AI Hedge Fund: Yapay Zeka Analistlerin İşlemlere Oy Verdiği Çok Ajanlı Fon

AI Hedge Fund, LLM'ler ve trading'in kesişimindeki en çok tartışılan açık kaynaklı projelerden biridir. 12.000'den fazla GitHub yıldızı, yüzlerce fork, heyecanlı Twitter paylaşımları. Ancak abartıyı bir kenara bırakıp gerçekçi bir bakış açısıyla değerlendirirsek: değer "para kazanan bir sinir ağı"nda değil, bir mimari örüntüde yatıyor — her birinin uzmanlık katkısı sağlaması ancak hiçbirinin portföyü mahvetmemesi için bir yapay zeka analist ekibini nasıl organize edeceğinizi gösteriyor.

Proje yazarının uyarısı: Bu, gerçek para için değil — deneyler için bir sandbox.

Temel Fikir: Tek Guru Değil, Bir Komite

Çoğu yapay zeka trading botu oldukça basittir: bir LLM veri alır → sinyal üretir → işlem gerçekleşir. AI Hedge Fund temel olarak farklı çalışır: farklı düşünce tarzlarına sahip bir ajan ekibi kullanır.

Her ajan, kendine özgü prompt'u ve veri kaynakları olan özelleşmiş bir LLM'dir:

Ajanlar sıralı olarak çalışır: önce her analist kendi değerlendirmesini (gerekçesiyle birlikte al/sat/tut) bildirir, ardından risk yöneticisi uygunluğu kontrol eder ve ancak ondan sonra portföy yöneticisi somut bir eylem oluşturur.

"Önce Risk, Sonra Eylem" Yaklaşımı Neden Doğrudur

Projenin en güçlü tarafı "LLM sihri" değil — karar verme sırası.

Yapay zeka trading sistemlerindeki klasik hata, modele tam özgürlük vermektir: "işte 100.000 $, istediğini yap." AI Hedge Fund farklı çalışır:

1. Risk bütçesi değerlendirmesi. Herhangi bir ajan işlem önermeden önce, sistem volatilite, mevcut pozisyonlar ve varlık korelasyonları göz önünde bulundurarak portföyün ne kadar riski kaldırabileceğini değerlendirir.

2. Boyut filtrelemesi. Bir ajan tüm depozito için "hayal" bir pozisyon oluşturamaz. Limit yalnızca %5'e izin veriyorsa — sinyal ne kadar ikna edici olursa olsun yalnızca %5.

3. Görüş toplama. Portföy yöneticisi yalnızca "al/sat" değil, her analistten ayrıntılı argümanlar görür. Ayrışan görüşler bir hata değil — bir özelliktir: değer analisti "ucuz" diyorsa ama teknik analist "düşüş trendi" diyorsa, pozisyon boyutu küçülür.

Yatırımda önemli olan yalnızca sinyal değil, doğru pozisyon boyutuna sahip olmaktır. Bu, temelden başlama yaklaşımıdır: önce sağlam bir kısıt çerçevesi, sonra "zeka."

Bu Pratikte Ne Sağlar

• Dürtüsel portföy sapmalarına daha az şans.
• Bir işlem boyutunun neden belirli bir seviyede olduğuna dair net mantık.
• Daha sağlıklı geriye dönük test denemeleri.
• Yinelemeler için uygun zemin: risk çerçevesini bozmadan analistleri iyileştirebilirsiniz.

Sonuçları Kendini Kandırmadan Okumak

Bu tür herhangi bir projeyi, yalnızca güzel bir çalışmaya bakarsanız "abartmak" çok kolay. İşte dürüst bir değerlendirme kontrol listesi:

1. Piyasalar genelinde istikrar. Yatay piyasalarda olduğu kadar trend piyasalarında da çalışıyor mu?
2. Stres testleri. Panikler, gaplar, ani geri dönüşler sırasında ne oluyor?
3. Aşırı uyum. Prompt mantığı belirli hisselere ve dönemlere göre ayarlanmış mı?
4. Veri kalitesi. Komisyonlar, kayma ve bölünmeler hesaba katılmış mı?
5. Yeniden üretilebilirlik. Aynı prompt'lar bir hafta içinde aynı sonucu verecek mi (LLM'ler deterministik değildir)?

Sınırlamalar ve Dürüst Değerlendirme

AI Hedge Fund'un ne olmadığını anlamak önemlidir:

• Üretim sistemi değil. Gerçek işlem yok, likidite modellemesi yok.
• LLM bağımlılığı. Karar kalitesi tamamen model kalitesiyle belirlenir. GPT-4 ve GPT-3.5 farklı sonuçlar verir.
• Tarihsel geriye dönük test yok. Sistemi 5 yıllık veri üzerinde çalıştırıp bir öz sermaye eğrisi elde edemezsiniz.
• Determinizm. Sıcaklık > 0 olan LLM'ler aynı girdilere farklı yanıtlar verecektir.

Bağlantılar

• 💻 GitHub: virattt/ai-hedge-fund
• 📄 Lisans: MIT

Sonuç

AI Hedge Fund, "para kazanan makine" olarak değil, bir düşünce çerçevesi olarak faydalıdır:

• Analist rollerini ayırın.
• Fikir üretimini risk kontrolünden ayırın.
• Kararları açıklanabilir kılın.
• Hipotezleri test edin, ancak geriye dönük testi kâr garantisiyle karıştırmayın.

Öğrenme ve prototipleme için — sağlam bir çalışma. Üretim için bir sonraki katmana ihtiyacınız var: gerçekçi işlem, veri doğrulama, model kayması kontrolü ve yalnızca prompt'lar düzeyinde değil kurallar düzeyinde uygun bir risk komitesi.