Yapay Zeka Yapay Zeka ile Borsa Analizi Rehberi

[Forum Altay]

Yapay zeka (AI) ile borsa verilerini almak ve analiz etmek için çeşitli yöntemler ve araçlar kullanabilirsiniz. İşte adım adım bir rehber:

---

1. Veri Kaynaklarını Belirleme​

Borsa verilerine erişmek için aşağıdaki API'ler veya veri sağlayıcıları kullanılabilir:

• Ücretsiz Kaynaklar:
  • Alpha Vantage (alphavantage.co)
    • Ücretsiz API ile hisse senedi, forex ve kripto verileri.
  • Yahoo Finance API (yfinance Python kütüphanesi)
    • Ücretsiz hisse senedi ve endeks verileri.
  • Twelve Data (twelvedata.com)
    • Ücretsiz plan ile temel borsa verileri.
  • Binance API (Kripto paralar için)
    • Kripto borsası verileri için kullanılabilir.
• Ücretli Kaynaklar:
  • Bloomberg Terminal (Profesyonel kullanıcılar için)
  • Quandl (quandl.com)
  • Polygon.io (ABD borsaları için detaylı veri)

---

2. Verileri Python ile Çekme (Örnek Kod)​

Python, finansal veri analizi için yaygın kullanılan bir dildir. Aşağıdaki kütüphaneleri kullanabilirsiniz:

Örnek 1: Alpha Vantage API Kullanımı​

import requests
import pandas as pd

API_KEY = "ALPHA_VANTAGE_API_KEY"  # Ücretsiz API anahtarınızı alın
symbol = "AAPL"  # Apple hissesi

url = f"https://www.alphavantage.co/query?function=TIME_SERIES_DAILY&symbol={symbol}&apikey={API_KEY}"
response = requests.get(url)
data = response.json()

# Veriyi DataFrame'e çevirme
df = pd.DataFrame(data["Time Series (Daily)"]).T
df.index = pd.to_datetime(df.index)
df = df.astype(float)
print(df.head())

Örnek 2: yfinance Kütüphanesi ile Veri Çekme​

import yfinance as yf

# Apple hissesinin verilerini çek
data = yf.download("AAPL", start="2023-01-01", end="2024-01-01")
print(data.head())

3. Yapay Zeka ile Veri Analizi​

Verileri aldıktan sonra AI/ML modelleri ile tahmin yapabilirsiniz. Popüler kütüphaneler:

• TensorFlow/Keras (Derin öğrenme)
• Scikit-learn (Makine öğrenmesi)
• Prophet (Zaman serisi tahmini)

Örnek: LSTM ile Fiyat Tahmini (TensorFlow)​

import numpy as np
from sklearn.preprocessing import MinMaxScaler
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import LSTM, Dense

# Veriyi normalize etme
scaler = MinMaxScaler()
scaled_data = scaler.fit_transform(data["Close"].values.reshape(-1, 1))

# Eğitim verisi oluşturma
X, y = [], []
for i in range(60, len(scaled_data)):
    X.append(scaled_data[i-60:i, 0])
    y.append(scaled_data[i, 0])
X, y = np.array(X), np.array(y)
X = np.reshape(X, (X.shape[0], X.shape[1], 1))

# LSTM modeli oluşturma
model = Sequential()
model.add(LSTM(50, return_sequences=True, input_shape=(X.shape[1], 1)))
model.add(LSTM(50))
model.add(Dense(1))
model.compile(optimizer="adam", loss="mean_squared_error")

# Modeli eğitme
model.fit(X, y, epochs=10, batch_size=32)

4. Sonuçları Görselleştirme (Matplotlib/Plotly)​

import matplotlib.pyplot as plt

plt.plot(data.index, data["Close"], label="Gerçek Fiyat")
plt.title("Apple Hisse Fiyatı")
plt.xlabel("Tarih")
plt.ylabel("Fiyat ($)")
plt.legend()
plt.show()

5. Otomatik Trade Sistemleri (Opsiyonel)​

• Alpaca API (ABD borsaları için otomatik trade)
• Binance API (Kripto otomatik trade)

---

Dikkat Edilmesi Gerekenler​

• Veri Kalitesi: API'lerin sunduğu verilerin güncelliğini kontrol edin.
• Overfitting: AI modellerinin geçmiş verilere aşırı uyum sağlamamasına dikkat edin.
• Risk Yönetimi: Borsa tahminleri her zaman risklidir, AI çıktılarını tek başına kullanmayın.

---

Bu adımları takip ederek yapay zeka destekli borsa analizi yapabilirsiniz. Başlamak için yfinance ve Alpha Vantage gibi ücretsiz araçlar iyi bir başlangıç noktasıdır.