Makinalar nasıl yatırım yapar - 3. Bölüm

Bu serinin ilk yazısında yatırım stratejileri tasarımında makine öğrenmesinin kullanımını konu yapmıştık. Bu yazıda Makine öğrenmesinin (ML) yatırım endüstrisi içerisinde en yaygın kullanım alanlarından biri olan veri işleme amaçlı kullanımını ele alacağız. ML bugüne kadar yatırım süreçlerinde kullanılamayan birçok değerli veriye ulaşmanıza yardımcı oluyor.

Alternatif veri kaynaklarını işlemek için Makina Öğrenmesi kullanılıyor

Haberlerden, sosyal medyaya, yapılan alışverişlerden, uydu görüntülerine kadar çok farklı kaynaklardan veri elde ediliyor. Finansal sistemin dışında oluşan, alternatif veri olarak da adlandırabileceğimiz bu verilerin çoğu insanların, şirketlerin ya da düzenleyici kuruluşların aktiviteleri sonucunda oluşuyor. Dijital ortamlarda toplanmaları nedeniyle çok uzun bir geçmişe sahip olmasalar da bu veriler her geçen gün hem miktar hem de çeşitlilik olarak artıyor. 

Kullanımı nispeten organize olan diğer verilere göre zor ve erişimi daha pahalı olan bu verilerin günümüzde yatırımcılar tarafından kullanımının çok yaygın olduğu söylenemez. Bu alternatif verileri yatırım karar süreçlerinde kullanabilen yatırımcılar, var olan getiri kaynaklarını daha iyi kullanma, yeni getiri kaynakları keşfetme ve risklerini daha iyi yönetme şansına sahip olabiliyor. Makine öğrenmesi, bu verilerin işlenebilir ve yatırım süreçlerinde kullanılabilir hale getirilmesi için oldukça sık başvurulan bir araç. Şimdi örnekleriyle alternatif verilerin işlenmesinde makine öğrenmesi kullanımını inceleyelim.

Doğal Dil işleme (NLP)

Makine öğrenmesinin son yıllarda büyük ilerleme kaydettiği alanlardan biri Doğal Dil İşleme (NLP). NLP bilgisayarların yazılı veya sesli insan dilini anlamasını sağlayan araştırma alanı. Bu şekilde günümüzde dijital ortamda oluşan yazılı ve sesli kaynakların analiz edilebilmesi ve verinin bilgiye dönüştürülebilmesi mümkün oluyor. Bunlara birkaç örnek verelim. Örneklerin altında ilgili hizmeti veren şirketlerin linklerini de bulabilirsiniz.‍

FED açıklamalarından  duygu analizi

Amerika merkez bankası FED’in açıklamalarının ve piyasa beklentilerinin varlık fiyatlarını yakından etkilediğini biliyoruz. NLP yardımıyla FED tarafından yapılan açıklamaların pozitif ya da negatif öngörü içerdiğine dair bir endeks çalışması yapılmış. Cuemacro tarafından yapılan çalışmada endeks değişiminin Amerikan hazinesinin tahvil faiz oranları ile ilişkili olduğu gösterilmiş. Cuemacro FED Index 
Buna benzer şekilde NLP yardımıyla halka açık veriler üzerinde duygu analizi tekniği ile yapılan analizler Thomson Reuters, Revenpack gibi  sağlayıcılar tarafından yayınlanıyor. Ravenpack

Sosyal Medya verisi ile olayları herkesten önce öğrenebilirsiniz

Varlık fiyatlarını etkileyebilecek önemli bir haber, NLP kullanılarak geliştirilen teknoloji ile haber kanallarına düşmeden önce size ulaştırılabiliyor. Örneğin bir petrol kuyusunda meydana gelen patlamayı ya da corona virüs salgınının başladığını resmi kaynaklar açıklamadan önce ilk siz öğrenebiliyorsunuz. Bilgiye herkesten önce ulaşmanızı sağlayan bu teknoloji herkesten önce piyasa gelişmelerine tepki vermenize ve riskleri yönetmenize yardımcı oluyor. Dataminr

İmge işleme

Makine öğrenmesinin belki de en başarılı kullanım alanlarından biri olan imge (resim) işleme teknolojisi yatırım alanında da aktif olarak kullanılıyor. Uydu görüntüleri ML yardımıyla işlenerek, şirket ve ülkelerin ticari faaliyetleri ve riskleri hakkında öncü gösterge niteliğinde veriler elde ediliyor.  

Uydu görüntülerinden Sanayi ve ticaret bölgelerindeki hareketleri takip edebilirsiniz

Bir perakende mağazasının uydu resimlerinden imge işleme teknikleri ile elde edilen “otopark araç yoğunluğu” o firmanın önümüzdeki çeyrek açıklanacak kazancını önceden tahmin etmede yardımcı olabiliyor. Geospatial-insight

Uydu görüntülerinden elde edilen petrol tankerlerinin trafikleri petrol fiyatlarına bir öncü gösterge olabiliyor. Yine uydu görüntülerinden ülkelerin sanayi bölgelerindeki aktiviteyi (yeni inşaat sayısı vb.) takip etmek ülkelerin sanayi üretimlerini ve gayri safi yurtiçi hasılayı (GSYH) tahmin etmek için yardımcı olabiliyor. Planet

‍Sonuç 

Makine öğrenmesi alternatif veriler başta olmak üzere insanlar aracılığı ile incelenmesi ve takip edilmesi mümkün olmayan birçok verinin yatırım süreçlerine dahil edilmesini sağlıyor. Böylece hem yeni getiri kaynaklarının keşfedilmesine hem de risklerin daha iyi yönetilmesine yardımcı olabiliyor.