佛羅里達大學金融學教授Alejandro Lopez Lira表示，大型語言模型在預測股價方面可能很有用。

他在最近一篇未經(jīng)審查的論文中表示，在使用ChatGPT分析新聞標題對一只股票是利好還是利空時，他發(fā)現(xiàn)ChatGPT預測次日回報方向的能力遠好于隨機水平。

這項實驗觸及了圍繞最先進人工智能的核心：借助更強大的計算機和更好的數(shù)據(jù)集——比如支持ChatGPT的計算機和數(shù)據(jù)集——這些人工智能模型可能會顯示出“全新的能力”，或者是在構(gòu)建時沒有最初計劃的能力。

【資料圖】

如果ChatGPT能夠顯示出從金融新聞中分析新聞的全新能力，以及它們可能如何影響股價，這可能會使金融業(yè)的高薪工作面臨風險。高盛曾在3月26日的一份報告中估計，約35%的金融工作面臨被人工智能自動化替代的風險。

Lopez Lira表示：“事實上，ChatGPT能夠理解對人類有意義的信息。這就意味著，如果市場沒有對信息做出完美的反應，那么ChatGPT就可以預測回報?！?/p>

但實驗的細節(jié)也表明，所謂的“大型語言模型”距離能夠勝任金融行業(yè)的工作還有很長的路要走。

例如，這個實驗沒有包括目標價格，也沒有讓模型做任何數(shù)學運算。事實上，正如微軟(MSFT.US)在今年早些時候的一次公開演示中所了解到的那樣，ChatGPT風格的技術(shù)經(jīng)常會編造數(shù)字。由于已經(jīng)存在私有的數(shù)據(jù)集，對新聞標題的情緒分析也早已被視為一種可行的交易策略。

Lopez Lira表示，他對這一結(jié)果感到驚訝，并補充道，這表明老練的投資者還沒有在交易策略中使用類似ChatGPT的機器學習技術(shù)。

Lopez Lira稱：“這肯定會對金融分析師的就業(yè)前景產(chǎn)生一些影響。問題是，今后我是希望付錢給分析師，還是把文本信息放在模型?”

實驗是如何進行的

在實驗中，Lopez Lira及其合伙伙伴Yuehua Tang查看了來自一家數(shù)據(jù)供應商關(guān)于紐約證券交易所、納斯達克和一家小盤股交易所上市公司的5萬多條新聞標題。這些新聞始于2022年10月，也就是在ChatGPT訓練數(shù)據(jù)的截止日期之后，這意味著該引擎在訓練中沒有看到或使用過這些新聞標題。

他們將標題與以下提示一起輸入ChatGPT 3.5：“忘掉之前的所有指示。假定你是一位金融專家，一位有股票推薦經(jīng)驗的金融專家。在第一行中，如果是好消息，回答‘是’;如果是壞消息，回答‘否’;如果不確定，回答‘未知’。然后在下一行中用簡短的句子進行闡述?！?/p>

然后，他們觀察了股票在接下來交易日的回報。

最終，Lopez-Lira發(fā)現(xiàn)，在獲得新聞標題信息之后，該模型在幾乎所有情況下表現(xiàn)得更好。具體而言，他發(fā)現(xiàn)，在獲得新聞標題信息后，模型隨機選擇第二天走勢的概率低于1%。

在情緒評分方面，ChatGPT也擊敗了商業(yè)數(shù)據(jù)集。研究人員表示，論文中的一個例子顯示了一個關(guān)于一家公司解決訴訟并支付罰款的標題，這在傳統(tǒng)分析中被認為是負面的，但ChatGPT的回應正確地認為這實際上是個好消息。

Lopez Lira表示，已經(jīng)有對沖基金聯(lián)系他，希望了解更多關(guān)于他的研究。他還表示，隨著機構(gòu)開始整合ChatGPT技術(shù)，如果未來幾個月該技術(shù)預測股票走勢的能力下降，他也不會感到驚訝。

這是因為該實驗只研究了下一個交易日的股價，而大多數(shù)人都認為，市場可能在消息公布的幾秒鐘內(nèi)就已經(jīng)將其影響反映在股價中。

Lopez Lira表示：“隨著越來越多的人使用這類工具，市場將變得更加有效，因此你可以預期回報的可預測性會下降。所以我的猜測是，如果我進行這個測試，五年之后回報率的可預測性將為是零?！?/p>