Quant işine giren on kişiden dokuzu aynı yerde ölür: strateji kötü olduğu için değil, altyapı kuramadığı için.

Altyapı Cehennemi: Herkesin Sessizce Yaşadığı Sorun

Kendi başına bir quant stratejisi geliştirmek istediğinde karşına çıkan manzara şu:

• Veri al: OHLCV verilerini indir, temizle, formatla. 2-3 gün.
• Gösterge yaz: RSI, MACD, Bollinger… her birini sıfırdan kodla. 1 hafta.
• Backtest motoru kur: Sinyal üret, pozisyon yönet, komisyon hesapla. 2 hafta.
• Sonuç: Henüz tek bir strateji bile yazmadan 3-4 haftan çöpe gitti.

Sonra fark ediyorsun: Asıl iş olan strateji geliştirmeye hiç vakit kalmamış.

cinar/indicator: Altyapıyı Tek Pakette Çözen Go Kütüphanesi

cinar/indicator tam olarak bu sorunu çözmek için var. Ne yapıyor bak:

• 80+ teknik gösterge: RSI, MACD, Stokastik, ATR, Ichimoku… hepsi hazır fonksiyon olarak geliyor.
• Gömülü backtest çerçevesi: Stratejini yaz, geçmiş veriye uygula, sonuçları al. Ayrı bir motor kurmana gerek yok.
• MCP desteği: Model Context Protocol ile AI asistanlarını doğrudan kütüphaneye bağla. Claude veya GPT ile strateji analizi yap, gösterge kombinasyonlarını sor, backtest sonuçlarını yorumlat.
• Saf Go: Bağımlılık yok, derle ve çalıştır. Python ortamı kurma derdi yok.

Kurulum 5 dakika. İlk backtest’ini 2 saat içinde çalıştırırsın.

Pratikte Nasıl Kullanılır?

Basit bir örnek: 50 ve 200 günlük hareketli ortalamaların kesişimine dayalı bir strateji yazalım.

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30

package main

import (
    "fmt"
    "github.com/cinar/indicator"
)

func main() {
    // Veriyi yükle (CSV, API, veya manuel)
    data := indicator.ReadCSV("btc_usd.csv")
    
    // Göstergeleri hesapla
    ma50 := indicator.MA(50, data.Close)
    ma200 := indicator.MA(200, data.Close)
    
    // Sinyal üret: MA50, MA200'ü yukarı keserse al
    signals := make([]int, len(data.Close))
    for i := 1; i < len(data.Close); i++ {
        if ma50[i-1] <= ma200[i-1] && ma50[i] > ma200[i] {
            signals[i] = 1 // Al
        } else if ma50[i-1] >= ma200[i-1] && ma50[i] < ma200[i] {
            signals[i] = -1 // Sat
        }
    }
    
    // Backtest çalıştır
    result := indicator.Backtest(data.Close, signals)
    fmt.Printf("Toplam Getiri: %%%0.2f\n", result.TotalReturn)
    fmt.Printf("Sharpe Oranı: %0.2f\n", result.SharpeRatio)
}

Bu kadar. Backtest motoru, gösterge hesaplama, sinyal üretme — hepsi hazır.

MCP ile AI’ı İşin İçine Kat

Asıl güç burada. MCP desteği sayesinde AI asistanlarını doğrudan kütüphaneye bağlayabilirsin:

• Strateji fikirleri üret: Claude’a “RSI + MACD uyumlu bir mean-reversion stratejisi yaz” de, sana hazır kod versin.
• Gösterge kombinasyonlarını test et: GPT’ye “Bu veri setinde hangi gösterge kombinasyonu en iyi Sharpe oranını verir?” diye sor, kütüphane üzerinden deneyip sonucu yorumlasın.
• Backtest sonuçlarını analiz et: AI, sonuçları okuyup risk faktörlerini, piyasa koşullarını ve iyileştirme önerilerini raporlasın.

Kurulum için sadece MCP config dosyana şunu ekle:

1
2
3
4
5
6
7
8
9

{
  "mcpServers": {
    "indicator": {
      "command": "go",
      "args": ["run", "cmd/mcp-server"],
      "cwd": "/path/to/indicator"
    }
  }
}

Bu Kütüphaneyle Para Kazanmanın 3 Yolu

1. Kendi Stratejini Çalıştır, Otomatik Sat

Kütüphaneyi kullanarak kendi stratejini geliştir, backtest’ten geçir ve bir bot üzerinde canlı çalıştır. Türkiye’de kripto borsalarının API’leriyle entegre ol, aylık ortalama %2-5 getiri hedefle. Başlangıç sermayesi ₺50.000 ile aylık ₺1.000-2.500 arası pasif gelir potansiyeli var.

2. Strateji Paketleri Sat

Geliştirdiğin stratejileri paketleyip sat. Bir strateji paketini ₺2.000-8.000 arası fiyatlandırabilirsin. 10 müşteri = ₺20.000-80.000 gelir. Üstelik aynı ürünü tekrar tekrar satıyorsun.

3. Danışmanlık ve Eğitim

Öğrendiklerini başkalarına öğret. Birebir danışmanlık seansı ₺1.500-3.000, grup eğitimi kişi başı ₺3.000-5.000. Ayda 5-10 öğrenci = ₺15.000-50.000 ek gelir.

Son Söz

Quant işinde başarılı olmak istiyorsan, zamanını stratejiye harca — altyapıya değil. cinar/indicator bu denklemi senin lehine çeviriyor. 80+ gösterge, hazır backtest motoru ve MCP ile AI entegrasyonu… Geriye sadece stratejini geliştirmek kalıyor.

Kodu GitHub’dan çek, iki saatini ayır, ilk backtest’ini çalıştır. Sonra asıl işe — para kazanmaya — odaklan.