Finansal veride yapay zekânın her soruyu cevaplayabildiği iddiası test edilmeye gelmiyor. Düşüş riskinin öngörülebildiği, yön tahmininin ise yazı-turadan ayrışmadığı bir modelin neden daha dürüst olduğunu anlatıyoruz.
Finansal veriyle çalışan yapay zekâ ürünlerinin ortak bir zayıflığı var: neyi başaramadıklarını söylememek. Oysa bir modelin güvenilirliği, doğru tahminlerinden çok sınırlarını nasıl raporladığıyla ölçülür. Bu yazıda kendi geliştirdiğimiz modelin ölçüm sonuçlarını örnek alarak, finansal öngörüde nelerin mümkün olduğunu ve nelerin olmadığını anlatıyoruz.
Risk öngörülebiliyor, yön öngörülemiyor
Sekiz yıllık geçmişten üretilen yüz binlerce örnekle eğitilen modelimiz, bir hissenin önümüzdeki doksan günde en sert düşen dilime girip girmeyeceğini örneklem dışı 0,74 AUC ile ayırt edebiliyor. Aynı yöntemle kurulan yön modeli ise 0,51'de kalıyor — yani yazı-turadan ayrışmıyor. Bu sonucu gizlemek yerine ürünün içinde yazıyoruz, çünkü ürün "bu hisse yükselecek" demiyor ve dememeli.
Bu ayrım tesadüf değil. Düşüş riski; borçluluk, kârlılıktaki bozulma, değerleme gerilimi ve teknik zayıflama gibi göreli olarak kalıcı sinyaller taşır. Fiyatın kısa vadeli yönü ise büyük ölçüde yeni bilgiye tepkidir; geçmiş veride öğrenilebilecek yapı barındırmaz.
Kalibrasyon, doğruluktan daha önemli
Bir modelin "%72 risk" demesi, ancak benzer durumların yaklaşık %72'sinde o olay gerçekleştiyse anlamlıdır. Kalibrasyon olmadan olasılık bir sayı değil, süstür. Bu yüzden model çıktısını sıralama amacıyla değil, karar eşiği kurmak için kullanılabilir hâle getirmek gerekir.
Sızıntı, sessizce başarı üretir
Finansal modellemede en sinsi hata veri sızıntısıdır. Bilanço verisi, gerçekte açıklandığı tarihten önce hesaba girerse model geleceği görmüş olur ve test sonuçları olduğundan parlak çıkar. Aynı şekilde, hedefler zaman içinde örtüştüğü için eğitim ve test blokları arasına ufuk kadar boşluk konmazsa başarı sahte şişer. Bu hataların hiçbiri hata mesajı üretmez — bu yüzden ayrı testlerle kilitlenmeleri gerekir.
- Bilanço ancak kamuya açıklandığı tarihten sonra hesaba girmeli
- Örtüşen hedeflerde embargolu ileriye yürüyen doğrulama kullanılmalı
- Olasılıklar kalibrasyon tablosuyla birlikte raporlanmalı
- Yeni model doğrudan canlıya çıkmamalı; önce gölgede çalışmalı
Yapay zekânın doğru yeri: sayıyı üretmek değil, anlatmak
Bizim tercihimiz, dil modelinin finansal değerleri kendisinin üretmemesi. Sayılar deterministik motordan gelir; yapay zekâ yalnızca çıkan tabloları yorumlar ve her iddiasını kaynağına bağlar. Kullanılabilecek metrikler beyaz listeyle sınırlıdır. Bu kısıt ürünü daha az "akıllı" gösterebilir, ama denetlenebilir kılar.
Çalışmayan bir sinyali çalışıyor gibi sunmamak, çalışan sinyali bulmak kadar değerlidir.
Parakete'yi bu ilkelerle geliştirdik; bir analiz ve izleme aracıdır, yatırım tavsiyesi vermez ve model çıktıları geçmiş veriye dayanan istatistiksel tahminlerdir. Benzer bir karar destek sistemini kendi verinizle kurmayı konuşmak isterseniz iletişim sayfamızdan bize ulaşın.
Bu dönüşümü birlikte planlayalım
Bu yazıda anlattıklarımızı kurumunuz için hayata geçirebiliriz. İhtiyacınızı dinleyelim, size özel bir yol haritası çıkaralım.
