Yapay Zeka Strateji Ansiklopedisi

Yapay Zeka Destekli 30 Yatırım Stratejisi

Temel hisse senedi incelemelerinden gelişmiş opsiyon stratejilerine, içeriden öğrenenlerin işlemlerinin takibinden yapay zeka destekli risk senaryosu simülasyonlarına kadar — ham finansal verileri kurumsal düzeyde istihbarata dönüştüren titizlikle tasarlanmış 30 analiz modülü. Her strateji akademik finans teorisiyle desteklenir, kural kısıtlı yapay zeka modelleriyle güçlendirilir

30 Yapay Zeka Stratejisi 12.000+ Kelimelik Analiz
Hisseni Tanı
Warren Buffett & Peter Lynch gözüyle 5 dakikalık derin analiz.
Risk Seviyesi: Düşük Temel

Mantık

Hisse Senedi Genel Bakış stratejisi, yanlış fiyatlandırılmış hisseleri belirlemek için temel analizi davranışsal finans ile sentezler. Warren Buffett’ın ekonomik hendeklere (moats) verdiği önemi ve Peter Lynch’in makul fiyata büyüme (GARP) odağını entegre ederek, gürültülü işlemler ve kurumsal kısa vadecilik nedeniyle Etkin Piyasa Hipotezi'nin (EMH) başarısız olduğu piyasa verimsizliklerinden yararlanır. Modelimiz, değerlemeyi değerlendirmek için Free Cash Flow (FCF) verimine ve tarihsel ortalamalara göre Price-to-Earnings (P/E) oranına öncelik verir. Firmanın gerçek bir değer yaratıcısı olup olmadığını belirlemek için Weighted Average Cost of Capital (WACC) ile Return on Invested Capital (ROIC) verilerini karşılaştırırız. Fama-French perspektifinden, kendine özgü alpha üretmek için değer ve kalite faktörlerini hedefliyoruz. Asimetrik bilgi genellikle bir şirketin gerçek terminal değerini gölgeler; yüksek geçiş maliyetleri veya ağ etkileri gibi nitel hendekleri, beta ve gelir CAGR gibi nicel metriklerle birlikte analiz ederek aşağı yönlü riski azaltıyoruz. Bu yaklaşım, güncellik önyargısı ve kayıptan kaçınma gibi davranışsal önyargıları ele alarak, yatırımcıların yüksek frekanslı algoritmaların genellikle gözden kaçırdığı fiyat ile içsel değer arasındaki boşluklardan sermaye elde etmelerini sağlar. Güvenlik marjına odaklanan strateji, uzun vadeli sermaye artırımı için titiz bir çerçeve sunar.

Yapay Zeka Model Görevi

DocuRefinery’nin yapay zeka mimarisi, kurumsal düzeyde güvenilirlik sağlamak için kesinlikle deterministik bir çerçeve içinde Claude ve Gemini modellerini kullanır. Her analiz, doğrulanmış finansal veri noktalarının kullanımını zorunlu kılan katı istem şablonları tarafından yönetilir. Halüsinasyonları ortadan kaldırmak için modellerin spekülatif rakamlar üretmesi yasaktır; kullanılan her metrik için SEC dosyaları veya doğrulanmış piyasa akışları gibi belirli birincil kaynaklara atıfta bulunmaları gerekir. Çıktılar, platform genelinde tutarlılığı korumak için standartlaştırılmış tablolar ve grafikler halinde yapılandırılmıştır. Veri mevcut değilse, yapay zeka çıkarım yapmak yerine bir veri boşluğu rapor edecek şekilde programlanmıştır; bu da nihai yatırım sinyalinin üretken çıkarımlardan ziyade ampirik kanıtlara dayanmasını sağlar.

Bilanço Önizleme
Yaklaşan bilanço için beklenti, senaryo ve fiyat etkisi.
Risk Seviyesi: Orta Temel

Mantık

Kazanç Önizleme stratejisi, alpha yaratan fırsatları belirlemek için Kazanç Açıklaması Sonrası Sürüklenme (PEAD) ve Etkin Piyasa Hipotezi'nin (EMH) yarı güçlü formundan yararlanır. Konsensüs EPS tahminleri ile fısıltı rakamları (whisper numbers) arasındaki farkı analiz ederek, çıpalama ve yetersiz tepki gibi davranışsal önyargıların yönlendirdiği piyasa verimsizliklerinden faydalanırız. Kantitatif çerçevemiz, piyasanın kuyruk riskini yanlış fiyatlandırıp fiyatlandırmadığını değerlendirmek için straddle fiyatından türetilen opsiyon zımni hareketini entegre eder. Kazanç kalitesini Free Cash Flow (FCF) dönüşümü ve P/E oranının tarihsel WACC ve sektöre göre ayarlanmış beta değerine göre sürdürülebilirliği üzerinden değerlendiriyoruz. Bu yaklaşım, kurumsal konumlanma genellikle resmi açıklamadan önce gerçekleştiği için Regulation FD'ye rağmen asimetrik bilginin devam ettiğini kabul eder. Potansiyel gelir sürprizlerini ve marj genişlemesi/daralması senaryolarını modelleyerek strateji, beklenen fiyat etkisini nicelleştirir. Temel değerleme ile kısa vadeli duyarlılık arasındaki etkileşime odaklanarak risk-ödül profilinin nerede çarpık olduğunu belirliyoruz. Bu sistematik analiz, yatırımcıların gürültü ile bir şirketin büyüme yörüngesindeki yapısal değişimleri ayırt ederek kazanç sezonunun volatilitesinde yol almalarını sağlar.

Yapay Zeka Model Görevi

Claude ve Gemini tarafından desteklenen DocuRefinery’nin yapay zeka motoru, kurumsal düzeyde güvenilirlik sağlamak için titiz bir deterministik çerçeve altında çalışır. Modeller, zorunlu veri atıf protokolleri ile sınırlandırılmıştır; her EPS rakamının, gelir hedefinin ve tarihsel sürpriz yüzdesinin doğrulanmış bir kaynakla eşleştirilmesini gerektirerek halüsinasyonları önler. Yapay zeka, SEC dosyalarını gerçek zamanlı konsensüs verileriyle çapraz referanslayan yapılandırılmış çıktı şablonlarını yürütür. Bir veri boşluğu tespit edilirse, sistem tahmin yürütmek yerine eksikliği rapor edecek şekilde programlanmıştır. Bu, oluşturulan tabloların ve duyarlılık grafiklerinin ampirik kanıtlara dayanmasını sağlayarak her analitik sonuç için şeffaf bir denetim izi sunar.

Risk Dedektörü
Hissedeki gizli riskleri ve 'kırmızı bayrakları' tespit et.
Risk Seviyesi: Yüksek Risk Yönetimi

Mantık

Kırmızı Bayrak Dedektörü stratejisi, piyasa verimsizliklerinin genellikle asimetrik bilgiden ve olumsuz temel değişimlerin yavaş yayılmasından kaynaklandığı önermesine dayanır. Etkin Piyasa Hipotezi (EMH) bilinen tüm bilgilerin fiyatlandırıldığını öne sürse de, davranışsal finans; onaylama önyargısı ve kayıptan kaçınma gibi bilişsel önyargıların yatırımcıların finansal sağlıktaki ince bozulmaları gözden kaçırmasına neden olduğunu gösterir. Bu strateji, rapor edilen net gelir ile Free Cash Flow (FCF) arasındaki sapmayı sistematik olarak inceler; P/E oranını şişiren agresif gelir tanıma veya giderlerin aktifleştirilmesi durumlarını belirler. Weighted Average Cost of Capital (WACC) ile Return on Invested Capital (ROIC) verilerini analiz ederek, hissenin alpha değerini etkilemeden önce değer yok eden eğilimleri tespit ediyoruz. İçeriden öğrenenlerin satış modellerini ve ilişkili taraf işlemlerini, yönetimin özel bilgilerinin vekilleri olarak izliyoruz. Ayrıca strateji, değişen rekabet ortamının veya operasyonel verimsizliğin erken göstergeleri olarak artan borç-özsermaye oranlarını ve düşen brüt marjları değerlendirir. Bu kendine özgü riskleri izole ederek model, beklenen beta değerini ayarlar ve algılanan istikrar ile temel kırılganlık arasındaki boşluğu kullanarak bir güvenlik marjı sağlar.

Yapay Zeka Model Görevi

DocuRefinery’nin yapay zeka mimarisi, stokastik halüsinasyon riskini ortadan kaldırmak için Claude ve Gemini modellerini kesinlikle deterministik bir çerçevede kullanır. Kırmızı Bayrak Dedektörü'nü çalıştırırken modeller, önce atıf yapılmasını zorunlu kılan değişmez istem şablonları tarafından yönetilir. İster bir denetçi değişikliği ister ticari alacaklardaki artış olsun, tanımlanan her risk belirli bir SEC dosyası veya mali tablo kalemi ile eşleştirilmelidir. Yapay zeka, tutarlılığı sağlamak için 10-K ve 10-Q dosyalarını üçüncü taraf veri sağlayıcılarıyla çapraz referanslayacak şekilde programlanmıştır. Bir veri noktası eksik veya belirsizse, sistem değer tahmini yapmak yerine bir veri boşluğu rapor etmekle yükümlüdür; bu da kurumsal düzeyde güvenilirlik ve titiz denetlenebilirlik için yapılandırılmış, tablo tabanlı çıktılar sağlar.

Değerleme Hikayesi
Fiyatın arkasındaki temel hikayeyi ve çarpan analizini keşfet.
Risk Seviyesi: Orta Temel

Mantık

Değerleme Hikayesi stratejisi, piyasa fiyatlarının davranışsal önyargılar ve bilgi asimetrisi nedeniyle içsel değerden sık sık saptığı ve Etkin Piyasa Hipotezi'nin (EMH) yarı güçlü formuna meydan okuduğu önermesiyle çalışır. P/E, EV/EBITDA ve PEG oranı gibi göreceli değerleme metriklerini titiz bir Discounted Cash Flow (DCF) çerçevesiyle entegre ederek, hisse senedi fiyatlandırmasının temel itici güçlerini izole ediyoruz. Metodolojimiz, büyüklük ve değer riskine göre ayarlama yapmak için Fama-French üç faktörlü modelini kullanırken, Free Cash Flows (FCF) iskonto etmek için firmaya özgü bir Weighted Average Cost of Capital (WACC) hesaplar. Bu çift yönlü yaklaşım, bir hisse senedinin sektör emsallerine ve kendi tarihsel çarpanlarına göre primli mi yoksa iskontolu mu işlem gördüğünü belirler. Mevcut piyasa fiyatının yeterli bir güvenlik marjı sunup sunmadığını belirlemek için özsermaye risk primini ve beta değerini analiz ediyoruz. Piyasanın uzun vadeli terminal değer yerine kısa vadeli kazanç volatilitesine aşırı vurgu yaptığı durumları belirleyerek, bu strateji ortalamaya dönüş ve yanlış fiyatlandırılmış büyüme beklentilerinin düzeltilmesi yoluyla alpha yakalar. Bu, anlatı-fiyat boşluğunun sistematik bir dekonstrüksiyonudur ve her yatırım tezinin spekülatif duyarlılıktan ziyade kantitatif gerçekliğe dayanmasını sağlar.

Yapay Zeka Model Görevi

DocuRefinery’nin yapay zeka motoru, LLM halüsinasyonlarını ortadan kaldırmak için tasarlanmış kesinlikle deterministik bir çerçeve aracılığıyla Değerleme Hikayesi stratejisini yürütür. Claude ve Gemini modelleri, doğrulanmış finansal veri noktalarının kullanımını zorunlu kılan değişmez istem şablonları ile sınırlandırılmıştır. Her çıktı, SEC dosyaları veya denetlenmiş mali tablolar gibi birincil kaynaklardan zorunlu veri atfı gerektirir. Yapay zeka, yapılandırılmış tablolar ve grafikler oluşturmadan önce P/E oranlarını tarihsel medyanlar ve sektör kıyaslamalarıyla karşılaştırarak birden fazla veri akışını çapraz referanslayacak şekilde programlanmıştır. Bir veri boşluğu varsa, modelin rakam uydurması yasaktır; eksikliği rapor etmelidir, bu da her değerleme raporunda kurumsal düzeyde bütünlük ve denetlenebilirlik sağlar.

Grafik Yorumu
Teknik formasyonları ve kilit seviyeleri düz metinle anla.
Risk Seviyesi: Orta Teknik

Mantık

Teknik analiz, fiyat hareketlerinin bilinen tüm bilgileri iskonto ettiği önermesiyle çalışır ve Güçlü Form Etkin Piyasa Hipotezi'ne (EMH) meydan okur. Hareketli ortalamaları (SMA/EMA), RSI ve MACD verilerini analiz ederek momentum değişimlerini ve ortalamaya dönüş fırsatlarını belirliyoruz. P/E oranları ve Free Cash Flow (FCF) gibi temel metrikler içsel değeri tanımlarken, teknik analiz piyasa verimsizlikleri yaratan çıpalama ve sürü psikolojisi gibi davranışsal önyargılardan yararlanır. Asimetrik bilginin genellikle hacim artışları olarak ortaya çıktığı destek ve direnç seviyelerini belirleyerek alpha arıyoruz. Fama-French perspektifinden, teknik modeller tek başına beta değerinin açıklayamadığı momentum faktörlerini yakalayabilir. Bollinger Bands ve mum grafik oluşumlarını izleyerek volatiliteyi ve riske göre ayarlanmış getirileri nicelleştiriyor, analistlerin Weighted Average Cost of Capital (WACC) mülahazaları etrafında giriş zamanlaması yapmalarına olanak tanıyoruz. Bu strateji, fiyat trendlerinin genellikle kurumsal duyarlılıktaki temel değişimlerden önce geldiğini kabul ederek kantitatif veriler ile piyasa psikolojisi arasındaki boşluğu doldurur. Fiyat verilerindeki bu rastgele olmayan dağılımları belirleyerek analistler, disiplinli formasyon tanıma ve hacim ağırlıklı trend onayı yoluyla dengeden kısa vadeli sapmaları kullanabilir ve üstün riske göre ayarlanmış getiriler elde edebilirler.

Yapay Zeka Model Görevi

Claude ve Gemini tarafından desteklenen DocuRefinery’nin yapay zeka motoru, kurumsal düzeyde güvenilirlik sağlamak için deterministik bir çerçeve altında çalışır. Modeller, doğrulanmış piyasa verilerinin kullanımını zorunlu kılan katı istem şablonları ile sınırlandırılmıştır ve halüsinasyon riskini etkili bir şekilde nötralize eder. RSI sapmalarından MACD kesişmelerine kadar her teknik sinyal, birincil kaynaklardan gelen zorunlu veri atıflarıyla desteklenmelidir. Yapay zeka, hacim modellerini ve fiyat seviyelerini birden fazla zaman diliminde çapraz referanslayarak tablolarda ve grafiklerde yapılandırılmış çıktılar sunacak şekilde programlanmıştır. Bir veri boşluğu varsa, sistemin değer uydurması yasaktır; bunun yerine tam şeffaflığı korumak için eksikliği rapor eder.

Duygu Analizi
Haber, sosyal medya ve analist duyarlılığını takip et.
Risk Seviyesi: Orta Teknik

Mantık

Sentiment Tracker stratejisi, Etkin Piyasa Hipotezi'nin (EMH) yarı güçlü formuna meydan okuyarak, davranışsal finans ve kantitatif analizin kesişme noktasında faaliyet gösterir. Geleneksel değerleme modelleri indirgenmiş nakit akışı (DCF) ve Ağırlıklı Ortalama Sermaye Maliyeti (WACC) üzerine odaklansa da, bilişsel önyargılar ve asimetrik bilginin yönlendirdiği piyasa verimsizliklerini hesaba katmakta genellikle yetersiz kalırlar. Bu strateji; içsel değer ile piyasa fiyatı arasındaki sapmaları belirlemek için kurumsal sahipliklerden (13F bildirimleri), analist revizyonlarından ve yüksek frekanslı sosyal duyarlılıktan gelen verileri bir araya getirir. Piyasa psikolojisini sayısallaştırarak, bireysel yatırımcı sürü psikolojisinin veya kurumsal riskten kaçınma (de-risking) süreçlerinin fiyat-değer uyumsuzlukları yarattığı alfa üreten sinyalleri ayrıştırırız. P/E oranı, Serbest Nakit Akışı (FCF) verimi ve S&P 500'e göre Beta gibi temel metrikleri analiz eder, ancak bunları tescilli bir Duygu Skoru ile destekleriz. Bu yaklaşım, momentum ve geri dönüş formasyonlarını yakalayan bir duyarlılık faktörü ekleyerek Fama-French üç faktörlü modelinden yararlanır. Kıdemli bir analist için bu, rasyonel olmayan coşkuya karşı korunmanın veya panik sırasında alım fırsatlarını belirlemenin sistematik bir yolunu temsil ederek, sermaye tahsisinin hakim anlatıdan ziyade objektif verilerle yönlendirilmesini sağlar.

Yapay Zeka Model Görevi

DocuRefinery, kurumsal düzeyde güvenilirlik sağlamak için kesinlikle deterministik bir çerçeve içinde Claude ve Gemini modellerinden yararlanır. Bu yapay zeka motorları; haber duyarlılığı, sosyal medya hızı ve SEC bildirimleri arasında çok kaynaklı çapraz referanslamayı zorunlu kılan katı istem şablonları ile sınırlandırılmıştır. Halüsinasyonları önlemek için sistem zorunlu bir veri atıf protokolü uygular; yapay zeka, belirli bir veri noktasına veya zaman damgalı bir kaynağa bağlantı vermeden yükseliş (bullish) veya düşüş (bearish) sinyali oluşturamaz. Çıktılar, duygu ısı haritaları ve karşılaştırmalı tablolar dahil olmak üzere yapılandırılmış formatlarla sınırlandırılmıştır. Son dönemdeki kurumsal alımların eksikliği gibi veri boşlukları mevcutsa, yapay zeka tahmini veri üretmek (interpolate) yerine bir veri boşluğu raporlamak üzere programlanmıştır; böylece piyasa psikolojisi skorunun bütünlüğü korunur.

ETF Maruziyeti
Bu hisseyi portföyünde bulunduran ETF'leri ve ağırlıklarını keşfet.
Risk Seviyesi: Düşük Temel

Mantık

ETF Maruziyeti stratejisi, temel olmayan akışların yönlendirdiği fiyat hareketlerini belirlemek için pasif yönetime doğru gerçekleşen yapısal kaymadan yararlanır. Bir menkul kıymetin küresel ETF ekosistemindeki varlığını —özellikle S&P 500 gibi ana endekslerdeki veya tematik araçlardaki ağırlıklarına odaklanarak— analiz ederek, analistler değerlemeyi etkileyen pasif alış teklifini sayısallaştırabilirler. Fama-French perspektifinden bakıldığında, yüksek ETF yoğunluğu büyüklük ve değer faktörlerini bozabilir; zira sistematik girişler, Etkin Piyasa Hipotezi'ne (EMH) meydan okuyan ve fiyattan bağımsız bir talep tabanı oluşturur. Bu strateji, yetkili katılımcıların zorunlu alım veya satımlarının içsel değerden geçici sapmalar yarattığı endeks yeniden dengeleme olaylarından kaynaklanan piyasa verimsizliklerini kullanır. DocuRefinery, sahiplik yoğunluğunu ve belirli sektör ETF'lerine olan beta duyarlılığını izleyerek, yüksek kurumsal görünürlüğe ve potansiyel likidite primlerine sahip hisseleri belirler. Bu yaklaşım, endeks etkisi gibi davranışsal önyargıları hesaba katar ve piyasa likiditesinin temel işleyişini haritalandırarak asimetrik bilgiyi azaltır. ETF kaynaklı talebin bağlamında Ağırlıklı Ortalama Sermaye Maliyeti'ni (WACC) anlamak, özellikle pasif akışlar bir hissenin P/E oranını temel büyüme yörüngesinden kopardığında, aktif yöneticiler için alfa fırsatları yaratarak daha incelikli bir risk değerlendirmesine olanak tanır.

Yapay Zeka Model Görevi

DocuRefinery, analitik bütünlüğü ve hassasiyeti sağlamak için kesinlikle deterministik bir çerçeve içinde Claude ve Gemini modellerini kullanır. Yapay zeka, her bir ETF tahsisinin, ticker sembolünün ve ağırlığının doğrulanmış yasal bildirimlere veya gerçek zamanlı piyasa verilerine geri haritalanmasını gerektiren zorunlu veri atıf protokolleri ile sınırlandırılmıştır. Sıfır uydurma kuralı ile halüsinasyonlar engellenir; belirli bir tematik ETF veya kurumsal sahiplik verisi mevcut değilse, model tahmini veri üretmek yerine bir veri boşluğu raporlamak üzere programlanmıştır. Çıktılar, sahiplik yüzdelerini doğrulamak için birden fazla kaynağı çapraz referans alarak yapılandırılmış formatlarda sunulur. Bu, yapay zekanın yüksek sadakatli bir sentez motoru olarak işlev görmesini sağlayarak kurumsal karar alma süreçleri için güvenilir ve denetime hazır sinyaller sunar.

Portföy Optimizasyonu
Risk/getiri dengesini iyileştirmek için AI önerileri.
Risk Seviyesi: Orta Risk Yönetimi

Mantık

Portföy Optimizasyonu stratejisi, belirli bir risk seviyesi için beklenen getiriyi maksimize eden etkin bir sınır oluşturmak amacıyla Modern Portföy Teorisi'nden (MPT) yararlanır. Motorumuz, bir kullanıcının varlıklarının kovaryans matrisini analiz ederek geleneksel taramaların gözden kaçırdığı gizli korelasyonları belirler. Getirileri boyut, değer, karlılık ve yatırım modellerine ayrıştırmak için Fama-French Beş Faktör Modeli'ni entegre ederek, alfa üretiminin yalnızca telafi edilmemiş beta maruziyetinin bir yan ürünü olmamasını sağlıyoruz. Strateji, yatırımcıların genellikle Weighted Average Cost of Capital (WACC) değerinin uzun vadeli değerleme üzerindeki etkisini göz ardı ettiği elden çıkarma etkisi ve sektör aşırı yoğunlaşması gibi davranışsal önyargılardan kaynaklanan piyasa verimsizliklerinden yararlanır. Free Cash Flow (FCF) verimlerini tarihsel P/E oranları ve faiz oranı duyarlılığına göre değerlendiren model, kendine özgü (idiosyncratic) riski azaltmak için portföyü yeniden kalibre eder. Bu sistematik yaklaşım, karmaşık türev yapılarındaki ve varlıklar arası bağlantılardaki asimetrik bilgiyi tanımlayarak Etkin Piyasa Hipotezi'nin (EMH) yarı güçlü formuna meydan okur ve kurumsal düzeydeki risk yönetimi protokolleriyle uyumlu bir yeniden dengeleme için nicel bir çerçeve sunar.

Yapay Zeka Model Görevi

DocuRefinery, çıktılardaki stokastik volatiliteyi ortadan kaldırmak için tasarlanmış deterministik bir çerçeve aracılığıyla Claude ve Gemini modellerini kullanır. Yapay zeka, Retrieval-Augmented Generation (RAG) kullanımını zorunlu kılan katı istem şablonlarıyla sınırlandırılmıştır ve her veri noktasının doğrulanmış finansal veri tabanlarıyla çapraz referanslanmasını sağlar. Halüsinasyon önleme, zorunlu bir veri atıf protokolü aracılığıyla uygulanır; yapay zeka borç/özsermaye oranı veya tarihsel volatilite gibi belirli bir metrik için birincil kaynak bulamazsa, tahmin yürütmek yerine bir veri boşluğu bildirmelidir. Çıktılar, kesin nicel analizi kolaylaştırmak ve anlatı sapmasını önlemek için yapılandırılmış formatlarla sınırlandırılmıştır.

Strateji Eşleşmesi
Kişisel risk profilinize en uygun stratejileri bulun.
Risk Seviyesi: Düşük Risk Yönetimi

Mantık

Strateji Eşleştirme motoru, Modern Portföy Teorisi (MPT) ve Davranışsal Finansın kesişme noktasında çalışarak bireysel risk iştahı ile kurumsal düzeydeki faktör maruziyeti arasındaki boşluğu doldurur. Fama-French beş faktör modelinden esinlenen çok faktörlü bir çerçeve kullanan sistem, sistematik riski veya betayı sıkı bir şekilde yönetirken kendine özgü (idiosyncratic) alfayı tanımlar. Temel mantık, piyasa verimsizliklerinin asimetrik bilgiden ve kayıptan kaçınma ile elden çıkarma etkisi gibi davranışsal önyargılardan kaynaklandığını varsayar. Bir menkul kıymetin içsel değerinin kullanıcının özel risk-getiri hedefiyle uyumlu olup olmadığını belirlemek için P/E oranı, Free Cash Flow (FCF) verimi ve Weighted Average Cost of Capital (WACC) dahil olmak üzere temel metrikleri analiz ediyoruz. Etkin Piyasa Hipotezi'ne (EMH) sıkı sıkıya bağlı kalmanın aksine, yaklaşımımız Monte Carlo simülasyonları aracılığıyla kısa vadeli volatiliteden yararlanır ve çeşitli yatırım ufuklarında sermayenin korunmasını sağlamak için 10.000'den fazla potansiyel piyasa yolu yansıtır. Sermaye büyüklüğünü likidite kısıtlamaları ve volatilite toleransı ile eşleştiren strateji, Sharpe oranını optimize ederek seçilen hisse senedi veya türev stratejisinin belirli yatırımcı profili için matematiksel olarak sağlam olmasını sağlar. Bu titiz nicel eşleştirme, kurumsal düzeyde varlık tahsisi mantığı sağlayarak bireysel yatırımdaki temsilcilik (agency) problemini hafifletir.

Yapay Zeka Model Görevi

DocuRefinery, Claude ve Gemini modellerini otonom ajanlar yerine kısıtlanmış analitik motorlar olarak kullanır. Bu modeller, doğrulanmış finansal veri setlerinin kullanımını zorunlu kılan deterministik bir istem mimarisi içinde çalışır. Halüsinasyonları önlemek için yapay zeka, borç/özsermaye oranları veya tarihsel CAGR gibi her metrik için zorunlu veri atfı gerektiren bir kural sistemiyle sınırlandırılmıştır. Çıktı, modeller arası tutarlılığı sağlamak amacıyla kesin bir şekilde standartlaştırılmış tablo ve grafikler halinde yapılandırılır. Bir veri boşluğu varsa, yapay zeka veriyi tahmin etmek yerine eksikliği raporlamak üzere programlanmıştır. SEC dosyalarının ve gerçek zamanlı piyasa akışlarının bu şekilde çapraz referanslanması, oluşturulan strateji eşleşmelerinin ampirik kanıtlara ve doğrulanabilir finansal gerçeklere dayanmasını sağlar.

Senaryo Testi
Geçmiş verilerle 'eğer şu kadar yatırsaydım' testi.
Risk Seviyesi: Düşük Teknik

Mantık

What-If Backtest stratejisi, belirli giriş noktalarının fırsat maliyetini ve riskten arındırılmış getirilerini nicelleştirmek için tarihsel ampirik verilerden yararlanır. Finans teorisi perspektifinden bakıldığında, EMH bilinen tüm bilgilerin fiyatlandığını öne sürerken, davranışsal finans, elden çıkarma etkisi ve ortalamaya dönüş gibi yatırımcı psikolojisinden kaynaklanan kalıcı piyasa verimsizliklerini tanımlar. Tarihsel senaryoları simüle ederek, CAGR, maksimum düşüş ve Sharpe Ratio dahil olmak üzere temel performans göstergelerini analiz ediyoruz. Bu strateji; P/E oranı, FCF verimi ve WACC gibi temel metriklerin sonraki fiyat hareketleriyle nasıl korele olduğunu değerlendirir. Alfayı geniş piyasa betasından izole ederek model, bir menkul kıymetin tarihsel üstün performansının kendine özgü bir güçten mi yoksa sistemsel rüzgarlardan mı kaynaklandığını belirler. Bu titiz kantitatif yaklaşım, kurumsal yatırımcıların portföylerini tarihsel volatilite kümelerine karşı stres testine tabi tutmalarına olanak tanıyarak temettü yeniden yatırımı ve enflasyona göre ayarlanmış getirilerin uzun vadeli terminal değeri nasıl etkilediğine dair adli bir bakış sunar. Teorik değerleme ile gerçekleşen piyasa sonuçları arasındaki boşluğu etkili bir şekilde doldurarak, geçmiş piyasa döngüleri sırasında asimetrik bilginin ve Fama-French risk faktörlerinin etkisini ortaya koyar.

Yapay Zeka Model Görevi

DocuRefinery’nin yapay zeka mimarisi, matematiksel hassasiyeti sağlamak için Claude ve Gemini modellerini deterministik istem mühendisliği yoluyla kısıtlar. Modellerin spekülatif tarihsel veriler üretmesi yasaktır; bunun yerine, katı bir RAG çerçevesinde çalışmalıdırlar. Tarihsel kapanış fiyatlarından temettü verimlerine kadar her veri noktası, doğrulanmış finansal veri tabanlarından zorunlu atıf gerektirir. Standartlaştırılmış tablo ve grafikler kullanarak yapılandırılmış bir çıktı formatını zorunlu kılan yapay zeka, anlatısal halüsinasyonu ortadan kaldırır. Tarihsel kayıtlarda bir veri boşluğu varsa sistem, veriyi tahmin etmek yerine eksikliği raporlamak üzere programlanmıştır ve böylece backtest'in fiduciary-grade raporlama standartlarının bütünlüğünü korur.

Pozisyon Büyüklüğü
Risk yönetimi için optimal alım miktarını hesapla.
Risk Seviyesi: Orta Risk Yönetimi

Mantık

DocuRefinery'deki Pozisyon Büyüklüğü stratejisi, sermaye tahsisini optimize etmek için kantitatif risk yönetimini Modern Portföy Teorisi (MPT) ile entegre eder. Kelly Criterion'u kullanan model, iflas riskini azaltırken portföyün uzun vadeli büyüme oranını maksimize etmeyi hedefler. Bu yaklaşım, Etkin Piyasa Hipotezi (EMH) fiyatların mevcut tüm bilgileri yansıttığını öne sürse de, davranışsal sapmaların ve likidite kısıtlarının geçici piyasa verimsizlikleri yarattığını kabul eder. Mantığımız, bir varlığın Beta ve tarihsel Alpha değerlerini hesaba katmak için volatiliteye göre ayarlanmış modeller kullanır ve pozisyon büyüklüklerinin risk katkılarıyla ters orantılı olmasını sağlar. Bir kanaatin temel gücünü belirlemek için Serbest Nakit Akışı (FCF) verimleri ile Weighted Average Cost of Capital (WACC) arasındaki ilişkiyi analiz ederiz. Strateji, stop-loss mesafesini ve mevcut varlıklarla olan korelasyonu hesaba katarak, yüksek betalı sektörlerde aşırı yoğunlaşmayı önler. Bu sistematik çerçeve, yönetilmeyen portföylerde genellikle getirileri aşındıran volatilite sürüklemesinden (volatility drag) yararlanır. Her işlemi bir kesinlikten ziyade olasılıksal bir sonuç olarak değerlendirerek, P/E oranı genişlemesi gibi temel analizler ile titiz matematiksel risk kontrolü arasındaki boşluğu doldurur; asimetrik bilgi ve kuyruk riski (tail-risk) olaylarına karşı bir koruma sağlar.

Yapay Zeka Model Görevi

Claude ve Gemini tarafından desteklenen DocuRefinery’nin yapay zeka modelleri, kurumsal düzeyde güvenilirlik sağlamak için kesinlikle deterministik bir çerçevede çalışır. Her analiz, Kelly Criterion ve sabit fraksiyonel modellerin kullanımını zorunlu kılan değişmez istem (prompt) şablonları tarafından yönetilir. Halüsinasyonları ortadan kaldırmak için yapay zekanın spekülatif rakamlar üretmesi yasaktır; gerçek zamanlı piyasa verilerini çapraz referans almalı ve mevcut P/E veya borç/özsermaye oranları gibi her metrik için zorunlu atıflar sağlamalıdır. Çıktılar, volatiliteye göre ayarlanmış tablolar ve korelasyon matrisleri dahil olmak üzere yapılandırılmış formatlarda sunulur. Veri boşlukları varsa, yapay zeka değer uydurmak yerine eksikliği bildirmek üzere programlanmıştır ve karar verme sürecinde tam şeffaflık sağlar.

Çıkış Planı
Kar alma ve zarar kesme seviyeleriyle akıllı çıkış stratejisi.
Risk Seviyesi: Orta Risk Yönetimi

Mantık

DocuRefinery'deki Çıkış Stratejisi, yatırımcıların kaybeden pozisyonları çok uzun süre tutarken kazananları erkenden sattığı bir davranışsal finans fenomeni olan elden çıkarma etkisini (disposition effect) hafifletir. Teknik göstergeleri temel değerleme ile sentezleyen strateji, asimetrik bilgi ve duygusal sapmaların neden olduğu piyasa verimsizliklerini ele alır. Çıkışların piyasa gürültüsü tarafından tetiklenmemesini sağlamak için, kendine özgü riski ve beta kaynaklı volatiliteyi hesaba katan takip eden stoplar (trailing stops) oluşturmak üzere Average True Range (ATR) kullanırız. Temel olarak strateji, Weighted Average Cost of Capital (WACC) ve terminal büyüme oranlarını dahil ederek çok aşamalı bir Discounted Cash Flow (DCF) modeli kullanarak bir adil değer hedefi hesaplar. Bu yaklaşım, fiyat ile içsel değer arasındaki uyumsuzlukları belirleyerek Etkin Piyasa Hipotezi'nin (EMH) yarı güçlü formuna meydan okur. Strateji, kademeli çıkış dilimleri oluşturarak likidite kısıtlarını yönetirken alpha yakalamayı optimize eder. Analiz edilen metrikler arasında tarihsel ortalamalara göre P/E oranı, Serbest Nakit Akışı (FCF) verimi ve Relative Strength Index (RSI) aşırı alım koşulları yer alır. Bu sistematik çerçeve, bilişsel sapmaları ortadan kaldırarak hem trend olan hem de ortalamaya dönen (mean-reverting) ortamlarda sermayenin korunması ve kârın kristalize edilmesi için disiplinli bir yol haritası sunar.

Yapay Zeka Model Görevi

DocuRefinery’nin yapay zeka motoru, Claude ve Gemini modellerinin sapma olmaksızın titiz finansal mantığa bağlı kalmasını sağlamak için deterministik istem mühendisliği (prompt engineering) kullanır. Halüsinasyonları önlemek için sistem, her fiyat hedefinin veya destek seviyesinin doğrulanmış piyasa verileriyle eşleştirilmesi gereken zorunlu bir veri atıf protokolü uygular. Modeller, temel adil değeri teknik ATR seviyeleriyle çapraz referanslayan yapılandırılmış bir çıktı formatıyla sınırlandırılmıştır. Eksik konsensüs tahminleri veya düşük hacimli teknik seviyeler gibi bir veri boşluğu varsa, yapay zeka tahmin yürütmek yerine eksikliği raporlamak üzere programlanmıştır. Bu, her çıkış önerisinin üretken bir spekülasyondan ziyade ampirik kanıtların bir sentezi olmasını sağlar.

Vergi Optimizasyonu
Yıl sonu vergi tasarrufu için portföy manevraları.
Risk Seviyesi: Düşük Risk Yönetimi

Mantık

Vergi zararı hasadı (Tax-loss harvesting), gerçekleşen sermaye kazançlarını dengelemek için stratejik olarak sermaye zararlarını realize ederek vergi sonrası getirileri optimize etmek üzere tasarlanmış sofistike bir varlık yönetimi stratejisidir. Bu yaklaşım, kayıptan kaçınma ve elden çıkarma etkisi (disposition effect) gibi davranışsal önyargılardan ve mevsimsel piyasa verimsizliklerinden yararlanarak Etkin Piyasa Hipotezi'nin (EMH) geleneksel yorumuna meydan okur. Kantitatif bir perspektiften bakıldığında strateji, vergi yükümlülüklerinin ertelenmesi ve yatırımcının cari yıl vergi yükünün derhal azaltılması yoluyla oluşturulan 'tax alpha'ya odaklanır. Analizimiz, zarar eden bir pozisyon tasfiye edildiğinde, yerine konan varlığın büyüklük, değer ve piyasa risk faktörlerine tutarlı bir maruziyet sürdürmesini sağlamak için Fama-French üç faktörlü modelini içerir. Portföyün temel bütünlüğünün bozulmadan kalmasını sağlamak için fiyat-kazanç (P/E) oranı, serbest nakit akışı (FCF) verimi ve Ağırlıklı Ortalama Sermaye Maliyeti (WACC) dahil olmak üzere metrikleri değerlendiriyoruz. Potansiyel ikame menkul kıymetlerin korelasyon katsayısını ve beta değerini hesaplayarak, IRS wash-sale kuralına sıkı sıkıya bağlı kalırken takip hatasını (tracking error) azaltıyoruz. Bu sistematik yaklaşım, realize edilen volatiliteyi somut bir mali varlığa dönüştürerek, uzun vadeli sermaye değerlemesi için gereken minimum getiri oranını (hurdle rate) etkili bir şekilde düşürür ve kurumsal portföyler için genel iç verim oranını (IRR) artırır.

Yapay Zeka Model Görevi

DocuRefinery, Claude ve Gemini AI modellerini kısıtlamak için deterministik bir yürütme katmanı kullanarak vergi zararı hasadı önerilerinin sezgisel yaklaşımlardan ziyade ampirik verilere dayanmasını sağlar. Sistem, AI'nın maliyet temeli veya temettü verimi gibi her finansal metriği doğrulanmış SEC dosyalarına veya gerçek zamanlı piyasa verilerine bağlamasını gerektiren zorunlu veri atıf protokolleri uygular. Halüsinasyon önleme, fiyat hareketlerinin uydurulmasını yasaklayan yapılandırılmış bir çıktı çerçevesi aracılığıyla uygulanır. AI, bir menkul kıymetin vergi lotu geçmişine ilişkin bir veri boşluğuyla karşılaşırsa, tahmin yürütmek yerine eksikliği bildirmek üzere programlanmıştır ve böylece kurumsal uyumluluk için gereken denetim sınıfı bütünlüğü korunur.

Rakiplerle Kıyasla
Sektördeki rakipleriyle çok boyutlu karşılaştırma.
Risk Seviyesi: Düşük Temel

Mantık

Karşılaştırma ve Emsal (Comparison & Peer) stratejisi, kendine özgü risk ve getiri profillerini belirlemek için göreceli değerleme ilkelerinden ve Fama-French üç faktörlü modelinden yararlanır. Bir firmanın P/E oranını, EV/EBITDA değerini ve Serbest Nakit Akışı (FCF) verimini bir dizi sektör emsali ve piyasa değeri ağırlıklı göstergelerle karşılaştırarak analiz ederek, sistematik piyasa hareketlerinin (Beta) ötesinde üretilen Alpha'yı izole ediyoruz. Bu yaklaşım, yatırımcıların varlıkları ileriye dönük temel veriler yerine tarihsel normlara göre yanlış fiyatlandırdığı, çıpalama (anchoring) ve elden çıkarma etkisi (disposition effect) gibi davranışsal finansa dayalı piyasa verimsizliklerinden yararlanır. Ekonomik katma değeri (EVA) belirlemek için Ağırlıklı Ortalama Sermaye Maliyeti'ni (WACC), Yatırılan Sermaye Getirisi'ne (ROIC) göre değerlendiriyoruz. Etkin Piyasa Hipotezi (EMH) bağlamında, asimetrik bilgi nedeniyle yarı güçlü formdaki verimsizlikler devam etmektedir; stratejimiz, değerleme dağılımlarını tespit etmek için gelir büyüme yörüngeleri ve marj genişlemesi dahil olmak üzere çok boyutlu veri noktalarını sentezleyerek bu boşluğu doldurur. Bu titiz kıyaslama, bir varlığın priminin veya iskontosunun gürültüden ziyade temel performansıyla gerekçelendirilmesini sağlayarak kurumsal düzeyde sermaye tahsisi için sağlam bir çerçeve sunar.

Yapay Zeka Model Görevi

DocuRefinery, Claude ve Gemini modellerini yönetmek için deterministik bir istem mimarisi kullanarak analitik titizlik sağlar ve stokastik halüsinasyonları ortadan kaldırır. Yapay zeka, standartlaştırılmış karşılaştırma tabloları ve performans matrisleri gibi yapılandırılmış çıktı formatlarının kullanımını zorunlu kılan katı bir kural sistemiyle sınırlandırılmıştır. Borç/özsermaye oranlarından temettü verimlerine kadar her metrik, doğrulanmış finansal veri tabanlarıyla çapraz referanslanmalıdır. Bir veri noktası mevcut değilse, model değer uydurmak yerine bir veri boşluğu rapor edecek şekilde programlanmıştır. Bu atıf odaklı çerçeve, tüm akran karşılaştırmalarının ampirik kanıtlara dayanmasını sağlayarak kurumsal kullanıcılar için şeffaf bir denetim izi sunar.

Benzer Fırsatlar
Hissene benzeyen diğer yatırım fırsatlarını keşfet.
Risk Seviyesi: Düşük Temel

Mantık

Akran Keşfi stratejisi, arbitraj fiyatlama teorisi ve Fama-French çok faktörlü çerçevesine dayanmakta olup, benzer risk-getiri profillerine sahip varlıkların değerlemede zamanla birbirine yakınsaması gerektiğini savunur. Çok boyutlu kümeleme algoritmaları kullanan strateji; P/E oranları, EV/EBITDA çarpanları ve Free Cash Flow (FCF) verimleri gibi temel metriklerin yanı sıra beta ve alfa gibi teknik özelliklere dayalı istatistiksel ikizleri belirler. Bu yaklaşım, belirli hisselerin sektörce ima edilen adil değerinden saptığı durumlarda, ihmal edilmiş firma etkisi veya geçici likidite iskontoları gibi piyasa verimsizliklerinden ve davranışsal önyargılardan yararlanır. Davranışsal finans perspektifinden, yüksek performanslı bir grup içindeki düşük değerli geride kalanları belirleyerek sürü psikolojisine karşı koyar. WACC ve sermaye yapısı paritesini analiz ederek strateji, asimetrik bilginin bir firmanın içsel değeri ile piyasa fiyatı arasında geçici bir kopukluğa neden olduğu fırsatları ortaya çıkarır. Bu sistematik tarama, karşılaştırmaların homojen bir volatilite rejimi içinde yapılmasını sağlayarak kendine özgü riskleri azaltır ve kurumsal yatırımcıların ortalamaya dönüş veya sektör rotasyonu stratejileri yoluyla alfa yakalamasına olanak tanır.

Yapay Zeka Model Görevi

DocuRefinery’nin yapay zeka mimarisi, stokastik varyansı ve halüsinasyonları ortadan kaldırmak için tasarlanmış deterministik bir çerçeve aracılığıyla Claude ve Gemini modellerinden yararlanır. Modeller, doğrulanmış finansal veri setlerinin kullanımını zorunlu kılan katı istem şablonları tarafından yönetilir. Her çıktı, borç/özsermaye veya faaliyet marjları gibi metriklerin doğrudan SEC dosyalarından veya denetlenmiş raporlardan alınmasını sağlayan zorunlu veri atıfı gerektirir. Yapay zeka, tutarlılığı doğrulamak için birden fazla veri akışını çapraz referans alacak şekilde programlanmıştır. Bir veri noktası mevcut değilse sistem, değer uydurmak veya tahmin yürütmek yerine bir veri boşluğu rapor edecek şekilde kodlanmıştır; böylece tüm akran karşılaştırmalarında kurumsal düzeyde dürüstlük ve denetlenebilirlik korunur.

Katalizör Takvimi
Önümüzdeki 90 günün fiyatı etkileyebilecek kilit olayları.
Risk Seviyesi: Orta Temel

Mantık

Catalyst Takvimi stratejisi, piyasa fiyatlarının karmaşık bilgilerin gecikmeli emilimi nedeniyle sıklıkla içsel değerden saptığı ve Etkin Piyasa Hipotezi'nin (EMH) yarı güçlü formuna meydan okuduğu önermesiyle çalışır. Analistler; FDA PDUFA tarihleri, patent sürelerinin dolması ve kazanç raporları gibi 90 günlük bir ufuktaki ikili olayları sistematik olarak takip ederek, kazanç duyurusu sonrası sürüklenmeye (PEAD) yol açan çıpalama gibi davranışsal sapmalardan yararlanabilirler. Kantitatif bir perspektiften, yanlış fiyatlandırılmış opsiyon primlerini belirlemek için zımni volatiliteyi (IV) tarihsel volatilite (HV) ile karşılaştırarak analiz ediyoruz. Strateji, belirli katalizörlerin Serbest Nakit Akışı (FCF) projeksiyonlarını ve Ağırlıklı Ortalama Sermaye Maliyeti'ni (WACC) nasıl etkilediğini değerlendirerek nihayetinde bir İndirgenmiş Nakit Akışı (DCF) modelindeki terminal değeri etkiler. Yatırımcılar; büyük bir ürün lansmanı veya düzenleyici bir dönüm noktası gibi bir firmanın Beta veya Alpha üretim potansiyelini temelden değiştiren olayları izole ederek, kendilerini bilgi boşluğunun önünde konumlandırabilirler. Bu sistematik yaklaşım, asimetrik bilginin etkisini azaltarak, özellikle P/E oranlarının ileriye dönük rehberliğe karşı son derece hassas olduğu sektörlerde, geniş piyasa göstergesini aşan riskten arındırılmış getirilerin elde edilmesini sağlar.

Yapay Zeka Model Görevi

DocuRefinery'nin yapay zeka yürütme katmanı, stokastik varyansı ortadan kaldırmak ve kurumsal düzeyde güvenilirlik sağlamak için kesinlikle deterministik bir çerçeve içinde Claude ve Gemini modellerini kullanır. Modeller, zorunlu veri atıf protokolleri ile sınırlandırılmıştır; bu da temettü çıkış tarihinden Faz III deneme sonucuna kadar her katalizörün doğrulanmış bir birincil kaynakla eşleştirilmesini sağlar. Halüsinasyon önleme, sıfır uydurma kuralı ile uygulanır; eğer alınan veri setinde belirli bir tarih veya metrik mevcut değilse, yapay zeka bir değer çıkarsamak yerine bir veri boşluğu rapor etmelidir. Çıktılar, kantitatif iş akışlarına sorunsuz entegrasyonu kolaylaştırmak için standartlaştırılmış formatlarda yapılandırılır ve yüksek doğrulukta sinyal üretimi sağlamak için SEC dosyaları ile konsensüs tahminleri arasında çapraz referans oluşturulur.

Sektör Rotasyonu
Mevcut makro ortamda hangi sektöre geçilmeli?
Risk Seviyesi: Orta Sektör

Mantık

Sektör Rotasyonu stratejisi, mevcut iş döngüsü aşamasına bağlı olarak sermayeyi on bir GICS sektörü arasında yeniden tahsis ederek alpha üretmek için küresel ekonominin döngüsel doğasından yararlanır. Bu strateji; getiri eğrisi eğimi, reel GSYH büyümesi ve Tüketici Fiyat Endeksi (CPI) gibi öncü göstergeleri analiz ederek makroekonomik rejimdeki değişimleri tanımlar. Teorik bir perspektiften, Etkin Piyasa Hipotezi (EMH) tüm bilgilerin fiyatlandırıldığını öne sürse de, davranışsal finans ve Fama-French faktör modelleri, sistematik risk primlerinin ve kurumsal ataletin değerlendirilebilir gecikmeler yarattığını vurgular. Örneğin, döngü başı genişleme sırasında strateji, düşük Ağırlıklı Ortalama Sermaye Maliyeti (WACC) ve hızlanan Serbest Nakit Akışı'nın (FCF) değerleme artışını tetiklediği Bilgi Teknolojileri ve Keyfi Tüketim gibi yüksek beta'lı sektörlere öncelik verir. Aksine, daralma aşamasında model, Kamu Hizmetleri veya Sağlık gibi düşük P/E oranlarına ve güçlü temettü verimlerine sahip savunmacı sektörlere yönelir. Strateji, merkez bankası dönüm noktaları ve enflasyonist eğilimlerle ilgili asimetrik bilgilerden yararlanarak, dinamik beta yönetimi ve titiz temel tarama yoluyla aşağı yönlü volatiliteyi azaltırken aşırı getiri elde etmeyi amaçlar.

Yapay Zeka Model Görevi

DocuRefinery’nin yapay zeka mimarisi, stokastik sapmaları ve halüsinasyonları ortadan kaldırmak için kesinlikle deterministik bir çerçeve içinde Claude ve Gemini modellerini kullanır. Her analiz, Retrieval-Augmented Generation (RAG) protokolünün kullanımını zorunlu kılan değişmez istem şablonları tarafından yönetilir. Yapay zekanın, SEC 10-K dosyaları veya makroekonomik veri tabanları gibi doğrulanmış finansal veri setlerine doğrudan atıfta bulunmadan spekülatif tahminler üretmesi yasaktır. Çıktılar, borç/özsermaye oranlarından tarihsel volatiliteye kadar her veri noktasının birden fazla birincil kaynakta çapraz referanslanmasını sağlayacak şekilde standartlaştırılmış tablolar ve grafikler halinde yapılandırılır. Bir veri boşluğu tespit edilirse, sistem kurumsal düzeyde bütünlüğü ve denetlenebilirliği korumak için değer atamak yerine eksikliği rapor edecek şekilde programlanmıştır.

Akıllı Uyarılar
Fiyat ve hacim hareketleri için AI destekli yorumlar.
Risk Seviyesi: Düşük Teknik

Mantık

Akıllı Uyarılar (Smart Alerts) stratejisi, piyasa verimsizliklerini belirlemek için kantitatif momentum ve temel değerlemenin yakınsamasından yararlanır. Etkin Piyasa Hipotezi (EMH) bilinen tüm bilgilerin fiyatlandığını öne sürse de, davranışsal finans; çıpalama (anchoring) ve sürü psikolojisi (herding) gibi yatırımcı önyargılarının genellikle gecikmeli fiyat keşfine veya aşırı uzamış trendlere yol açtığını ortaya koymaktadır. Strateji, hacim ağırlıklı fiyat hareketlerini tarihsel beta ve volatilite profillerine göre izleyerek kurumsal birikim (accumulation) veya dağıtım (distribution) değişimlerini tespit eder. Teknik sinyallerin mali sağlıkla desteklendiğinden emin olmak için fiyat kırılmaları ile P/E oranı ve Free Cash Flow (FCF) verimi gibi temel metrikler arasındaki ilişkiyi analiz ediyoruz. Örneğin, kilit bir direnç seviyesinin üzerindeki yüksek hacimli bir kırılma, bilgili katılımcıların temel katalizörlere göre hareket ettiği asimetrik bilgi azalmasına işaret eder. Aksine, düşük hacimli bir fiyat düşüşü, Weighted Average Cost of Capital (WACC) veya uzun vadeli büyüme beklentilerinde yapısal bir değişimden ziyade geçici bir likidite boşluğunu gösterebilir. Strateji, standart sapma eşiklerini aşan alfa üreten sinyalleri filtreleyerek, risk ayarlı getirilere ve sermayenin korunmasına titizlikle odaklanırken kısa vadeli yanlış fiyatlamalardan yararlanır.

Yapay Zeka Model Görevi

DocuRefinery, kurumsal düzeyde güvenilirlik sağlamak için kesinlikle deterministik bir çerçeve içinde Claude ve Gemini modellerini kullanır. Bu yapay zeka modelleri, doğrulanmış finansal verilerin kullanımını zorunlu kılan katı istem (prompt) şablonlarıyla sınırlandırılmıştır ve bu da halüsinasyon riskini etkili bir şekilde ortadan kaldırır. Sistem, P/E oranlarından hacim artışlarına kadar her metrik için zorunlu veri atfı gerektirir. Bir veri boşluğu varsa yapay zeka, değer uydurmak yerine eksikliği bildirmek üzere programlanmıştır. Çıktılar, tablolar ve grafikler dahil olmak üzere yapılandırılmış formatlarda sunulur; böylece her Akıllı Uyarı (Smart Alert), üretken bir tahminden ziyade çapraz referanslı, çok kaynaklı veri noktalarının bir sentezi olur.

Anomali Tespiti
Finansal verilerdeki şüpheli ve sıra dışı hareketler.
Risk Seviyesi: Yüksek Risk Yönetimi

Mantık

Anomali Tespiti (Anomaly Detection) stratejisi, finansal adli tıp ve davranışsal finansın kesişme noktasında faaliyet göstererek, Etkin Piyasa Hipotezi'nin (EMH) yarı güçlü formunun genellikle anında fiyatlandırmada başarısız olduğu muhasebe düzensizliklerinin belirlenmesi yoluyla alfa üretmeyi hedefler. Gelir tablosu ve bilançonun bütünlüğünü inceleyen bu strateji, gelir raporlamasındaki doğal olmayan basamak dağılımlarını tespit etmek için Benford Yasası'nı ve iflas riskini değerlendirmek için Z-skoru analizini kullanır. Gelecekteki kazançların ortalamaya dönüşünün (mean reversion) öncü bir göstergesi olarak hizmet eden agresif tahakkuk muhasebesini belirlemek için Net Gelir ile Free Cash Flow (FCF) arasındaki sapmayı analiz ediyoruz. Fama-French perspektifinden bakıldığında bu anomaliler, bir firmanın Beta ve WACC hesaplamalarını bozabilecek kendine özgü (idiosyncratic) riskleri temsil eder. Strateji, Ticari Alacak devir hızındaki tutarsızlıkları veya sektör emsallerine göre Alacak Tahsil Süresi'ndeki (DSO) ani değişimleri belirleyerek bilgi asimetrisinden yararlanır. Piyasa katılımcıları, kazançların temel kalitesini göz ardı ederken raporlanan P/E oranlarına çıpalama (anchoring) gibi bilişsel önyargılar sergilerler. Adli yaklaşımımız bu sapmaları sistematik olarak işaretleyerek, potansiyel kazanç yönetimi veya maddi yanlış beyanların fiyat oynaklığına yansımadan önce belirlenmesi için kantitatif bir temel sağlar.

Yapay Zeka Model Görevi

DocuRefinery ekosistemi içinde, Claude ve Gemini modelleri, sezgisel sapmayı (heuristic drift) ortadan kaldırmak için tasarlanmış titiz ve deterministik bir çerçeve altında çalışır. Yapay zeka, zorunlu veri atıf protokolleri ile kısıtlanmıştır; ister bir Z-score ihlali ister bir Benford Yasası sapması olsun, her adli işaretin doğrudan SEC dosyalarına veya denetlenmiş mali tablolara eşlenmesi gerekir. Halüsinasyon önleme, sıfır uydurma kuralı ile uygulanır; geçmiş envanter veya alacak kayıtlarında veri boşlukları varsa, yapay zeka tahmin yürütmek yerine bu eksikliği raporlamalıdır. Çıktılar, kesin tablolar ve grafikler oluşturmak için yapılandırılmış formatlarda sunulur ve yapay zekanın üretken bir aracıdan ziyade yüksek doğruluklu bir analitik motor olarak hareket etmesi sağlanır.

Uyum Monitörü
Düzenleyici (SEC vb.) uyum ve yasal risk analizi.
Risk Seviyesi: Orta Risk Yönetimi

Mantık

Compliance Monitor stratejisi, düzenleyici sürtünmenin idiosinkratik riskin ve uzun vadeli değer kaybının öncü bir göstergesi olduğu varsayımıyla çalışır. Etkin Piyasa Hipotezi (EMH), tüm kamuya açık bilgilerin fiyatlandırıldığını öne sürse de, çok yargı bölgeli düzenleyici dosyaların karmaşıklığı önemli bir asimetrik bilgi yaratır. SEC Form 10-K'lar, FDA Uyarı Mektupları ve EPA rıza kararnamelerinden gelen nitel verileri nicelleştirerek, bu strateji düzenleyici betayı —bir firmanın sermaye maliyetinin yasama değişikliklerine duyarlılığını— tanımlar. Davranışsal finans perspektifinden bakıldığında, yatırımcılar genellikle belirginlik sapması (salience bias) sergileyerek, manşet davalara aşırı tepki verirken, sürekli uyum hatalarının bir firmanın Ağırlıklı Ortalama Sermaye Maliyeti (WACC) üzerindeki kümülatif etkisini küçümserler. Bu strateji, uyumla ilgili yönetici ayrılmaları ile sonraki kazanç kaçırmaları arasındaki korelasyonu analiz ederek, P/E oranının koşullu yükümlülükleri yansıtmadığı piyasa verimsizliklerinden yararlanır. Fama-French risk faktörlerini tescilli bir Uyum Skoru ile entegre ederek, üstün yönetişim yapılarına sahip firmalardan üretilen alfayı ayrıştırırız. Nihayetinde strateji, bir firmanın Serbest Nakit Akışının (FCF) yaklaşan para cezaları veya operasyonel ihtiyati tedbirlerle tehdit edildiğini belirleyerek aşağı yönlü riski azaltır ve kurumsal portföyler için sofistike bir risk yönetimi katmanı sağlar.

Yapay Zeka Model Görevi

DocuRefinery’nin Compliance Monitor'ü, kurumsal düzeyde güvenilirlik sağlamak için Claude ve Gemini modellerini kesin olarak yönetilen, deterministik bir çerçeve içinde kullanır. Yapay zeka, düzenleyici olayların veya dava sonuçlarının uydurulmasını önleyen, önce atıf yaklaşımını zorunlu kılan değişmez istem şablonları ile kısıtlanmıştır. Her analitik çıktı, bir SEC dosyası veya bir mahkeme tutanağı gibi belirli bir kaynakla eşlenmelidir; veri mevcut değilse, model tahmin yürütmek yerine bir veri boşluğu raporlamak üzere programlanmıştır. Karşılaştırmalı tablolar ve risk ağırlıklandırma grafikleri dahil olmak üzere yapılandırılmış çıktı formatlarını zorunlu kılarak sistem, doğal dil üretiminin değişkenliğini ortadan kaldırır. Bu çapraz referans motoru, verileri birden fazla uluslararası yargı bölgesinde doğrular ve yapay zekanın üretken bir aracıdan ziyade yüksek doğruluklu bir sentez aracı olarak işlev görmesini sağlayarak, yüksek riskli finansal analizlerde halüsinasyon risklerini ortadan kaldırır.

Oynaklık Tahmini
Gelecek 30 gün için beklenen fiyat dalgalanması.
Risk Seviyesi: Yüksek Teknik

Mantık

Volatilite Tahmini stratejisi, 30 günlük ileriye dönük fiyat dağılımını tahmin etmek için büyük fiyat hareketlerinin ardından daha fazla önemli değişikliğin gelme eğiliminde olduğu volatilite kümelenmesi ilkesinden yararlanır. Genelleştirilmiş Otoregresif Koşullu Değişen Varyans (GARCH) modellerini opsiyon zincirinden türetilen Zımni Volatilite (IV) yüzeyi ile entegre ederek, piyasa beklentileri ile istatistiksel olasılık arasındaki tutarsızlıkları tespit ediyoruz. Teorik bir bakış açısıyla bu strateji, panik satışı veya rasyonel olmayan coşku gibi davranışsal sapmaların IV'nin Tarihsel Volatilite (HV) rejimlerinden kopmasına neden olduğu dönemleri belirleyerek Etkin Piyasa Hipotezi'nin (EMH) sınırlamalarından yararlanır. Kuyruk riskini ve korunma maliyetini değerlendirmek için IV çarpıklığını (skew) ve vade yapısını analiz ediyoruz. Fama-French risk faktörlerini ve Beta duyarlılığını dahil eden model, sistematik makro şoklara göre ayarlama yapar. Fırsat, yaklaşan kazançlar veya düzenleyici değişikliklerle ilgili asimetrik bilginin henüz delta-nötr straddle içinde tam olarak fiyatlandırılmadığı piyasa verimsizliklerinde yatmaktadır. Kurumsal yatırımcılar, IV/HV makasını (spread) ölçerek yönsüz stratejiler için giriş noktalarını optimize edebilir ve Weighted Average Cost of Capital (WACC) ile riske göre ayarlanmış Alpha'nın dışsal volatilite sıçramalarına karşı korunmasını sağlayabilirler.

Yapay Zeka Model Görevi

DocuRefinery’nin Claude ve Gemini tarafından desteklenen AI motoru, sezgisel hataları ortadan kaldırmak için tasarlanmış deterministik bir çerçeve altında çalışır. Modeller, her volatilite projeksiyonunun doğrulanabilir opsiyon zinciri verilerine veya SEC dosyalarına dayandırılmasını sağlayan zorunlu veri atıf protokolleri ile sınırlandırılmıştır. Halüsinasyon önleme, AI'nın tarihsel fiyat hareketlerini mevcut IV çarpıklıkları (skews) ile çapraz referanslamasını gerektiren kural tabanlı bir sistemle sağlanır. Derin zararda (out-of-the-money) put opsiyonlarındaki likidite eksikliği gibi bir veri boşluğu mevcutsa, AI veriyi tahmin etmek yerine eksikliği raporlamak üzere programlanmıştır. Çıktılar, volatilite konileri ve Greeks tabloları dahil olmak üzere yapılandırılmış formatlarda sunularak risk yöneticileri için şeffaf bir denetim izi sağlar.

Risk Senaryoları
Resesyon veya faiz artışı gibi durumlarda stres testi.
Risk Seviyesi: Yüksek Risk Yönetimi

Mantık

Risk Senaryoları stratejisi, piyasa fiyatlarının yakınlık sapması ve arbitraj sınırları gibi davranışsal eğilimler nedeniyle kuyruk riski olaylarını genellikle iskonto edemediği önermesine dayanır. Etkin Piyasa Hipotezi (EMH) bilinen tüm bilgilerin fiyatlandığını öne sürse de, tedarik zinciri kırılganlıkları ve faiz oranı duyarlılığına ilişkin asimetrik bilgi, disiplinli analistler için alpha fırsatları yaratır. Bu strateji, boyut ve değer boyutlarındaki risk primlerini değerlendirmek için Fama-French beş faktörlü modelini entegre eden çok faktörlü bir yaklaşım kullanır. Bir firmanın Weighted Average Cost of Capital (WACC) değerini +200bps'lik bir faiz artışına karşı stres testine tabi tutarak, bunun discounted cash flow (DCF) değerlemeleri ve terminal değer üzerindeki etkisini ölçüyoruz. Free Cash Flow (FCF) marjlarının %3'lük bir GSYİH daralmasına olan duyarlılığını analiz ederek, orantısız kazanç sıkışmasıyla karşılaşabilecek yüksek faaliyet kaldıracı olan firmaları belirliyoruz. Statik bir nokta tahmini yerine getirilerin olasılıksal dağılımını sağlamak amacıyla 10.000 potansiyel sonucu modellemek için Monte Carlo simülasyonları kullanılır. Bu metodoloji, ortalamalar hatasını azaltır ve para birimi şokları ile sektör rotasyonu arasındaki gizli korelasyonları ortaya çıkararak kurumsal yatırımcıların volatiliteye karşı korunmasına (hedge) ve hisse senedi piyasalarındaki yanlış fiyatlandırılmış risk primlerinden yararlanmasına olanak tanır.

Yapay Zeka Model Görevi

DocuRefinery’nin Claude ve Gemini tarafından desteklenen AI motoru, standart LLM'lerin doğasında bulunan stokastik volatiliteyi ortadan kaldırmak için tasarlanmış deterministik bir çerçeve altında çalışır. Risk Senaryoları stratejisini yürütürken modeller, doğrulanmış finansal veri setlerinin kullanımını zorunlu kılan katı istem (prompt) şablonları ile sınırlandırılır. Halüsinasyon önleme, bir 'atıf yap ya da sus' protokolü aracılığıyla uygulanır; AI, borç/özsermaye oranları veya tarihsel beta gibi her metrik için spesifik veri atıfları sağlamalıdır. Çıktılar, karşılaştırılabilirliği sağlamak için kesin bir şekilde tablolar ve grafikler halinde yapılandırılmıştır. AI, SEC dosyalarını gerçek zamanlı makro göstergelerle çapraz referanslayarak rakam uydurmak yerine veri boşluklarını tanımlar ve her stres testinde kurumsal düzeyde güvenilirlik sağlar.

İçeriden İşlemler
Yöneticilerin son alım-satım hareketlerini yorumla.
Risk Seviyesi: Orta Temel

Mantık

Insider Activity stratejisi, sermaye piyasalarındaki bilgi asimetrisinden yararlanarak özellikle içsel değer ile piyasa fiyatı arasındaki farkı (delta) hedefler. Davranışsal finans teorisine göre, şirket içindekiler (insiders), firmalarının gelecekteki serbest nakit akışı (FCF) ve ağırlıklı ortalama sermaye maliyeti (WACC) düzeltmeleri konusunda üstün bir öngörü gücüne sahiptir. SEC Form 4 bildirimlerini analiz ederek, birden fazla üst düzey yöneticinin veya yönetim kurulu üyesinin aynı anda hisse satın aldığı "küme alımlarını" (cluster buying), alpha üretimi için yüksek güvenli bir sinyal olarak tanımlıyoruz. Bu yaklaşım, Etkin Piyasa Hipotezi'nin (EMH) yarı güçlü formuna meydan okuyarak, kamuya açık veriler fiyatlanmış olsa bile, fiduciyer gözetim sorumluluğu olanların duyarlılığının temel değişimler için öncü bir gösterge sunduğunu savunur. İdiyosinkratik riski daha geniş piyasa beta'sından ayırmak için insider duyarlılık oranını tarihsel kıyaslamalara ve Fama-French üç faktörlü modeline göre izliyoruz. Bir CEO, yüksek P/E oranına rağmen hisse satın aldığında, bu durum genellikle marj artırıcı bir ürün lansmanı veya piyasanın henüz tam olarak fiyatlamadığı stratejik bir pivot gibi yaklaşan bir katalizörün sinyalini verir. Bu strateji, bu nitel sinyalleri kurumsal portföyler için uygulanabilir istihbarata dönüştürür.

Yapay Zeka Model Görevi

DocuRefinery, stokastik değişkenliği ortadan kaldırmak için kesinlikle deterministik bir çerçeve içinde Claude ve Gemini modellerini kullanır. Her bir yapay zeka ajanı, SEC Form 4 veri noktalarına doğrudan atıf yapılmasını gerektiren zorunlu istem (prompt) şablonlarıyla sınırlandırılmıştır. Halüsinasyonları önlemek için sistem, yapay zekanın işlem kodlarını tarihsel fiyat hareketleriyle çapraz referanslaması gereken bir "önce doğrula, sonra analiz et" protokolünü uygular. Çıktılar yapılandırılmış formatlarla sınırlandırılarak veri bütünlüğü sağlanır. Yapay zeka bir veri boşluğu veya çelişkili bir bildirim tespit ederse, eksik değerleri tahmin etmek yerine tutarsızlığı raporlamak üzere programlanmıştır; bu da kurumsal düzeyde güvenilirliği korur ve her içgörünün doğrulanabilir yasal bildirimlere dayanmasını sağlar.

Kanıta Dayalı Soru-Cevap
Hisse hakkındaki sorularına resmi belgelerle yanıt bul.
Risk Seviyesi: Düşük Temel

Mantık

Kanıta Dayalı Yapay Zeka Soru-Cevap stratejisi, bilgi asimetrisini azaltmak ve piyasa verimsizliklerinden yararlanmak için yasal bildirimlerdeki yapılandırılmamış verilerin sentezini kullanır. Etkin Piyasa Hipotezi'nin (EMH) yarı güçlü formu tüm kamuya açık bilgilerin hisse fiyatlarına yansıdığını varsaysa da, 10-K ve 10-Q açıklamalarının hacmi ve karmaşıklığı genellikle fiyat keşfinin gecikmesine neden olur. Kazanç raporu dökümlerini (transcripts) ve basın bültenlerini sistematik olarak inceleyen bu strateji, yönetim duyarlılığı ile Serbest Nakit Akışı (FCF) verimleri ve Ağırlıklı Ortalama Sermaye Maliyeti (WACC) gibi temel metrikler arasındaki tutarsızlıkları belirler. Davranışsal finans perspektifinden bakıldığında, kurumsal yatırımcılar genellikle bilişsel önyargılara kapılarak dipnotlarda gizlenen nüanslı risk açıklamalarını veya sermaye tahsisi stratejilerindeki ince değişimleri gözden kaçırırlar. Yaklaşımımız bu nitel içgörüleri nicelleştirerek analistlerin Beta varsayımlarını ayarlamasına ve Alpha üretim modellerini geliştirmesine olanak tanır. Tarihsel P/E oranlarını ileriye dönük rehberlik (guidance) ile çapraz referanslayan strateji, ham veri ile uygulanabilir istihbarat arasındaki boşluğu değerlendirir. Bu titiz metodoloji, yatırım tezlerinin spekülatif piyasa gürültüsü yerine birincil kaynak kanıtlarına dayanmasını sağlayarak, hassas veri çıkarma yoluyla kurumsal düzeyde değerleme ve risk değerlendirmesi için sağlam bir çerçeve sunar.

Yapay Zeka Model Görevi

DocuRefinery, veri bütünlüğünü sağlamak için deterministik bir Geri Getirme-Artırılmış Üretim (RAG) çerçevesiyle sınırlandırılmış Claude ve Gemini gibi gelişmiş LLM'leri kullanır. Modeller, her yanıtın resmi SEC dosyalarındaki veya transkriptlerdeki belirli bir URI veya paragrafla eşleştirilmesi gereken kapalı devre bir sistemle kısıtlanmıştır. Halüsinasyon önleme, zorunlu atıf protokolleri aracılığıyla uygulanır; eğer veri sağlanan derlemde (corpus) yoksa, AI dış değerlik yapmak yerine bir veri boşluğu raporlamak üzere programlanmıştır. Çıktılar, raporlama anomalilerini tespit etmek için birden fazla mali dönemi çapraz referanslayan standartlaştırılmış tablolar ve karşılaştırmalı grafikler halinde yapılandırılır. Bu, AI'nın yaratıcı bir oluşturucu değil, hassas bir sentez motoru olarak hizmet ettiği ve kurumsal düzeyde güvenilirliği koruduğu sıfır güvenli bir ortam sağlar.

Derin İnceleme
Kurumsal düzeyde veri odası ve doküman analizi.
Risk Seviyesi: Orta Temel

Mantık

Due Diligence stratejisi, Alpha'nın bilgi asimetrisinin azaltılması yoluyla üretildiği önermesine dayanır. Etkin Piyasa Hipotezi (EMH), tüm kamuya açık bilgilerin fiyatlandırıldığını öne sürse de, yarı güçlü form etkinliğinin gerçekliği genellikle 10-K dosyaları, yasal tutanaklar ve patent sicillerindeki muazzam miktardaki yapılandırılmamış veri nedeniyle engellenir. Bu strateji, içsel değeri belirlemek için Free Cash Flow (FCF) verimlerini ve Weighted Average Cost of Capital (WACC) analizini kullanan titiz bir temel çerçeve uygular. İlişkili taraf işlemlerini ve yönetici tazminat yapılarını inceleyerek, geleneksel P/E oranı analizinin gözden kaçırabileceği potansiyel temsilci (agency) problemlerini tanımlarız. Yatırımcıların karmaşık dipnotları işleyemediği sınırlı dikkat sapmasını (limited attention bias) özel olarak ele alan davranışsal finans ilkelerinden yararlanırız. Dava riski veya Ar-Ge aktifleştirme politikaları gibi nitel riskleri nicelleştirerek strateji, bir firmanın raporlanan kazanç kalitesi ile gerçek ekonomik kârı arasındaki tutarsızlıkları belirler. Bu sistematik yaklaşım, gizli yükümlülükleri ortaya çıkararak Beta'yı düşürürken, düşük değerlenmiş fikri mülkiyetin veya üstün operasyonel kaldıracın belirlenmesi yoluyla Alpha'yı maksimize eder. Bu, kurumsal düzeydeki veri odalarını işlemenin bilişsel yükünden kaynaklanan piyasa verimsizliklerinden yararlanmak için tasarlanmış adli bir mercektir.

Yapay Zeka Model Görevi

Kurumsal düzeyde güvenilirliği sağlamak için DocuRefinery, Claude ve Gemini modellerini yaratıcı değişkenliği ortadan kaldıran deterministik istem şablonlarıyla kısıtlar. AI'nın spekülatif anlatılar oluşturması yasaktır; bunun yerine katı bir "atıf yap veya atla" (cite-or-omit) protokolüne uymalıdır. Borç/özsermaye (debt-to-equity) oranlarından önemli sözleşmelerdeki belirli maddelere kadar her veri noktası, veri odası içindeki doğrulanmış bir kaynakla eşleştirilmelidir. Sistem, tutarsızlıkları tespit etmek için mali tabloları mahkeme kayıtları ve patent dosyalarıyla çapraz referanslar. Çıktı, karşılaştırmalı tablolar ve risk ağırlıklandırma grafikleri dahil olmak üzere yapılandırılmış formatlarda sunulur; böylece nihai analizin olasılıksal bir halüsinasyon değil, doğrulanabilir gerçeklerin bir sentezi olması sağlanır.

Temettü Güvenliği
Temettü ödemesinin sürdürülebilirliğini ve kesilme riskini kontrol et.
Risk Seviyesi: Düşük Temel

Mantık

DocuRefinery'deki Temettü Güvenliği (Dividend Safety) stratejisi, temettü sürdürülebilirliğinin kurumsal yönetim ve mali disiplin için nihai turnusol kağıdı olduğu temel önermesiyle çalışır. Serbest Nakit Akışı (FCF) ödeme oranını geleneksel kazanç ödeme oranıyla sentezleyerek, tahakkuk manipülasyonuna açık olan muhasebesel net kârın ötesine geçiyor ve dağıtım için mevcut olan gerçek likiditeyi değerlendiriyoruz. Davranışsal finans perspektifinden, yönetimin artan temettü taahhüdünün gelecekteki kazanç istikrarının güvenilir bir sinyali olarak hizmet ettiği ve içeriden öğrenenler ile hissedarlar arasındaki asimetrik bilgiyi azalttığı Temettü Sinyal Teorisi'nden yararlanıyoruz. Modelimiz, sermaye maliyetinin (WACC) hissedar getirilerini tüketmemesini sağlamak için borç karşılama metriklerini, özellikle Faiz Karşılama Oranı ve Net Borç/EBITDA'yı entegre eder. Etkin Piyasa Hipotezi (EMH) temettü verimlerinin fiyatlandığını öne sürse de, piyasa verimsizlikleri genellikle bozulan nakit akışları ile resmi temettü kesintileri arasındaki gecikmede ortaya çıkar. Temettü büyüme yörüngesini sektöre özel kıyaslamalara ve Fama-French kalite faktörlerine göre hesaplayarak, piyasanın kesinti riskini abarttığı durumlarda alfa yaratan fırsatları belirliyoruz veya tersine, bir yeniden derecelendirme gerçekleşmeden önce sürdürülemez verimleri işaretleyerek sermayeyi koruyoruz. Bu çok faktörlü yaklaşım, yüksek kaliteli betayı filtreleyerek gelir odaklı portföylerin kendine özgü şoklara ve döngüsel gerilemelere karşı dirençli olmasını sağlar.

Yapay Zeka Model Görevi

Claude ve Gemini tarafından desteklenen DocuRefinery'nin yapay zeka motoru, stokastik halüsinasyon riskini ortadan kaldırmak için kesin bir deterministik çerçeve içinde çalışır. Temettü Güvenliği stratejisini yürütürken, modeller zorunlu veri alıntılama protokolleri ile sınırlandırılmıştır; P/E oranından FCF verimine kadar her metrik, doğrulanmış bir mali tabloya veya birincil kaynağa eşlenmelidir. Yapay zeka, raporlar arasında tutarlılığı sağlamak için karşılaştırmalı tablolar ve trend grafikleri oluşturmak üzere yapılandırılmış çıktı şablonlarını kullanır. Birden fazla veri kaynağını çapraz referanslayarak, yapay zeka bildirilen verimlerdeki veya ödeme oranlarındaki tutarsızlıkları tanımlar. Bir veri noktası mevcut değilse veya çelişkiliyse, sistem kurumsal düzeydeki analizin bütünlüğünü koruyarak enterpolasyon yapmak yerine bir veri boşluğu bildirecek şekilde programlanmıştır.

Opsiyon Stratejileri
Görüşünüze göre optimize edilmiş ileri düzey opsiyon planları.
Risk Seviyesi: Yüksek Teknik

Mantık

DocuRefinery'deki Opsiyon Stratejisi, alfa üretmek için Volatilite Risk Primi (VRP) ve kuyruk riskinin sistematik olarak yanlış fiyatlandırılmasından yararlanır. Black-Scholes-Merton çerçevesine ve onun modern uzantılarına dayanan mantığımız, Zımni Volatilite (IV) ile tarihsel Gerçekleşen Volatilite (RV) arasındaki tutarsızlıkları tanımlar. Etkin Piyasa Hipotezi (EMH) tüm bilgilerin fiyatlandığını öne sürse de, kayıptan kaçınma ve piyango etkisi gibi davranışsal önyargılar genellikle aşırı fiyatlandırılmış kullanım dışı (OTM) opsiyonlara yol açar. Optimal yapıyı belirlemek için FCF verimi, WACC ve P/E oranı gibi temel metriklerin yanı sıra Gamma, Vanna ve Charm dahil olmak üzere ikinci dereceden Yunanlıları (Greeks) analiz ediyoruz. Volatilite ve çarpıklığın (skew) dönem yapısını değerlendirerek, strateji kazançlar veya makro katalizörler etrafındaki asimetrik bilgi akışlarından yararlanır. İster aralık sınırlı rejimler için Iron Condor'lar, ister yüksek beta maruziyetini hedge etmek için Koruyucu Put'lar kullanılsın, amaç, dayanak hisse senedinin içsel değeri ve momentum göstergeleri tarafından dikte edildiği şekilde delta-nötr veya yönlü bir önyargıyı korurken theta erimesinden yararlanarak Sharpe oranını maksimize etmektir. Bu yaklaşım, piyasa verimsizliklerinin etkisini azaltır ve kurumsal düzeyde risk yönetimi için sofistike bir çerçeve sağlar.

Yapay Zeka Model Görevi

Claude ve Gemini tarafından desteklenen DocuRefinery'nin yapay zeka motoru, stokastik halüsinasyonları ortadan kaldırmak için tasarlanmış deterministik bir çerçeve içinde çalışır. Modeller, her Yunan değerinin (Delta, Gamma, Theta, Vega) ve IV yüzdesinin doğrulanmış piyasa beslemelerinden alınmasını gerektiren zorunlu veri alıntılama protokolleri ile sınırlandırılmıştır. Yapay zeka, karşılaştırmalı risk/ödül tabloları ve getiri diyagramları oluşturmak için yapılandırılmış çıktı şablonlarını kullanır. Derin OTM vuruşlarında eksik likidite veya bayat alış-satış farkları gibi bir veri boşluğu varsa, yapay zeka enterpolasyon yapmak yerine eksikliği bildirecek şekilde programlanmıştır. Bu, Straddle'lardan Covered Call'lara kadar her strateji önerisinin ampirik gerçekliğe dayandığını ve birden fazla volatilite yüzeyine karşı çapraz referanslandığını garanti eder.

Scalp Analizi
Anlık scalp fırsatları: 1-15 dakikalık giriş/çıkış noktaları ve risk seviyeleri.
Risk Seviyesi: Çok Yüksek Teknik

Mantık

Scalp Analizi stratejisi, Etkin Piyasa Hipotezi'nin (EMH) yarı güçlü formunun daha uzun vadelerde geçerli olmasına rağmen, piyasa mikro yapısının tik düzeyinde geçici verimsizlikler sergilediği önermesiyle çalışır. Seviye 2 emir akışını ve limit emir defterini (LOB) analiz ederek, strateji likidite dengesizliklerini ve yırtıcı yüksek frekanslı işlem (HFT) modellerini tanımlar. Kurumsal uygulama için bir kıyaslama olarak Hacim Ağırlıklı Ortalama Fiyat'a (VWAP) odaklanıyor, fiyat hacim ağırlıklı ortalamadan önemli ölçüde saptığında ortalamaya dönüş veya momentum kırılmaları arıyoruz. P/E oranlarına veya Serbest Nakit Akışına (FCF) dayanan temel stratejilerin aksine, scalping asimetrik bilgiden ve elden çıkarma etkisi veya destek seviyelerinde panik satışı gibi davranışsal önyargılardan yararlanır. Alış-satış farkını ve emir defteri derinliğini izleyerek, kısa vadeli volatiliteden alfa yakalıyoruz. Bu yaklaşım, piyasada kalma süresini en aza indirerek beta maruziyetini azaltır ve bunun yerine emir akışının fiyat hareketini doğruladığı yüksek olasılıklı kurulumlara odaklanır. Mantık, büyük kurumsal blokların geçici arz-talep şokları yaratması ve çevik yatırımcıların bu emirlerin tamamlanmasını 1-15 dakikalık bir pencerede önceden tahmin etmelerine olanak tanıması gerçeğine dayanmaktadır.

Yapay Zeka Model Görevi

Claude ve Gemini tarafından desteklenen DocuRefinery'nin yapay zeka motoru, kurumsal düzeyde güvenilirliği sağlamak için katı bir deterministik çerçeve altında çalışır. Scalp Analizi yürütülürken, modeller tik düzeyinde veri veya emir akışı metriklerinin uydurulmasını önleyen zorunlu veri alıntılama protokolleri ile kısıtlanmıştır. Yapay zeka, anomalileri tanımlamak için gerçek zamanlı borsa beslemelerini tarihsel VWAP kıyaslamalarıyla çapraz referanslar. Halüsinasyon önleme, yapay zekanın bir sinyal oluşturmadan önce belirli veri tablolarını doldurması gereken yapılandırılmış çıktı gereksinimleri yoluyla uygulanır. Seviye 2 akışında bir veri boşluğu varsa, sistem spekülatif değerleri enterpolasyon yapmak yerine eksikliği bildirecek şekilde programlanmıştır, bu da tüm sinyallerin doğrulanabilir piyasa mikro yapısına dayanmasını sağlar.

Swing Analizi
2-10 günlük swing trade kurulumları: trend analizi ve pozisyon yönetimi stratejisi.
Risk Seviyesi: Yüksek Teknik

Mantık

DocuRefinery'deki Swing Analizi stratejisi, Etkin Piyasa Hipotezi'nin (EMH) yarı güçlü formuna meydan okuyan kısa vadeli piyasa verimsizliklerinin ve davranışsal önyargıların istismarına dayanır. 2-10 günlük bir elde tutma süresine odaklanan bu strateji, ortalamaya dönüş ve momentum değişimleri tarafından üretilen kendine özgü alfayı yakalar. Piyasa duyarlılığının içsel değeri aştığı durumları belirlemek için teknik fiyat hareketi ile P/E oranı ve Serbest Nakit Akışı (FCF) verimi gibi temel çapalar arasındaki etkileşimi analiz ediyoruz. Fama-French üç faktörlü model çerçevesini kullanarak, swing kurulumlarının sadece sistematik riskin yansımaları olmadığından emin olmak için sektöre özel momentumu ve daha geniş piyasa Betasını izole ediyoruz. Strateji, hacim ağırlıklı ortalama fiyatları (VWAP) kullanarak destek ve direnç bölgelerini haritalandırır ve asimetrik bilginin geçici fiyat sapmalarına yol açtığı volatilite kümelerini tanımlar. Likidite akışlarını ve kurumsal konumlanmayı izleyerek, elden çıkarma etkisinden ve sürü davranışından yararlanıyor, yüksek olasılıklı girişlere izin veriyoruz. Bu titiz yaklaşım, her işlemin nicel bir gerekçeyle desteklenmesini sağlar, hassas pozisyon yönetimi ve piyasa mikro yapısının derinlemesine anlaşılması yoluyla optimal riske göre ayarlanmış getirileri hedefler.

Yapay Zeka Model Görevi

DocuRefinery, sezgisel kaymaları ve halüsinasyonları ortadan kaldırmak için deterministik bir yürütme katmanı ile sınırlandırılmış gelişmiş Claude ve Gemini modellerini kullanır. Yapay zeka, WACC hesaplamalarından RSI seviyelerine kadar her metrik için birincil veri kaynaklarının alıntılanmasını zorunlu kılan katı istem şablonları tarafından yönetilir. Mimarimiz, yapay zekanın gerçek zamanlı fiyat beslemelerini tarihsel volatilite modelleriyle çapraz referanslamasını ve doğrudan görselleştirme motorumuza beslenen yapılandırılmış JSON formatlarında veri çıktısı vermesini gerektirir. 'Önce doğrula, sonra üret' protokolünü uygulayarak, modellerin teknik seviyeleri uydurması yasaklanmıştır; sektör korelasyonunda veya likidite derinliğinde bir veri boşluğu tespit edilirse, yapay zeka enterpolasyon yapmak yerine sınırlamayı açıkça bildirmeli ve kurumsal düzeyde bütünlüğü sağlamalıdır.

Hold / Yatırım Analizi
3-12+ aylık yatırım tezi: değerleme, büyüme katalizörleri, portföy alokasyonu.
Risk Seviyesi: Düşük Temel

Mantık

Hold / Yatırım Analizi stratejisi, temel değerleme ile davranışsal finansın kesişim noktasında çalışır ve özellikle Etkin Piyasa Hipotezi'nin (EMH) bilgi asimetrisi nedeniyle başarısız olduğu piyasa verimsizliklerini hedefler. Fama-French beş faktörlü modelini anımsatan çok faktörlü bir yaklaşım kullanarak, yanlış fiyatlandırılmış hisse senetlerini belirlemek için değer, büyüklük ve karlılık metriklerini analiz ediyoruz. Temel mantık, içsel değeri belirlemek için Ağırlıklı Ortalama Sermaye Maliyeti'nin (WACC) iç getiri oranıyla kıyaslandığı İndirgenmiş Nakit Akışı (DCF) çerçevesine odaklanır. Ortalamaya dönüş fırsatlarını yakalamak için Serbest Nakit Akışı (FCF) verimlerini ve P/E oranlarını tarihsel standart sapmalara göre inceliyoruz. Bu strateji, bir hisse senedinin piyasa fiyatını temel alfasından sık sık koparan kayıptan kaçınma ve kısa vadeli kazanç volatilitesine aşırı tepki verme gibi davranışsal önyargılardan yararlanır. Büyüme katalizörlerini Porter'ın Beş Gücü aracılığıyla değerlendirilen rekabetçi hendeklere karşı haritalandırarak, sistematik riski (beta) hesaba katan ve aynı zamanda kendine özgü getiriler arayan 3-12+ aylık bir tez oluşturuyoruz. Amaç, piyasa fiyatının uzun vadeli ekonomik gerçeklikten saptığı yerleri belirleyerek kurumsal bir portföyün riske göre ayarlanmış getiri profilini optimize eden titiz, veriye dayalı bir tahsis ağırlığı sağlamaktır.

Yapay Zeka Model Görevi

Claude ve Gemini tarafından desteklenen DocuRefinery'nin yapay zeka motoru, sezgisel hataları ve halüsinasyonları ortadan kaldırmak için tasarlanmış deterministik bir çerçeve altında çalışır. Hold stratejisini yürütürken, modeller doğrulanmış finansal veri setlerinin kullanımını zorunlu kılan katı istem şablonları ile sınırlandırılmıştır. Borç/özsermaye oranlarından gelir büyüme projeksiyonlarına kadar her iddia, birincil dosyalardan veya saygın toplayıcılardan zorunlu veri alıntısı gerektirir. Yapay zeka, şeffaflığı sağlamak için karşılaştırmalı tablolar ve duyarlılık grafikleri dahil olmak üzere yapılandırılmış çıktılar üretmek üzere programlanmıştır. Bir veri noktası mevcut değilse, sistem değerleri uydurmaktan men edilmiş olup, kurumsal düzeyde bütünlüğü korumak ve doğrulama için birden fazla kaynağı çapraz referanslamak adına bir veri boşluğu bildirmektedir.

Hemen Keşfetmeye Başlayın

Profesyonel tarama araçlarını ücretsiz kullanın. Borsa bilginiz sıfır olsa bile.

Ücretsiz Başlayın Platform