Rumah >Peranti teknologi >AI >500% pulangan? Dicipta oleh ChatGPT, pengurus dana terkuat dalam sejarah!
ChatGPT, adakah ia akan menggantikan pengurus dana manusia?
Finder, sebuah laman web perundingan kewangan di UK, menyatakan bahawa mereka mencipta portfolio terdiri daripada saham yang dipilih oleh ChatGPT pada 6 Mac. Portfolio ini meningkat 4.93 dua bulan kemudian %.
Dalam tempoh yang sama, prestasi purata 10 dana paling popular di UK ialah -0.78%, dan kurang berprestasi "Indeks ChatGPT" dalam 87% hari dagangan.
Begitu juga, dalam tempoh yang sama, Indeks S&P 500 (indeks yang mengandungi 500 syarikat paling bernilai di United). Negeri) hanya meningkat 3%.
Selain pekerjaan pekerja sastera terancam, adakah pengurus dana, wajah "pekerja pukul", juga akan kehilangan pekerjaan?
Siapa sangka penyelidik asing sebenarnya menerbitkan kertas kerja untuk meneroka keupayaan perdagangan saham AI secara terperinci.
Secara khususnya, berikan ChatGPT beberapa tajuk berita dan biarkan ChatGPT menggunakan Analisis Sentimen ) untuk menentukan kesan peristiwa ini pada pasaran saham.
CtGPT akan menentukan sama ada acara tertentu bermanfaat, negatif atau tidak relevan dengan harga saham. Selepas itu, penyelidik akan menjaringkan berdasarkan keputusan dan menggunakan pulangan pasaran saham sebenar untuk melihat sama ada ChatGPT adalah tepat.
Penyelidik mengatakan bahawa ChatGPT jauh lebih baik daripada model lain dan ramalan seperti GPT-1 dan GPT-2 adalah tidak tepat.
Ini menunjukkan dua perkara Pertama, keupayaan untuk meramalkan pulangan pasaran saham adalah keupayaan yang memerlukan penerokaan lanjut dengan segera untuk model bahasa. Kedua, model bahasa yang lebih maju pasti menghasilkan ramalan yang lebih tepat.
Tiga set data utama yang digunakan oleh pasukan penyelidik ialah ringkasan pulangan harian Pusat Penyelidikan dalam Harga Keselamatan (CRSP), tajuk berita utama dan RavenPack.
Liputan sampel data bermula pada Oktober 2021 dan berakhir pada Disember 2022.
Sebab memilih tempoh masa ini juga sangat mudah. Data latihan ChatGPT sendiri adalah sehingga September 2021, yang bermaksud bahawa data sebelum Oktober tidak perlu diramalkan sama sekali. Oleh itu, data baharu selepas 21 Oktober hanyalah untuk digunakan oleh ChatGPT untuk latihan.
Tiga set data, set data pulangan harian CRSP mengandungi pulangan harian pelbagai saham syarikat yang disenaraikan di bursa saham utama A.S., termasuk harga saham, volum dagangan dan permodalan Pasaran serta data lain.
Kedua, penyelidik mengumpul semua berita yang mengandungi nama syarikat atau kod saham daripada pelbagai organisasi berita utama, laman web berita kewangan dan platform media sosial.
Bagi setiap syarikat, penyelidik mengumpul semua berita untuk tempoh sampel.
Akhir sekali, RavenPack layak untuk diserlahkan.
Sejak 2003, RavenPack telah menjadi salah satu penyedia analisis data terkemuka dalam perkhidmatan kewangan.
Mereka membantu perniagaan mengeluarkan bahagian berharga daripada sejumlah besar maklumat dengan cepat dan mudah. Produk RavenPack membolehkan pelanggan meningkatkan hasil, mengurangkan risiko dan meningkatkan kecekapan operasi.
Secara amnya, peranan RavenPack adalah untuk memastikan semua maklumat yang diberikan kepada ChatGPT adalah sah/berkaitan.
Akhirnya, pasukan penyelidik memadankan 67,586 tajuk berita daripada 4,138 syarikat daripada RavenPack.
Pada masa yang sama, penyelidik akan menjaringkan setiap item berita dari 0 hingga 100, mengukur hubungannya dengan syarikat yang disebutkan.
Skor 0 bermakna syarikat tertentu disebut secara pasif dalam berita, mungkin secara sepintas lalu. Penyelidik sedang mencari korelasi 100 mata.
Pada masa yang sama, semua berita yang hanya memperkenalkan trend pasaran saham juga dikecualikan, yang melanggar niat asal ramalan. Pelaporan pendua bagi kandungan yang sama juga telah dielakkan oleh pasukan penyelidik supaya data yang dikumpul dapat berfungsi dengan lebih baik dalam eksperimen.
Pada ketika ini, data yang akan dikumpul hampir lengkap, dan langkah seterusnya ialah menganalisis.
Memandangkan anda mahu ChatGPT mengeluarkan kandungan, langkah pertama ialah mereka bentuk gesaan.
Pasukan penyelidik menggunakan gesaan berikut:
Andaikan anda pakar kewangan dan pakar kewangan dengan pengalaman pengesyoran. Jika berita itu adalah berita baik, jawab "YA" Jika ia adalah berita buruk, jawab "TIDAK" Jika anda tidak pasti, jawab "TIDAK DIKETAHUI" pada baris pertama, dan kemudian huraikan dalam ayat yang pendek dan padat pada ayat seterusnya. barisan.
Adakah berita ini baik atau buruk untuk harga saham _____ (nama syarikat) sepanjang _____ (jangka pendek, jangka panjang)?
Tajuk berita: _____
Seperti yang anda lihat, penyelidik meminta ChatGPT Cosplay pakar kewangan dengan pengalaman pengesyoran, dan bahagian garis mendatar Gunakan maklumat khusus sebaliknya.
Contohnya:
Masukkan tajuk berita: Rimini Street didenda $630,000 dalam tuntutan mahkamah dengan Oracle
Objek penilaian: Harga saham Oracle
Jangka masa: jangka pendek
Output jawapan oleh ChatGPT adalah seperti berikut:
"YA. Denda terhadap Rimini Street secara tidak langsung akan meningkatkan keyakinan pelabur terhadap keupayaan Oracle untuk melindungi hak harta inteleknya dan mengekalkan peningkatan permintaan untuk produk dan perkhidmatannya."
Kemudian, penyelidik akan membuat markah berdasarkan jawapan ChatGPT. YA dikira sebagai 1 mata, TIDAK dikira sebagai -1 mata, dan UNKNOWN dikira sebagai 0 mata.
Jika terdapat banyak berita tentang syarikat dalam sehari, rumuskan markah dan keluarkan purata.
Akhir sekali, gunakan skor ramalan ini untuk memadankan keputusan sebenar seterusnya.
Dengan memanfaatkan data tajuk berita dan skor sentimen yang dijana, penyelidik mendapati korelasi yang kukuh antara keputusan penilaian ChatGPT dan pulangan harian berikutnya bagi saham dalam sampel.
Selain itu, skor sentimen ChatGPT boleh meramalkan pulangan saham dengan lebih tepat daripada penunjuk sentimen yang disediakan oleh penyedia data tradisional sedia ada.
Pasukan penyelidik percaya bahawa sebab mengapa ChatGPT lebih baik daripada indeks sentimen sedia ada adalah kerana keupayaan pemahaman bahasa yang kuat, yang membolehkannya menangkap nuansa dalam tajuk berita, dengan itu Membuat skor sentimen yang dijana lebih dipercayai.
Jadi menggunakan model bahasa yang besar sebagai alat boleh memberikan rujukan pelaburan yang lebih baik daripada indeks sentimen tradisional.
Pasukan penyelidik seterusnya mendapati bahawa skor sentimen ChatGPT mempunyai keupayaan yang lebih baik untuk meramalkan pendapatan saham bermodal kecil berbanding saham bermodal besar. Jelaskan bahawa sekatan ke atas arbitraj pemegang saham boleh mengurangkan keuntungan strategi ini.
Pasukan penyelidik menggunakan skor sentimen yang dijana oleh ChatGPT untuk membimbing operasi saham.
Kaedah operasi khusus ialah membeli (berita positif) atau menjual sementara (berita negatif) saham selagi ada berita.
Jika berita dikeluarkan pada waktu dagangan, ia akan didagangkan pada harga semasa Jika ia dikeluarkan di luar waktu dagangan, ia akan didagangkan pada harga pembukaan seterusnya hari.
(Garis hitam mewakili pendapatan kos sifar, garis hijau mewakili 5% pendapatan kos transaksi dan garis biru mewakili 10% kos transaksi pendapatan , garis biru tua mewakili pulangan kos urus niaga sebanyak 25%, dan garis merah mewakili pulangan pasaran keseluruhan)
Jadual ini menunjukkan keputusan analisis regresi operasi, yang secara intuitif mencerminkan hari berikutnya Korelasi antara pulangan saham dan skor sentimen yang dijana oleh ChatGPT.
Menggunakan ChatGPT untuk menjalankan analisis sentimen tajuk berita untuk meramalkan pulangan saham yang mengatasi indeks sentimen tradisional daripada pembekal utama.
menunjukkan bahawa terdapat potensi besar untuk terus membangun dan meneroka aplikasi model bahasa besar dalam industri kewangan.
Dengan perkembangan teknologi AI itu sendiri, mereka bentuk model yang lebih kompleks untuk menjana wang dalam pasaran kewangan adalah perkara yang sangat boleh dipercayai.
Dari perspektif makro, jika kebanyakan pengamal kewangan menggunakan alat berdasarkan model bahasa yang besar untuk membuat keputusan pada masa hadapan, ia juga akan memberi kesan kepada mekanisme pembentukan harga dan penyebaran maklumat dalam pendekatan pasaran kewangan, dan mempunyai kesan yang mendalam terhadap kestabilan pasaran.
Jadi, apakah rupa pulangan khusus itu?
Strategi jangka pendek, yang membeli syarikat dengan berita baik dan syarikat pendek dengan berita buruk, mempunyai kadar pulangan tertinggi, melebihi 500%.
Strategi pendek sahaja, memfokuskan hanya pada syarikat jualan pendek dengan berita buruk, mempunyai kadar pulangan hampir 400%.
Strategi lama sahaja yang hanya membeli syarikat dengan berita baik, kadar pulangan adalah kira-kira 50%.
Sudah tentu, nombor ini mungkin kelihatan mengelirukan, tetapi ia sebenarnya situasi yang ideal.
Walau bagaimanapun, mengetepikan nombor sejuk, ChatGPT mempunyai banyak ruang untuk keupayaan ini.
Ini boleh menulis semula dagangan saham, dengan pelabur runcit kini mempunyai akses kepada alatan yang lebih berkuasa daripada analisis sentimen korporat.
Secara umumnya, ChatGPT menjadikan tahun-tahun kerja usang yang telah digunakan oleh syarikat lain ke dalam model pembelajaran mesin proprietari.
Ia merangkumi berjuta-juta dolar dalam R&D dan menjadikan keupayaan ini mudah diakses oleh sesiapa sahaja.
Bagi pelabur biasa, mengatasi prestasi pasaran adalah agak bagus.
Bagi orang biasa yang tidak mempunyai pengetahuan kewangan dan pengalaman perdagangan saham yang sangat kompleks, sudah tentu mereka tidak boleh melakukan analisis yang kompleks dan operasi berketepatan tinggi.
Kemudian berdasarkan strategi pemilihan saham yang disyorkan dalam "Portfolio ChatGPT" yang disebut pada permulaan yang mengatasi prestasi S&P 500:
juga boleh memilih syarikat yang baik untuk membantu anda memperuntukkan aset anda dengan cekap.
Walau bagaimanapun, perlu diingatkan bahawa jawapan yang diberikan oleh ChatGPT tidak boleh digunakan sebagai asas fakta untuk pelaburan.
Atas ialah kandungan terperinci 500% pulangan? Dicipta oleh ChatGPT, pengurus dana terkuat dalam sejarah!. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!