AI aandelenanalyse voor eigen onderzoek

Welke FMP-data voedt de analyse?

De AI-pijplijnen gebruiken FMP voor universes, quotes, profielen, ratios-ttm, jaarlijkse ratio's, income statements, historical-price-full, intraday historical-chart data, technical_indicator RSI, stock_news, grade data, earning_calendar, historical earning calendar, social-sentiment en earnings-call transcripts waar beschikbaar. Niet elke endpoint is voor elke ticker compleet, daarom zijn caching, fallbacks en datakwaliteitscontroles onderdeel van de verwerking.

Fundamentele features

Voor aandelenanalyse worden onder meer PE, PB, debt-to-equity, operating margin, winst- en omzetcontext, marktkapitalisatie, liquiditeit en profielinformatie gebruikt. In de parel-screener krijgen fundamentele kenmerken relatief veel gewicht, omdat het model eerst wil voorkomen dat een technische opleving bij een financieel zwak bedrijf te veel aandacht krijgt.

Technische en marktsignalen

De scripts berekenen onder meer RSI, moving-average context, momentum, afstand tot 52-weeks high/low, intraday patronen en volatiliteit. Deze signalen helpen om timing en marktdruk te beschrijven, maar zijn geen zelfstandig handelsadvies. Een technisch signaal kan snel draaien en moet altijd naast fundamentele en nieuwscontext worden gelezen.

Nieuws, sentiment en earnings

Voor earnings- en AI-context worden nieuwsberichten, social sentiment, historische earnings surprises, vorige koersreacties, verwachte EPS/omzet, sector, volatiliteit en soms transcript-sentiment verwerkt. Waar machine-learning of FinBERT-achtige sentimentanalyse wordt gebruikt, blijft de output een modelinschatting met onzekerheid, geen voorspelling waarop u blind kunt vertrouwen.

Wat doet AI met de data?

AI en modellen worden gebruikt om veel datapunten te structureren, signalen te wegen, uitleg te formuleren en patronen consistent te vergelijken. De belangrijkste waarde zit in reproduceerbaarheid: dezelfde type features worden telkens opnieuw bekeken. De beperking is dat modellen afhankelijk blijven van brondata, aannames, training en marktregime.

Wat u hiermee kunt doen

• FMP fundamentals, quotes, profielen, historische koersen, technische indicatoren, nieuws en earningsdata
• Combinatie van fundamentele, technische en sentimentfeatures
• Caching, fallbacklogica en datakwaliteitschecks voor ontbrekende velden
• AI-ondersteunde samenvatting en modelmatige weging, geen automatische adviseur
• Educatieve uitleg met expliciete onzekerheden en beperkingen

Wat u concreet krijgt

Wanneer is dit nuttig?

• U zoekt AI aandelenanalyse voor eigen onderzoek.
• U wilt sneller door data en rapporten heen.
• U wilt uitleg bij waardering en risico.
• U wilt AI gebruiken zonder blind op output te vertrouwen.

Waarom vertrouwen?

• AI-output wordt niet als advies gepresenteerd.
• Fouten, ontbrekende data en modelbeperkingen worden benoemd.
• Geen persoonlijke geschiktheidsbeoordeling.
• Geen koopadvies, verkoopadvies of rendementsbelofte.

Wanneer past AI analyse in een abonnement?

Een abonnement past wanneer u regelmatig AI-ondersteunde rapporten, screenerdata en educatieve uitleg wilt combineren in één onderzoeksworkflow.

• Regelmatige AI rapporten
• Meer structuur bij aandelenonderzoek
• Combinatie met tools en begrippen
• Geen individuele adviesdienst

AI-output wordt gevolgd, maar blijft onzeker

Bepaalde modelselecties en earningsinschattingen worden gelogd en later vergeleken met uitkomsten. Dat helpt om modellen te controleren, maar maakt de output niet voorspellend of persoonlijk.

• Features en modeluitkomsten worden waar mogelijk opgeslagen voor opvolging
• Earningsreacties en sentiment kunnen sterk door nieuws en marktregime veranderen
• Brondata kan vertraagd, incompleet of foutief zijn
• Geen persoonlijk advies, geen koop- of verkoopadvies en geen rendementsbelofte

Veelgestelde vragen