jusikai.com - Çoklu ajan tabanlı hisse öneri hizmeti
(jusikai.com)Merhaba, ben boş zamanlarında hisse senedi yatırımı yapan, 10 yıllık deneyime sahip bir yapay zeka mühendisiyim.
Kişisel olarak hisse araştırması yaparken, her seferinde farklı aracı kurum uygulamaları ile portal haberleri arasında gidip gelerek bilgileri parça parça toplamak zorunda kalmak bana çok kullanışsız geliyordu. Daha sonra yapay zeka ortaya çıkınca işler oldukça kolaylaştı, ancak halüsinasyon ve verilerin güncelliği sorunları nedeniyle birden fazla yapay zekaya aynı şeyi sorup sonuçları birleştirmek yine çok yorucu bir süreçti.
Bu kişisel rahatsızlığı çözmek için, hisse senetlerine dair bilgilerle birlikte çeşitli yapay zekaların (GPT, Gemini, Claude, DeepSeek) analiz sonuçlarını tek bakışta görebileceğiniz bir hizmeti bir tanıdığımla birlikte geliştirdik.
Hizmete doğrudan gitmek için
• Hisse AI : https://jusikai.com.
Karar vermekte zorlandığımız anlar
Bu hizmeti geliştirirken teknik konulardan bile daha fazla politika ve ürün kararları üzerine düşünmek zorunda kaldık.
• Model ve prompt seçimi: Aslında şimdiye kadar hisse analizini iyi yapan modelin hangisi olduğu üzerine çok çalışma yapıldı, ancak bugünlerde olduğu gibi modellerin peş peşe çıktığı bir dönemde uygun model ve prompt’u seçmek hiç kolay değildi. Ekip arkadaşlarımla birlikte hisse bazlı backtesting verileri oluşturduk ve bunları aktif şekilde kullanarak en yüksek performanslı modeli seçtik. İlginç olan şu ki, her zaman iyi bir model iyi tahmin yapmıyor.
• Hisse öneri kriterleri: Bir hissenin iyi olması, bugün mutlaka yükseleceği anlamına gelmiyor. Warren Buffett’ın uzun vadeli yatırımı vurgulamasının nedeni de muhtemelen bu. Ancak bu yaklaşım bizim her gün öneri vermemiz gereken koşullara tam uymadığı için kısa vadeli (1 hafta) ve orta-uzun vadeli (1 ay ve üzeri) koşulları ayrı ayrı kurguladık. Bu, gerçek kullanıcılar için oldukça sezgisel ve iyi bir öneri yöntemi oldu.
• Dashboard’un açık paylaşılması: Öneri sonuçlarına ilişkin getiri oranlarını model bazında dashboard biçiminde her zaman şeffaf şekilde paylaşıyoruz. (Neyse ki 4-5 aylarında iyi getiri oranları gösteriyoruz.)
• Ajanların yetkinlik geliştirmesi: Modeller, kendi analizlerine yönelik değerlendirmeler üzerinden periyodik olarak piyasa/hisse bazlı beceri geliştirme sürecinden geçiyor. Bu, LLM’in her hisse ve piyasanın özelliklerini daha iyi anlamasını sağlayarak performansı artırıyor.
• Hisse kapsamı sınırlaması ve LLM işletme maliyeti: Şu anda pipeline optimizasyonu sorunu nedeniyle hizmet yalnızca sınırlı sayıdaki hisselere odaklanıyor. Ayrıca token kullanımını azaltmak için prompt optimizasyonu ve Context Caching’i mümkün olduğunca uygulamamıza rağmen, her ay yüz binlerce won düzeyinde işletme maliyeti oluşuyor; bu da sürdürülebilirlik konusunda düşündürüyor T_T
Keskin geri bildirimlerinizi rica ediyorum.
• GeekNews’teki yetenekli mühendis ve maker’ların bakış açısından tavsiye almak istiyorum.
• Kullanılabilirlik açısından: öneri yöntemimizin ve UI’ımızın gerçek kullanıcı gözünden fazla kullanıcı dostu olmayan bir izlenim verip vermediğini merak ediyorum.
• Bunun dışında her türlü bug raporunu ya da sert eleştiriyi memnuniyetle kabul ederim. Hafta sonu boyunca sürekli izleme yapacağım; düzeltilebilecek hataları hemen giderip yansıtacağım. Uzun yazıyı okuduğunuz için teşekkür ederim!
8 yorum
Acaba kısa vadeli ve orta-uzun vadeli tahminlerin dayanağı analist raporları mı?
Evet, doğru! Bu, rapor hazırlanırken kısa, orta ve uzun vadeli öneri puanlarının ayrı ayrı hesaplanıp yansıtılmasının sonucudur. Kısa vadede teknik göstergeler ve haberler gibi sinyaller daha güçlü biçimde yansıtılırken, orta ve uzun vadede ise temel göstergelerdeki iyileşme daha fazla dikkate alınır.
Hizmete bir kez göz attım. Ortaya koyduğunuz emek görünüyor ama sert eleştirileri de kabul edeceğinizi söylediğiniz için dürüstçe yazıyorum.
4 modelin uzlaşmasının güvenilirliği artırdığı varsayımının kendisi bana riskli görünüyor. GPT, Gemini, Claude, DeepSeek sonuçta benzer internet verileriyle eğitilmiş modeller; aynı hisseye baktıklarında benzer şeyler söylüyorlar. Uzlaşma sağlandı = güvenilirlik dört kat arttı demek değil, aynı önyargının dört kez tekrar edilmiş olma ihtimali daha yüksek. Ensemble etkisi, modeller birbirinden bağımsız olduğunda ortaya çıkar ama genel amaçlı LLM'lerde bunun garantisi yok.
Görüşünüz için teşekkür ederiz! Belirttiğiniz gibi, 4 model olması güvenilirliğin 4 katına çıktığı anlamına kesinlikle gelmiyor. Ancak bunu, birbirlerinin hatalarını bir ölçüde yakalayabilmeleri olarak değerlendirirseniz iyi olur diye düşünüyorum. İlginç olan şu ki, aynı prompt ve veriler verilse bile her modelin analiz yöntemi ve bakış açısı gerçekten oldukça farklı oluyor. 4 persona da bu tür noktalar analiz edilerek, zorla dayatılmış gibi durmaması için çok sayıda testten geçirildi. Hâlâ eksiklerimiz var ama daha güvenilir bir hizmet olmak için geliştirmeye devam edeceğiz! Hizmeti inceleyip görüşlerinizi paylaştığınız için gerçekten çok teşekkür ederiz
Yanıtınız için teşekkürler! "Birbirlerinin hatalarını yakalarlar" kısmına kısaca eklemek gerekirse, modellerin yüzeysel bakış açıları farklı olsa da aynı dönemde, aynı corpus üzerinde eğitildikleri için benzer türde hataları birlikte yaparlar. Bu durumda çoğunluk oyu ile uzlaşı sağlansa bile bu hata elenmek yerine aksine güçlenebilir.
Mümkünse bunu bir kez ölçmenizi öneririm. Backtest verisinde 4 modelin görüşlerinin (a) örtüştüğü durumlarla (b) ayrıştığı durumlarda sonraki getiri dağılımını karşılaştırırsanız, (a) sonucunun (b)'ye göre anlamlı biçimde daha iyi çıkması çoğunluk oyu etkisinin ampirik olarak doğrulandığını gösterir; fark yoksa ya da hatta (b) daha iyiyse bu, uzlaşıya varılmış gürültüye daha yakın bir sinyal olabilir. Zaten elinizde kurduğunuz veriyle hemen çalıştırabileceğiniz bir hipotez olduğu için, bir bakarsanız ilginç olabilir diye düşünüyorum!
Güzel öneri için teşekkürler. Gerçekten de tüm modellerin önerdiği hisseler yüksek getiri sağlayan hisseler olmuyormuş. Ben bunu, risk arttıkça getiri oranının da yükseldiği hisse senedi özelliğiyle ilişkilendirerek düşünmüştüm; ilginç öneri için teşekkürler :)
Oo.. "tam alım" deyince parmaklarım kaşınmaya başladı~
İyi kullanacağım haha
Evet, teşekkürler haha