據報道，將ChatGPT應用于金融領域的第一波學術研究浪潮到來——從初步結果來看，過去幾個月的炒作是有道理的。本月有兩篇將人工智能聊天機器人應用于市場相關任務的新論文發表，一項是解讀美聯儲的聲明是鷹派還是鴿派，另一項是判斷頭條新聞對某只股票是利好還是利空。ChatGPT在兩項測試中都表現出色，表明該技術在將新聞報道、推文和演講稿等大量文字轉化為交易信號方面，可能邁出了重大一步。

當然，這一過程在華爾街并不新鮮，長期以來，量化分析師一直在使用支持聊天機器人的語言模型來制定許多策略。但這些研究結果表明，OpenAI開發的技術在解析細微差別和上下文方面達到了一個新水平。

【資料圖】

Man AHL 機器學習負責人 Slavi Marinov 表示：“這是炒作成真的罕見案例之一。”多年來，Man AHL一直在使用自然語言處理技術來讀取財報和Reddit帖子等文本。

在第一篇題為《ChatGPT能否解讀美聯儲表態?》的文章中，美聯儲的兩名研究人員發現，在判斷央行的聲明是鴿派還是鷹派方面，ChatGPT最接近人類。里士滿聯邦儲備銀行的Anne Lundgaard Hansen和Sophia Kazinnik的研究表明，它擊敗了谷歌常用的BERT模型，以及基于字典的分類法。ChatGPT甚至能夠以類似于美聯儲自己的分析師的方式解釋其對美聯儲政策聲明的分類。

在第二篇題為《ChatGPT能否預測股價走勢?回報可預測性和大型語言模型》的文章中，佛羅里達大學的Alejandro Lopez-Lira和Yuehua Tang讓 ChatGPT作為金融專家來解讀企業新聞頭條。他們使用了2021年底之后的新聞，這段時間沒有包含在聊天機器人的訓練數據中。

研究發現，ChatGPT給出的答案與該股隨后的走勢在統計上存在關聯，這表明該技術能夠正確分析新聞的含義。

在讓ChatGPT判斷標題為“Rimini Street在與甲骨文的訴訟中被罰款63萬美元”的新聞對甲骨文是好還是壞的例子中，ChatGPT解釋說，這是積極的，因為罰款“可能會增強投資者對甲骨文保護其知識產權能力的信心，并增加對其產品和服務的需求。”

在 Marinov 看來，雖然機器現在的閱讀能力幾乎和人一樣好，這并不令人驚訝，但ChatGPT有可能加快技術應用的進程。

當Man AHL首次建立模型時，這家量化對沖基金手動將每個句子標記為對一項資產是正面或負面，以便為人工智能提供解釋語言的范本。然后，公司將整個過程變成了一個游戲，對參與者進行排名，并計算他們對每句話的贊同程度，以便所有員工都能參與進來。

這兩篇新論文表明，ChatGPT甚至不需要專門訓練就可以完成類似的任務。美聯儲的研究表明，這種所謂的零次學習已經超越了之前的技術，但根據一些具體例子對其進行微調會使其變得更好。

Marinov表示:“以前你必須自己給數據貼上標簽。現在你可以通過為ChatGPT設計正確的提示來完成工作。”