Yapay zeka ile borsa analizi: neler yapılır, sınırları ne?

Kısa cevap: Yapay zeka ile borsa analizi, makine öğrenmesi modelleriyle fiyat ve finansal veriden tahmin üretmeyi, büyük dil modelleriyle KAP bildirimi ve haber gibi metinleri özetleyip sınıflandırmayı kapsar. Akademik çalışmalar bazı faydalar gösterse de tahmin gücü sınırlıdır; aşırı uyum, ileriye bakma yanlılığı ve uydurma bilgi en büyük risklerdir. Başkalarına yapay zeka ile kişiye yönelik al-sat yönlendirmesi veya hesaplarında otomatik işlem hizmeti sunmak SPK izni gerektirir.

Yapay zeka araçları, hisse analizinde veri toplama ve metin okuma gibi zaman alan işleri hızlandırır. Aynı araçlar, sınanmamış bir modelin geçmişte kusursuz görünmesine veya uydurma bir rakamın gerçekmiş gibi sunulmasına da yol açabilir. Bu nedenle neyin yapılabildiği kadar, sonucun nasıl doğrulanacağı da önemlidir.

Aşağıda kullanım alanları ve akademik bulgular özetleniyor, ileriye bakma yanlılığının bir modeli nasıl yanılttığı çalıştırılabilir bir scikit-learn örneğiyle gösteriliyor; ardından SPK düzenlemesindeki yatırım danışmanlığı sınırı ve yapay zeka temalı dolandırıcılık işaretleri ele alınıyor.

Yapay zeka ile borsa analizi ne demek?

Borsa analizinde yapay zeka iki farklı teknoloji ailesini kapsar. Makine öğrenmesi modelleri (karar ağaçları, sinir ağları, lojistik regresyon gibi) sayısal veriden örüntü öğrenir ve getiri, risk veya olasılık tahmini üretir. Büyük dil modelleri ise metin üzerinde çalışır: bildirim özetler, haber sınıflandırır, soru yanıtlar. Klasik bir teknik gösterge kuralını otomatik uygulamak ise yapay zeka değil, kural tabanlı algoritmik işlemdir.

Uluslararası Menkul Kıymet Komisyonları Örgütü IOSCO'nun Mart 2025'te yayımladığı Artificial Intelligence in Capital Markets: Use Cases, Risks, and Challenges başlıklı rapor, Fransız düzenleyici AMF'nin 21 Mart 2025 tarihli duyurusuna göre yapay zekanın üç ana kullanım alanını sayar: robo danışmanlık, algoritmik işlem, yatırım araştırması ve duygu analizini içeren karar desteği; kara para aklamayla mücadele dahil gözetim ve uyum; iç operasyonlar ve risk yönetimi. Aynı rapor kötü niyetli kullanımı, model ve veri bütünlüğünü, modellerin birkaç sağlayıcıda yoğunlaşmasını, dış kaynak bağımlılığını ve insan ile yapay zeka etkileşiminden doğan riskleri öne çıkarır.

Yapay zeka ile hisse analizi: kullanım alanları

Yapay zekanın borsa analizindeki başlıca kullanım alanları
Kullanım alanı	Ne yapar?	Dikkat edilecek nokta
Getiri modelleme	Fiyat, hacim ve finansal oranlardan gelecek dönem getirisini veya yönünü tahmin eder	Sinyal zayıf, gürültü yüksektir; aşırı uyum en büyük risktir
Bildirim ve haber özetleme	Uzun KAP bildirimlerini, faaliyet raporlarını ve haberleri özetler, sınıflandırır	Özet asıl metnin yerini tutmaz; rakamlar kaynaktan kontrol edilir
Duygu analizi	Metnin olumlu veya olumsuz tonunu puanlar	İroni, bağlam ve Türkçe finans dili modelleri yanıltabilir
Finansal tablo okuma	Bilanço ve gelir tablosundan oran hesaplar, dönemleri karşılaştırır	Hesap hataları ve uydurma kalemler olabilir; enflasyon düzeltmesi gibi muhasebe farkları gözden kaçabilir
Anomali tespiti	Olağan dışı hacim, fiyat veya işlem örüntülerini işaretler	Her anomali fırsat değildir; çoğu veri hatası veya haber etkisidir
Risk modelleme	Oynaklık, kayıp olasılığı ve portföy riskini tahmin eder	Geçmiş rejimde eğitilen model kriz döneminde bozulabilir

Metin tarafında en pratik kullanım, bildirimlerin hızlı taranmasıdır. Bildirim türlerinin ve hangi bilginin nerede yer aldığının bilinmesi, model çıktısını denetlemek için yine gereklidir; bu konu KAP bildirimleri nasıl okunur yazısında anlatılıyor.

Yapay zeka borsa tahmini yapabilir mi? Akademik bulgular

Akademik çalışmalar karışık bir tablo çizer. Gu, Kelly ve Xiu'nun Review of Financial Studies'te 2020'de yayımlanan çalışmasına göre makine öğrenmesi tahminleri, ABD hisselerinde öncü regresyon tabanlı stratejilerin performansını bazı durumlarda yaklaşık ikiye katlamıştır. En iyi sonuçları ağaç tabanlı yöntemler ve sinir ağları vermiş; tüm yöntemler momentum, likidite ve oynaklık türevlerini en güçlü sinyaller olarak bulmuştur. Bu, modellerin yeni bir bilgi kaynağı keşfetmekten çok bilinen sinyallerin doğrusal olmayan etkileşimlerini yakaladığını gösterir.

Lopez-Lira ve Tang'ın büyük dil modelleri üzerine çalışmasında model, bilgi kesim tarihinden sonraki haber başlıklarına verilen ilk fiyat tepkisinde portföy-gün bazında yaklaşık %90 isabet oranına ulaşmıştır; ancak yazarlar bu ilk tepkiyi işlem yapılamaz olarak nitelendirir. Aynı çalışmaya göre strateji getirileri, dil modellerinin kullanımı yaygınlaştıkça azalmıştır. Yani herkesin erişebildiği bir araçtan elde edilen avantaj, fiyatlar bilgiyi daha hızlı yansıttıkça erir.

Piyasa verisinin doğası da sınır koyar: günlük getirilerde gürültü sinyalden çok daha büyüktür, ilişkiler zamanla değişir (rejim değişimi) ve bir örüntü keşfedilip kullanıldıkça kaybolabilir. Bu nedenle yüksek isabet iddiası, ölçümün nasıl yapıldığı görülmeden değerlendirilemez.

Yapay zeka sohbet botlarıyla borsa analizi: dil modellerinin riskleri

Sohbet tabanlı dil modelleri bir bilançoyu özetlemek veya bir kavramı açıklamak için kullanışlıdır, ancak yatırım kararı için kullanıldığında belirli riskler taşır:

Halüsinasyon: SEC Yatırımcı Eğitimi ve Savunuculuğu Ofisi (OIEA), NASAA ve FINRA'nın 25 Ocak 2024 tarihli ortak uyarısına göre yapay zekanın ürettiği bilgi, doğru girdiye dayansa bile hatalı veya tamamen uydurma olabilir. Rakamlar, tarihler ve kaynak gösterilen bildirimler her zaman asıl kaynaktan doğrulanır.
Güncel olmayan bilgi: Model, eğitim verisinin kesildiği tarihten sonraki gelişmeleri bilmez; bu tarihten sonraki bir fiyatı veya kararı bilir gibi yanıt verebilir.
Geriye dönük testte sızıntı: Geçmiş bir dönemin haberleriyle model test edilirken, model o dönemde ne olduğunu eğitim verisinden zaten biliyor olabilir. Bu, geçmiş performansı olduğundan iyi gösterir; Lopez-Lira ve Tang bu yüzden bilgi kesim tarihinden sonraki başlıklarla çalışır.
Hesap hataları: Dil modelleri metin üretir; çok adımlı oran hesaplarında hata yapabilir. Hesaplar bir tablo veya kodla tekrarlanır.

Finansal tabloların kalem kalem nasıl okunacağı bilanço nasıl okunur yazısında yer alıyor; model çıktısı bu bilgiyle denetlenebilir.

Python örneği: scikit-learn ile ileriye bakma yanlılığı

Aşağıdaki kod, tanım gereği öngörülemeyen sentetik günlük getiriler üretir ve ertesi günün yönünü tahmin eden bir lojistik regresyon modelini iki kez sınar. İlkinde özellikler yalnızca bugünün ve önceki dört günün getirisidir. İkincisinde buna, ortalanmış 5 günlük hareketli ortalama eklenir; bu pencere sonraki iki günün getirisini de içerdiği için modele geleceği sızdırır. Veri gerçek değil, varsayımsaldır; gerçek fiyat verisinin hazırlanması Python ile borsa verisi çekme rehberinde anlatılıyor.

import numpy as np, pandas as pd
from sklearn.linear_model import LogisticRegression
from sklearn.pipeline import make_pipeline
from sklearn.preprocessing import StandardScaler
from sklearn.model_selection import TimeSeriesSplit, cross_val_score

rng = np.random.default_rng(1)
getiri = pd.Series(rng.normal(0, 0.01, 3000))   # sentetik, öngörülemez günlük getiriler
hedef = (getiri.shift(-1) > 0).astype(int)        # ertesi gün yükseldi mi?

dogru = pd.concat({f"gecikme_{k}": getiri.shift(k) for k in range(5)}, axis=1)  # yalnızca bugün ve öncesi
hatali = dogru.assign(ort_5=getiri.rolling(5, center=True).mean())              # ortalanmış pencere: geleceği görür

cv = TimeSeriesSplit(n_splits=5)                  # eğitim her zaman testten önce gelir
model = make_pipeline(StandardScaler(), LogisticRegression())  # ölçekleme yalnızca eğitim diliminde öğrenilir
for ad, X in [("Doğru özellikler", dogru), ("Sızıntılı özellik", hatali)]:
    veri = X.assign(hedef=hedef).iloc[:-1].dropna()   # son gün: ertesi gün henüz yok
    skor = cross_val_score(model, veri.drop(columns="hedef"), veri["hedef"], cv=cv)
    print(f"{ad}: ortalama isabet %{skor.mean() * 100:.1f}")

Kod, doğru özelliklerle ortalama isabeti %49,3, sızıntılı özellikle %75,5 olarak yazdırır. Getiriler rastgele üretildiği için gerçek isabet yazı-turadan farksız, yani %50 civarıdır; %75,5'lik sonuç tamamen tek satırlık bir hatadan doğar. scikit-learn dokümantasyonu veri sızıntısını, tahmin anında bulunmayacak bir bilginin model kurulurken kullanılması olarak tanımlar ve bunun aşırı iyimser performans tahminlerine yol açtığını belirtir.

Kodda iki koruma daha vardır. TimeSeriesSplit her bölmede önceki dilimleri eğitim, sonraki dilimi test verisi olarak kullanır; dokümantasyona göre diğer çapraz doğrulama yöntemleri zaman sıralı veride gelecekteki veriyle eğitip geçmiş veriyle sınamaya yol açar. make_pipeline ile kurulan akış da ölçekleme parametrelerini yalnızca her adımın eğitim diliminden öğrenir.

Yapay zeka modeli nasıl test edilir? Walk-forward ve örneklem dışı

Bir modelin işe yarayıp yaramadığı ancak hiç görmediği veride ölçülebilir. Temel adımlar şunlardır:

Zaman sırasına göre bölme: Veri eğitim, doğrulama ve test dönemlerine kronolojik olarak ayrılır; test dönemi sona kadar açılmaz.
Walk-forward: Model belirli bir pencerede eğitilir, sonraki dönemde sınanır, pencere ileri kaydırılıp işlem tekrarlanır. Sonuçların dönemler arasında tutarlı olması aranır.
Maliyetlerin eklenmesi: Komisyon, alış-satış farkı ve kayma isabet oranındaki küçük avantajı tamamen silebilir.
Deneme sayısının kaydı: Onlarca model ve parametre denenip en iyisi seçildiyse, sonuç seçim yanlılığı içerir.
Canlı ortamda gözlem: Gerçek para riske edilmeden önce model bir süre paper trading ile izlenir.

Varsayımsal örnek: Bir model günlük yönü %52 isabetle tahmin etsin ve her işlemde fiyat ortalama %1 hareket etsin. Kazanılan ve kaybedilen günlerin büyüklüğü eşitse işlem başına beklenen brüt getiri 0,52 × %1 − 0,48 × %1 = %0,04 olur. Alım ve satımın toplam maliyeti (komisyon, alış-satış farkı ve kayma) %0,2 ise işlem başına beklenen net getiri %0,04 − %0,2 = −%0,16'dır. İsabet oranı yazı-turanın üzerinde olsa da model maliyetlerden sonra zarar eder. Tüm rakamlar varsayımsaldır.

Çoklu deneme ve parametre seçiminin yarattığı yanılgı aşırı uyum yazısında sayısal bir deneyle, ileriye bakma hatası ve hayatta kalma yanılgısı gibi diğer tuzaklar backtest nedir yazısında ele alınıyor. Yapay zeka modelleri parametre sayısı çok yüksek olduğu için bu tuzaklara klasik kurallardan daha açıktır.

Yapay zeka trading bot ve SPK: yatırım danışmanlığı sınırı

Bir yapay zeka aracının başkalarına sunulması, ürettiği çıktının niteliğine göre izin gerektiren bir yatırım hizmetine dönüşebilir. Ekim 2026 itibarıyla yürürlükteki, 11 Temmuz 2013 tarihli ve 28704 sayılı Resmî Gazete'de yayımlanan SPK III-37.1 sayılı Tebliğ şu ayrımları yapar:

Yapay zeka çıktısının SPK düzenlemesindeki karşılığı (III-37.1 sayılı Tebliğ)
Hizmet	Niteliği	Dayanak
Belli bir kişiye veya mali durumu, risk ve getiri tercihleri benzer bir gruba yönelik yönlendirici yorum ve tavsiye	Yatırım danışmanlığı	Md. 45/1
Belli kişilere yönelik olmayan genel yatırım tavsiyesi ve finansal bilgi	Yatırım danışmanlığı değil; genel tavsiye kurallarına tabi	Md. 45/2, 73
Başka gerçek veya sanal portföylerin işlemlerini takip ettiren veya kopyalatan elektronik imkân	Yatırım danışmanlığı	Md. 45/3
Bu hizmetin müşterinin portföyünde otomatik işlem yapacak şekilde sunulması	Bireysel portföy yöneticiliği	Md. 37/3

Tebliğ'e göre yatırım danışmanlığı ve bireysel portföy yöneticiliği, Kuruldan izin almak kaydıyla aracı kurumlar, yatırım ve kalkınma bankaları ile portföy yönetim şirketlerince yapılabilir (md. 38 ve 46); TEFAS'ta işlem gören fonlar gibi bazı ürünlere ilişkin yönlendirmeler md. 45/6 ile danışmanlık kapsamı dışında tutulmuştur. SPK'nın izinsiz faaliyetlere ilişkin sayfasına göre 6362 sayılı Sermaye Piyasası Kanunu'nun 109. maddesinin ikinci fıkrası izinsiz faaliyet için iki yıldan beş yıla kadar hapis ve beş bin günden on bin güne kadar adli para cezası öngörür. Abonelere belirli hisselerde sinyal gönderen ya da kullanıcı hesabında otomatik işlem açan bir yapay zeka botu, sunucunun bu izni olup olmadığı açısından değerlendirilmelidir. İzin türleri ve yerindelik testi yatırım danışmanlığı nedir yazısında ayrıntılı anlatılıyor.

Yapay zeka yatırım vaatleri: dolandırıcılık işaretleri

Yapay zeka kavramı, yatırım dolandırıcılığında da sık kullanılan bir pazarlama aracına dönüştü. SEC (OIEA), NASAA ve FINRA'nın ortak uyarısında öne çıkan işaretler şunlardır:

Gerçek dışı iddialar: Kayıtsız platformların ve kişilerin gerçek dışı sonuçlar vaat eden yapay zeka işlem sistemleri tanıttığı belirtilir.
Garantili yüksek getiri: Az veya sıfır riskle yüksek getiri garantisi, uyarıya göre klasik bir dolandırıcılık işaretidir.
Sahte video ve ses: Klonlanmış sesler ve deepfake videolarla tanınmış kişilerin veya şirket yöneticilerinin taklit edilebileceği vurgulanır.
Pompala ve boşalt: Yapay zeka temalı heyecanla bir hissenin fiyatı şişirilir, ardından tanıtanlar satış yapar.

Türkiye'de SPK, 31 Temmuz 2023 tarihli duyurusunda sosyal medya grupları ve sohbet odaları üzerinden hisse pazarlandığını, yönlendirenlerin "al" önerisiyle eş zamanlı olarak ellerindeki payları yüksek fiyattan sattığını ve gruplara katılanların da suça iştirak kapsamında sorumluluk taşıyabileceğini açıkladı. 12 Haziran 2026 tarihli duyuruda ise SPK ve personelinin telefon, SMS, e-posta veya sosyal medya üzerinden para ya da bağış istemediğini hatırlattı. Bir kurumun yetkisinin nasıl sorgulanacağı ve şikâyet yolları izinsiz yatırım faaliyeti yazısında yer alıyor. Bu yazıdaki örnekler varsayımsaldır ve belirli bir araç veya strateji için öneri değildir.

Sık sorulan sorular

Yapay zeka borsayı tahmin edebilir mi?

Akademik çalışmalar makine öğrenmesinin bazı sinyalleri klasik yöntemlerden daha iyi kullanabildiğini gösterir, ancak tahmin gücü sınırlıdır ve zamanla azalabilir. Yüksek isabet iddiaları çoğu zaman sızıntılı test veya maliyetlerin göz ardı edilmesinden kaynaklanır.

Yapay zeka sohbet botlarıyla hisse analizi yapılır mı?

Dil modelleri bildirim özetleme ve kavram açıklama gibi işlerde yardımcı olabilir. Ancak hatalı veya uydurma bilgi üretebilir, güncel veriyi bilmeyebilir ve hesap hatası yapabilir; rakamlar KAP ve şirketin resmi tablolarından doğrulanmalıdır.

Yapay zeka trading botu kullanmak yasal mı?

III-37.1 sayılı Tebliğ, aracın başkalarına sunulmasını düzenler: kişiye yönelik al-sat yönlendirmesi veya müşterinin hesabında otomatik işlem şeklinde sunulması yatırım danışmanlığı ya da bireysel portföy yöneticiliği kapsamına girer ve SPK izni gerektirir. Hizmeti sunan kurumun izni SPK listelerinden kontrol edilir.

Yapay zeka ile yüksek kazanç vaat eden platformlara güvenilir mi?

Az riskle yüksek ve garantili getiri vaadi, SEC, NASAA ve FINRA'nın ortak uyarısına göre klasik bir dolandırıcılık işaretidir. Teklif sahibinin SPK izni olup olmadığı kontrol edilmeden para gönderilmemelidir.

İleriye bakma yanlılığı (look-ahead bias) nedir?

Modelin kurulması veya test edilmesi sırasında, karar anında bilinemeyecek bir bilginin kullanılmasıdır. Yazıdaki varsayımsal örnekte tek bir ortalanmış hareketli ortalama, rastgele veride isabeti %50 civarından %75,5'e çıkarmıştır.

Kaynaklar

Burada yer alan yatırım bilgi, yorum ve tavsiyeleri yatırım danışmanlığı kapsamında değildir. Yatırım danışmanlığı hizmeti, yetkili kuruluşlar tarafından kişilerin risk ve getiri tercihleri dikkate alınarak kişiye özel sunulmaktadır. Burada yer alan yorum ve tavsiyeler ise genel niteliktedir. Bu tavsiyeler mali durumunuz ile risk ve getiri tercihlerinize uygun olmayabilir. Bu nedenle, sadece burada yer alan bilgilere dayanılarak yatırım kararı verilmesi beklentilerinize uygun sonuçlar doğurmayabilir.