--- base_model: - Qwen/Qwen3-14B tags: - llama-cpp - gguf-my-repo license: mit language: - tr - en --- # 🏦 Mihenk-LLM - Qwen3-14B Fine-tuned for Finance ## Model Açıklaması Mihenk-LLM, kripto para piyasaları, borsa ve finansal analizde uzmanlaşmış Türkçe ve İngilizce dillerinde çalışabilen gelişmiş bir büyük dil modelidir. [Qwen3-14B](https://huggingface.co/Qwen/Qwen3-14B) temel modeli kullanılarak **Supervised Fine-Tuning (SFT)** ve **Reinforcement Learning from AI Feedback (RLAIF)** yöntemleriyle eğitilmiştir. Model, hem Türkiye hem de global finansal piyasalara hakim olup, teknik analiz, temel analiz, risk yönetimi ve regülasyon konularında derinlemesine bilgi sağlamak üzere optimize edilmiştir. ## 🎯 Temel Özellikler - **Kripto Para Uzmanlığı**: Bitcoin, Ethereum, altcoinler, DeFi protokolleri, Layer 2 çözümleri, NFT ve GameFi ekosistemi - **Borsa Bilgisi**: BIST 100, NASDAQ, S&P 500, hisse senedi analizi, ETF'ler, opsiyon stratejileri - **Teknik Analiz**: Grafik formasyonları, göstergeler (RSI, MACD, Bollinger Bands), Elliott Wave, Fibonacci araçları - **Temel Analiz**: Değerleme oranları (P/E, P/B), finansal tablo analizi, DCF, tokenomics - **Risk Yönetimi**: Portföy optimizasyonu, position sizing, hedging stratejileri - **Regülasyon**: SPK, SEC, MiCA düzenlemeleri, vergilendirme ## 📊 Model Detayları | Özellik | Değer | |---------|-------| | **Base Model** | Qwen3-14B | | **Parametre Sayısı** | 14 Milyar | | **Eğitim Yöntemi** | SFT + RLAIF | | **Diller** | Türkçe, İngilizce | | **Uzmanlaşma Alanı** | Finans, Kripto, Borsa | | **Lisans** | MIT | ## 🔬 Eğitim Metodolojisi ### 1. Supervised Fine-Tuning (SFT) Model, finansal konularda yüksek kaliteli instruction-response çiftleri içeren özel bir dataset ile fine-tune edilmiştir. Dataset aşağıdaki kategorilerde dengeli bir dağılım içerir: - Kripto Para Ekosistemi (Majör coinler, DeFi, Layer 2) - BIST ve Türkiye Piyasaları - NASDAQ ve ABD Piyasaları - Global Piyasalar - Teknik ve Temel Analiz - Risk Yönetimi ve Regülasyonlar ### 2. Reinforcement Learning from AI Feedback (RLAIF) SFT aşamasından sonra, model cevaplarının kalitesini artırmak ve finansal tavsiyelerde daha dengeli ve risk bilincine sahip olmasını sağlamak için RLAIF yöntemi uygulanmıştır. ## 💡 Kullanım Alanları - **Yatırımcı Eğitimi**: Kripto ve borsa konularında bilgi edinmek isteyen yatırımcılar için - **Teknik Analiz Asistanı**: Grafik formasyonları ve göstergeler hakkında detaylı açıklamalar - **Piyasa Analizi**: Güncel piyasa dinamiklerini anlamak ve yorumlamak - **Risk Değerlendirmesi**: Yatırım stratejileri ve risk yönetimi planlaması - **Regülasyon Rehberi**: Türkiye ve global düzenlemeler hakkında bilgilendirme - **Eğitim İçeriği Üretimi**: Finans eğitim materyalleri oluşturma ## 🚀 Kullanım ### Gereksinimler ```bash pip install transformers torch accelerate ``` ### System Prompt ```bash # Sistem Talimatları - Türkiye Finansal Asistan ## Kimlik Sen Türkiye finansal piyasaları konusunda uzmanlaşmış bir yapay zeka asistanısın. Görevin kullanıcılara doğru, güncel ve anlaşılır finansal bilgi sağlamaktır. ## Temel İlkeler ### 1. Doğruluk Öncelikli - SADECE doğruluğundan emin olduğun bilgileri paylaş - Emin olmadığın konularda "Bu konuda kesin bilgim yok" de - ASLA uydurma terim, kurum veya düzenleme oluşturma - Türkiye'de var olmayan finansal enstrümanları varmış gibi anlatma ### 2. Düzenleyici Çerçeve Türkiye'deki yetkili kurumları doğru kullan: - **TCMB:** Para politikası, döviz kurları, enflasyon - **BDDK:** Bankacılık düzenleme ve denetleme - **SPK:** Sermaye piyasaları düzenleme - **TMSF:** Mevduat sigortası (150.000 TL limite kadar) - **Hazine ve Maliye Bakanlığı:** Vergi düzenlemeleri ### 3. Halüsinasyon Önleme Aşağıdaki durumlarda DURAKSAMA ve doğrula: - Spesifik faiz oranları, vergi oranları verirken - Yasal düzenlemelerden bahsederken - Tarih ve rakam içeren bilgilerde - Yeni veya nadir finansal ürünlerden bahsederken Bilmiyorsan şunu söyle: "Bu konuda güncel ve doğru bilgi sağlayamıyorum. [İlgili kurum] resmi kaynaklarını kontrol etmenizi öneririm." ### 4. Kapsam Sınırları **Yapabileceklerin:** - Finansal kavramları açıklama - Genel piyasa mekanizmalarını anlatma - Yatırım araçlarını karşılaştırma (genel özellikler) - Düzenleyici çerçeveyi özetleme **Yapamayacakların:** - Kişiselleştirilmiş yatırım tavsiyesi - Spesifik hisse/kripto alım-satım önerisi - Vergi danışmanlığı (kişiye özel) - Gelecek fiyat tahmini ### 5. Zorunlu Disclaimerlar Her finansal bilgi içeren yanıtın sonunda: Bu bilgiler genel niteliktedir, yatırım tavsiyesi değildir. Kararlarınızdan önce lisanslı bir yatırım danışmanına başvurmanız önerilir. Vergi konularında ek olarak: Vergi durumunuz kişisel koşullarınıza göre değişebilir. Mali müşavirinize danışın. ### 6. Güncellik Uyarısı Oranlar, limitler ve düzenlemeler sık değişir. Kritik bilgilerde: - Bilginin hangi döneme ait olabileceğini belirt - Güncel bilgi için resmi kaynağa yönlendir ## Yanıt Formatı - Net ve anlaşılır Türkçe kullan - Teknik terimleri açıkla - Gereksiz uzatma, özlü ol - Karmaşık konuları adım adım anlat ## Örnek Davranışlar **İyi:** "Vadeli mevduat, belirli bir vade sonunda anapara ve faizin ödenmesini garanti eden bir banka ürünüdür." **Kötü:** "XYZ Mevduatı, BDDK'nın 2023'te çıkardığı yeni bir üründür..." (Uydurma) **İyi:** "Bu konuda kesin bilgim yok. SPK'nın resmi sitesinden güncel düzenlemeyi kontrol etmenizi öneririm." **Kötü:** Emin olmadan detaylı rakam ve tarih vermek. ``` ### Kullanım ```python from transformers import AutoModelForCausalLM, AutoTokenizer import torch # Model ve tokenizer yükleme model_name = "your-username/FinanceTurkLLM" tokenizer = AutoTokenizer.from_pretrained(model_name) model = AutoModelForCausalLM.from_pretrained( model_name, torch_dtype=torch.bfloat16, device_map="auto" ) # Sohbet formatı messages = [ {"role": "system", "content": "Sen, kripto para ve borsa konularında uzmanlaşmış bir finans asistanısın."}, {"role": "user", "content": "Bitcoin'in halving döngüsü nedir ve fiyata nasıl etki eder?"} ] # Cevap üretme text = tokenizer.apply_chat_template( messages, tokenize=False, add_generation_prompt=True ) inputs = tokenizer([text], return_tensors="pt").to(model.device) outputs = model.generate( **inputs, max_new_tokens=512, temperature=0.7, top_p=0.9, do_sample=True ) response = tokenizer.decode(outputs[0], skip_special_tokens=True) print(response) ``` ### Örnek Sorular **Kripto Para:** ``` "Ethereum'daki EIP-1559 güncellemesi nedir ve ETH tokenomics'ini nasıl etkiledi?" "DeFi protokollerinde TVL metrigi neden önemlidir?" ``` **Borsa:** ``` "BIST 100'de ağırlığı en yüksek hisseler hangileridir?" "NASDAQ'ta earnings season'da dikkat edilmesi gerekenler nelerdir?" ``` **Teknik Analiz:** ``` "RSI göstergesi 70 üzerindeyken ne yapmalıyım?" "Ichimoku Kinko Hyo sistemi nasıl kullanılır?" ``` ## 📈 Performans ve Yetenekler Model aşağıdaki konularda yüksek performans göstermektedir: ✅ Karmaşık finansal kavramları açıklama ✅ Türkçe ve İngilizce finansal terminoloji ✅ Teknik ve temel analiz yorumlama ✅ Risk-reward senaryolarını değerlendirme ✅ Güncel piyasa dinamiklerini anlama ✅ Regülasyon ve uyumluluk bilgisi ✅ Portföy yönetimi tavsiyeleri ## ⚠️ Önemli Notlar ve Limitasyonlar 1. **Finansal Tavsiye Değildir**: Bu model eğitim ve bilgilendirme amaçlıdır. Yatırım kararları almadan önce profesyonel bir finansal danışmana başvurunuz. 2. **Güncel Veri Kısıtı**: Model belirli bir tarihe kadar olan verilerle eğitilmiştir. Gerçek zamanlı fiyat bilgileri sağlamaz. 3. **Risk Uyarısı**: Kripto para ve borsa yatırımları yüksek risk içerir. Kaybedebileceğiniz miktardan fazla yatırım yapmayın. 4. **Regülasyon Değişiklikleri**: Finansal regülasyonlar sürekli değişmektedir. Güncel düzenlemeler için resmi kaynakları kontrol ediniz. 5. **Doğrulama Gereklidir**: Model cevapları her zaman birden fazla kaynak ile doğrulanmalıdır. ## 📝 Dataset Bilgisi Model, aşağıdaki kategorilerde özenle hazırlanmış bir dataset ile eğitilmiştir: - **Kripto Para Ekosistemi**: Majör coinler, DeFi protokolleri, Layer 2 çözümleri, stablecoinler, NFT/GameFi - **Borsa ve Hisse Senetleri**: BIST, NASDAQ, ABD ve global piyasalar - **Teknik Analiz**: Göstergeler, formasyonlar, mum analizleri - **Temel Analiz**: Değerleme, finansal tablolar, DCF - **Risk Yönetimi**: Portföy teorisi, hedging, position sizing - **Regülasyonlar**: SPK, SEC, MiCA, vergilendirme Dataset, Türkiye ve global piyasalar arasında dengeli bir dağılım sağlayacak şekilde tasarlanmıştır. ## 🔄 Model Versiyonları - **v1.0**: İlk release - SFT + RLAIF eğitimi tamamlanmış model ## 🤝 Katkıda Bulunma Model hakkında geri bildirim, hata raporları veya iyileştirme önerileri için lütfen iletişime geçin. ## 📚 Citation Bu modeli kullanırsanız, lütfen aşağıdaki şekilde atıfta bulunun: ```bibtex @model{Mihenk-LLM, author = {Alican Kiraz}, title = {Mihenk-LLM: A Fine-tuned Qwen3-14B Model for Financial Analysis}, year = {2026}, publisher = {HuggingFace}, url = {https://huggingface.co/AlicanKiraz0/Mihenk-LLM-14B-Turkish-Financial-Model} } ``` ## 📧 İletişim - **HuggingFace**: https://huggingface.co/AlicanKiraz0 - **LinkedIn**: https://www.linkedin.com/in/alican-kiraz - **GitHub**: https://github.com/alicankiraz1 ## 📜 Lisans MIT --- **⚡ Not**: Model sürekli geliştirilmektedir. Güncellemeler için repoyu takip edin. **💬 Disclaimer**: Bu model araştırma ve eğitim amaçlıdır. Yatırım kararlarınızdan dolayı model geliştiricisi sorumlu tutulamaz.