Yapay zekâ ile yatırım araştırması nedir, sınırları neler?
26 Eyl 2026 tarihinde platformun koduna karşı gözden geçirildi
Yapay zekâ ile yatırım araştırması, piyasaları makine öğrenmesiyle incelemektir. Öngörücü modeller fiyatlardan, şirket bildirimlerinden ve ekonomik veriden öğrenerek bir hissenin gelecekteki getirisi ya da riski gibi büyüklükleri tahmin eder; büyük dil modelleri gibi üretken modeller ise metin okur ve özetler. İkisi de geleceği bilmez: doğru yapıldığında her tahmin, modelin hiç görmediği veride sınanır.
Neden önemli
Hisse getirilerinin büyük kısmı gürültüdür ve içlerindeki örüntüler değişir. Esnek bir model, tamamen şansa dayananlar da dahil, neredeyse her veri setinde bir yapı bulur; bu yüzden bir yapay zekâ modelinin etkileyici backtest'i tek başına zayıf bir kanıttır. Piyasalar durağan da değildir: faizler, kurallar ve piyasa katılımcıları değiştikçe ilişkiler kayar; yaygın olarak bilinen bir örüntü de üzerinde işlem yapıldıkça zayıflama eğilimindedir (McLean ve Pontiff, 2016). Üretken modellerin kendine özgü riskleri vardır: yanlış rakamları akıcı biçimde yazabilirler ve böyle bir modelle yapılan backtest geleceği sızdırabilir, çünkü model test dönemi hakkında eğitimi sırasında okumuş olabilir. Bir modelin çıktısını kanıta dönüştüren şey, hiç görmediği veride sınanmasıdır.
Nasıl çalışır
Öngörücü araştırma, bir soruyu tahmin edilecek bir büyüklüğe çevirir; örneğin her hissenin önümüzdeki ay diğer hisselere göre getirisi. Gradyan artırmalı ağaçlar ve sinir ağları gibi modeller yalnızca o tarihte kamuya açık veriden kurulan girdilerden öğrenir; eğitilmedikleri sonraki dönemlerde de bilgi katsayısı ya da aralık kapsaması gibi ölçülerle değerlendirilir. ABD hisselerini altmış yıl boyunca inceleyen bir çalışmada ağaçlar ve sinir ağları getirileri doğrusal modellerden daha iyi tahmin etti; kazancın büyük kısmı girdiler arasındaki etkileşimleri yakalamaktan geldi. Yine de en iyi model, tek tek hisselerin aylık getiri değişkenliğinin %1'inin çok altında bir kısmını açıkladı (Gu, Kelly ve Xiu, 2020). Üretken yapay zekâ daha çok metin okumak için kullanılır ve çıktıları aynı sınamayı gerektirir.
Opulence Alpha nasıl uygular
Opulence Alpha üretken yapay zekâ değil, öngörücü makine öğrenmesi kullanır. Platformun 1, 5, 21 ve 63 işlem günlük getiri tahminleri, gradyan artırmalı karar ağaçlarına (CatBoost), LSTM sinir ağlarına (PyTorch) ve aralıkları uyumsallaştırılmış kantil regresyonuyla kalibre edilen XGBoost kantil modellerine dayanır. Bernstein Online Aggregation bu tahminleri birleştirir ve her işlem günü, vadesi dolan tahminleriyle hisseleri daha iyi sıralamış modellere daha fazla ağırlık verir. Ayrılmış veri üzerindeki istatistiksel kapıyı geçemeyen bir model her gün puanlanmaya devam eder, ancak yayımlanan tahminleri etkilemez. FinBERT, SEC bildirimlerinin tonunu bir girdi olarak puanlar ve hiçbir metin yazmaz. Tahminler, belirtilmiş bir aralıkla verilen model tahminleridir; alım ya da satım tavsiyesi değildir.
Platformun kullandığı ve kullanmadığı modeller →İlgili kavramlar
Sorular
Yapay zekâ borsayı tahmin edebilir mi?
- Yalnızca zayıf biçimde ve ortalamada. Makine öğrenmesi modelleri, çok sayıda hisse arasında sıralamayı şanstan biraz daha iyi yapabilir; ancak ABD hisseleri üzerine çok atıf alan bir çalışmada en iyi modeller bile tek tek hisselerin aylık getiri değişkenliğinin %1'inin çok altında bir kısmını açıkladı (Gu, Kelly ve Xiu, 2020). Binlerce hisseye yayılan küçük bir üstünlük yine de önemli olabilir. Hiçbir model belirli bir hissenin yükselip yükselmeyeceğini bilmez ve yayımlanan örüntüler zayıflama eğilimindedir: McLean ve Pontiff (2016), anomali getirilerinin yayımlandıktan sonra yaklaşık %58 daha düşük olduğunu buldu.
Yapay zekâ hisse seçicisi ile nicel araştırma arasındaki fark nedir?
- Yapay zekâ hisse seçicisi bir isim listesi sunar; yöntemin nasıl sınandığına dair ise çoğu zaman pek az şey söyler. Titiz nicel araştırma soruyu, veriyi, yöntemi ve modelin görmediği verideki sonucu açıkça ortaya koyar; işe yarayan fikirlerin yanında başarısız olanları da raporlar. Sorulması yararlı sorular şunlardır: kaç varyasyon denendi, veri her tarihte yalnızca o gün bilineni mi içeriyordu, tahminler belirtilmiş bir belirsizlik taşıyor mu ve vadesi dolduğunda nasıl sonuç verdi?
ChatGPT ya da başka bir üretken yapay zekâ hisse seçebilir mi?
- Bildirimler ve kazanç çağrıları gibi metinleri okumaya ve özetlemeye yardımcı olabilir; bir çalışma, ChatGPT'nin haber başlıklarından yaptığı okumaların ertesi günkü hisse getirileriyle ilişkili olduğunu buldu (Lopez-Lira ve Tang, 2023). Ancak bir dil modeli yanlış rakamları kendinden emin biçimde yazabilir ve onu geçmiş üzerinde sınamak zordur: model, sınanan dönem hakkında eğitimi sırasında okumuş olabilir; bu da geleceği teste sızdırır. Çıktıları, diğer her sinyal gibi örneklem dışı sınamadan geçmelidir.
Opulence Alpha üretken yapay zekâ kullanıyor mu?
- Hayır. Platform ChatGPT, Gemini ya da Claude hizmetlerinin hiçbirine bağlanmaz ve araştırmasında hiçbir dil modeli metin yazmaz, özet çıkarmaz ya da karar vermez. Sistemdeki tek dil modeli olan FinBERT bir sınıflandırıcıdır: SEC bildirimlerindeki metnin tonunu olumlu, olumsuz ya da nötr olarak etiketler ve bu skorlar, tahmin modellerinin birçok girdisinden yalnızca biridir.
Kaynaklar
- Gu, S., Kelly, B. & Xiu, D. (2020). Empirical Asset Pricing via Machine Learning. Review of Financial Studies, 33(5), 2223–2273.
- McLean, R. D. & Pontiff, J. (2016). Does Academic Research Destroy Stock Return Predictability? Journal of Finance, 71(1), 5–32.
- Lopez-Lira, A. & Tang, Y. (2023). Can ChatGPT Forecast Stock Price Movements? Return Predictability and Large Language Models. Working paper, arXiv:2304.07619.
- Araci, D. (2019). FinBERT: Financial Sentiment Analysis with Pre-trained Language Models. arXiv:1908.10063.
Araştırma yöntemleri hakkında eğitim içeriğidir. Yatırım tavsiyesi değildir.