3 dk okuma
Giriş
Finansal veri API’leri, trading ve makine öğrenmesi sistemlerinin temel veri kaynağıdır. Strateji ne kadar iyi olursa olsun eksik, gecikmiş veya yanlış normalize edilmiş market data üzerinde güvenilir sonuç üretilemez. Bu yüzden veri toplama katmanı yalnızca API çağrısı yapan kod değil, veri kalitesini koruyan bağımsız bir pipeline olarak tasarlanmalıdır.
REST ve WebSocket rolleri
REST geçmiş mumları, symbol metadata veya state snapshot almak için uygundur. WebSocket ise canlı trade, ticker veya order book güncellemelerinde daha etkilidir. Sağlam sistem başlangıçta REST snapshot alır, ardından socket ile güncellemeyi sürdürür. Bağlantı koptuğunda oluşan boşluk REST ile kapatılır.
Common domain model
Binance, Bitget, BingX veya OKX aynı kavramları farklı alan isimleriyle döndürebilir. Adapter katmanında timestamp, price, volume ve symbol gibi alanları ortak Candle/Trade/Ticker modellerine çevirmek strateji katmanını sadeleştirir. Precision ve timezone kararları da bu noktada standardize edilmelidir.
Gap detection ve duplicate kontrolü
Kline serisinde zaman aralığına göre beklenen timestamp hesaplanabilir. Arada boşluk varsa veri eksiktir. Aynı timestamp iki kez geldiyse duplicate temizlenmelidir. Bu kontroller training verisi hazırlanırken özellikle önemlidir çünkü birkaç bozuk kayıt bile rolling indicator ve label hesaplarını etkileyebilir.
Cache ile kalıcı depolamayı ayırın
Redis gibi cache katmanı canlı state, son fiyat ve kısa rolling window için uygundur. SQL Server, TimescaleDB veya benzeri kalıcı depolama ise geçmiş analiz ve yeniden eğitim için kullanılabilir. Her şeyi tek veritabanında çözmeye çalışmak yüksek frekanslı akışlarda gereksiz baskı oluşturabilir.
Rate limit ve HttpClient yönetimi
REST çağrılarında merkezi HttpClientFactory, timeout ve retry politikaları kullanılmalıdır. Rate limit bütçesi borsa bazında izlenmeli ve gereksiz polling azaltılmalıdır. Özellikle symbol sayısı arttıkça küçük bir yanlış polling döngüsü kısa sürede API limitlerine ulaşabilir.
Feature store mantığı
Ham market data ile model feature’larını aynı şey olarak görmek hatalıdır. Feature hesaplama kodu versionlanmalı, kullanılan periyot ve parametreler kayıt altına alınmalıdır. Böylece geçmiş modelin hangi feature tanımıyla eğitildiği yeniden üretilebilir.
Sonuç
Finansal veri API’leri ile çalışan sistemlerde başarı veri akışının güvenilirliğine bağlıdır. REST ve WebSocket’i doğru rol dağılımıyla kullanmak, veriyi normalize etmek, gap ve duplicate kontrolü yapmak ve feature pipeline’ını versionlamak hem trading hem ML tarafında daha güvenilir sonuç verir.
Araştırma Kaynakları ve İleri Okuma
- Binance WebSocket Streams – https://developers.binance.com/docs/binance-spot-api-docs/web-socket-streams
- Bitget API Docs – https://www.bitget.com/api-doc/common/intro
- .NET HttpClientFactory – https://learn.microsoft.com/en-us/dotnet/core/extensions/httpclient-factory