14.08.2026 13:22
Güncellenme: 25.08.2026 05:01

Bir şirketi gerçekten analiz etmek istediğinizi düşünün.
Son bilançosunu okuyacaksınız. Rakiplerine bakacaksınız. Analist beklentilerini inceleyeceksiniz. Haberleri tarayacaksınız. Yönetimin son konferans görüşmesinde ne söylediğini kontrol edeceksiniz. Sonra bütün bunları bir Excel modeline döküp şirketin farklı büyüme senaryolarında ne kadar değerli olabileceğini hesaplayacaksınız.
Profesyonel analistler bunu her gün yapıyor.
Sorun şu ki bireysel yatırımcı için aynı araştırma saatler, hatta günler sürebiliyor.
Anthropic'in geliştirdiği Claude finans ajanları, tam olarak bu noktada ilginç hale geliyor.
Claude artık sadece "Bu hisse hakkında ne düşünüyorsun?" diye soru sorabileceğiniz bir sohbet botu değil. Doğru ajanlar ve veri bağlantıları kullanıldığında şirket araştırabilen, finansal model oluşturabilen, bilanço görüşmelerini inceleyebilen ve çok sayıda kaynaktan gelen bilgiyi tek bir araştırmada birleştirebilen bir finans çalışma ortamına dönüşebiliyor.
Ve belki de en önemlisi:
Yapay zekâyı yatırım kararını veren sistem olarak değil, araştırmayı hızlandıran bir analist olarak kullanabiliyorsunuz.
Yatırımın Yeni Adı Paratron ile Siz de Kazanmaya Başlayın!
Claude finans ajanları, Anthropic tarafından finans sektöründeki araştırma, modelleme, muhasebe, değerleme ve uyum süreçleri için geliştirilen hazır yapay zekâ ajan şablonlarıdır.
Anthropic, 5 Mayıs 2026'da finansal hizmetlere yönelik 10 hazır ajan şablonu duyurdu. Bu ajanlar; finansal araştırmadan modellemeye, KYC kontrollerinden ay sonu kapanış süreçlerine kadar farklı görevler için tasarlandı.
Klasik bir chatbot ile aralarındaki temel fark burada ortaya çıkıyor.
Bir sohbet botu genellikle sizin verdiğiniz soruya cevap verir.
Bir finans ajanı ise bir iş akışını yürütmek üzere tasarlanır.
Örneğin:
şirket hakkındaki güncel gelişmeleri araştırabilir,
finansal tabloları inceleyebilir,
emsal şirketleri belirleyebilir,
bilanço görüşmelerini analiz edebilir,
Excel üzerinde finansal model oluşturabilir,
farklı senaryoları karşılaştırabilir,
önemli riskleri işaretleyebilir.
Anthropic'in tanımına göre; bu ajan mimarileri üç temel bileşeni bir araya getiriyor: skills, veri kaynaklarına erişim sağlayan connectors ve belirli alt görevleri gerçekleştirebilen subagents.
Yani mesele yalnızca daha iyi bir prompt yazmak değil.
Claude'a belirli bir finansal görevi sistematik olarak gerçekleştirecek bir çalışma düzeni vermek.
Anthropic'in finans için geliştirdiği ajanları iki ana grupta düşünebiliriz.
Şirketleri ve sektörleri takip eder. Haberleri, şirket bildirimlerini ve araştırmaları bir araya getirerek önemli gelişmeleri öne çıkarır.
Finansal verilerden ve şirket bildirimlerinden finansal modeller oluşturur veya mevcut modelleri günceller.
Bilanço görüşmelerini ve şirket bildirimlerini inceler; yatırım tezini etkileyebilecek değişiklikleri tespit etmeye çalışır.
Hedef şirket listeleri, karşılaştırmalı şirket analizleri ve sunum taslakları hazırlamak üzere tasarlanmıştır.
Müşteri veya karşı tarafla gerçekleştirilecek toplantılar öncesinde araştırma ve brifing hazırlar.
Bir şirketin veya varlığın değerlemesini kullanılan yöntemler, emsaller ve kurum standartları açısından kontrol eder.
Muhasebe hesaplarının mutabakatı ve NAV gibi hesaplama süreçlerinde kullanılabilir.
Ay sonu kapanış süreçlerindeki kontrol listelerini, muhasebe kayıtlarını ve raporlamayı yönetmeye yardımcı olur.
Finansal tabloları tutarlılık, eksiksizlik ve denetime hazırlık açısından inceler.
Şirket belgelerini toplama, kaynak dokümanları inceleme ve uyum ekipleri için gerekli eskalasyonları hazırlama süreçlerinde kullanılabilir.
Bu 10 ajan Anthropic'in resmi finans ajanları paketinin temelini oluşturuyor.
Ancak bireysel bir yatırımcı açısından hepsi aynı derecede önemli değil.
Ben olsam ilk olarak şu üçüne odaklanırdım:
Market Researcher + Model Builder + Earnings Reviewer.
Çünkü bu üçlü, bir şirketi araştırırken ihtiyaç duyulan üç temel soruya karşılık geliyor:
Şirkette neler oluyor?
Şirketin finansalları ne söylüyor?
Yönetimin anlattıkları yatırım tezini destekliyor mu?
Şimdi bunlara tek tek bakalım.
Bir hisseyi takip etmenin en zor tarafı çoğu zaman rakamları okumak değil.
Gürültünün arasından önemli bilgiyi bulmak.
Apple, Nvidia veya Microsoft gibi bir şirketi takip ettiğinizi düşünün.
Bir haftada onlarca haber çıkabilir.
Analist hedef fiyat değiştirebilir.
Yeni bir ürün açıklanabilir.
Rakip şirket önemli bir anlaşma yapabilir.
Regülasyon değişebilir.
Bir yönetici ayrılabilir.
Yeni bir SEC bildirimi yayınlanabilir.
Sorun bilgi eksikliği değil.
Tam tersine:
Fazla bilgi var.
Market Researcher'ın görevi bu bilgileri araştırıp yatırımcı açısından anlamlı bir çerçeveye oturtmak.
Anthropic'e göre, Market Researcher; sektör ve şirket gelişmelerini takip ediyor, haberleri, şirket bildirimlerini ve broker araştırmalarını sentezliyor.
Bir şirket hakkındaki onlarca gelişme arasından gerçekten önemli olabilecek olayları ayırabilirsiniz.
Hedef fiyat değişiklikleri, not artırımları veya düşürmeleri gibi gelişmeleri tek bir araştırmada toplayabilirsiniz.
10-K, 10-Q veya 8-K gibi şirket bildirimlerinin önemli bölümlerini daha hızlı inceleyebilirsiniz.
Bir şirketi tek başına değil, rakipleriyle birlikte değerlendirebilirsiniz.
Örneğin yalnızca Nvidia yerine bütün AI çip ekosistemini araştırabilirsiniz.
Davalar, regülasyon değişiklikleri, yönetici ayrılıkları veya şirketin yatırım tezini etkileyebilecek gelişmeleri araştırabilirsiniz.
Portföyümde AAPL, NVDA, MSFT, GOOGL ve AMZN bulunuyor.
Bu şirketlerin tamamı için haftalık yatırımcı brifingi hazırla.
Her şirket için:
1. Son 7 gündeki en önemli gelişmeler
2. Analist notu veya hedef fiyat değişiklikleri
3. Önemli şirket açıklamaları
4. Sektörel gelişmeler
5. Rekabet açısından önemli olaylar
6. Yatırım tezini etkileyebilecek yeni riskler
Sadece gerçekten önemli gelişmeleri dahil et.
Son bölümde portföy genelinde dikkat etmem gereken en önemli 5 konuyu önem sırasına göre listele.
Buradaki küçük ama önemli fark şu:
Claude'a sadece "AAPL haberlerini getir" demiyorsunuz.
Ondan bir yatırımcı brifingi oluşturmasını istiyorsunuz.
Bu, çıktının kalitesini ciddi biçimde değiştirebilir.
Bir şirket hakkında derin araştırma yapmak istiyorsanız prompt'u daha sistematik hale getirmek faydalı olur.
Örneğin Tesla için:
Tesla (TSLA) hakkında kapsamlı bir yatırım araştırma raporu hazırla.
Şunları ayrı bölümlerde incele:
- Son finansal sonuçlar
- Gelir büyümesi
- Brüt ve faaliyet marjları
- Serbest nakit akışı
- Analist beklentileri
- Rekabet avantajları
- Temel rakipler
- Şirketin karşılaştığı en önemli 5 risk
- Önümüzdeki 12 ayın potansiyel katalizörleri
- Mevcut değerleme
- Tarihsel değerleme
- Rakiplere göre değerleme
Son bölümde boğa, baz ve ayı senaryosu oluştur.
Veri ile varsayımı açık şekilde birbirinden ayır.
Kaynak bulunmayan bilgileri tahmin etme.
Son iki cümle özellikle önemli.
Yapay zekâ ile finansal araştırma yaparken gerçek veri ile model varsayımını birbirinden ayırmak gerekir.
Market Researcher size şirketin hikâyesini anlatır.
Model Builder ise şu soruya yaklaşmaya çalışır:
Bu hikâyenin rakamlardaki karşılığı ne?
Finansal analizde en sık yapılan hatalardan biri, şirketin çok iyi olduğunu görüp doğrudan hissenin de iyi bir yatırım olduğunu düşünmektir.
Oysa:
İyi şirket ile iyi yatırım aynı şey değildir.
Çok güçlü bir şirket aşırı pahalı olabilir.
Ortalama bir şirket ise çok düşük değerlemeyle işlem görüyor olabilir.
Bu nedenle yatırım analizinin önemli bölümlerinden biri değerlemedir.
Model Builder bu süreci hızlandırmak için kullanılabilir.
Anthropic, Model Builder ajanını şirket bildirimleri, veri akışları ve analist girdilerinden finansal modeller oluşturan ve mevcut modelleri güncelleyen bir sistem olarak tanımlıyor.
Bir finansal model tipik olarak şunları içerebilir:
gelir tahminleri,
gider projeksiyonları,
faaliyet marjı tahminleri,
EPS projeksiyonları,
serbest nakit akışı hesaplamaları,
DCF değerlemesi,
P/E analizi,
EV/EBITDA analizi,
P/S karşılaştırmaları,
emsal şirket analizi,
duyarlılık tabloları,
boğa/baz/ayı senaryoları.
Claude'un Excel entegrasyonları da finansal model oluşturma, formülleri inceleme ve sensitivity analysis gibi iş akışlarında kullanılabiliyor.
Burada küçük bir parantez açalım.
Finans konusunda yeniyseniz DCF kelimesi göz korkutabilir.
Aslında temel mantığı oldukça basit.
DCF, yani Discounted Cash Flow, şirketin gelecekte yaratması beklenen nakit akışlarını bugünkü değerine indirerek şirket için tahmini bir değer hesaplamaya çalışır.
Basitleştirirsek:
Bir şirket önümüzdeki yıllarda ne kadar nakit yaratabilir ve bu gelecekteki para bugün ne kadar eder?
Sorusu.
Fakat kritik nokta şu:
DCF size kesin bir fiyat vermez.
Çünkü sonuç;
büyüme oranına,
marj varsayımlarına,
iskonto oranına,
terminal büyümesine
çok duyarlıdır.
Bu yüzden tek bir DCF sonucu yerine duyarlılık analizi görmek çok daha faydalıdır.
Microsoft (MSFT) için kapsamlı bir finansal model oluştur.
Modelde:
- Son 3 yıl gerçekleşen finansallar
- Önümüzdeki 5 yıl gelir tahminleri
- Faaliyet marjı tahminleri
- Serbest nakit akışı projeksiyonları
- DCF değerlemesi
- P/E ve EV/EBITDA bazlı emsal analizi
- Boğa, baz ve ayı senaryoları
- WACC ve terminal büyüme duyarlılık tablosu
bulunsun.
Her varsayımın kaynağını belirt.
Gerçekleşmiş veri ile varsayımı farklı şekilde işaretle.
En sonunda mevcut piyasa fiyatıyla karşılaştır fakat bunu yatırım tavsiyesi olarak sunma.
Bu prompt'taki en önemli cümlelerden biri:
"Her varsayımın kaynağını belirt."
Çünkü finansal modelin en tehlikeli tarafı Excel değildir.
Formüller de değildir.
Varsayımlardır.
Model matematiksel olarak kusursuz çalışabilir ve yine de yanlış sonuca ulaşabilir.
Model Builder'ın en kullanışlı alanlarından biri aynı sektördeki iki şirketi karşılaştırmak.
Örneğin:
CrowdStrike (CRWD) ve Palo Alto Networks (PANW) arasında karşılaştırmalı finansal analiz oluştur.
Şunları yan yana göster:
- Gelir büyümesi
- 3 yıllık büyüme trendi
- Brüt marj
- Faaliyet marjı
- Serbest nakit akışı marjı
- Rule of 40
- P/S
- Forward P/E
- EV/EBITDA
- Beklenen büyüme
- Analist konsensüsü
- Temel riskler
Sonra şu soruyu cevapla:
Hangisinin değerlemesi sunduğu büyümeye göre daha makul görünüyor?
Kesin yatırım kararı verme. Hangi varsayımın sonucu değiştirebileceğini ayrıca belirt.
Bu yaklaşım yalnızca "Hangisini almalıyım?" diye sormaktan çok daha değerlidir.
Çünkü amaç AI'ın sizin yerinize karar vermesi değil.
Karar vermek için ihtiyaç duyduğunuz çerçeveyi oluşturmasıdır.
Bir şirketin gelir tablosu size ne olduğunu gösterir.
Yönetimin bilanço görüşmesi ise çoğu zaman neden olduğunu anlatır.
Ve bazen en önemli bilgi EPS rakamının içinde değildir.
CEO'nun verdiği bir cevapta saklıdır.
Örneğin:
Talep yavaşlıyor mu?
Yönetim önümüzdeki çeyrek konusunda daha mı temkinli?
Marj baskısı geçici mi?
AI yatırımları gerçekten gelir yaratıyor mu?
Müşteri kazanma maliyetleri yükseliyor mu?
Guidance neden değişti?
Bunların bir kısmını yalnızca rakamlara bakarak anlamak zordur.
Earnings Reviewer burada devreye giriyor.
Anthropic'in açıklamasına göre; Earnings Reviewer, bilanço görüşmesi transkriptlerini ve şirket bildirimlerini inceleyerek modellerde ve yatırım tezinde önemli olabilecek değişiklikleri işaretlemek üzere tasarlanmış.
Apple'ın son bilanço görüşmesini detaylı şekilde analiz et.
Bana sadece özet verme.
Şunları ayrı ayrı göster:
1. Beklentinin üzerinde gelen noktalar
2. Beklentinin altında kalan noktalar
3. Guidance değişiklikleri
4. Yönetimin önceki çeyreğe göre daha olumlu olduğu konular
5. Yönetimin daha temkinli olduğu konular
6. Analistlerin en çok sorguladığı konular
7. Yatırım tezini etkileyebilecek yeni bilgiler
8. Önümüzdeki çeyrek takip edilmesi gereken 5 metrik
Yönetimin açıklamaları ile senin yorumunu birbirinden ayır.
Son cümle yine kritik:
Kaynağın söylediği şey ile AI'ın yorumunu birbirinden ayırın.
Earnings Reviewer'ı kullanmanın daha güçlü bir yolu ise önceden yatırım tezinizi belirtmek.
Örneğin:
Nvidia hissesiyle ilgili yatırım tezim şu:
AI altyapı yatırımlarının önümüzdeki en az 3 yıl boyunca güçlü büyümeye devam edeceğini ve Nvidia'nın bu büyümeden orantısız şekilde faydalanacağını düşünüyorum.
Şirketin son bilanço görüşmesini bu tez açısından analiz et.
Şunları bul:
- Tezi destekleyen yönetim açıklamaları
- Tezi zayıflatan açıklamalar
- Yeni ortaya çıkan riskler
- Data center talebiyle ilgili sinyaller
- Hyperscaler harcamalarıyla ilgili sinyaller
- Rekabetle ilgili gelişmeler
- Marj beklentileri
Sonunda yatırım tezini:
Güçlendi / Değişmedi / Zayıfladı
şeklinde sınıflandır ve nedenini açıkla.
Bu yöntem AI analizini çok daha odaklı hale getirir.
Çünkü yatırım yaparken asıl soru çoğu zaman:
"Şirket iyi mi?"
değildir.
Asıl soru:
"Bu şirketi alma nedenim hâlâ geçerli mi?"
olmalıdır.
Bir hissenin P/E oranının 40 olması tek başına fazla bir şey anlatmaz.
Çünkü sektöründeki bütün şirketler 60 P/E ile işlem görüyorsa 40 nispeten ucuz olabilir.
Tam tersi de mümkün.
Bu nedenle profesyonel analizlerde comparable company analysis, yani emsal şirket analizi sık kullanılır.
Ama doğru şirketleri karşılaştırmak önemlidir.
Örneğin Coca-Cola'yı Nvidia ile karşılaştırmanın anlamı yoktur.
İki şirketin;
büyüme profili,
marj yapısı,
sermaye ihtiyacı,
sektör dinamikleri
birbirinden tamamen farklıdır.
Claude'dan önce doğru emsalleri belirlemesini, sonra karşılaştırma yapmasını isteyin.
Nvidia (NVDA) için emsal şirket analizi gerçekleştir.
Önce Nvidia için gerçekten karşılaştırılabilir şirketleri belirle ve neden bu şirketleri seçtiğini açıkla.
Daha sonra tablo oluştur:
- Forward P/E
- EV/EBITDA
- P/S
- Gelir büyümesi
- Brüt marj
- Faaliyet marjı
- Serbest nakit akışı marjı
Nvidia'nın her metrikte emsal grubuna göre premium veya discount ile işlem görüp görmediğini göster.
Son olarak bu premium'un büyüme ve kârlılık farkıyla ne ölçüde açıklanabileceğini değerlendir.
Burada AI'a mutlaka şu soruyu da sorun:
"Seçtiğin şirketler gerçekten emsal mi?"
Çünkü yanlış karşılaştırma grubu kullanılırsa değerleme analizi de yanlış yönlendirebilir.
Bazen bir şirkette asıl risk haberlerde değil bilançosunun derinliklerinde saklıdır.
Örneğin:
borç hızla artıyor olabilir,
nakit akışı zayıflıyor olabilir,
alacaklar gelirden daha hızlı büyüyor olabilir,
tek seferlik gelirler kârı şişiriyor olabilir,
stock-based compensation çok yükselmiş olabilir,
şirket sürekli yeni hisse çıkarıyor olabilir.
Bu nedenle AI ile hisse analizi yaparken yalnızca gelir büyümesine bakmak yeterli değildir.
[ŞİRKET] şirketinin son finansal tablolarını detaylı şekilde incele.
Özellikle aşağıdaki riskleri araştır:
- Borç artışı
- Faiz yükü
- Serbest nakit akışı
- Accounts receivable değişimi
- Inventory değişimi
- Stock-based compensation
- Hisse seyrelmesi
- Tek seferlik gelir veya giderler
- Şerefiye ve intangible assets
- Yükümlülüklerde olağandışı değişimler
- Finansal tablolar arasında tutarsızlıklar
Sonunda:
"Bir yatırımcı olarak beni en fazla endişelendirecek 5 nokta"
başlığı altında riskleri önem sırasına göre sırala.
Bir başka güçlü yöntem ise doğrudan şirketin 10-K raporuna odaklanmak:
[ŞİRKET]'in son 10-K raporunu incele.
Sadece basın bültenini veya finans haberlerini okuyan bir yatırımcının muhtemelen fark etmeyeceği 5 önemli noktayı bul.
Her madde için 10-K içindeki ilgili bölümü belirt ve bunun yatırımcı açısından neden önemli olduğunu açıkla.
Bu, yapay zekâyı "özetleyici" olmaktan çıkarıp araştırma asistanına dönüştüren prompt'lardan biridir.
Finansal yapay zekâ sistemlerinde model kadar önemli başka bir konu var:
Veri.
Çünkü dünyanın en gelişmiş modeli bile yanlış veya eski veriyle beslendiğinde yanlış sonuç üretebilir.
Anthropic'in finans ekosisteminde şu anda FactSet, S&P Capital IQ, MSCI, PitchBook, Morningstar, LSEG ve Daloopa gibi finansal veri ve araştırma platformlarıyla bağlantılar bulunuyor.
Ayrıca Financial Modeling Prep, Fiscal AI, Guidepoint, IBISWorld, Third Bridge, Verisk ve başka kaynaklarla bağlantılar da Anthropic'in finans ekosisteminde yer alıyor.
Ancak burada önemli bir ayrım var:
Claude'a entegre edilebilen bir veri sağlayıcısının bulunması, o premium veriye otomatik olarak ücretsiz erişebileceğiniz anlamına gelmez.
Kurumsal ve ücretli veri hizmetlerinin erişim koşulları ilgili sağlayıcıya göre değişebilir.
Dolayısıyla bireysel yatırımcı açısından en sağlıklı yaklaşım:
halka açık verileri kullanmak,
kaynağı kontrol etmek,
gerekiyorsa premium veri bağlantısı eklemek,
AI çıktısını ikinci bir kaynakla doğrulamak.
Anthropic'in güncel resmi açıklamasına göre, finans ajanı şablonları, Claude Cowork ve Claude Code içinde plugin olarak kullanılabiliyor.
Programatik iş akışları için ise aynı yaklaşım Claude Managed Agents üzerinden Claude Platform tarafında kullanılabiliyor.
Finans ajanlarının resmi marketplace'i de Anthropic'in financial services repository'si üzerinden sunuluyor.
Bireysel kullanım açısından temel mantık şu:
Örneğin:
şirket araştırması → Market Researcher
finansal model → Model Builder
bilanço analizi → Earnings Reviewer
Anthropic'in finans marketplace'i üzerinden ilgili ajan yapısına ulaşabilirsiniz.
Ücretsiz, halka açık veya erişiminiz olan premium kaynakları bağlayın.
"NVDA'yı analiz et" yerine araştırmanın amacını ve yatırım tezinizi açıklayın.
AI çıktısını hiçbir zaman otomatik olarak doğru kabul etmeyin.
Özellikle;
fiyat,
bilanço rakamı,
guidance,
analist tahmini,
değerleme
gibi yatırım kararını etkileyebilecek bilgileri birincil kaynaktan doğrulayın.
Asıl ilginç nokta tek bir finans ajanı değil.
Birden fazla ajanı aynı araştırma sürecinde kullanmak.
Örneğin bir şirket için şu sırayı takip edebilirsiniz:
Araştırma → Finansallar → Değerleme → Bilanço Görüşmesi → Risk Analizi
Bu, profesyonel bir equity research sürecine çok daha fazla benzer.
Palantir'i araştırdığınızı düşünelim.
Şöyle bir çalışma yaptırabilirsiniz:
Palantir (PLTR) için kapsamlı bir yatırım due diligence çalışması hazırla.
AŞAMA 1 — ŞİRKET
İş modelini açıkla.
Gelir kaynaklarını göster.
Müşteri yapısını incele.
Rekabet avantajlarını belirle.
AŞAMA 2 — MARKET RESEARCH
Son önemli haberleri incele.
Analist görüşlerini araştır.
Sektör gelişmelerini değerlendir.
Rakipleri belirle.
AŞAMA 3 — FİNANSALLAR
Son 3 yıllık:
- gelir
- büyüme
- brüt marj
- faaliyet marjı
- serbest nakit akışı
- hisse bazlı ödeme
trendlerini incele.
AŞAMA 4 — DEĞERLEME
DCF modeli oluştur.
Emsal şirket analizi yap.
Tarihsel değerlemeyle karşılaştır.
AŞAMA 5 — EARNINGS
Son bilanço görüşmesini incele.
Yönetimin:
- büyüme
- AI talebi
- kamu müşterileri
- ticari müşteriler
- marjlar
konusundaki yorumlarını analiz et.
AŞAMA 6 — RİSK
Bu yatırımın başarısız olmasına yol açabilecek 10 senaryo oluştur.
AŞAMA 7 — SONUÇ
Boğa, baz ve ayı senaryosu hazırla.
Kesin al/sat kararı verme.
Bunun yerine yatırım tezini değiştirecek metrikleri ve takip edilmesi gereken gelişmeleri listele.
Bu prompt'ta önemli bir değişiklik yaptık.
AI'a:
"Almalı mıyım?"
diye sormuyoruz.
Onun yerine:
"Karar verebilmem için hangi bilgileri bilmem gerekiyor?"
diye soruyoruz.
Bizce yapay zekâyı finans alanında kullanmanın doğru yolu da tam olarak bu.
AI finans ajanlarının en kullanışlı olduğu dönemlerden biri bilanço sezonudur.
Örneğin Nvidia gelecek hafta bilanço açıklayacaksa:
Nvidia'nın yaklaşan bilançosu için yatırımcı hazırlık raporu oluştur.
Şunları araştır:
1. Wall Street gelir konsensüsü
2. EPS konsensüsü
3. Data Center gelir beklentileri
4. Brüt marj beklentileri
5. Şirketin önceki guidance'ı
6. Son 90 gündeki analist tahmin değişimleri
7. Piyasanın en çok takip ettiği 5 metrik
8. Son bilanço görüşmesinde yönetimin bu çeyrek için söyledikleri
Sonra üç senaryo oluştur:
BEAT
INLINE
MISS
Her senaryoda yatırım tezini etkileyebilecek noktaları açıkla.
Bu tür bir çalışma bilanço açıklandığında rakamlara çok daha hızlı anlam vermenizi sağlar.
Claude finans ajanlarını yalnızca mevcut portföyünüz için kullanmak zorunda değilsiniz.
Yeni yatırım fikirlerini araştırmak için de kullanabilirsiniz.
Örneğin:
ABD borsalarında aşağıdaki kriterlere uyan şirketleri araştır:
- Piyasa değeri: 5-50 milyar dolar
- Yıllık gelir büyümesi: %25+
- Brüt marjı istikrarlı veya yükseliyor
- Serbest nakit akışı pozitif veya hızla iyileşiyor
- Net borç düşük
- Güçlü rekabet avantajı
- Mega-cap şirketleri hariç tut
En uygun 10 şirketi bul.
Sonra her şirket için:
- İş modeli
- Büyüme nedeni
- Değerleme
- En güçlü katalizör
- En büyük risk
bilgilerini ver.
Son aşamada şirketleri daha fazla araştırmaya değer olma açısından sırala.
Burada da dikkat:
Bir AI'ın bulduğu şirket doğrudan yatırım adayı değildir.
Araştırma adayıdır.
Aradaki fark oldukça önemli.
Kötü prompt:
NVDA'yı analiz et.
Daha iyi prompt:
NVDA yatırımımdaki temel tezim AI altyapı harcamalarının önümüzdeki üç yıl güçlü büyümeye devam etmesi. Son finansallar ve yönetim açıklamaları ışığında bu tezi test et.
AI neyi test ettiğini bildiğinde analiz daha anlamlı hale gelir.
Yapay zekâdan yalnızca olumlu senaryoyu istemeyin.
Şunu da sorun:
Bu yatırım tezinin yanlış çıkabileceği en güçlü 10 nedeni bul.
Bazen en değerli araştırma "neden almalıyım?" sorusundan değil:
"Neden almamalıyım?"
sorusundan çıkar.
Finansal analizde mümkün olduğunca her kritik verinin kaynağını isteyin.
Özellikle:
şirket finansalları,
guidance,
analist tahminleri,
pazar payı,
sektör büyüklüğü,
değerleme
gibi verilerde.
Finansal veri çok hızlı eskiyebilir.
Bu nedenle:
"Bu veri hangi tarihe ait?"
sorusunu alışkanlık haline getirin.
Örneğin:
Gerçekleşen gelir: $100 milyar
ile
2028 tahmini gelir: $170 milyar
aynı şey değildir.
AI çıktılarında gerçekleşmiş rakamlarla tahminleri görsel olarak ayırmak hata ihtimalini azaltabilir.
Bir şirketi yalnızca DCF ile değerlendirmek yerine:
DCF,
P/E,
EV/EBITDA,
P/S,
tarihsel değerleme,
emsal şirketler
gibi farklı yöntemleri karşılaştırın.
Belki de bütün rehberin en önemli cümlesi bu.
Yapay zekânın görevi:
"Bu hisseyi al."
demek olmamalı.
Daha sağlıklı kullanım:
Bana bu yatırım hakkında daha iyi karar verebilmem için bilmem gereken bilgileri bul, karşılaştır, test et ve riskleri göster.
Evet, fakat doğru beklentiyle kullanıldığında.
Claude finans ajanlarının en büyük avantajı geleceği bilmeleri değil.
Bilmiyorlar.
En büyük avantajları:
Araştırma maliyetini ve araştırma süresini azaltabilmeleri.
Normalde saatler sürebilecek;
şirket raporu tarama,
bilanço karşılaştırma,
earnings transcript inceleme,
rakip analizi,
model hazırlama
gibi işler çok daha hızlı yürütülebiliyor.
Bu yatırımcı için önemli bir değişim.
Çünkü bireysel yatırımcının en büyük dezavantajlarından biri her zaman bilgiye erişim değildi.
Bilgiyi işlemek için gereken zaman ve uzmanlıktı.
AI bu farkı bir miktar azaltabilir.
Ama tamamen ortadan kaldırmaz.
Tek kelimeyle:
Güven.
AI'ın hazırladığı bir tablo çok profesyonel görünebilir.
Ama profesyonel görünmesi doğru olduğu anlamına gelmez.
Yanlış bir veri;
DCF modelini,
büyüme tahminini,
değerlemeyi,
yatırım tezini
tamamen değiştirebilir.
Bu nedenle özellikle finans alanında yapay zekâ çıktıları mutlaka doğrulanmalıdır.
Anthropic de finans ajanlarını kullanıcıların yaptığı işi tamamen kontrolsüz biçimde devralan sistemlerden ziyade, insanların inceleyip onayladığı iş akışları olarak konumlandırıyor.
Claude finans ajanları, Anthropic tarafından finansal araştırma, finansal modelleme, bilanço analizi, değerleme, muhasebe ve uyum gibi görevler için geliştirilen yapay zekâ ajan şablonlarıdır.
Evet. Claude; şirket finansalları, şirket bildirimleri, bilanço görüşmeleri, sektör verileri ve emsal şirketler gibi kaynakları kullanarak araştırmaya yardımcı olabilir. Ancak AI çıktıları yatırım tavsiyesi değildir ve kritik veriler mutlaka doğrulanmalıdır.
Market Researcher şirket ve sektör gelişmelerini araştırmak, haberları ve şirket bildirimlerini sentezlemek ve yatırım tezini etkileyebilecek önemli gelişmeleri bulmak için tasarlanmış Claude finans ajanlarından biridir.
Model Builder; finansal veriler, şirket bildirimleri ve analist varsayımlarından finansal modeller oluşturmaya veya mevcut modelleri güncellemeye yardımcı olan Claude ajanıdır.
Earnings Reviewer şirketlerin bilanço görüşmelerini ve finansal bildirimlerini analiz ederek beklentiler, guidance, yönetim yorumları ve yatırım tezini değiştirebilecek gelişmeleri tespit etmeye yardımcı olur.
Claude ve özellikle finansal modelleme iş akışları DCF, duyarlılık analizi ve farklı finansal senaryolar oluşturmak için kullanılabilir. Ancak modelin sonucu kullanılan varsayımlara bağlıdır ve kesin şirket değeri olarak değerlendirilmemelidir.
Ajanların veya bunlara bağlanan veri kaynaklarının erişim koşulları birbirinden farklı olabilir. Anthropic'in güncel açıklamasına göre finans ajanı plugin'leri Claude Cowork ve Claude Code'da ücretli planlarda kullanılabiliyor; bazı profesyonel finansal veri kaynakları ise ayrıca abonelik gerektirebilir.
Bence Claude'un finans ajanlarındaki asıl gelişme "AI artık hangi hissenin yükseleceğini biliyor" değil.
Böyle bir şey yok.
Asıl değişim çok daha gerçekçi ve belki daha önemli:
Eskiden profesyonel analistlerin saatlerini alan finansal araştırma süreçlerinin önemli bir kısmı artık yapay zekâ yardımıyla çok daha hızlı gerçekleştirilebiliyor.
Market Researcher size şirket çevresinde ne olduğunu anlamada yardımcı oluyor.
Model Builder rakamları modele dönüştürüyor.
Earnings Reviewer yönetimin söylediklerini yatırım teziyle karşılaştırıyor.
Bunları emsal analizi, finansal tablo incelemesi ve risk analiziyle birleştirdiğinizde oldukça güçlü bir araştırma sistemi ortaya çıkıyor.
Ama son karar hâlâ size ait.
Ve belki de olması gereken tam olarak bu:
AI karar vermesin. Daha iyi karar verebilmeniz için daha iyi araştırma yapmanıza yardım etsin.
Yasal Uyarı: Bu içerik yalnızca eğitim ve bilgilendirme amacıyla hazırlanmıştır. Burada adı geçen şirketler, hisseler, analizler, prompt'lar veya yapay zekâ araçları yatırım tavsiyesi değildir. Yapay zekâ sistemleri yanlış, eksik veya güncelliğini yitirmiş bilgiler üretebilir. Herhangi bir yatırım kararı vermeden önce bilgileri bağımsız kaynaklardan doğrulayın ve gerektiğinde lisanslı bir finansal danışmana başvurun.