Boğaziçi Üniversitesi İktisat Bölümü, Yapay Zeka Çağında Finans ve İktisat Üzerine Öncü Seminer Düzenledi

12 Haziran 2026, Cuma | İktisat Bölümü, Boğaziçi Üniversitesi

Boğaziçi Üniversitesi İktisat Bölümü, 12 Haziran 2026 Cuma günü önemli bir araştırma seminerine ev sahipliği yaptı. Yapay zeka, ekonometri ve finansal piyasaların kesişiminde çalışan dünyaca tanınmış iki akademisyeni bir araya getiren etkinlik, İktisat Bölümü Başkanı Prof. Dr. Burak Saltoğlu'nun organizasyonuyla gerçekleşti. "Yapay Zeka Çağında Finans ve İktisatta Ampirik Araştırmanın Geleceği" başlığını taşıyan seminer, Fen Fakültesi TB310'u dolduran bir katılımcı kitlesiyle ilgi odağı oldu.

Seminerde Princeton Üniversitesi'nden Prof. Jianqing Fan ve Kuzey Carolina Eyalet Üniversitesi'nden Prof. Mehmet Caner arka arkaya sunum yaptı; ardından tartışma ve kapanış konuşmaları yer aldı. Etkinlik Bloomberg HT'de yayımlandı; üç akademisyen de finans muhabiri Elif Canseven'e televizyon röportajı verdi.

Açılış Konuşması: Yapay Zeka Çağında Titizlik Çağrısı

Prof. Saltoğlu, semineri yapay zekanın ekonomik ve finansal araştırmalardaki yerine ilişkin gerçekçi bir değerlendirmeyle açtı. Konuşması bir yenilik kutlaması değil, entelektüel disiplin çağrısıydı. "Yapay zeka artık geleceğe ait bir mesele değil" dedi. "Bilginin nasıl üretildiğini, ticarete konu edildiğini ve doğrulandığını şimdiden dönüştürüyor."

Cambridge CCAF 2026 Küresel Finansal Hizmetlerde Yapay Zeka Raporu'na dayanarak Prof. Saltoğlu çarpıcı bir paradoksu gözler önüne serdi: Finansal kurumların yüzde seksen biri yapay zekayı bir düzeyde benimsemiş olsa da yalnızca yüzde on dördü bunu kendi stratejileri açısından gerçek anlamda dönüştürücü buluyor. Pilot uygulamalar her yerde; kalıcı değer yaratma ise hâlâ nadir. Kantitatif ticarette ise tablo çok farklı: ABD hisse senedi işlemlerinin yaklaşık yüzde yetmişi ile sekseninin algoritmik olduğunu, döviz işlemlerinin yaklaşık yüzde yirmisinin yapay zeka tarafından yürütüldüğünü belirten Prof. Saltoğlu, risk yönetiminin bu dönüşümün çok gerisinde kaldığına dikkat çekti; baş risk yöneticilerinin yüzde yetmiş ikisi yapay zekayı henüz erken aşamada uyguladıklarını belirtiyor.

Prof. Saltoğlu ayrıca ekonometri ile makine öğrenmesi arasındaki yöntemsel uçurumu da ele aldı. Ekonometri, yapısal varsayımlar aracılığıyla nedensellik çıkarımı yapmayı hedeflerken makine öğrenmesi, veriye dayalı düzenleme yöntemleriyle örneklem dışı tahmin gücünü ön plana koyuyor. Büyük dil modellerinin asıl katkısının her iki geleneğin yerini almakta değil, yapılandırılmamış metni araştırmacıların kullanabileceği yapılandırılmış veriye dönüştürerek ölçümü sessiz sedasız devrimleştirmekte yattığını savundu.

Konuşmasını düşündürücü bir soruyla noktaladı: "Bu seminerdeki tartışmacı beş yıl sonra bir yapay zeka ajanı olabilir mi?"

Birinci Sunum: "Tabloları Konuşturmak: Kurumsal Anlatıları Büyük Dil Modelleriyle Denetlemek ve Güçlendirmek"

Prof. Jianqing Fan, Princeton Üniversitesi

Princeton Üniversitesi'nde Finans ve İstatistik Profesörü olan ve 2026'da ABD Ulusal Bilimler Akademisi'ne seçilen Prof. Fan, kurumsal yıllık raporlardaki anlatı açıklamalarının kalitesini denetlemeye yönelik kapsamlı, yapay zeka destekli bir çerçeve sundu.

Ekibinin ele aldığı temel sorun şu: Kurumsal anlatılar çift taraflı keskin bir kılıç gibidir; bir yanda yatırımcıların şirket performansını gerçek anlamda daha iyi kavramasına katkıda bulunabilirken öte yanda aşırı iyimser bir tablo çizerek algıyı çarpıtabilir. Önceki araştırmalar anlatıları ayrımsız bir kütle olarak ele almış, bu iki işlevi birbirinden ayırt etmemiştir.

Table-Talk çerçevesinin özgünlüğü, sıkı biçimde denetlenen ve düzenlenen finansal tabloları tarafsız ve nesnel bir referans noktası olarak kullanmasında yatıyor. Otomatik süreç dört bileşenden oluşuyor: Yıllık raporlardan içerikleri ilgili modüllere yönlendiren bir Görev Atayıcı; anlatı bölümlerini Ar-Ge, yönetim ve ticari faaliyetler gibi 20 konu kategorisine ayıran bir Konu Madencisi; ince ayarlı Qwen2.5-14B dil modelini kullanarak finansal tabloları olgusal metin özetlerine dönüştüren bir Çapa Metin Üreticisi; ve GPT-4o etiketlemesiyle oluşturulan 20.000 örnekle eğitilmiş ince ayarlı bir RoBERTa modeliyle her anlatı bölümünü tamamlayıcı, çarpıtıcı ya da tarafsız olarak sınıflandıran bir Anlatı Denetçisi.

Çalışma, 2010 ile 2024 yılları arasında Çin A-pay borsasında işlem gören tüm şirketlerin yıllık raporlarını kapsıyor: yaklaşık 47.000 rapor, 12 milyona yakın anlatı bölümü ve 10 milyonun üzerinde tablo.

Ampirik bulgular dikkat çekici. Daha yüksek tamamlayıcılık puanına sahip şirketler gelecekte daha güçlü temel göstergeler sergileyerek öz kaynak kârlılığı ve hisse başına kazanç büyümesinde öne çıkarken daha yüksek çarpıtma puanı olan şirketler ilerleyen dönemde daha zayıf performans, daha yüksek hile riski ve denetçi görüşünde olumsuz görüşlerle karşılaşıyor. Çarpıtmanın olumsuz etkisi iki yıl sonrasına kadar sürebiliyor. 2021'de Çin sermaye piyasası düzenleyicisinin belirli pazar segmentleri için daha genel açıklamalar zorunlu kılan reformunun çarpıtmayı artırıp tamamlayıcılığı azaltması ise düzenleyici tasarımın niyeti kadar sonucu da belirlediğini açıkça ortaya koyuyor.

Araştırma aynı zamanda Table-Talk-Alpha adıyla bir varlık fiyatlaması uygulaması da ortaya koydu. Modelin ürettiği uzun-kısa portföy aylık yaklaşık yüzde 1,06 getiri sağlarken 2015'te yatırılan bir dolar 2024'e gelindiğinde yaklaşık 3,42 dolara ulaştı ve bu rakam başlıca Çin borsa endekslerinin çok üzerinde kaldı.

Prof. Fan, seminerin ardından Bloomberg HT'ye verdiği röportajda konunun yatırımcılar ve analistler için ne anlam ifade ettiğini yorumladı. Büyük dil modelleri aracılığıyla öğrenilebilecek çok büyük miktarda bilgi bulunduğunu vurgulayan Prof. Fan, güçlü temellere sahip şirketlerin raporlarında daha tutarlı ve destekleyici göstergeler görüldüğünü, zayıf performanslı şirketlerde ise çarpıtma sinyallerinin daha fazla ortaya çıktığını belirtti. Yapay zekanın halüsinasyon riskine ilişkin soruya ölçülü bir yanıt verdi: Yüksek kaliteli veri, insan denetimi ve daha iyi eğitilmiş modellerle bu riskin önemli ölçüde azaltılabileceğini ifade etti. Yapay zekanın istihdama etkisi konusunda ise giriş seviyesi analist pozisyonlarının en fazla etkilenecek kesim olacağını, yüksek nitelikli kıdemli analistlere duyulan ihtiyacın ise süreceğini öngördü.

İkinci Sunum: "Portföy Yatırımı için Ajansal Yapay Zeka Tabanlı Tarama Tasarımı"

Prof. Mehmet Caner, Kuzey Carolina Eyalet Üniversitesi

Journal of Econometrics ve Econometric Reviews dergilerinin yayın kurullarında görev yapan Prof. Caner, Capponi, Sun ve Tan ile birlikte kaleme aldığı çalışmada portföy oluşturmaya yönelik tam otomatik, üç katmanlı bir ajansal yapay zeka sistemi sundu.

Makale, portföy teorisindeki temel bir boşluktan hareket ediyor: Geleneksel yaklaşımlar önce bir hisse senedi evrenini sabitler, ardından ağırlıkları optimize eder. Bu yöntem seçim adımını görmezden gelir ve insan analistler sürecin her aşamasına davranışsal ve duygusal önyargı katar. Üstelik mevcut yüksek boyutlu portföy teorisinin hiçbiri rastgele belirlenen bir hisse senedi kümesini ele almaz.

Önerilen sistem bu sorunu birbiri ardına çalışan üç katmanla çözüyor. Birinci katmanda iki tarama ajanı paralel olarak devreye giriyor: Yıllık bazda çalışan ve büyüklük, defter değeri ile 12 aylık momentum gibi şirket temellerini kullanarak sıfır-atış, dört adımlı bir prosedürle özerk al-sat kuralları geliştiren LLM-S (GPT-4o) ile aylık bazda çalışan ve eski haberleri üstel azalma yöntemiyle iskonto ederek S&P 500 haber makalelerini duygu analiziyle puanlayan FinBERT. İki ajan bilinçli olarak tamamlayıcı bir biçimde tasarlanmış: LLM-S yavaş değişen temelleri yakalarken FinBERT hızla değişen piyasa duyarlılığını izliyor. İkinci katmanda bir uzlaşı kuralı, iki ajanın al listelerinin kesişimini alarak genellikle yaklaşık 22 hisseden oluşan bir portföy oluşturuyor. Üçüncü katmanda ise kantitatif bir ajan tarama sonuçları için bir hassasiyet matrisi tahmin ediyor ve örneklem dışında en iyi performansı gösteren portföy optimizasyon hedefini, yani minimum varyans, ortalama-varyans veya maksimum Sharpe oranını seçiyor.

Teorik katkı da en az ampirik bulgular kadar önemli. Prof. Caner ve ortak yazarlar makul tarama kavramını tanımlayarak seçilen hisse senedi sayısı rastgele bir değişken olsa bile, tarihsel literatürde ilk kez, bu koşulda taranan portföyün kare Sharpe oranının tutarlı biçimde hedefini tahmin ettiğini ispatlıyor.

Ampirik sonuçlar da dikkat çekici. Kısa dönem test periyodunda (Kasım 2023 ile Nisan 2024 arasında) ajansal yapay zeka sistemi 8,16 Sharpe oranı elde etti; buna karşın yalnızca FinBERT 6,69, yalnızca insan analistler 3,17 ve S&P 500 endeksi 2,09 Sharpe oranıyla kaldı. Orta dönem periyodunda (Ekim 2021 ile Nisan 2024, 2022'nin sert düşüşünü de kapsıyor) ajansal sistem 1,095 Sharpe oranı elde ederken insan analistler yalnızca 0,192 ile S&P 500'ün altına geriledi.

En çarpıcı bulgu ise insan yargısına ilişkin: Ajansal yapay zeka sistemine insan analist önerilerinin eklenmesi portföy değerini dramatik biçimde düşürdü. Kısa dönemde Sharpe oranı 8,16'dan 1,39'a inerken orta dönemde 1,095'ten 0,112'ye geriledi; 15 yöntem-hedef kombinasyonunun tamamı piyasanın altında kaldı. Yazarlar bunu davranışsal önyargılara, özellikle stres dönemlerinde aşırı tepki verme, sürü psikolojisi ve korku güdümlü anlatılara bağlıyor. Prof. Caner, Bloomberg HT röportajında bu durumu şöyle açıkladı: "İnsanlar duygularıyla karar veriyor. Kısa vadede bireyler başarılı olabiliyor; ama orta vadede herkes yeniliyor, çünkü insanlar duygusal hareket ediyor."

Yaygınlaşan yapay zeka kullanımının piyasaları daha kırılgan hale getirip getiremeyeceği sorusuna Prof. Caner, bu riski araştırmalarında doğrudan incelediklerini belirterek yanıt verdi: "Beklenmedik bir şok geldiğinde, diyelim ki Fed faizi beklenenin üzerinde 50 baz puan artırıldığında, başlangıçta birbirinden farklı düşünen botların hepsi aynı kararı veriyor ve piyasa çöküşe sürüklenebiliyor." Yatırım yönetiminde insan rolünün uzun vadeli seyrine ilişkin ise net konuştu: "Azalacak, maalesef azalacak. Bulduğumuz en büyük fark duygusal olan. İnsanların rekabet etmesi çok zor."

Büyük Resim: Türkiye'nin Hazırlığı ve Önümüzdeki Dönem

Prof. Saltoğlu, Bloomberg HT röportajında Türkiye'nin finansta yapay zeka dönüşümüne ne ölçüde hazır olduğunu değerlendirdi. "Hazır olmamız gerektiği konusunda herkes hemfikir; ama daha yoğun başlamak gerekiyor" dedi. Türkiye'nin iki başlı ekonomik yapısını, yani rahat tüketen bir kesimin yanında çok daha zor koşullarda yaşayan bir kesimin varlığını büyük veri bilimi ve yapay zeka destekli politika araçlarının çözmeye en yatkın olduğu sorunlardan biri olarak tanımladı. "Merkez Bankası bunu tek bir faizle çözemez; yapay zekanın bu alanlara girmesi gerekiyor" vurgusunu yaptı.

Bir sonraki nesil finans ve iktisat öğrencilerinin hangi becerileri edinmesi gerektiğine ilişkin mesajı açıktı: "Yapay zeka; nasıl geliştirilir, nasıl kullanılabilir, arkasındaki modeller nedir, daha hassas sonuçlar nasıl elde edilir? Bunu uygulayabilecek nitelikte öğrenci yetiştirmek gerekiyor."

Seminerin kapanış mesajını ise şöyle özetledi: "Yapay zekanın gideceği yerlerin sınırları var; insanlara hâlâ muhtacız. Ama o insanların bu teknolojiyi derinlemesine bilerek insani aklı kullanması gerekiyor. Nasıl ki hesap makinesi zihinsel aritmetik dönemini bitirdiyse, yalnızca kafadan hesap yaparak öne çıkan kişilerin yakında daha az aranan nitelikte olduğunu göreceğiz. Bu araçları iyi kullanırsak çok daha iyi projeler çözebiliriz."

Konuşmacılar Hakkında

Prof. Jianqing Fan, Princeton Üniversitesi'nde Finans ve İstatistik Profesörüdür. Yüksek boyutlu istatistik, makine öğrenmesi ve kantitatif finans alanlarını temelden şekillendiren araştırmalarıyla tanınmaktadır. 2026 yılında ABD Ulusal Bilimler Akademisi'ne seçilmiştir.

Prof. Mehmet Caner, Kuzey Carolina Eyalet Üniversitesi'nde Ekonomi Profesörüdür. Araştırmaları ekonometri, makine öğrenmesi ve yüksek boyutlu istatistiksel yöntemlerin kesişiminde özellikle portföy seçimi ve finansal uygulamalara odaklanmaktadır. Journal of Econometrics ve Econometric Reviews dergilerinin yayın kurullarında görev yapmaktadır.

Prof. Dr. Burak Saltoğlu, Boğaziçi Üniversitesi İktisat Bölüm Başkanı ve Ekonomi ve Finans Profesörüdür. Araştırmaları finansal ekonometri, risk modellemesi ve kantitatif finans üzerine yoğunlaşmaktadır.