraz yavaşlattı. Ancak veri bütünlüğü hızın önüne geçti. Eğer sistemim çok hızlı çalışıp yanlış veri üretiyorsa, bu hız hiçbir şey ifade etmiyordu. Performans kaybı, güvenlik kazanımı karşısında çok küçük bir bedeldi. Ayrıca büyük dosyalarda bellek sorunu yaşamamak için dosyayı satır satır okuyup işlemeye başladım. Böylece sistem hem güvenli hem de kaynak yönetimi açısından daha verimli hale geldi. İlk denemelerde bazı satırların neden hata verdiğini anlamak için hata kütüğünü sürekli kontrol etmem gerekti. Bu da bana verinin ne kadar kirli olabileceğini gösterdi. Beklenmedik karakterler, boş satırlar veya yanlış formatlar sürekli karşıma çıktı. Her birini tek tek ayıklamak yerine, genel bir hata yakalama mekanizması kurup detayları log dosyasına bıraktım. Bu sayede kodum daha stabil hale geldi.&lt;/p&gt;

&lt;h2&gt;
  
  
  Alternatifler
&lt;/h2&gt;

&lt;p&gt;Alternatif olarak veritabanı seviyesinde kontrol yapmayı düşündüm. Veriyi önce bir veritabanına yükleyip, oradaki sorgularla eksik kayıtları bulabilirdim. Ancak bu yöntem, benim ihtiyacım olan hızlı raporlama süreci için çok ağır geldi. Her seferinde veritabanına yükleme yapmak, ekstra bir katman oluşturuyordu. Benim ihtiyacım olan şey, kodumun kendi içinde veriyi doğrulamasıydı.&lt;/p&gt;

&lt;p&gt;Bir diğer alternatif ise daha gelişmiş veri doğrulama kütüphaneleri kullanmaktı. Ancak bu kütüphaneler genellikle çok fazla bağımlılık getiriyor ve sistemimi gereksiz yere karmaşıklaştırıyordu. Ben, sistemin içindeki mantığın basit ve anlaşılır kalmasını istedim. Kendi satır muhasebesi sistemimi kurmak, herhangi bir dış kütüphaneye bağımlı kalmadan sorunu çözmemi sağladı. Bu yöntemin en büyük avantajı, kontrolün tamamen bende olmasıydı. Hata kütüğünü nasıl formatlayacağıma, hatayı nasıl loglayacağıma kendim karar verdim. Alternatif yöntemler genellikle hazır çözümler sunuyor ama benim spesifik durumumda verinin kaybolma nedenini anlamak için daha esnek bir yapıya ihtiyacım vardı. Kendi yazdığım bu basit kontrol mekanizması, hem öğretici oldu hem de sistemin güvenliğini en üst seviyeye çıkardı. Veri işleme sürecinde en iyi çözüm, genellikle en basit ve en şeffaf olanıdır.&lt;/p&gt;

&lt;h2&gt;
  
  
  Bundan sonra ne yapmalı
&lt;/h2&gt;

&lt;p&gt;Veri işinde sessizce kaybolan satır, en pahalı hatadır. Bunu acı bir şekilde öğrendim. Bundan sonra yapman gereken ilk şey, mevcut tüm veri işleme scriptlerini gözden geçirmek. Kodların içinde sadece başarılı olanları işleyen döngülerin varsa, onları hemen değiştir. Giren satır sayısı ile çıkan satır sayısını karşılaştıran bir kontrol mekanizmasını her işin sonuna ekle.&lt;/p&gt;

&lt;p&gt;Somut adımlar olarak şunları yapabilirsin. Önce mevcut veri işleme kodlarına bir sayaç ekle. Giren veri sayısını bir değişkene ata. İşlem sırasında başarılı olanları ve hata alanları ayrı ayrı say. İşlem bittiğinde bu sayıları kıyasla. Eğer fark varsa, sistemi durdur ve hata dosyasını incele. Bu sana verinin kalitesini anlama imkanı verir. Ayrıca hata kütüğünü düzenli olarak kontrol etmeyi alışkanlık haline getir. Hangi verilerin neden hata verdiğini anlamak, sistemini daha sağlam hale getirmeni sağlar. Veri işleme sürecini bir kara kutu gibi görme. İçinde ne olup bittiğini, kaç verinin kaybolduğunu ve neden kaybolduğunu her zaman bilmelisin. Bu disiplini kazandığında, artık verine daha çok güvenebilirsin. Unutma, sistemin çıkardığı raporun doğruluğu, senin yaptığın kontrollerin kalitesiyle doğru orantılıdır. Bir sonraki projenin başlangıcında, daha kodun ilk satırlarını yazarken bu muhasebe mantığını kurmayı unutma. Veri kaybı, geri dönüşü en zor hatadır.&lt;/p&gt;

</description>
      <category>python</category>
      <category>data</category>
    </item>
    <item>
      <title>2 Gün Boyunca Boşuna Çalıştım, Sebebi Disk Doluluğu ve Oturum Hatasıydı</title>
      <dc:creator>Serdar Tavukçu</dc:creator>
      <pubDate>Mon, 02 Nov 2026 08:01:01 +0000</pubDate>
      <link>https://dev.to/serdartavukcu/2-gun-boyunca-bosuna-calistim-sebebi-disk-dolulugu-ve-oturum-hatasiydi-k90</link>
      <guid>https://dev.to/serdartavukcu/2-gun-boyunca-bosuna-calistim-sebebi-disk-dolulugu-ve-oturum-hatasiydi-k90</guid>
      <description>&lt;p&gt;&lt;a href="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fdev-to-uploads.s3.us-east-2.amazonaws.com%2Fuploads%2Farticles%2F4bx3x2ydyqygudidvhav.jpg" class="article-body-image-wrapper"&gt;&lt;img src="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fdev-to-uploads.s3.us-east-2.amazonaws.com%2Fuploads%2Farticles%2F4bx3x2ydyqygudidvhav.jpg" alt="gorsel" width="800" height="420"&gt;&lt;/a&gt;&lt;/p&gt;

&lt;h2&gt;
  
  
  Olay nasıl başladı
&lt;/h2&gt;

&lt;p&gt;Bir süre önce ikinci el ilan sitelerinde uygun fiyatlı donanım yakalamak için kendi sistemimi kurmaya karar verdim. Amacım belliydi, sürekli ilanları kontrol eden ve yeni bir şey düştüğünde bana haber veren bir Python betiği yazmak. Her şey çok güzel başladı, sistemi kurdum, sunucuya attım ve arkama yaslandım. Günler geçti, sistemin arka planda sessizce çalıştığını düşünüyordum. Ancak bir hafta boyunca tek bir bildirim bile gelmedi. İlk başlarda piyasanın durgun olduğunu düşündüm. Belki kimse ilan vermiyordu, belki de fiyatlar çok yüksekti. Ancak içimden bir ses bir şeylerin ters gittiğini söylüyordu. Bir gün kontrol etmek için sisteme bağlandım ve log dosyalarına baktım. Loglar tertemizdi, hiçbir hata mesajı yoktu. Sistem sanki çalışıyor gibi görünüyordu ama aslında hiçbir veri çekmiyordu. Büyük bir hayal kırıklığıydı. Haftalarca beklediğim fırsatların aslında sistemimdeki bir aksaklık yüzünden gözümden kaçtığını anlamak canımı sıktı. Otomasyonun sessizliği bazen en büyük tehlikedir. Hiçbir hata vermeyen ama sonuç da üretmeyen bir sistem, çalışmayan bir sistemden daha kötüdür. Çünkü çalışmadığını anında fark edemezsin.&lt;/p&gt;

&lt;h2&gt;
  
  
  Bu nerede karşına çıkar
&lt;/h2&gt;

&lt;p&gt;Bu durum aslında veri kazıma veya otomasyon işleriyle uğraşan herkesin başına gelebilecek bir durum. Özellikle borsa verileriyle çalışırken, fiyat takibi yaparken veya sürekli veri akışı isteyen bir bot geliştirirken bu sessiz başarısızlık çok yaygındır. Sisteminiz bir web sitesine istek atar, site sizi yönlendirir veya engeller ama sizin kodunuz bunu bir hata olarak algılamaz. Sadece boş bir sayfa veya giriş yapmanızı isteyen bir form sayfası alırsınız. Kodunuz ise bu sayfayı başarıyla indirdiğini düşünür, içinde ilan arar, bulamaz ve bir sonraki isteğe geçer. Bu döngü günlerce devam edebilir. Özellikle sunucu tarafında kaynak tüketimi veya disk dolması gibi durumlar sistemin yavaşlamasına veya fark ettirmeden durmasına neden olabilir. Benzer bir durumu borsa verilerini çeken bir agent kurarken de yaşayabilirsiniz. Veri akışı kesilir ama uygulama hata fırlatmaz, siz de verilerin gerçekten bittiğini sanırsınız. Bu durumun en tehlikeli tarafı, her şeyin yolunda olduğuna dair sahte bir güven duygusu vermesidir. Gerçek hayatta bu tür hatalar genellikle sistemin dış kaynaklara bağımlı olduğu noktalarda ortaya çıkar.&lt;/p&gt;

&lt;h2&gt;
  
  
  Kök neden
&lt;/h2&gt;

&lt;p&gt;Sistemin neden sessizce sustuğunu araştırırken iki temel sorunla karşılaştım. İlki çok basit bir donanım sorunu olan disk dolmasıydı. Sunucudaki loglar ve geçici dosyalar zamanla birikmiş ve disk kapasitesini doldurmuştu. Disk yüzde 98 doluluk oranına ulaştığında tarayıcı artık yeni veri yazamıyor ve sessizce çöküyordu. Ancak uygulama hata fırlatmadığı için izleme katmanı bu durumu göremiyordu. İkinci sorun ise çok daha sinsiceydi. İlan sitesi oturumumu düşürmüştü. Siteye yaptığım istekler artık ilan sayfası yerine giriş yapmam gereken bir sayfaya yönleniyordu. Benim kodum ise gelen sayfayı bir ilan sayfası olarak algılayıp içinde arama yapıyordu. İçerik bulunamadığında da hata vermek yerine boş sonuç döndürüyordu. Bu ikili durum, sistemin hem kaynak yetersizliğinden dolayı çökmesine hem de mantıksal olarak yanlış verilerle çalışmasına neden oluyordu. Disk yüzde 98 seviyesindeyken sistem nefes alamıyordu. Kaçak günlük dosyalarını temizleyip disk alanını yüzde 65 seviyesine indirdiğimde sistemin tekrar canlandığını gördüm ama mantıksal hata hala devam ediyordu.&lt;/p&gt;

&lt;h2&gt;
  
  
  Adım adım çözüm
&lt;/h2&gt;

&lt;p&gt;Sorunu çözmek için iki temel kontrol ekledim. İlki disk doluluğunu izleyen bir kontrol mekanizmasıydı. Artık iş başlamadan önce disk alanını kontrol ediyorum. Eğer disk eşiği aşılmışsa sistem hiç başlamıyor ve bana hemen bir uyarı gönderiyor. İkinci kontrol ise gelen sayfanın gerçekten bir ilan sayfası olup olmadığını doğrulamak. Eğer gelen sayfanın içeriğinde ilanlara ait özel yapılar yoksa veya sayfa giriş sayfasına yönlendirilmişse bunu bir hata olarak kabul ediyorum.&lt;br&gt;
&lt;/p&gt;

&lt;div class="highlight js-code-highlight"&gt;
&lt;pre class="highlight python"&gt;&lt;code&gt;&lt;span class="k"&gt;if&lt;/span&gt; &lt;span class="n"&gt;disk_kullanimi&lt;/span&gt; &lt;span class="o"&gt;&amp;gt;&lt;/span&gt; &lt;span class="mi"&gt;85&lt;/span&gt;&lt;span class="p"&gt;:&lt;/span&gt;
    &lt;span class="k"&gt;raise&lt;/span&gt; &lt;span class="nc"&gt;Exception&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="n"&gt;Disk&lt;/span&gt; &lt;span class="n"&gt;dolmak&lt;/span&gt; &lt;span class="n"&gt;uzere&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="n"&gt;islem&lt;/span&gt; &lt;span class="n"&gt;durduruldu&lt;/span&gt;&lt;span class="p"&gt;)&lt;/span&gt;

&lt;span class="k"&gt;if&lt;/span&gt; &lt;span class="nf"&gt;giris_sayfasina_yonlendi&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="n"&gt;sayfa_icerigi&lt;/span&gt;&lt;span class="p"&gt;):&lt;/span&gt;
    &lt;span class="k"&gt;raise&lt;/span&gt; &lt;span class="nc"&gt;Exception&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="n"&gt;Oturum&lt;/span&gt; &lt;span class="n"&gt;dusmus&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="n"&gt;veri&lt;/span&gt; &lt;span class="n"&gt;cekilemiyor&lt;/span&gt;&lt;span class="p"&gt;)&lt;/span&gt;
&lt;/code&gt;&lt;/pre&gt;

&lt;/div&gt;



&lt;p&gt;Bu kod parçası, sistemin boş yere çalışmasını engelliyor. Disk doluluğu belirli bir seviyenin üzerine çıktığında veya site beni giriş yapmaya zorladığında sistem anında hata veriyor ve çalışmayı durduruyor. Bu şekilde sessiz başarısızlıkların önüne geçmiş oldum. Artık sistemim bir hata yaptığında bunu bana hemen bildiriyor ve ben de müdahale edebiliyorum.&lt;/p&gt;

&lt;h2&gt;
  
  
  Yolda çıkan hatalar ve nasıl giderildi
&lt;/h2&gt;

&lt;p&gt;Çözümleri uygularken bazı zorluklarla karşılaştım. İlk olarak disk kontrolünü nereye koyacağıma karar vermem gerekti. Başlangıçta her döngünün içinde kontrol etmeyi düşündüm ama bu çok fazla işlem gücü tüketiyordu. Sonra sadece işlemler başlamadan önce kontrol etmenin yeterli olacağına karar verdim. İkinci olarak giriş sayfası kontrolü yaparken bazı yanlış alarmlar aldım. Site bazen yüklenme sırasında geçici olarak farklı bir sayfa gösterebiliyordu. Bunu engellemek için birkaç saniye bekleyip tekrar kontrol eden bir mekanizma ekledim. Yani sayfayı bir kez kontrol edip hemen hata vermiyorum, bir saniye sonra tekrar bakıyorum. Hâlâ giriş sayfasındaysa o zaman hata veriyorum. Bu, sistemin daha kararlı çalışmasını sağladı. Ayrıca hata mesajlarını düzgün bir şekilde loglamayı öğrendim. Eskiden sadece hata verip duruyordu, şimdi hatanın nedenini de log dosyalarına yazıyor. Bu sayede neyin ters gittiğini anlamak çok daha kolay hâle geldi. Hata ayıklama süreci, sistemin sağlamlığını artırmak için harika bir fırsat oldu.&lt;/p&gt;

&lt;p&gt;&lt;a href="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fdev-to-uploads.s3.us-east-2.amazonaws.com%2Fuploads%2Farticles%2F42baq2kd0cn4k2klwgy1.jpg" class="article-body-image-wrapper"&gt;&lt;img src="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fdev-to-uploads.s3.us-east-2.amazonaws.com%2Fuploads%2Farticles%2F42baq2kd0cn4k2klwgy1.jpg" alt="gorsel" width="800" height="420"&gt;&lt;/a&gt;&lt;/p&gt;

&lt;h2&gt;
  
  
  Karşılaştırma
&lt;/h2&gt;

&lt;p&gt;Bu sorunu çözmek için farklı yöntemler de vardı. Mesela harici bir izleme aracı kullanabilirdim. Sistem çalışıyor mu diye dışarıdan bakan bir servis kullanmak çok daha profesyonel görünebilirdi. Ancak ben kendi sistemimin içinde bu kontrolleri yapmayı tercih ettim. Çünkü harici araçlar bazen çok karmaşık olabiliyor ve kurulumuyla uğraşmak istemedim. Bir diğer alternatif ise daha gelişmiş bir tarayıcı kütüphanesi kullanmaktı. Ancak mevcut sistemim zaten ihtiyacımı karşılıyordu, sadece biraz daha dikkatli olmam gerekiyordu. Kendi kontrol mekanizmalarımı yazmak bana sistemin nasıl çalıştığını daha iyi öğretti. Ayrıca bu yöntem herhangi bir ek maliyet veya bağımlılık getirmiyor. Sadece kodun içine eklediğim birkaç basit kontrol satırı ile sorunu tamamen ortadan kaldırdım. Bazen en basit çözümler, en etkili olanlardır. Karmaşık sistemler kurmak yerine, basit ve güvenilir hata kontrolleri eklemek uzun vadede daha az baş ağrısı yaratıyor.&lt;/p&gt;

&lt;h2&gt;
  
  
  Bundan sonra ne yapmalı
&lt;/h2&gt;

&lt;p&gt;Bundan sonra yapılacak ilk şey, sistemin çıktı üretmediği her durumu bir hata olarak kabul etmek. Eğer sistem bir saat boyunca hiçbir ilan bulamadıysa, bu normal bir durum değildir. Bunu sistemin kendine bildirmesi gerekiyor. Bunun için bir zamanlayıcı ekleyebilirsin. Eğer belirli bir süre boyunca hiç veri gelmediyse sistem kendi kendine bir test isteği atabilir. Ayrıca log dosyalarını sadece hata olduğunda değil, düzenli aralıklarla kontrol eden bir yapı kurmakta fayda var. İkinci olarak disk kullanımını izleyen basit bir bash betiği yazıp bunu cron ile çalıştırabilirsin. Bu, sistemin dış kaynaklarını her zaman kontrol altında tutmanı sağlar. Son olarak, her zaman en kötü senaryoyu düşünerek kod yazmak gerekiyor. Site oturumu düşse ne olur, disk dolsa ne olur, internet kesilse ne olur gibi sorulara cevap veren bir mimari kurmalısın. Sessiz çalışan otomasyon çalışıyor demek değildir. Çıktı üretmiyorsa bunu hata saymayı öğrenmelisin. Bu bakış açısı, ileride kuracağın tüm sistemlerin daha sağlıklı çalışmasını sağlayacak. Şimdi git ve sistemindeki sessiz noktaları kontrol etmeye başla.&lt;/p&gt;

</description>
      <category>python</category>
      <category>data</category>
      <category>automation</category>
    </item>
    <item>
      <title>15 İşlemde 15 Başarı: Kağıt Üzerinde Test Yaptım ve Sonucu Hüsran Oldu</title>
      <dc:creator>Serdar Tavukçu</dc:creator>
      <pubDate>Sat, 31 Oct 2026 11:30:33 +0000</pubDate>
      <link>https://dev.to/serdartavukcu/15-islemde-15-basari-kagit-uzerinde-test-yaptim-ve-sonucu-husran-oldu-45l0</link>
      <guid>https://dev.to/serdartavukcu/15-islemde-15-basari-kagit-uzerinde-test-yaptim-ve-sonucu-husran-oldu-45l0</guid>
      <description>&lt;p&gt;&lt;a href="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fdev-to-uploads.s3.us-east-2.amazonaws.com%2Fuploads%2Farticles%2Fpm9xkvxkdqqhq6051pyf.jpg" class="article-body-image-wrapper"&gt;&lt;img src="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fdev-to-uploads.s3.us-east-2.amazonaws.com%2Fuploads%2Farticles%2Fpm9xkvxkdqqhq6051pyf.jpg" alt="gorsel" width="800" height="420"&gt;&lt;/a&gt;&lt;/p&gt;

&lt;h2&gt;
  
  
  Olay nasıl başladı
&lt;/h2&gt;

&lt;p&gt;Borsa verileriyle uğraşırken kendimi bir anda mükemmel bir strateji bulmuş gibi hissettim. Python kullanarak geçmiş veriler üzerinde bir tarama yaptım ve kendi yazdığım basit bir algoritmayı çalıştırdım. Elimdeki veriler bist üzerinden aldığım kısa vadeli hareketlerdi. Algoritmam o kadar güzel çalışıyordu ki kendi kendime neden daha önce bunu yapmadım diye sordum. Tam 9 saat boyunca kağıt üzerinde test yaptım. Bu süreç içinde tam 15 işlem gerçekleştirdim. İşin ilginç yanı şu ki 15 işlemin 15 tanesi de artıda kapandı. Toplam kazanç küçüktü ama tutarlılık beni resmen büyülemişti. Sanki para basan bir makine yapmıştım. Kağıt üzerinde her şey kusursuz görünüyordu. Hiç zarar etmeden günü kapatmak insana büyük bir özgüven veriyor. Ancak bu durumun sadece bir hayal olduğunu anlamam uzun sürmedi. Canlı veriye geçtiğim anda işler tamamen değişti. Kağıt üzerindeki o büyülü başarı bir anda toz olup gitti. Nerede hata yaptığımı anlamak için verileri tekrar incelemeye başladım. Meğerki o 9 saatlik test sürecinde kendimi kandırmışım. Geriye dönük testin ne kadar tehlikeli olabileceğini o an anladım. Başarılı gibi görünen stratejim aslında sadece veriyi doğru okuyamadığım için öyle görünüyormuş.&lt;/p&gt;

&lt;h2&gt;
  
  
  Bu nerede karşına çıkar
&lt;/h2&gt;

&lt;p&gt;Bu problem genelde trading stratejileri geliştiren herkesin karşısına çıkar. Veri analizi yaparken veya bir ajan yazarken geçmiş verileri kullanmak çok caziptir. Çünkü elinizde bitmiş bir olaylar zinciri vardır ve siz bu zinciri istediğiniz gibi bükebilirsiniz. Özellikle bist gibi piyasalarda yüksek frekanslı veriyle uğraşırken bu tuzağa düşmek çok kolaydır. Bir mumun kapanışını beklemek yerine o mumun içindeki veriyi sanki mum kapanmış gibi kullanmaya başlarsınız. Bu durum sadece borsa verilerinde değil aslında zaman serisi analizi yapan her alanda karşınıza çıkabilir. Bir modelin eğitim verisiyle test verisi birbirine karıştığında veya geleceğe ait bilgi geçmiş verinin içine sızdığında benzer sonuçlar alırsınız. Kod yazarken her şeyin yolunda gittiğini sanırsınız ancak gerçek hayatta sistem hiçbir şey tahmin edemez hale gelir. Ben de tam olarak bu noktada takıldım. Kendi yazdığım ajan modeli geçmişin güvenli limanında harikalar yaratıyordu ama piyasanın belirsizliğine çıktığı an savunmasız kaldı. Bu durum sadece benim başıma gelmiyor. Profesyonel traderlar bile bazen bu hatayı yaparak büyük kayıver veriyor. Veriyle uğraşırken her zaman tetikte olmanız gerekiyor.&lt;/p&gt;

&lt;h2&gt;
  
  
  Kök neden
&lt;/h2&gt;

&lt;p&gt;Asıl sorun geleceğe sızan veri meselesi. Bir mumun kapanış değerini o mum kapanmadan kullanırsan strateji geleceği bilir hale gelir. Benim kodumda yaptığım hata tam olarak buydu. Kod şu şekildeydi:&lt;br&gt;
&lt;/p&gt;

&lt;div class="highlight js-code-highlight"&gt;
&lt;pre class="highlight python"&gt;&lt;code&gt;&lt;span class="k"&gt;def&lt;/span&gt; &lt;span class="nf"&gt;strateji_kontrol&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="n"&gt;mum_verisi&lt;/span&gt;&lt;span class="p"&gt;):&lt;/span&gt;
    &lt;span class="k"&gt;if&lt;/span&gt; &lt;span class="n"&gt;mum_verisi&lt;/span&gt;&lt;span class="p"&gt;.&lt;/span&gt;&lt;span class="n"&gt;kapanis&lt;/span&gt; &lt;span class="o"&gt;&amp;gt;&lt;/span&gt; &lt;span class="n"&gt;mum_verisi&lt;/span&gt;&lt;span class="p"&gt;.&lt;/span&gt;&lt;span class="n"&gt;acilis&lt;/span&gt;&lt;span class="p"&gt;:&lt;/span&gt;
        &lt;span class="k"&gt;return&lt;/span&gt; &lt;span class="n"&gt;alim_yap&lt;/span&gt;
    &lt;span class="k"&gt;return&lt;/span&gt; &lt;span class="n"&gt;bekle&lt;/span&gt;
&lt;/code&gt;&lt;/pre&gt;

&lt;/div&gt;



&lt;p&gt;Bu küçük kod parçası mumun kapanış değerini o anki veri içinde okuyor. Aslında mum henüz kapanmamışken ben kapanış fiyatını biliyormuşum gibi işlem yaptırıyordum. Bu durum algoritmanın geleceği görmesini sağlıyor. Tabii ki geriye dönük testte her şey mükemmel görünür. Çünkü algoritma aslında o fiyat seviyesine gelindiğinde ne olacağını zaten biliyor. Bu bir analiz değil sadece veriyi kopyalamak oluyor. Geleceğe sızan veri, stratejinizin performansını yapay bir şekilde yükseltir. Siz de bu yapay yükselişe kanıp canlı piyasaya girersiniz. Ancak canlı piyasada mum kapanmadan kapanış fiyatını bilme şansınız yok. Bu yüzden stratejiniz anında başarısız olur. Kök neden bu kadar basit ama bir o kadar da yıkıcı. Veriyle oynarken zaman akışını bozmamak gerekir. Her adımda sadece o ana kadar olan bilgiyi kullanmalısınız. Geleceğe sızan veri, testinizin güvenilirliğini tamamen yok eder. Bu yüzden geriye dönük testin güzel görünmesi stratejinin iyi olduğunu değil, testin çok kolay olduğunu gösterir.&lt;/p&gt;

&lt;p&gt;&lt;a href="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fdev-to-uploads.s3.us-east-2.amazonaws.com%2Fuploads%2Farticles%2Fcnpymfi9bbddddqwnzmn.jpg" class="article-body-image-wrapper"&gt;&lt;img src="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fdev-to-uploads.s3.us-east-2.amazonaws.com%2Fuploads%2Farticles%2Fcnpymfi9bbddddqwnzmn.jpg" alt="gorsel" width="800" height="420"&gt;&lt;/a&gt;&lt;/p&gt;

&lt;h2&gt;
  
  
  Çözüm
&lt;/h2&gt;

&lt;p&gt;Çözüm için yaklaşımımı tamamen değiştirdim. Önce ileriye dönük kağıt testi yapmaya karar verdim. Yani sistemi çalıştırıp piyasa verisini gerçek zamanlı olarak izledim ama gerçek para kullanmadım. Bu yöntem geleceğe sızan veriyi tamamen ortadan kaldırıyor. Çünkü sistem sadece o anki veriyi görüyor. Ardından küçük bir tutarla canlıya geçtim. Küçük tutar dedim çünkü kaybetme ihtimalini göze alarak sistemi test etmem gerekiyordu. Kademeli büyütme ise en sağlıklı yol oldu. Her aşamada aynı ölçümleri tekrar aldım. Başarıyı sadece kağıt üzerindeki sayılarda değil, canlı piyasadaki tepkilerde aradım. Kodumu şu şekilde güncelledim:&lt;br&gt;
&lt;/p&gt;

&lt;div class="highlight js-code-highlight"&gt;
&lt;pre class="highlight python"&gt;&lt;code&gt;&lt;span class="k"&gt;def&lt;/span&gt; &lt;span class="nf"&gt;kontrollu_strateji&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="n"&gt;gecmis_veriler&lt;/span&gt;&lt;span class="p"&gt;):&lt;/span&gt;
    &lt;span class="n"&gt;bitmis_mumlar&lt;/span&gt; &lt;span class="o"&gt;=&lt;/span&gt; &lt;span class="n"&gt;gecmis_veriler&lt;/span&gt;&lt;span class="p"&gt;[:&lt;/span&gt;&lt;span class="o"&gt;-&lt;/span&gt;&lt;span class="mi"&gt;1&lt;/span&gt;&lt;span class="p"&gt;]&lt;/span&gt;
    &lt;span class="k"&gt;if&lt;/span&gt; &lt;span class="n"&gt;bitmis_mumlar&lt;/span&gt;&lt;span class="p"&gt;[&lt;/span&gt;&lt;span class="o"&gt;-&lt;/span&gt;&lt;span class="mi"&gt;1&lt;/span&gt;&lt;span class="p"&gt;].&lt;/span&gt;&lt;span class="n"&gt;kapanis&lt;/span&gt; &lt;span class="o"&gt;&amp;gt;&lt;/span&gt; &lt;span class="n"&gt;bitmis_mumlar&lt;/span&gt;&lt;span class="p"&gt;[&lt;/span&gt;&lt;span class="o"&gt;-&lt;/span&gt;&lt;span class="mi"&gt;1&lt;/span&gt;&lt;span class="p"&gt;].&lt;/span&gt;&lt;span class="n"&gt;acilis&lt;/span&gt;&lt;span class="p"&gt;:&lt;/span&gt;
        &lt;span class="k"&gt;return&lt;/span&gt; &lt;span class="n"&gt;alim_yap&lt;/span&gt;
&lt;/code&gt;&lt;/pre&gt;

&lt;/div&gt;



&lt;p&gt;Bu kod ile sadece kapanmış olan mumlara bakarak karar veriyorum. Geleceğe dair hiçbir veri içermiyor. Bu şekilde test ettiğimde kağıt üzerindeki o 15te 15 başarısı yerini daha gerçekçi sonuçlara bıraktı. Bazen zarar ettim ama en azından sistemin gerçekten nasıl çalıştığını öğrendim. Kademeli büyütme sayesinde riskimi kontrol altında tuttum. Her aşamada verileri kaydedip bir önceki testle kıyasladım. Böylece stratejimin gerçekten çalışıp çalışmadığını anladım. Çözüm sadece kod değil, aynı zamanda disiplinli bir test süreciydi.&lt;/p&gt;

&lt;p&gt;[[GÖRSEL2]]&lt;/p&gt;

&lt;h2&gt;
  
  
  Yolda çıkan hatalar
&lt;/h2&gt;

&lt;p&gt;Bu süreçte çok fazla hata yaptım. En büyük hatam acele etmekti. Kağıt üzerindeki ilk test sonuçlarını görünce hemen zengin olacağımı düşündüm. Canlıya geçerken sistemi yeterince stres testine sokmadım. Piyasanın ani hareketlerinde kodumun nasıl tepki vereceğini hiç düşünmedim. Bir başka hata ise veri gecikmesi oldu. Kağıt üzerinde test ederken verinin anlık geldiğini varsaymıştım ama canlı piyasada veri gelişi bazen gecikiyor. Bu gecikme stratejimin yanlış zamanda işlem yapmasına neden oldu. Hatalarımı gidermek için her işlemi günlük olarak not ettim. Hangi işlem neden başarılı oldu veya neden başarısız oldu diye tek tek baktım. Kodumda yaptığım hataları ayıklamak için bol bol log dosyası tuttum. Loglar sayesinde nerede yanlış karar verdiğimi görebildim. Bir hata daha yaptım: sadece tek bir varlık üzerinde test yaptım. Bu da stratejimin sadece o varlığa özel olduğunu gösterdi. Farklı varlıklarda denediğimde stratejimin hiç de o kadar iyi olmadığını gördüm. Tüm bu hatalar bana testin sadece sayılardan ibaret olmadığını, sistemin her koşulda dayanıklı olması gerektiğini öğretti. Hatalarımı kabullenmek ve onlardan ders çıkarmak süreci daha sağlıklı hale getirdi.&lt;/p&gt;

&lt;h2&gt;
  
  
  Alternatifler
&lt;/h2&gt;

&lt;p&gt;Alternatif olarak farklı kütüphaneler kullanabilirdim ama ben kendi basit yapımı tercih ettim. Başka insanlar daha karmaşık makine öğrenmesi modelleri kullanıyor. Ancak ben sistemin içinde ne olup bittiğini anlamak istedim. Karmaşık modeller bazen neden o kararı verdiğini açıklayamıyor. Benim yöntemim ise tamamen şeffaf. Alternatif yöntemlerden biri de tamamen veriye dayalı olmayan teknik analiz göstergeleri kullanmaktı. Fakat ben verinin kendisiyle uğraşmayı seviyorum. Bir diğer alternatif ise başkalarının hazır stratejilerini kullanmaktı. Bunu hiç denemedim çünkü kendi sistemimi kurmanın daha öğretici olduğunu düşündüm. Neden bu yöntemi seçtim? Çünkü bu yöntem bana kontrol sağlıyor. Sistemi tamamen ben kurdum ve nerede hata yapabileceğini biliyorum. Diğer yöntemler belki daha hızlı sonuç verebilirdi ama ben öğrenme sürecini daha önemli buldum. Karşılaştırma yaptığımda benim yöntemimin en büyük avantajı anlaşılabilirlik oldu. Herhangi bir kütüphaneye bağımlı kalmadan sadece saf mantıkla ilerlemek bana güven verdi. Alternatif yöntemleri denemeye devam ediyorum ama temel mantığımı değiştirmedim. Çünkü en iyi strateji, içinde ne olduğunu bildiğiniz stratejidir.&lt;/p&gt;

&lt;h2&gt;
  
  
  Bundan sonra ne yapmalı
&lt;/h2&gt;

&lt;p&gt;Bundan sonra yapılacak ilk şey sistemi daha fazla veriyle beslemek. Tek bir varlık yerine daha geniş bir yelpazede testlerimi sürdüreceğim. Kodumu daha modüler hale getirip farklı piyasa koşullarında test etmek istiyorum. Sadece yükselen piyasada değil, düşen veya yatay seyreden piyasalarda da sistemin nasıl tepki vereceğini görmem gerekiyor. Bir sonraki adım olarak otomatik raporlama sistemi kurmayı planlıyorum. Böylece her işlemden sonra sistem bana kendi performansını raporlayacak. Bu sayede hatalarımı daha hızlı görebileceğim. Ayrıca küçük tutarlarla başladığım canlı testi yavaş yavaş artırırken risk yönetimi kurallarımı daha sert hale getireceğim. Her zaman en kötü senaryoyu düşünerek hareket etmek artık kuralım oldu. Bundan sonraki süreçte sadece kazanca değil, kaybetme durumundaki tepkime de odaklanacağım. Sistemi geliştirmek bir sonu olmayan bir yolculuk. Her gün yeni bir şey öğreniyorum ve kodumu biraz daha iyileştiriyorum. Siz de kendi stratejilerinizi kurarken acele etmeyin. Kağıt üzerindeki başarıya kanmayın ve her zaman gerçek piyasa koşullarını göz önünde bulundurun. Sabırlı olun ve her adımınızı verilerle destekleyin. Başarı, sistemin her koşulda ayakta kalabilmesidir.&lt;/p&gt;

</description>
      <category>finance</category>
      <category>data</category>
    </item>
    <item>
      <title>Kripto Borsasında Zarar Durdurma Hatam Bana Neye Mal Oldu</title>
      <dc:creator>Serdar Tavukçu</dc:creator>
      <pubDate>Sat, 31 Oct 2026 08:30:32 +0000</pubDate>
      <link>https://dev.to/serdartavukcu/kripto-borsasinda-zarar-durdurma-hatam-bana-neye-mal-oldu-3hac</link>
      <guid>https://dev.to/serdartavukcu/kripto-borsasinda-zarar-durdurma-hatam-bana-neye-mal-oldu-3hac</guid>
      <description>&lt;p&gt;&lt;a href="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fdev-to-uploads.s3.us-east-2.amazonaws.com%2Fuploads%2Farticles%2Fcifyxrknofkwsdhx6ea8.jpg" class="article-body-image-wrapper"&gt;&lt;img src="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fdev-to-uploads.s3.us-east-2.amazonaws.com%2Fuploads%2Farticles%2Fcifyxrknofkwsdhx6ea8.jpg" alt="gorsel" width="800" height="420"&gt;&lt;/a&gt;&lt;/p&gt;

&lt;h2&gt;
  
  
  Olay nasıl başladı
&lt;/h2&gt;

&lt;p&gt;Kripto piyasalarında kendi alım satım ajanımı yazmaya karar verdiğimde kendimi çok zeki hissediyordum. Bir dil modelini aldım ve piyasa verilerini ona yorumlatarak al sat ya da bekle kararları vermesini sağladım. Her şey başlangıçta çok güzel gidiyordu. Python kodum çalışıyor, borsa verilerini çekiyor ve modelin verdiği kararlara göre emirleri iletiyordu. İlk sürümde zarar durdurma mekanizmasını tamamen kodun içine gömmüştüm. Yani kodum sürekli fiyatı kontrol ediyor, eğer fiyat belirli bir seviyenin altına düşerse hemen satış emri gönderiyordu. Bu bana oldukça mantıklı gelmişti. Sonuçta bilgisayarım açık olduğu sürece her şey yolundaydı. Ancak bir gece sistemin çökmesiyle tüm hayallerim yıkıldı. Bilgisayarım güncelleme için yeniden başlamış ve o sırada piyasa sert bir düşüş yaşamış. Zarar durdurma kodum çalışmadığı için pozisyonum korumasız kaldı ve ciddi bir zarar ile uyandım. O an anladım ki yazılım tarafında kurduğum güvenlik duvarı aslında bir serapmış. Kendi yazdığım koda fazla güvenmenin bedelini ödedim. O günden sonra riski yazılım içinde değil, borsanın kendi sisteminde tutmam gerektiğini acı yoldan öğrendim.&lt;/p&gt;

&lt;h2&gt;
  
  
  Bu nerede karşına çıkar
&lt;/h2&gt;

&lt;p&gt;Bu problem sadece benim gibi küçük çaplı trading yapanların değil, aslında otomasyon kullanan herkesin karşısına çıkabilir. Eğer bir sistem kuruyorsan ve bu sistemin başında durmuyorsan, sistemin her an kesilebileceğini kabul etmen gerekir. Kripto piyasaları 7 gün 24 saat açık, ancak senin yazdığın kod ya da üzerinde çalıştığı sunucu öyle değil. Elektrik kesilebilir, internet gidebilir, sunucu sağlayıcısı bakım yapabilir veya kodun içinde beklenmedik bir hata oluşup program kapanabilir. Bu senaryoların hepsi gerçek ve kaçınılmaz. Eğer zarar durdurma gibi hayati bir karar mekanizmasını sadece kendi kodunun insafına bırakırsan, kodun durduğu anda o koruma da yok olur. Borsa senin kodunun çalışıp çalışmadığını bilmez, umursamaz da. Sen emirleri göndermeyi bıraktığında borsa sadece senin son emrini hatırlar. Bu durum sadece borsa işlemlerinde değil, aslında herhangi bir kritik sürecin otomasyonunda karşına çıkar. Bir sistemin ayakta kalması için gereken şartları, sistemin kendisinden ayırmadığın sürece her zaman risk altındasın demektir.&lt;/p&gt;

&lt;h2&gt;
  
  
  Kök neden
&lt;/h2&gt;

&lt;p&gt;Kök neden, sorumluluğu yanlış yere yüklememdi. Zarar durdurma emri aslında bir sigortadır. Bir sigortayı, sigortalanan nesnenin içine koyamazsın. Kodumun içinde tutulan zarar durdurma, yazılım çalışmadığı anda yok hükmünde kalıyordu. Piyasa durmaksızın hareket ederken, benim karar mekanizmam sadece kodun çalıştığı kısa anlarda var olabiliyordu. Bu bir mantık hatasıydı. Yazılım içinde yaptığım kontroller sadece o anlık birer niyet beyanıydı. Borsa tarafında bir emir defteri var ve bu defter senin bilgisayarından bağımsız bir şekilde çalışıyor. Benim hatam, piyasanın kendi kurallarını kullanmak yerine kendi kurallarımı piyasanın üzerine zorla dayatmaya çalışmaktı. Yazılım, piyasaya emir ileten bir arayüz olmalıydı, piyasanın kendisi değil. Riski kodun içinde tutmak demek, riski kodun ömrüyle sınırlandırmak demektir. Kodumun ömrü ise çok kısaydı. Bu yüzden zarar durdurma mekanizmasını, yazılımdan bağımsız, borsanın kendi emir defterine emanet etmem gerekiyordu.&lt;/p&gt;

&lt;p&gt;&lt;a href="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fdev-to-uploads.s3.us-east-2.amazonaws.com%2Fuploads%2Farticles%2Fz7nhymh7njouctvq6qe7.jpg" class="article-body-image-wrapper"&gt;&lt;img src="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fdev-to-uploads.s3.us-east-2.amazonaws.com%2Fuploads%2Farticles%2Fz7nhymh7njouctvq6qe7.jpg" alt="gorsel" width="800" height="420"&gt;&lt;/a&gt;&lt;/p&gt;

&lt;h2&gt;
  
  
  Çözüm
&lt;/h2&gt;

&lt;p&gt;Zarar durdurmayı borsanın kendi emir defterine yazarak bu sorunu kökten çözdüm. Artık kodum sadece emirleri gönderiyor ve borsanın sistemine yerleştiriyor.&lt;br&gt;
&lt;/p&gt;

&lt;div class="highlight js-code-highlight"&gt;
&lt;pre class="highlight python"&gt;&lt;code&gt;&lt;span class="k"&gt;def&lt;/span&gt; &lt;span class="nf"&gt;emir_gonder&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;&lt;span class="n"&gt;miktar&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="n"&gt;fiyat&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt; &lt;span class="n"&gt;tur&lt;/span&gt;&lt;span class="p"&gt;):&lt;/span&gt;
    &lt;span class="n"&gt;emir&lt;/span&gt; &lt;span class="o"&gt;=&lt;/span&gt; &lt;span class="n"&gt;borsa&lt;/span&gt;&lt;span class="p"&gt;.&lt;/span&gt;&lt;span class="nf"&gt;create_order&lt;/span&gt;&lt;span class="p"&gt;(&lt;/span&gt;
        &lt;span class="n"&gt;symbol&lt;/span&gt;&lt;span class="o"&gt;=&lt;/span&gt;&lt;span class="sh"&gt;'&lt;/span&gt;&lt;span class="s"&gt;BTC/USDT&lt;/span&gt;&lt;span class="sh"&gt;'&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt;
        &lt;span class="nb"&gt;type&lt;/span&gt;&lt;span class="o"&gt;=&lt;/span&gt;&lt;span class="sh"&gt;'&lt;/span&gt;&lt;span class="s"&gt;stop_loss_limit&lt;/span&gt;&lt;span class="sh"&gt;'&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt;
        &lt;span class="n"&gt;side&lt;/span&gt;&lt;span class="o"&gt;=&lt;/span&gt;&lt;span class="n"&gt;tur&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt;
        &lt;span class="n"&gt;amount&lt;/span&gt;&lt;span class="o"&gt;=&lt;/span&gt;&lt;span class="n"&gt;miktar&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt;
        &lt;span class="n"&gt;params&lt;/span&gt;&lt;span class="o"&gt;=&lt;/span&gt;&lt;span class="p"&gt;{&lt;/span&gt;
            &lt;span class="sh"&gt;'&lt;/span&gt;&lt;span class="s"&gt;stopPrice&lt;/span&gt;&lt;span class="sh"&gt;'&lt;/span&gt;&lt;span class="p"&gt;:&lt;/span&gt; &lt;span class="n"&gt;fiyat&lt;/span&gt;&lt;span class="p"&gt;,&lt;/span&gt;
            &lt;span class="sh"&gt;'&lt;/span&gt;&lt;span class="s"&gt;timeInForce&lt;/span&gt;&lt;span class="sh"&gt;'&lt;/span&gt;&lt;span class="p"&gt;:&lt;/span&gt; &lt;span class="sh"&gt;'&lt;/span&gt;&lt;span class="s"&gt;GTC&lt;/span&gt;&lt;span class="sh"&gt;'&lt;/span&gt;
        &lt;span class="p"&gt;}&lt;/span&gt;
    &lt;span class="p"&gt;)&lt;/span&gt;
    &lt;span class="k"&gt;return&lt;/span&gt; &lt;span class="n"&gt;emir&lt;/span&gt;
&lt;/code&gt;&lt;/pre&gt;

&lt;/div&gt;



&lt;p&gt;Bu kod parçası, borsanın kendi sisteminde bir stop loss emri oluşturuyor. GTC yani iptal edilene kadar geçerli parametresi sayesinde, benim bilgisayarım kapansa bile borsa bu emri takip etmeye devam ediyor. Artık fiyat o seviyeye geldiğinde borsa otomatik olarak satışımı gerçekleştiriyor. Sadece bununla da kalmadım. Takip eden kar alma mekanizması ekleyerek, fiyat yükseldikçe zarar durdurma noktamı da yukarı çekmeye başladım. Ayrıca başabaş noktasına çekme ve oynaklık kalkanı gibi ek özelliklerle sistemimi daha sağlam hale getirdim. Karar aralığını 15 dakikadan 30 dakikaya çıkardım. Bu sayede model maliyeti yarıya indi ve karar kalitesi ölçümlerinde hiçbir fark görmedim. Artık sistemim çok daha az kaynak harcıyor ve çok daha güvenli çalışıyor.&lt;/p&gt;

&lt;p&gt;[[GÖRSEL2]]&lt;/p&gt;

&lt;h2&gt;
  
  
  Yolda çıkan hatalar
&lt;/h2&gt;

&lt;p&gt;Bu değişimleri yaparken ilk başlarda bazı teknik engellerle karşılaştım. En büyük sorun, borsanın emir defterine gönderdiğim emirlerin bazen eşleşmemesiydi. Kodumda yaptığım ilk denemelerde emir tipini yanlış seçmiştim. Borsa belirli emir tiplerini desteklemiyordu veya API üzerinden gönderdiğim parametreler eksik kalıyordu. Bir süre boyunca emirlerin neden borsada görünmediğini anlamaya çalıştım. Sorun, API dokümantasyonunu tam okumamaktan kaynaklanıyordu. Emir tipi olarak limit emir kullanmaya çalışırken borsa stop loss limit bekliyordu. Ayrıca emirlerin geçerlilik süresini ayarlamak da başlarda kafa karıştırıcıydı. Bazı emirler sadece birkaç dakika sonra iptal oluyordu. GTC yani good till cancelled parametresini doğru yere eklediğimde sorunlar çözüldü. Bir diğer hata ise piyasa oynaklığı yüksek olduğunda emirlerin anlık olarak iptal edilmesiydi. Bunu engellemek için oynaklık kalkanı ekledim. Eğer piyasa çok hızlı hareket ediyorsa emir göndermeyi bir süre durduran bir mantık kurdum. Bu hatalar bana her zaman test etmenin ne kadar kritik olduğunu bir kez daha hatırlattı.&lt;/p&gt;

&lt;h2&gt;
  
  
  Alternatifler
&lt;/h2&gt;

&lt;p&gt;Zarar durdurma için piyasada farklı yöntemler mevcut. Bir alternatif, sadece borsa üzerinden manuel emirler girmekti ancak bu benim otomasyon hedefime aykırıydı. Bir diğer alternatif ise daha gelişmiş üçüncü parti trading platformları kullanmaktı. Bu platformlar zaten kendi içlerinde zarar durdurma mekanizmalarını barındırıyorlar. Ancak ben kendi ajanımı yazmak istediğim için bu yolu tercih etmedim. Üçüncü parti platformlar hem ek maliyet getiriyor hem de kontrolü tamamen onlara bırakmak anlamına geliyor. Ben kendi kodumun kontrolünün bende kalmasını ama riskin borsa tarafında olmasını istedim. Kendi yazdığım kod ile borsanın API sistemini doğrudan kullanmak, en düşük maliyetli ve en esnek çözümdü. Alternatif yöntemlerin çoğu ya çok pahalı ya da benim istediğim özel karar mekanizmalarını desteklemiyordu. Bu yüzden en sağlıklı yolun borsanın kendi emir defterini kullanmak olduğuna karar verdim. Bu sayede hem kendi ajanımı geliştirmeye devam edebiliyorum hem de sistemin çökmesi durumunda paramı koruma altına alabiliyorum.&lt;/p&gt;

&lt;h2&gt;
  
  
  Bundan sonra ne yapmalı
&lt;/h2&gt;

&lt;p&gt;Bundan sonra yapman gereken ilk şey, kendi sistemindeki riskleri gözden geçirmek. Eğer bir riski yazılım içinde tutuyorsan, o yazılımın çökmesi durumunda ne olacağını kendine sormalısın. Riski kendinden daha uzun yaşayacak bir yere koymak zorundasın. Borsa örneğinde bu emir defteriydi, başka bir sistemde bu veritabanı seviyesinde bir tetikleyici veya farklı bir güvenlik katmanı olabilir. Kodunu yazarken her zaman en kötü senaryoyu düşün. Bilgisayarın kapandığında, internetin kesildiğinde veya kodun hata verip durduğunda sistemin ne yapacak? Bu sorunun cevabı yoksa sistemin güvenli değildir. Bir sonraki adım olarak, kritik emirlerini borsanın kendi sistemine taşı. Testlerini yaparken sadece başarılı senaryoları değil, sistemini bilerek durdurduğun senaryoları da dene. Kodun çalışmadığında borsanın senin emrini hala tuttuğunu gözünle görene kadar rahat etme. Otomasyon sadece işi hızlandırmak değil, aynı zamanda riski doğru yere yönetmektir. Kendi hatalarımdan aldığım en büyük ders bu oldu. Şimdi kendi ajanını aç ve zarar durdurma emirlerini borsanın emir defterine taşımakla işe başla.&lt;/p&gt;

</description>
      <category>finance</category>
      <category>trading</category>
      <category>python</category>
      <category>automation</category>
    </item>
  </channel>
</rss>
