AI Ajanları Hisse Senetlerini Nasıl Analiz Eder: Çok Ajanlı Bir Araştırma Sürecinin İç Yüzü

Bir yapay zekaya bir hisse senedini analiz etmesini söyleyin ve genelde tek bir modelin her şeyi aynı anda yaptığı bir sonuç alırsınız — işletmeyi hızlıca tarama, değerlemeyi tahmin etme, haberleri tarama ve sonuna muhtemelen bir sayı eklenmiş tek bir güvenli paragraf sunma. Okunması hoş gelir. İşte tuzak bu. Tek bir genelci bir geçiş yapar ve kendi içindeki görüşüyle çelişme ya da kendi iddiasının nerede zayıf olduğunu gösterme imkanı bulamaz.

Alternatif ise tek bir modelden tüm bir araştırma departmanı olmasını istemeyi bırakmaktır. AI agents for stock analysis modelini değiştirmek şöyle: her şeyi yapmaktan ziyade, işin bir dilimini üstlenen dar uzmanlardan oluşan bir ekip çalıştırırsınız — temeller, değerleme, nakit akışı, duygu, teknikler, katalizörler, risk — ve kimse sonuç yazmadan önce onları tartışmaya sokarsınız.

Bu kılavuz, bunun gerçekten nasıl çalıştığını gösterir: her ajan ne yapar, her iddianın dosyalara dayanmasının neden önemli olduğu, yapılandırılmış bir boğa-karşı ayı tartışmasının görüşleri tek bir araştırma görünümüne nasıl dönüştürdüğü ve güven ile uzlaşma skorlarının bu görünümün ne kadar ağırlık taşıması gerektiğini nasıl gösterdiği. Amaç daha akıcı bir cevap değil. Bu, doğrulanabilir bir cevaptır.

Why one model and one score isn't enough#

Bir genel amaçlı tek bir modelin gerçek güçleri vardır — hızlıdır, akıcıdır ve çok alanı özetleyebilir. Ancak finansal analiz, özellikle genelci olanın kötü olduğu şeyleri cezalandırır.

Birinci sorun, genişliğin derinlik olarak görünmesi. Temeller, değerleme ve duyarlılık gerçekten farklı disiplinlerdir. Nakit akışı tablosunu okuma becerileri, olağanüstü opsiyon hareketlerini yorumlama ya da bir haber kümesinin tezini gerçekten değiştirip değiştirmediğini yargılayabilme becerileri değildir. Bir model hepsini tek bir geçişte ele aldığında, her biri yüzeysel bir muamele görür — ve yazı, yaptığı kısımlar hakkında da, yarım bıraktığı kısımlar hakkında da aynı derecede otoriter görünür.

İkinci sorun içsel bir anlaşmazlığın olmaması. Yalnız bir modelin kendi sonucuna karşı en güçlü gerekçeyi kurması için yapısal bir nedeni yoktur. Genelde erken bir yönde karar verir ve buna göre anlatır, çünkü bu en akıcı yazıyı üretir. Araştırmanın en önemli kısmı — yanılıyor olabileceğiniz neden — tek bir güvenli geçişin en çok atlama eğiliminde olduğu kısımdır.

Üçüncü sorun anlamı olmayan tek bir skor. Bu nakit akışı için ödenmesi beklenen miktarın, şirketin kendi geçmişi ve akranlarıyla karşılaştırılarak ölçülmesi; bağlamdan bağımsız değildir. 7/10 gibi bir skorla biten veya uydurulmuş bir hedef fiyat veren bir genel model, anatomisi olmayan bir sayı verir. Bu, taze dosyalar üzerinde mi duruyor yoksa eski eğitim verilerinden mi oluşan bir güvenilirlik var, sorusunu da karşılamaz. Bunu söyleyemezsiniz, çünkü skor veri kalitesi, uzlaşma ve öngörü gibi etmenleri tek bir haneye sıkıştırır ve bunların hiçbiri hakkında bilgi vermez. (Bu, AI hisse senedi araştırma platformu bir AI hisse senedi screener'dan farklı bir varlık olmasının önemli sebeplerinden biridir — screener sıralar, araştırma masası ise gerekçelendirir.)

Yapısal anlaşmazlık bir hata değildir; bir özelliktir.

What "specialist AI agents" actually means#

Çalışmanın özünde iş bölümüdür. Tek bir modelin her şapka yerine geçmesi yerine, her ajan tek bir iş, tek bir bakış açısı ve o iş için gereken verilerle donatılır — ve yalnızca o dilim üzerinden değerlendirilir. Bunu, her koltukta bir uzmanın bulunduğu bir araştırma masasından düşünün.

İyi tasarlanmış bir roster, şu çizgide human analiz ekibiyle aynı zemini kapsar, yaklaşık şu şekilde bölünmüş:

• İş ve Temeller — şirketin nasıl para kazandığı, gelir trendleri, marjlar ve finansal kalitesi. Büyüme gerçek ve dayanıklı mı, yoksa yeni metriklerle süslendi mi?
• Nakit Akışı ve Bilanço — bildirilen kâr gerçek nakde dönüşüyor mu ve şirket kötü bir yıla karşı hayatta kalabilir mi? Kazanç bir görüştür; nakit ise gerçektir.
• Değerleme — o nakit akışı için ödenmesi beklenen miktar, şirketin kendi geçmişi ve akranlarıyla karşılaştırılarak ölçülür; hiçbir zaman bağlamdan bağımsız değildir.
• Sahiplik ve İçerden Kişiler — yöneticiler, yönetim kurulu üyeleri ve kurumlar ne yapıyor, talimatlar olarak değil, üçüncü taraf beyanları olarak rapor edilir.
• Duygu ve Haberler — kitle nasıl hissediyor ve son başlıklar hikayeyi gerçekten değiştiriyor mu yoksa sadece ruh halini mi etkiliyor?
• Teknik Analizler — fiyatın ve hacmin ne yaptığı; bunlar kitle davranışını ve zamanlamayı betimleyen alanlar olarak ele alınır, işletmeye dair bir hüküm değildir.
• Katalizörler, Sektör ve Makro — neler geliyor (kâr açıklamaları, lansmanlar, düzenleyici kararlar) ve bu olayların yer aldığı sektör ile ekonomik yapı nedir.
• Risk — tezdeki kırılma noktalarını bulmaya adanmış özel bir koltuk.

Bu şekilde işi bölmek, çok bakış açılı analizlerin tek bir anlatıcıyı geçmesi yerine daha kapsamlı bir yaklaşımın zaferini açık eder. Her biri farklı bir soruyu yanıtlar ve bunları tek bir geçişte harmanlamak ayrımları kaybettirir — ki bu, temel vs. teknik vs. duygu analizi yazısında ortaya koyduğumuz gerilimin tam kendisidir. Bir uzman kendi diliminde derinleşebilir çünkü aynı anda diğer yedi alanı da yapmaya çalışmıyor.

Grounding: every agent starts from the filings, not from memory#

Uzmanlaşma yalnızca uzmanlar gerçek deliller üzerinde çalışıyorsa işe yarar. Yapay zeka analizinin çoğu bu noktada sessizce parçalanır: akıcı bir model, eğitim verilerinin yarı hatırlandığı bir kaynaktan “gelir rakamı” yeniden kurar, bunu güncel olarak sunar ve bunun aylarca eski ya da tamamen uydurulmuş olduğunu bilmenin yolu yoktur.

Çözüm grounding’dir. Bir ajan akıl yürütmeden önce, temel kaynaklar sunulur — SEC dosyaları (finansallar için 10-K ve 10-Q, içerden işlemler için Form 4), piyasa verileri ve lisanslı akışlar — ve görevi bunları yorumlamak, hafızadan özgürce üretim yapmak değildir. Bunu güvenilir kılan iki kural:

• İzlenebilirlik. Her önemli iddia — bir marj, bir borç vadesi, bir içerden satış — nereden geldiğini göstermelidir. İzlenemeyen bir iddia araştırma değildir; nice fontta bir iddiadır.
• As-of tarihi. Sayılar güncelliğini yitirir. Her veri noktasını şu anki olduğu tarihle damgalamak, en son dosyanın bu olduğunu gösteren farktır. Bir terim veya dosya türü bilinmiyorsa, sözlük açıklamaları her birinin içerdiğini söyler.

Grouding, aynı zamanda halüsinasyonlara karşı olan en büyük savunmadır. Bir belge üzerinden çalışan bir ajan o belgeyle karşılaştırılabilir; kaynaksız dolaşan bir ajan ise hiç kontrol edilemez. Bu, güven kontrol listesi için temel olup her uzmanın kendi dilimindeki kaynağı gerçekten okuyabildiği için işler ve özetlemek yerine ana kaynağı okuyabilmesini sağlar. Bu, AI hisse analizi güvenilir mi? 10 kontrol başlıklı güvenlik çalışmasının temelidir.

The part most tools skip: the bull-versus-bear debate#

Buradan sonra çok-ajenli süreç, artık "paltolu birkaç özet" olmaktan çıkıp gerçekten farklı bir şeye dönüşür.

Uzmanlar işlerini yaptıktan sonra, en güçlü boğa davası ile en güçlü ayı davası karşıt argümanlar olarak inşa edilir — kasıtlı olarak, düşmanca bir şekilde, her biri uzmanların bulgularından yararlanır. Bir taraf tezin sahip olduğu her nedeni bir araya getirir. Öteki taraf ise buna saldırır: tezgahtan gelen marjlar yavaşça eriyen, hiç kimsenin fiyatlandırmadığı müşteri yoğunlaşması, büyüme hiç durmazsa işe yarayan değerleme. Ardından bir risk koltuğu her iki tarafı da baskı testine tabi tutar.

Bu önemlidir çünkü tek taraflı bir rapor ne kadar iyi savunulursa savunsun kırmızı bir bayraktır. Yanlış olabileceğiniz en iyi neden eksikse, analizin en önemli kısmı da eksiktir. Çatışmayı açığa çıkarmak, tek bir modelin yapamayacağı iki şeyi yapar: boğa hikayesinin zayıf noktalarını gün yüzüne çıkarır ve ayı hikayesinin gerçekten güçlükleri görmezden gelen tembel bir
"her şey berbat" yaklaşımını durdurur.

Ayrıca güvenilirlik içinde bir gelir getirir. Birden çok uzmanın görüşlerini birbirine göre uyarlaması gerektiğinde, yalnızca bir ajan tarafından icat edilmiş bir iddia, göründüğü gibi kolayca geçmez — bu, çok-ajenli tartışmanın yapay zeka halüsinasyonunu azaltmasının mekanizmasıdır. Yapılı anlaşmazlık bir özellik, bir hata değildir.

From debate to a single research view#

A debate you can't resolve is just noise, so the last step is synthesis: the arguments are weighed and reconciled into one research view. Crucially, that view is a neutral stance, not an order. In Valarn's case the ladder runs Bullish, Cautious Bullish, Neutral, Cautious, or Bearish — a description of what the evidence leans toward, never "buy" or "sell." The distinction isn't a legal nicety; it's the honest limit of what analysis can tell you. Research clarifies a situation. What you do about it is yours.

Çözemediğiniz bir tartışma sadece gürültüdür, bu yüzden son adım sentezdir: argümanlar değerlendirilir ve tek bir research view olarak uzlaştırılır. Önemli olan, bu görüşün sipariş değil tarafsız bir duruş olmasıdır. Valarn'ın durumunda merdiven şu şekilde ilerler: Bullish, Cautious Bullish, Neutral, Cautious, veya Bearish — kanıtın hangi yöne eğildiğini tanımlayan bir betimlemedir; asla "buy" veya "sell" değildir. Bu ayrım yasal bir incelik değildir; analizin sana söyleyebileceğinin dürüst sınırıdır. Araştırma bir durumu netleştirir. Bunu yapman sana kalmıştır.

Two scores that tell you how much to trust the view#

A conclusion is only as useful as your sense of how much to lean on it. This is where two separate 0–100 scores do far more work than one vague number:

• Confidence measures data quality — how fresh, complete, and consistent the underlying evidence is. It is not a prediction that the stock will go up or down. A high confidence score says "the inputs to this analysis are solid," which is a completely different claim from "this will work out." Thin, stale, or conflicting data should drag confidence down, and honest analysis lets it.
• Agreement measures how much the specialists converged. When most agents point the same direction, agreement is high and the view is coherent. When the fundamentals look strong but sentiment and technicals are flashing caution, agreement is low — and that tension is information, not something to paper over.

Bu ikisini birbirinden ayırmak onları kullanışlı kılar. İşte sayılar sadece gösterim için örnek olduğunda (sayılar örnek amaçlıdır): bir rapor, temiz ve tutarlı verilerle güncel bir 10-Q’ya dayandığı için confidence 82 değerini taşıyabilir — o sırada değerlemede ve nakit akışında analizörler kurulumu beğendiği için agreement 54 değerini gösterebilir; fakat teknik ve duygu ajanları bu durumu beğenmez. Bu kombinasyon, tek bir "7/10" asla başaramayacağı bir şeyi size söyler: gerçekler güvenilir, fakat uzmanlar ne anlama geldiği konusunda birleşmiyorlar. Bu, tartışmayı okumak için bir işaret, yalnızca başlığı değil.

Scenario range instead of a fake price target#

Burada kasıtlı olarak eksik bırakılan şey, tek bir güvenilir fiyat hedefidir. "adil değer: $214" gibi kesin bir sayı, dürüst bir analizde bulunmayan bir kesinliği ima eder. Bunun yerine iyi kurulmuş bir süreç size senaryo aralığı verir — bir ayı durumu, temel durum ve boğa durumu — bir referans fiyatı'na sabitlenen ve bir risk seviyesi ile eşleşen bir senaryo aralığıdır.

Bu çerçeve, geleceğin gerçekte nasıl davrandığına daha uygun olduğu için daha doğrudur: farklı olasılıklara sahip bir çıktı dağılımı olarak, tek öngörülen rakam değildir. Ayrıca tartışmaya doğrudan geri bağlıdır — boğa ve ayı senaryolarını birlikte savunduğunuz aralık, en üst ve en alt uçları oluşturur; bu yüzden baktığınız rakam, akıl yürütmenin ürünü olarak görünür, sonradan eklenen bir tahmin değildir.

The quality-assurance gate before anything reaches you#

Son parça gözetimdir. Bir sentezlenmiş rapor teslim edilmeden önce, QA gate adı verilen yapılandırılmış bir kontrolden geçer; iddiaların kaynağa dayanıp dayanmadığı, verinin bayat olmadığının kontrolü, gerekli bölümlerin bulunup bulunmadığı ve hiçbir şeyin kendi içinde çelişmiyor olduğunun teyidi yapılır. Bunu, yayımlamadan önce masadaki çalışmayı okuyan editöre benzetin; kaynak gösterilen ama güncel olmayan rakamı ya da kanıtından sapmış sonucu yakalar.

Bu, bir araştırma sürecini tek seferlik bir performanstan ayıran "yapısal denetim"dır. Tek bir modelin editörü yoktur; ilk taslağını nihai yanıtı olarak çıkarır. Çok-ajanslı bir masa, kendi hatalarını sizin miras almanıza engellemek için bir QA gate ile inşa edilmiştir.

One model vs. a multi-agent research desk#

İşte tek bir görünümdeki karşıtlık:

Tablo genel bir modelin işe yarar olmadığı anlamına gelmez — ilk geçiş için hızlı ve gerçekten yardımcıdır. İki öğe farklı işler için tasarlanmış, farklı amaçlara hizmet etmek üzere inşa edilmiştir.

How this comes together in Valarn#

Yukarıdakilerin tümü bir mimariyi tanımlar, ve Valarn'ın eğitimsel bir araştırma aracı olarak çalıştırdığı mimaridir. Tek bir analiz yaklaşık olarak 25 uzman AI analisti’ni beş grup halinde organize eder — Core Research, Market Structure, Debate & Risk, Financial Quality, and Events/Sector & Macro — temel göstergeler, değerleme, finansal kalite, nakit akışı, içerden bilgi ve sahiplik faaliyetleri, duygu ve haberler, teknikler, tetikleyiciler, sektör ve makro’yu kapsar.

Bu uzmanlar resmi bir boğa-vs-ayı tartışması besler, bu tartışma tek taraflı olmayan bir research view olarak çözümlenir — asla bir al/sat talimatı değildir. Her bir kesin iddia, bir dosya ya da lisanslı bir kaynağa as-of tarihi ile izlenebilir; rapor iki adet 0–100 skor taşır (veri kalitesi için güven, analistlerin uzlaşması için anlaşma); sonuçları tek hedef yerine bir senaryo aralığı olarak çerçeveler, bir referans fiyatı ve bir risk seviyesi ile; ve kendi görünümünden bağımsız olarak Wall Street konsensüsünü ayrı olarak raporlar. Bir QA gate, bunların hiçbiri size ulaşmadan önce çalışır. Bileşenlerin nasıl birbirine uyduğunu özellikler genel görünümü veya neden-Valarn sayfasında görebilirsiniz.

Dürüst söz burada amaç doğrultusunda sınırlıdır: piyasanın yönünü öngördüğünü iddia etmek değil, gerçekten inceleyebileceğiniz bir araştırma süreci sunmaktır. Gerçek bir şirkette görmek isterseniz, tam bir örnek raporu hızlıca göz atın, şirket araştırma sayfası üzerinde herhangi bir ticker’ı arayın ya da kendi ücretsiz analizini yap ve tartışmayı kendiniz okuyun.

The bottom line#

“Ask one AI”den “stock analysis için uzman AI ajanlarından oluşan bir ekip çalıştırmaya” geçiş daha süslü bir yanıtla ilgili değildir. Bu, yapı ile ilgilidir: dosyalara dayanan dar uzmanlar, her iki tarafı savunmaya zorlanır, tarafsız bir research view’a sentezlenir, veri kalitesi ve uzlaşı için puanlanır, kehanet yerine bir aralık olarak çerçevelenir ve siz onu görmeden önce bir QA gate tarafından kontrol edilir. Tek bir güven veren paragraf tonuna güvenmeni ister. Çok-ajanslı bir süreç size kaynaklardan sonuca giden bir iz verir — anlaşmazlıklar görünür halde bırakılır. Ajanların nasıl çalıştığını anla, ve herhangi bir AI raporundaki hangi bölümlere inanman gerektiğini ve hangi bölümleri sorgulaman gerektiğini tam olarak bileceksin.

Valarn bir eğitimsel araştırma aracıdır, yatırım tavsiyesi değildir. Size herhangi bir şeyi almanızı, satmanızı veya tutmanızı söylemez ve burada bulunan hiçbir şey bir öneri ya da sonuç vaadi değildir. Her zaman kendi araştırmanızı yapın ve lisanslı bir mali danışmanla görüşmeyi düşünün.