---
title: "Nonstationarity: Geçmiş Verinin Sessizce Geçersizleştiği An"
description: "Nonstationarity, değişkenler arasındaki istatistiksel ilişkinin zaman içinde sabit kalmaması durumudur; bir kurumun geçmiş veriyle kalibre ettiği tahmin modeli, altındaki yapı değiştiğinde hata vermeye başlar fakat hata kendini bir uyarı olarak değil, kademeli sapma olarak gösterir. Kurumsal karşılığı, rejim değişimini tespit edecek bir mekanizma kurmaktır — modeli daha sık kalibre etmek değil."
url: https://www.beirek.com/tr/blog/nonstationarity-in-corporate-forecasting
canonical: https://www.beirek.com/tr/blog/nonstationarity-in-corporate-forecasting
published: 2025-04-30
modified: 2025-04-30
category: "Örgüt Psikolojisi"
category_url: https://www.beirek.com/tr/blog/category/organisational-psychology
language: tr-TR
reading_time_minutes: 7
publisher: BEIREK LLC
publisher_url: https://www.beirek.com
license: "© BEIREK LLC — citation with attribution and link permitted"
keywords: ["nonstationarity","tahmin modeli kalibrasyonu","varsayım kaydı","covenant duyarlılığı","işletme sermayesi kayması"]
topics: ["Kurumsal tahmin ve bütçeleme süreçlerinde yapı kırılması","Finansal model varsayımlarının yönetişimi","Rejim değişiminin covenant ve earn-out yapılarına etkisi"]
alternate_language_url: https://www.beirek.com/en/blog/nonstationarity-in-corporate-forecasting
---

# Nonstationarity: Geçmiş Verinin Sessizce Geçersizleştiği An

> **Kısaca:** Nonstationarity, değişkenler arasındaki istatistiksel ilişkinin zaman içinde sabit kalmaması durumudur; bir kurumun geçmiş veriyle kalibre ettiği tahmin modeli, altındaki yapı değiştiğinde hata vermeye başlar fakat hata kendini bir uyarı olarak değil, kademeli sapma olarak gösterir. Kurumsal karşılığı, rejim değişimini tespit edecek bir mekanizma kurmaktır — modeli daha sık kalibre etmek değil.

*Kurumsal tahmin modellerinin çoğu, geçmiş dönem ilişkilerinin gelecekte de aynı kalacağı varsayımına dayanır; oysa bu ilişkiler zaman içinde kayar. Kayma anını yakalayamayan bir bütçe süreci, modelin kendisi bozulmuş olsa bile giderek daha yüksek bir güvenle yanlış tahmin üretir.*

---

Bir bütçe gözden geçirme toplantısında, geçen dönem gerçekleşmesi ile tahmin arasındaki sapma tartışılırken sorulan ilk soru neredeyse her zaman aynıdır: sapmanın kaynağı hangi kalemdir. Kalem bulunur, gerekçesi konuşulur, bir sonraki dönem tahmini o kalem üzerinden düzeltilir ve toplantı kapanır. Bir sonraki çeyrekte sapma yine ortaya çıkar, yine bir kalem bulunur, yine düzeltme yapılır. Üçüncü çeyrekte de aynı şey olduğunda dahi, tartışmanın konusu hâlâ tekil kalemlerdir; sapmaların hepsinin aynı yönde olduğu, yani modelin sistematik biçimde aynı tarafa saptığı, nadiren gündem maddesi hâline gelir.

Aynı örüntü satış tarafında da gözlenir. Dönüşüm oranı, satış döngüsü uzunluğu, müşteri edinme maliyeti gibi göstergeler bir kez kalibre edildikten sonra planlama varsayımına dönüşür; ekip büyüklüğü, pazarlama bütçesi, hatta işletme sermayesi ihtiyacı bu katsayılar üzerinden hesaplanır. Katsayılar geçmiş on iki ya da yirmi dört ayın ortalamasından gelir ve tam da bu yüzden, en son gerçekleşen dönemin taşıdığı bilgiyi seyreltir. Piyasa yapısı, rekabet yoğunluğu ya da alıcı tarafın satın alma yetkisi değiştiğinde model bunu ancak birkaç dönem gecikmeyle, o da ortalamanın ağırlığı ölçüsünde yansıtır.

Bu tablonun altındaki mekanizma nonstationarity — değişkenler arasındaki istatistiksel ilişkinin zaman içinde sabit kalmaması — olarak adlandırılır. Tahmin yapan her yapı, örtük ya da açık biçimde, geçmişte gözlenen ilişkinin gelecekte de geçerli olacağını varsayar; bu varsayım olmadan geçmiş veriden gelecek çıkarımı yapmak mümkün değildir. Sorun varsayımın kendisinde değil, varsayımın geçerlilik koşulunun izlenmemesindedir. Bir ilişki koptuğunda model bir hata mesajı vermez, çalışmayı durdurmaz, kendisini geçersiz ilan etmez; girdileri alır, formülü uygular, çıktıyı üretir ve bu çıktının biçimsel düzgünlüğü onun içeriksel geçerliliğinden bağımsızdır.

Mekanizmanın kurumsal ortamda özellikle inatçı olmasının nedeni, geçmiş ilişkiye güvenmenin çoğu zaman doğru davranış olmasıdır. Tekrarlayan bir üretim hattında, olgunlaşmış bir müşteri portföyünde, düzenleyici rejimi sabit bir pazarda geçmiş katsayılar gelecek dönemi makul doğrulukla tarif eder ve her tahmini sıfırdan gerekçelendirmek, karar maliyetini savunulamaz biçimde yükseltir. Kısayol, koşullar sabitken maliyeti düşürdüğü ölçüde rasyoneldir. Bozulma, koşul değiştiğinde tercihin sabit kalmasıyla başlar — ve bu kayma tipik olarak kademeli olduğu için, kırılmanın kendisi hiçbir dönemde tek başına dikkat çekecek büyüklükte görünmez.

İkinci bir katman, veri serisinin uzunluğuna atfedilen güvenle ilgilidir. Sezgisel beklenti, daha uzun serinin daha güvenilir tahmin ürettiği yönündedir; nonstationarity koşulu altında bu ilişki tersine döner. Yapı kırıldıysa uzun seri, kırılma öncesi rejime ait gözlemleri bugünkü tahmine ağırlıkla taşır ve modeli eski dünyaya doğru çeker. Bu durumda üç yıllık ortalama, altı aylık ortalamadan daha yüksek istatistiksel güven aralığı üretirken daha düşük tahmin doğruluğu verir; güven aralığının darlığı, doğruluğun değil, örneklem büyüklüğünün fonksiyonudur ve bu ayrım sunum slaytlarında çoğu zaman kaybolur.

Bedelin ilk göründüğü yüzey işletme sermayesidir. Stok politikası, tedarik süresi ve talep katsayısı üzerinden kurulur; talep yapısı kaydığında stok kalemi büyümez, devir hızı yavaşlar — yani bilançoda göze çarpan bir artış değil, aynı stok seviyesinin daha uzun süre taşınması olarak belirir. Aynı şekilde alacak vadesi, alıcı tarafın ödeme davranışı değiştiğinde ortalama tahsilat süresinde birkaç günlük kaymalarla birikir ve nakit döngüsünü fark edilmeden uzatır. Bu iki kalemin birlikte kayması, kârlılık tablosunda hiçbir bozulma görünmezken finansman ihtiyacını sessizce büyütir.

İkinci yüzey kredi tarafındadır. Bir kredi sözleşmesindeki covenant eşikleri, imza anındaki gelir ve marj ilişkisine göre kalibre edilir; bu ilişki kaydığında eşikler değişmez, fakat eşiğe olan mesafe değişir. Nonstationarity'nin en pahalı biçimi burada ortaya çıkar, zira modelin sapması yalnızca planlama hatası olarak kalmaz, sözleşmesel bir tetiğe dönüşür ve şirketin müzakere pozisyonunu tam da pozisyonun en zayıf olduğu anda dışarıya devreder. Aynı mantık earn-out yapıları için de geçerlidir: kapanış sonrası performans eşiği, kapanış öncesi rejimin katsayılarıyla yazılmıştır ve rejim kaydığında hedefin ulaşılabilirliği taraflardan hiçbirinin öngörmediği bir yöne kayar.

Üçüncü yüzey değerlemedir. Bir due diligence sürecinde tahmin modelinin kendisinden çok, modelin geçmiş dönemlerdeki isabet kaydı incelenir; ardışık dönemlerde aynı yönde sapmış bir model, alıcı tarafta yalnızca tahmin kalitesi sorunu değil, yönetimin kendi pazarını okuma kapasitesine dair bir soru işareti üretir. Bunun karşılığı doğrudan çarpanda değil, işlem yapısında görünür — daha geniş temsil ve tekeffül kapsamı, daha yüksek escrow oranı, kapanış öncesi ek koşullar. Şirketin kendi kendine hiç sormadığı soru genellikle şudur: bu tahmini üreten ilişkinin hâlâ geçerli olduğunu gösteren kanıt nedir.

Yapısal müdahale, modeli daha sık kalibre etmek değildir; sık kalibrasyon, kaymayı düzeltmek yerine ona uyum sağlar ve kırılmanın olduğu anı büsbütün gizler. İşleyen mimarinin dört bileşeni vardır. Birincisi, tahmini üreten varsayımların onay anında değil, öneri anında ayrı bir kayda yazılması: hangi katsayı, hangi döneme dayanıyor, hangi koşul altında geçerli. İkincisi, sapmanın büyüklüğünden bağımsız olarak işaretinin izlenmesi — art arda üç dönem aynı yöne sapan bir tahmin, sapmanın küçüklüğüne bakılmaksızın yapısal inceleme tetikler. Üçüncüsü, farklı uzunlukta pencerelerle paralel tahmin üretilmesi ve pencereler arasındaki farkın kendisinin bir gösterge olarak raporlanması. Dördüncüsü, modele girdi sağlayan ticari ilişkilerin sözleşme düzeyinde izlenmesi; rejim değişimi çoğu zaman veride görünmeden önce vade, teminat ve fiyatlama maddelerinde belirir.

BEIREK, sermaye-yoğun projelerde bu mimariyi bir varsayım kaydı üzerinden işletir: finansal modelde kullanılan her katsayı, kaynağı, dayandığı dönem ve geçerlilik koşuluyla birlikte tek bir kayıtta tutulur ve bu kayıt modelden ayrı bir belge olarak yaşar. Model güncellendiğinde tartışılan şey çıktı değil, hangi varsayımın hangi gerekçeyle değiştiğidir; böylece kalibrasyon sessiz bir uyum olmaktan çıkıp kayda geçen bir karara dönüşür. Gözden geçirme ritmi takvime değil tetiğe bağlanır — art arda aynı yönde sapma, tedarik ya da alıcı tarafında sözleşme koşulu değişimi, düzenleyici rejimde kayma.

Bu ritmin proje finansmanı tarafındaki karşılığı, covenant hesaplamalarının yalnızca cari dönem için değil, varsayım kaydındaki katsayıların kaydığı senaryolar altında da paralel yürütülmesidir; eşiğe olan mesafenin hangi katsayıya ne kadar duyarlı olduğu, kredi komitesine gitmeden önce bilinir hale gelir. Sponsor, geliştirici ve birinci sıra kredi veren için aynı kaymanın anlamı farklıdır — sponsor açısından öz kaynak getirisinin zamanlaması, geliştirici açısından kapanış takvimi, kredi veren açısından teminat kapsamı sorusudur — ve müdahalenin işe yaraması, üç tarafın da aynı varsayım kaydına bakabilmesine bağlıdır.

Bir tahmin modelinin en tehlikeli özelliği, yanlış olduğunda bunu haber vermemesidir; matematiği doğru çalışmaya devam eder, çıktısı düzgün biçimde biçimlenir, sunum kalitesi bozulmaz. Bu nedenle asıl soru modelin ne kadar isabetli olduğu değil, üzerine kurulduğu ilişkinin hâlâ geçerli olduğunu hangi kanıtla söyleyebildiğimizdir; ve bu sorunun cevabı, ancak varsayımlar tahminden ayrı bir yerde, yazılı olarak durduğunda verilebilir.

## Ana Noktalar

- Tahmin hatası tek başına rejim değişiminin kanıtı değildir; ayırt edici işaret, hataların işaretinin aynı yönde art arda tekrarlanmasıdır.
- Geçmiş veriyle kalibre edilmiş bir model, altındaki ilişki koptuktan sonra da matematiksel olarak çalışmaya devam eder ve bu süreklilik yanlış bir güven üretir.
- Uzun veri serisi her zaman daha iyi tahmin vermez; yapı kırıldıysa uzun seri, kırılma öncesi rejimi bugüne taşıyarak hatayı büyütür.
- Rejim değişimi çoğunlukla modelin kendisinde değil, modele girdi sağlayan ticari ilişkilerin sözleşme yapısında görünür hale gelir.
- Nötrleyici mekanizma, tahmini üreten varsayımların öneri anında yazılı olarak kaydedilmesi ve gözden geçirmenin bu kayıt üzerinden yürütülmesidir.

## Sorular

### Nonstationarity nedir ve finansal modelleri nasıl etkiler?

Nonstationarity, değişkenler arasındaki istatistiksel ilişkinin zaman içinde sabit kalmaması durumudur. Geçmiş veriyle kalibre edilmiş bir finansal model, altındaki ilişki değiştiğinde hata vermeye başlar; ancak model bunu bildirmez, formülü uygulamaya ve düzgün biçimli çıktı üretmeye devam eder. Sonuç, tahmin doğruluğu düşerken sunumdaki güven algısının aynı kalmasıdır.

### Tahmin modelimin yapısının kırıldığını nasıl anlarım?

Ayırt edici işaret sapmanın büyüklüğü değil, işaretidir. Art arda üç veya daha fazla dönemde aynı yöne sapan bir model, sapmalar küçük olsa dahi yapısal inceleme gerektirir; rastgele hata her iki yöne dağılırken, yapı kırılması tek yönlü birikim üretir. İkinci gösterge, farklı uzunlukta veri pencereleriyle üretilen tahminlerin birbirinden ayrışmaya başlamasıdır.

### Daha uzun veri serisi kullanmak tahmin doğruluğunu artırır mı?

Yapı sabitken evet, kırıldığında hayır. Uzun seri, kırılma öncesi rejime ait gözlemleri bugünkü tahmine ağırlıkla taşıdığı için modeli eski koşullara doğru çeker. Bu durumda uzun seri daha dar güven aralığı üretirken daha düşük doğruluk verir; güven aralığının darlığı örneklem büyüklüğünün fonksiyonudur, isabetin değil. Bu ayrım genellikle raporlamada kaybolur.

### Rejim değişimi kredi sözleşmelerini nasıl etkiler?

Covenant eşikleri imza anındaki gelir ve marj ilişkisine göre kalibre edilir. İlişki kaydığında eşik değişmez, fakat eşiğe olan mesafe değişir; böylece bir planlama sapması sözleşmesel tetiğe dönüşür ve şirketin müzakere pozisyonu en zayıf olduğu anda dışarıya geçer. Aynı mantık earn-out hedefleri için de geçerlidir — kapanış öncesi katsayılarla yazılan eşik, rejim kaydığında öngörülmemiş bir yöne gider.

---

Kaynak: https://www.beirek.com/tr/blog/nonstationarity-in-corporate-forecasting
Yayımlayan: BEIREK LLC — https://www.beirek.com