Yapay Zeka Finansal Piyasa Haberlerini Analiz Ediyor

YZ modelleri, bir haberin bir şirket veya piyasa hakkında olumlu, olumsuz ya da nötr bir tona sahip olup olmadığını kelime seçimi ve bağlamı analiz ederek belirler. Örneğin, "Şirket X rekor kar açıkladı" olumlu, "Şirket Y dolandırıcılık soruşturmasıyla karşı karşıya" olumsuz olarak etiketlenir.

FinBERT, Google'ın BERT dil modelinin finansal metinler için duygu sınıflandırmasına özel olarak ince ayar yapılmış popüler bir versiyonudur. Bu modeller, hisse fiyatlarını etkileyen tarihsel finansal haberlerle eğitilmiştir.

BloombergGPT, finansal haberlerin duygu analizini geliştirmek için özel olarak eğitilmiş alan odaklı büyük bir dil modelidir (aynı zamanda isim tanıma ve haber sınıflandırma için). Piyasanın duygusal tonunu ölçerek, YZ niteliksel haberlere niceliksel bir yaklaşım sunar.

Finansal haberler, şirket isimleri, kişiler, ürünler, yerler gibi özel isimlerle doludur. YZ sistemleri, NLP kullanarak haberlerde geçen varlıkları tanımlar ve etiketler. Örneğin, "Apple Çin'de yeni bir iPhone tanıttı" haberinde YZ "Apple"ı şirket, "iPhone"u ürün, "Çin"i konum olarak etiketler.

RavenPack gibi gelişmiş platformlar, finans odaklı devasa sözlüklere sahiptir – RavenPack algoritmaları 12 milyondan fazla benzersiz varlığı tanıyabilir, bunlar arasında halka açık ve özel şirketler, yöneticiler, içeriden bilgi sahibi kişiler ve belirli ürünler veya para birimleri bulunur.

İsimleri etiketlemenin ötesinde, YZ haberin ne hakkında olduğunu (konu veya olay türü) da sınıflandırır. Bu bir kazanç raporu, birleşme duyurusu, düzenleyici konu veya ekonomik gösterge olabilir. RavenPack'in taksonomisi 7.000'den fazla olay kategorisini kapsar ve haberleri kategorize eder.

Tüm haberler eşit değildir – bazı makaleler eski bilgileri tekrar ederken, bazıları yeni bilgiler sunar. YZ araçları, bir haberin yenilik (ne kadar yeni veya benzersiz olduğu) ve alaka (belirli bir şirket veya piyasa için ne kadar doğrudan etkili olduğu) düzeyini değerlendirir.

Örneğin, Apple'dan sadece geçiş yapan küçük bir haber blogu düşük alaka puanı alırken, Apple'ın mali durumuyla ilgili bir SEC soruşturması çok yüksek puan alır. RavenPack, her tespit edilen varlık/olay için alaka skoru, yenilik takibi ve "etki" puanı sağlar.

Yenilik tespiti genellikle metni yakın tarihli haberlerle karşılaştırarak yapılır; böylece bilinen bilgilerin tekrarı olup olmadığı anlaşılır. Bu, hızlı hareket eden piyasalarda, onlarca haber kaynağının aynı Reuters haberini tekrar etmesi durumunda ilk örneği yenilik olarak işaretleyip diğerlerini önemsizleştirmek için kritik önemdedir.

Gelişmiş YZ, tek bir haber makalesiyle sınırlı kalmaz – binlerce haber arasında makro temalar ve trendleri tanımlayabilir. LSEG MarketPsych Analytics, haberleri 200'den fazla ekonomik ve davranışsal temaya (örneğin "ticaret savaşı", "enflasyon", "siber güvenlik") gruplar.

YZ, her haberi bu temalara sınıflandırır ve her tema için duygu skorunu hesaplar. Bu, yatırımcıların tema duyarlılığını zaman içinde takip etmelerini sağlar (örneğin, "elektrikli araçlar" teması bu çeyrekte iyileşiyor mu kötüleşiyor mu?). Bloomberg Terminal, haberleri temalara göre kümeleyen "Ana Haber Temaları" fonksiyonunu sunar.

Tematik içgörüler sunarak, YZ noktaları birleştirir. Birçok şirketin haberleri örneğin tedarik zinciri kesintileri ile ilgiliyse, yatırımcı piyasada ortaya çıkan bir risk faktörünü tespit edebilir. YZ, esasen satır aralarını okur, insanın tek başına okuyunca fark edemeyeceği çapraz makale kalıplarını yakalar.

YZ'nin büyüyen bir uygulaması, uzun veya karmaşık haberleri sindirilebilir biçime özetlemektir. GPT-4 ve BloombergGPT gibi üretken YZ modelleri, bir haber makalesinin kısa özetlerini veya madde işaretlerini oluşturabilir, temel gerçekleri koruyarak.

Bloomberg, Terminalinde yakın zamanda YZ Destekli Haber Özetlerini başlattı: her Bloomberg Haber hikayesi için YZ, makalenin üstünde üç madde işaretli çıkarım üretir. Bu özetler, Bloomberg uzmanları tarafından doğruluk için incelenir, böylece yoğun tüccarlar bir hikayenin özünü hızlıca kavrayabilir.

Oyun değiştirici… karmaşık hikayeleri hızlıca anlamamı sağlayan net, özlü içgörüler.

— Kıdemli tüccar, Bloomberg Terminal kullanıcısı

Özetlerin ötesinde, YZ haberlerle ilgili soruları yanıtlayabilir (Soru-Cevap). Örneğin, "Fed başkanı bugün enflasyon hakkında ne dedi?" diye sorarsanız, YZ bir haber transkriptinden yanıt çekebilir. Bazı platformlar artık kullanıcıların haberlerle sohbet ederek takip soruları sormasına izin veriyor; bu, bilgiyi analiz etmenin daha sezgisel bir yolu.

YZ haber analizini ilk benimseyenler arasında kantitatif ve algoritmik alım satım firmaları vardır. Bu firmalar, haber kaynaklı sinyalleri alım satım modellerine entegre ederek avantaj sağlar. İlginçtir ki, en iyi performans gösteren kantitatif hedge fonların %70'inden fazlası RavenPack Haber Analitiği'ni alfa üretimi ve risk yönetimi için kullanıyor.

Bu fonlar için YZ tarafından sağlanan duygu skorları, haber etkisi metrikleri ve olay tespitleri alım satım sinyalleri olarak hizmet eder. Bir algoritma, çok olumlu haber duygu skoruna sahip hisselerde uzun pozisyon alırken, çok olumsuz olanlarda kısa pozisyon açabilir (geri testlerle doğrulanmış bir strateji).

Yüksek frekanslı alım satım firmaları da piyasa hareket ettiren başlıkları algoritmik olarak analiz etmek için YZ kullanır – örneğin bir merkez bankası sürprizi gibi bir haber geçerse, YZ anında otomatik olarak işlem tetikleyebilir. Bu, piyasanın haberlere çok hızlı tepki vermesine ve beklenmedik bilgiler geldiğinde keskin hareketlere yol açmasına neden oldu.

Hızlı alım satımın ötesinde, YZ haber analizi varlık yöneticileri, yatırım fonları ve servet danışmanları gibi uzun vadeli yatırımcıları destekler. Duygu ve haber trend verileri, temel analizlerin üzerine ekstra bir içgörü katmanı sağlar.

Bir hisse portföy yöneticisi, portföydeki her hissenin duygu skorunu izleyebilir; ani bir düşüş, olumsuz haberlerin ne olduğunu ve temel bir sorunu işaret edip etmediğini incelemeye yönlendirebilir. Benzer şekilde, YZ portföy stratejisini etkileyen ortaya çıkan temaları vurgulayabilir – örneğin, "siber güvenlik" konusunun birkaç teknoloji hissesi bağlamında artması, büyüyen bir risk (veya fırsat) sinyali olabilir.

Tematik uyarılar, proaktif yeniden dengeleme sağlar: YZ, ticaret savaşı söyleminin arttığını ve bu temadan muhtemel "kazananlar" ve "kaybedenler"i belirlerse, yönetici portföyü buna göre ayarlayabilir. YZ ayrıca araştırmacıların bilgi kör noktalarını önler; çok sayıda kaynağı kapsayarak, analistleri gözden kaçırabilecekleri yabancı dilde veya az bilinen yayınlardaki haberlere uyarır.

AlphaSense gibi bazı platformlar, haberlerin yanında broker araştırmaları ve SEC dosyalarını da entegre eder; YZ, analistlerin bir şirket için tüm metin verilerinde arama yapmasını sağlar. Bir araştırmacı, yatırım bankasında yaptığı birçok iş akışını ChatGPT benzeri YZ ile tekrarladığını anlatmıştır; şirket finansallarını özetlemekten haberlerdeki kırmızı bayrakları taramaya kadar.

Finansta sadece fırsat bulmak değil, riskleri yönetmek ve düzenlemelere uymak da önemlidir. YZ haber analizi, risk yöneticileri ve uyumluluk ekipleri için büyük bir avantajdır. Çeşitli riskler için erken uyarı sistemi olarak hizmet edebilir: bir karşı taraf hakkında olumsuz haberleri tespit etmek, kurumsal yönetim sorunlarının işaretlerini görmek veya piyasalara etki edebilecek jeopolitik gelişmeleri izlemek gibi.

Bir şirket aniden bir skandal veya dava nedeniyle haberlerde trend olmaya başlarsa, YZ bunu hemen işaretleyebilir, böylece risk yöneticileri pozisyonlarını ayarlayabilir. Uyumluluk departmanları da piyasa suiistimali veya içeriden öğrenenlerin ticareti belirtileri için haberleri izlemek üzere YZ kullanır. Borsa ve düzenleyiciler, piyasa manipülasyonu veya dolandırıcılık ipuçları için sosyal medya ve haberleri izlemek üzere YZ'yi bile kullanmaktadır.

Örneğin, az işlem gören bir hisse hakkında ani pozitif paylaşımların artışı YZ tarafından tespit edilip potansiyel pompalama ve boşaltma planları için araştırılabilir. YZ'nin sağladığı gerçek zamanlı ve kapsamlı gözetim, piyasa bütünlüğünün korunmasına yardımcı olur.

Ayrıca, haberleri bir panoda toplayarak, YZ uyumluluk görevlilerinin müşteriler veya yatırımlar için hızlıca olumsuz haberleri bulmasını sağlar ("Müşterini Tanı" ve kara para aklamayı önleme kontrolleri). Böylece YZ, sadece para kazandırmakla kalmaz, finansal kurumları risklerden ve usulsüzlüklerden korumaya da yardımcı olur.

YZ haber analizi sadece Wall Street elitine özgü değildir. Artık bireysel yatırımcılar ve günlük müşterilere hizmet veren finansal danışmanlar arasında da yaygınlaşıyor. Yeni robo-danışman uygulamaları ve alım satım platformları, kullanıcılara haber odaklı içgörüler sunmak için YZ'yi entegre ediyor.

Bazı alım satım uygulamalarında artık yerleşik haber duygu göstergeleri veya YZ tarafından oluşturulan hisse hareketi özetleri bulunuyor. YZ sayesinde, bireysel yatırımcılar bile "bir zamanlar sadece büyük bankalar veya kurumsal yatırımcılar için erişilebilir olan" analizlere ulaşabiliyor.

Reuters'in yakın tarihli bir raporu, bireysel yatırımcıların %13'ünün zaten ChatGPT gibi YZ araçlarını hisse araştırması veya öneriler için kullandığını ve yaklaşık yarısının bu fikre açık olduğunu belirtti. Bu demokratikleşme sayesinde ortalama bir kişi, "Şirket Z'nin son haberlerine göre görünümü nedir?" diye bir sohbet botuna sorabilir ve güncel gelişmeleri sentezleyen tutarlı bir yanıt alabilir.

Startuplar ayrıca yatırımcının portföyüne veya ilgi alanlarına göre özelleştirilmiş YZ küratörlü haber akışları sunuyor, genellikle açıklayıcı vurgularla. Örneğin, StockPulse, müşterilere (bazı brokerlar dahil) YZ tarafından oluşturulan günlük özetler ve hisse duygu analizleri sağlar, bu da bilinçli karar vermeyi destekler.

Müşteri portföylerini yöneten finansal danışmanlar, YZ haber analizini güncel kalmak ve müşterilerle daha iyi iletişim kurmak için kullanır. Bir danışman, YZ panosundan hızlıca şu güncellemeyi alabilir: "Bu haftaki portföyünüzün haber duygu skoru genel olarak olumlu, ancak bir hisse olumsuz basınla karşı karşıya."

Böyle içgörüler, YZ tarafından oluşturulan grafikler veya görsellerle müşteri dostu açıklamalara dönüştürülebilir. Örneğin, LSEG MarketPsych, karmaşık NLP çıktılarından son yatırımcının anlayabileceği duygu-fiyat grafiklerini ve tematik maruziyet ısı haritalarını oluşturmayı sağlar.

Bu, müşteri deneyimini geliştirir – danışmanlar, bir sektör etrafındaki "haber havasının" performansı nasıl etkileyebileceğini proaktif olarak açıklayabilir, müşterileri bilgilendirir. Ayrıca, danışmanlar makro haberlerden haberdar kalmanın avantajını yaşar. Ani bir jeopolitik olay veya politika değişikliği olursa, YZ uyarıları danışmanların müşterilere hızlıca perspektif sunmasını sağlar.

YZ içgörüler sunabilir, ancak bunları yorumlamak ve harekete geçirmek için insan uzmanlığı gerekir. YZ bir haberi olumsuz olarak işaretlerse, deneyimli bir analist yine de nüans ve bağlamı anlamak için haberi okur. YZ, metindeki alay veya çift anlamları kaçırabilir ya da örneğin "rekor kar" ifadesinin aslında tek seferlik bir muhasebe kazancından kaynaklandığını yanlış değerlendirebilir.

YZ sistemleri, eğitildikleri veri kadar iyidir. Haber kaynaklarındaki (veya sosyal medya gürültüsündeki) önyargılar YZ çıktılarında yansıyabilir. Örneğin, spekülatif blog yazılarının yoğunluğu duygu skorunu yanlış yükseltebilir. En iyi sağlayıcılar bunu spam filtreleri ve kaynak ağırlıklandırmasıyla azaltır, ancak kullanıcıların eleştirel kalması gerekir.

Hızlı piyasalarda, haber analizleri haberin çıktığı anda anlık olarak en faydalıdır. Bir olaydan 10 dakika sonra alınan YZ duygu skoru, piyasa zaten hareket ettiyse çok geç olabilir. Bu nedenle, tüccarlar bu araçları gerçek zamanlı kullanır, çoğunlukla doğrudan alım satım algoritmalarına besler.

Daha az zaman hassas yatırımlar (örneğin uzun vadeli kararlar) için hız daha az kritik olabilir, ancak o zaman YZ'nin rolü çok sayıda bilgiyi sentezleyerek daha büyük resmi sunmaktır.

YZ'ye güvenmek, tamamen "kara kutu" olmadığında daha kolaydır. Birçok platform artık çıktılarıyla birlikte açıklamalar sunar. Örneğin, bir YZ skoru "olumsuz duygu" gösteriyorsa, sistem bu sonuca hangi kelimeler veya ifadelerin yol açtığını gösterebilir (örneğin "iflas", "dava" gibi). Bu, kullanıcıların YZ'nin mantığını doğrulaması için faydalıdır.