You can deploy this model and start earning money today!

AlicanKiraz0/
Mihenk-LLM-14B-Turkish-Financial-Model-mlx-8Bit

Name: Mihenk-LLM-14B-Turkish-Financial-Model-mlx-8Bit
Availability: InStock

Views

No views yet

🏦 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 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

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

Finansal Tavsiye Değildir: Bu model eğitim ve bilgilendirme amaçlıdır. Yatırım kararları almadan önce profesyonel bir finansal danışmana başvurunuz.
Güncel Veri Kısıtı: Model belirli bir tarihe kadar olan verilerle eğitilmiştir. Gerçek zamanlı fiyat bilgileri sağlamaz.
Risk Uyarısı: Kripto para ve borsa yatırımları yüksek risk içerir. Kaybedebileceğiniz miktardan fazla yatırım yapmayın.
Regülasyon Değişiklikleri: Finansal regülasyonlar sürekli değişmektedir. Güncel düzenlemeler için resmi kaynakları kontrol ediniz.
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.

AlicanKiraz0/Mihenk-LLM-14B-Turkish-Financial-Model-mlx-8Bit