Borsa Operasyonları için Ölçeklenebilir Gerçek Zamanlı Endeks Yönetim Sistemi: BEYS Mimarisi ve Sistem Modeli

Öz

Borsa endeksleri, portföy yönetimi, türev ürünler, ETF’ler ve piyasa gözetimi için temel referans göstergelerdir. Bu nedenle endeks üretim altyapısı, doğruluk, yeniden üretilebilirlik, düşük gecikme ve yüksek erişilebilirlik gereksinimlerini aynı anda karşılamalıdır. Borsa İstanbul’da kullanılan mevcut Endeks Hesaplama Sistemi (ICSII), Oracle veri tabanı kullanmaktadır. Endeks sayısı ve piyasa verisi hacmi arttıkça bu yapı disk G/Ç baskısı, ölçeklenebilirlik kısıtları, bakım zorluğu ve maliyet üretmektedir. BEYS; GAL tabanlı Core Message Stream, Java tabanlı servisler, SQL veri katmanı ve Histstore bileşeni içeren mesaj odaklı bir mimari benimsemektedir. Mimari, kritik hesaplama yolunda veri tabanı bağımlılığını azaltmayı, modül bazlı gözlemlenebilirliği artırmayı, yüksek erişilebilirliği desteklemeyi ve mevcut sistemle paralel çalışma yoluyla kontrollü geçiş sağlamayı hedeflemektedir. İlk ölçümler, 1000 bileşenli BigDecimal tick işleme süresinin 1–2 ms olduğunu, her saniye sürdürülebilir kapasitenin BigDecimal yapıda yaklaşık 500, Double yapıda ise her biri 0-1 ms içinde hesaplanacak şekilde yaklaşık 1500 endekse ulaştığını göstermiştir. Warmup adı verilen BigDecimal iyileştirme çalışmalarının ardından ise 0-1 ms’de 1000 endeksin hesaplanabildiği gözlemlenmiştir. Ayrıca darboğazın ic_idxcalc’den ic_idxmgr’e kayabildiğini ve büyük veri kümelerinde açılış davranışının ek bir ölçekleme sınırı oluşturduğunu ortaya koymaktadır. Çalışma, BEYS’in borsa ölçeğinde gerçek zamanlı endeks üretimi için güçlü bir yeniden-mimari yön sunduğunu ve uçtan uca SLA doğrulaması için yöntemsel temel oluşturduğunu göstermektedir.

Anahtar Kelimeler

• Endeks hesaplama
• gerçek zamanlı akış işleme
• mesaj odaklı mimari
• yüksek erişilebilirlik

A Scalable Real-Time Index Management System for Stock Exchange Operations: Architecture and System Model of BEYS

Öz

Stock indices are mission-critical benchmark indicators in portfolio management, derivatives, ETFs, and market surveillance; therefore, an index production platform must satisfy correctness, reproducibility, low latency, and high availability simultaneously. In Borsa Istanbul’s current Index Calculation System (ICSII), remains coupled to the Oracle database layer. As the number of indices and the volume of market data increase, this design creates database I/O pressure, scalability constraints, maintenance complexity, and licensing cost. This paper presents the architecture, system model, findings for the system. BEYS adopts a message-driven architecture built on a GAL-based Core Message Stream, Java-based services, an SQL data layer, and a Histstore component. The design reduces database dependency on the critical computation path, improve module-level observability, availability, and enable controlled transition by parallel runs with the legacy system. Benchmarks show, under a 1000-constituent workload, warmup reduced BigDecimal tick-processing time from 1-2 ms to 0–1 ms, while sustainable per-second capacity reached from 500 indices to 1000 in the BigDecimal configuration and about 1500 in the Double configuration. The results also indicate that the bottleneck can shift from ic_idxcalc to ic_idxmgr and that startup behavior under large datasets becomes a scaling constraint. Overall, the study shows that BEYS offers a strong re-architecture direction for exchange-scale real-time index production and provides a methodological basis for end-to-end SLA validation.

Anahtar Kelimeler

• Index computation
• real-time stream processing
• message centered architecture
• high availability

Kaynakça

1. Borsa İstanbul, “Endeksler,” [Çevrimiçi]. Erişim: 29 Ocak 2026. Erişim adresi: https://www.borsaistanbul.com/endeksler.
2. Borsa İstanbul, “BIST Market Cap Weighted Stock Indices Methodology,” Mayıs 2025, [Çevrimiçi]. Erişim: 29 Ocak 2026. Erişim adresi: https://www.borsaistanbul.com/files/bist-market-cap-weighted-stock-indices-methodology-final-version2.pdf.
3. S&P Global, “Index Mathematics Methodology,” Kasım 2014, [Çevrimiçi]. Erişim adresi: https://www.spice-indices.com/idpfiles/spice-assets/resources/public/documents/methodology-index-math.pdf.
4. MSCI, “MSCI Index Calculation Methodology,” Şubat 2025, [Çevrimiçi]. Erişim adresi: https://www.msci.com/indexes/documents/methodology/0_MSCI_Index_Calculation_Methodology_20240812.pdf.
5. FTSE Russell, “FTSE UK Index Series Guide to Calculation,” Sürüm 6.1, Ağustos 2025, [Çevrimiçi]. Erişim adresi: https://www.lseg.com/content/dam/ftse-russell/en_us/documents/ground-rules/ftse-uk-index-series-guide-to-calc.pdf.
6. M. Stonebraker, U. Çetintemel ve S. Zdonik, “The 8 requirements of real-time stream processing,” SIGMOD Record, 34(4), 42-47, 2005.
7. C. Spiers ve J. Wallez, “High-performance computing on Wall Street,” Computer, 43(12), 53-59, 2010. doi:10.1109/MC.2010.349.
8. S. Induwara ve S. Jayasena, “Fast computation of stock market indices using GPUs,” 8th IEEE International Conference on Industrial and Information Systems (ICIIS), Peradeniya, Sri Lanka, 2013, 237-242.

9. D. M. Ripley, “Systematic elements in the linkage of national stock market indices,” The Review of Economics and Statistics, 55(3), 356-361, 1973.
10. P.-C. Hautcoeur, “Why and how to measure stock market fluctuations? The early history of stock market indices, with special reference to the French case,” PSE Working Paper, 2006.
11. J. P. Fernandes, A. M. Salgado ve J. Bernardino, “Big data streaming platforms to support real-time analytics,” ICSOFT, 426-433, 2020. doi:10.5220/0009817304260433.
12. J. Kreps, N. Narkhede ve J. Rao, “Kafka: A distributed messaging system for log processing,” Proceedings of the NetDB, 11(2011), 1-7, 2011.
13. Apache Kafka, “Apache Kafka Documentation,” [Çevrimiçi]. Erişim: 29 Ocak 2026. Erişim adresi: https://kafka.apache.org/42/getting-started/introduction/.
14. Apache Pulsar, “Apache Pulsar Architecture Overview,” [Çevrimiçi]. Erişim: 29 Ocak 2026. Erişim adresi: https://pulsar.apache.org/docs/next/concepts-architecture-overview/.
15. Apache BookKeeper, “Apache BookKeeper Documentation (Overview/Concepts),” [Çevrimiçi]. Erişim: 29 Ocak 2026. Erişim adresi: https://bookkeeper.apache.org/docs/overview/
16. Md Showkat Hossain Chy ve diğerleri, “Comparative evaluation of Java virtual machine-based message queue services: A study on Kafka, Artemis, Pulsar, and RocketMQ,” Electronics, 12(23), 4792, 2023.
17. OpenMessaging, “OpenMessaging Benchmark Framework,” [Çevrimiçi]. Erişim: 29 Ocak 2026. Erişim adresi: https://openmessaging.cloud/docs/benchmarks/.
18. Confluent, “Exactly-once semantics are possible: Here’s how Apache Kafka does it,” 30 Haziran 2017, [Çevrimiçi]. Erişim: 29 Ocak 2026. Erişim adresi: https://www.confluent.io/blog/exactly-once-semantics-are-possible-heres-how-apache-kafka-does-it/.
19. Apache Pulsar, “Pulsar Transactions: What are transactions?,” [Çevrimiçi]. Erişim: 29 Ocak 2026. Erişim adresi: https://pulsar.apache.org/docs/next/txn-what/.
20. G. Hohpe ve B. Woolf, Enterprise Integration Patterns: Designing, Building, and Deploying Messaging Solutions. U.S.: Addison-Wesley Professional, 2004.
21. S. Newman, Building Microservices, 2. baskı. O’Reilly, 2021.
22. M. Kleppmann, Designing Data-Intensive Applications. O’Reilly, 2017.
23. ISO, “ISO 9241-210:2019 Ergonomics of human-system interaction — Part 210: Human-centred design for interactive systems,” 2019.
24. H. Subramoni ve diğerleri, “Design and evaluation of benchmarks for financial applications using Advanced Message Queuing Protocol (AMQP) over InfiniBand,” 2008 Workshop on High Performance Computational Finance, IEEE, Austin, TX, USA, 2008.
25. Genium INET, “Genium INET,” [Çevrimiçi]. Erişim: 29 Ocak 2026. Erişim adresi: https://www.borsaistanbul.com/files/kullanici-kilavuzlari.pdf
26. Oracle Database Technologies, “Database Technologies,” [Çevrimiçi]. Erişim: 29 Ocak 2026. Erişim adresi: https://www.oracle.com/database/technologies/
27. PostgreSQL, “PostgreSQL,” [Çevrimiçi]. Erişim: 29 Ocak 2026. Erişim adresi: https://www.postgresql.org/docs/current.