500%還元?史上最強のファンドマネージャーChatGPTが作成!
ChatGPT、人間のファンドマネージャーを交代するつもりですか?
英国の金融コンサルティング Web サイトである Finder は、3 月 6 日に ChatGPT によって選択された銘柄で構成されたポートフォリオを作成したと発表しました。このポートフォリオは 2 か月後に 4.93% 上昇しました。
同じ期間、英国で最も人気のある 10 ファンドの平均パフォーマンスは -0.78% で、取引日の 87% で「ChatGPT インデックス」を下回りました。
同様に、同じ期間に、S&P 500 指数 (米国で最も価値のある企業 500 社を含む指数)州)は 3% しか上昇しませんでした。
文学関係者の仕事が脅かされるだけでなく、「労働者を殴る」顔であるファンドマネージャーも職を失う可能性はあるのでしょうか?
想像を絶する道
海外の研究者が実際にAI株取引の能力を詳細に調査する論文を発表したとは誰が想像したでしょうか。
具体的には、ChatGPT にいくつかのニュース ヘッドラインを与え、ChatGPT に感情分析を使用させて、これらのイベントが株価に与える影響を判断します。市場。
ChatGPT は、特定のイベントが株価にとって有益か、マイナスか、または無関係かを判断します。その後、研究者は結果に基づいてスコアを付け、実際の株式市場のリターンを使用して ChatGPT が正確かどうかを確認します。
研究者らは、ChatGPT は他のモデルよりもはるかに強力であり、GPT-1 や GPT-2 のような予測は不正確であると述べています。
これは 2 つのことを示しています。まず、株式市場のリターンを予測する能力は、言語モデルのさらなる探求が緊急に必要な能力です。第 2 に、より高度な言語モデルはより正確な予測を生成するはずです。
研究チームが使用する 3 つの主要なデータ セットは、証券価格研究センター (CRSP) の日次リターン サマリー、主要ニュースのヘッドライン、および RavenPack です。
データ サンプルの対象範囲は 2021 年 10 月に始まり、2022 年 12 月に終了します。
この期間を選んだ理由も非常にシンプルです。 ChatGPT 自身の学習データは 2021 年 9 月までのものなので、10 月以前のデータを予測する必要はまったくなく、すでに結果がわかっています。したがって、10 月 21 日以降の新しいデータは、ChatGPT が練習に使用するためのものです。
3 つのデータ セットである CRSP の日次リターン データ セットには、米国の主要証券取引所に上場されているさまざまな企業株の日次リターン (株価、取引高、時価総額、その他のデータを含む) が含まれています。
次に、研究者らは、さまざまな主要報道機関、金融ニュース Web サイト、ソーシャル メディア プラットフォームから、企業名または銘柄コードを含むすべてのニュースを収集しました。
研究者は、企業ごとに、サンプル期間中のすべてのニュースを収集します。
最後に、RavenPack は注目に値します。
2003 年以来、RavenPack は金融サービスにおける主要なデータ分析プロバイダーの 1 つです。
これらは、企業が大量の情報から貴重な部分を迅速かつ簡単に抽出するのに役立ちます。 RavenPack の製品により、お客様は収益を増やし、リスクを軽減し、業務効率を向上させることができます。
一般に、RavenPack の役割は、ChatGPT に供給されるすべての情報が有効/関連情報であることを確認することです。
最終的に、研究チームは RavenPack の 4,138 社の 67,586 件のニュース ヘッドラインを照合しました。
同時に、研究者は各ニュースに 0 から 100 のスコアを付け、各ニュースと言及された企業との関係を測定します。
スコア 0 は、特定の企業が、おそらく偶然に、ニュースで消極的に言及されたことを意味します。研究者たちは 100 点の相関関係を探しています。
同時に、株式市場の動向を紹介するだけのニュースも除外されており、このようなニュースは予測の本来の目的に反します。研究チームは、収集されたデータをより実験に役立てるため、同じ内容の重複報告も避けました。
この時点で、収集するデータはほぼ完成したので、次のステップは分析です。
ポイントベースの株式取引
ChatGPT にコンテンツを出力させたいので、最初のステップはプロンプトをデザインすることです。
調査チームは次のプロンプトを使用します:
あなたが金融の専門家であり、推奨の経験を持つ金融の専門家であると仮定します。良いニュースの場合は「YES」、悪いニュースの場合は「NO」、よくわからない場合は最初の行で「不明」と答え、次の行で短く簡潔な文で詳しく説明してください。ライン。
このニュースは、_____(短期、長期)の_____(会社名)の株価にとって良いことですか、それとも悪いことですか?
ニュース タイトル: _____
ご覧のとおり、研究者は推奨の経験を持つ金融専門家である ChatGPT Cosplay に水平線を依頼しました。パート 代わりに特定の情報を使用してください。
#例:
ニュース見出しを入力: リミニストリートが Oracle に対する訴訟で 63 万ドルの罰金を課せられた
評価対象: オラクル株価
期間: 短期
ChatGPT が出力する回答は次のとおりです:
「はい。リミニストリートに対する罰金は、知的財産権を保護し、製品やサービスに対する需要の増加を維持するオラクルの能力に対する投資家の信頼を間接的に高めることになります。」
その後、研究者は ChatGPT の回答に基づいて採点します。 YES は 1 ポイント、NO は -1 ポイント、UNKNOWN は 0 ポイントとしてカウントされます。
1 日に企業に関するニュースがたくさんある場合は、スコアを合計して平均値を出力します。
最後に、この予測スコアを使用して、その後の実際の結果と一致させます。
個人投資家にとって朗報です。
研究者らは、ニュースのヘッドライン データと生成されたセンチメント スコアを活用することで、ChatGPT の評価結果とサンプル内の銘柄のその後の日次リターンとの間に強い相関関係があることを発見しました。
さらに、ChatGPT のセンチメント スコアは、既存の従来のデータ プロバイダーが提供するセンチメント指標よりも正確に株価収益率を予測できます。
研究チームは、ChatGPT が既存の感情指数よりも優れている理由は、その強力な言語理解能力によるものであると考えています。これにより、ニュースの見出しのニュアンスを捉えることができ、生成された感情スコアの信頼性が高くなります。
したがって、大規模な言語モデルをツールとして使用すると、従来のセンチメント インデックスよりも優れた投資リファレンスを提供できます。
研究チームはさらに、ChatGPTセンチメントスコアが大型株よりも小型株の収益を予測する能力に優れていることを発見しました。株主裁定取引の制限により、この戦略の収益性が低下する可能性があることを説明します。
研究チームは、ChatGPT によって生成された感情スコアを株式運用の指針に使用しています。
具体的な運用方法は、ニュースがある限り株を買う(ポジティブなニュース)か一時的に売る(ネガティブなニュース)というものです。
ニュースが取引時間内に発表された場合は現在価格で取引され、取引時間外にリリースされた場合は翌日の始値で取引されます。
(黒い線はゼロコスト収入を表し、緑の線は 5% の取引コスト収入を表し、青線は 10% の取引コストを表します) 、濃い青の線は 25% の取引コスト リターンを表し、赤い線は市場全体のリターンを表します)
この表は、操作の回帰分析の結果を示しています。 ChatGPT によって生成された翌日の株価収益率とセンチメント スコアの相関関係を直感的に反映します。
還元率500%! ?
ChatGPT を使用してニュース ヘッドラインのセンチメント分析を実行し、株式リターンを予測すると、大手プロバイダーの従来のセンチメント インデックスを上回るパフォーマンスが得られます。
これは、金融業界における大規模な言語モデルのアプリケーションの開発と探索を継続する大きな可能性があることを示しています。
AI テクノロジー自体の発展により、金融市場でお金を稼ぐためのより複雑なモデルを設計することが非常に確実になります。
マクロ的な観点から見ると、将来、ほとんどの金融実務家が大規模な言語モデルに基づいたツールを使用して意思決定を行うようになれば、価格形成メカニズムや国内の情報普及にも影響を与えるでしょう。金融市場にアプローチし、市場の安定に重大な影響を与えます。
それでは、具体的なリターンはどのようなものになるでしょうか?
良いニュースのある企業を買い、悪いニュースのある企業を空売りするロングショート戦略は、収益率が最も高く、500% を超えています。
空売りのみの戦略は、悪いニュースのある空売り企業のみに焦点を当てており、収益率は 400% 近くです。
良いニュースのある企業のみを購入するロングオンリー戦略の収益率は約 50% です。
もちろん、この数字は欺瞞的に見えるかもしれませんが、実際には理想的な状況です。
しかし、冷たい数字はさておき、ChatGPT にはこの機能を搭載する余地がたくさんあります。
これにより、個人投資家が企業センチメント分析よりも強力なツールにアクセスできるようになり、株式取引が書き換えられる可能性があります。
一般的に言えば、ChatGPT は、他社が独自の機械学習モデルに注ぎ込んだ長年の成果を時代遅れにします。
研究開発には何百万ドルもの費用がかかり、この機能を誰でも簡単に利用できるようになります。
一般の投資家にとって、市場をアウトパフォームすることはかなり良いことです。
もちろん、それほど複雑な金融知識や株式取引の経験を持たない一般人には、このような複雑な分析や精度の高い運用はできません。
#次に、冒頭で説明した、S&P 500 を上回るパフォーマンスを示した「ChatGPT ポートフォリオ」の推奨銘柄選択戦略に基づきます。
- # # 低い負債比率
- 歴史的に持続的かつ安定した成長
- 競争上の優位性を生み出す資産を保有しています。
# は、資産を効率的に配分できるよう、優良な企業を選択することもできます。
ただし、ChatGPT からの回答は投資の事実根拠として使用できないことに注意してください。
以上が500%還元?史上最強のファンドマネージャーChatGPTが作成!の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。

ホットAIツール

Undresser.AI Undress
リアルなヌード写真を作成する AI 搭載アプリ

AI Clothes Remover
写真から衣服を削除するオンライン AI ツール。

Undress AI Tool
脱衣画像を無料で

Clothoff.io
AI衣類リムーバー

AI Hentai Generator
AIヘンタイを無料で生成します。

人気の記事

ホットツール

メモ帳++7.3.1
使いやすく無料のコードエディター

SublimeText3 中国語版
中国語版、とても使いやすい

ゼンドスタジオ 13.0.1
強力な PHP 統合開発環境

ドリームウィーバー CS6
ビジュアル Web 開発ツール

SublimeText3 Mac版
神レベルのコード編集ソフト(SublimeText3)

ホットトピック









vue.jsのオブジェクトに文字列を変換する場合、標準のjson文字列にはjson.parse()が推奨されます。非標準のJSON文字列の場合、文字列は正規表現を使用して処理し、フォーマットまたはデコードされたURLエンコードに従ってメソッドを削減できます。文字列形式に従って適切な方法を選択し、バグを避けるためにセキュリティとエンコードの問題に注意してください。

リモートシニアバックエンジニアの求人事業者:サークル場所:リモートオフィスジョブタイプ:フルタイム給与:$ 130,000- $ 140,000職務記述書サークルモバイルアプリケーションとパブリックAPI関連機能の研究開発に参加します。ソフトウェア開発ライフサイクル全体をカバーします。主な責任は、RubyonRailsに基づいて独立して開発作業を完了し、React/Redux/Relay Front-Endチームと協力しています。 Webアプリケーションのコア機能と改善を構築し、機能設計プロセス全体でデザイナーとリーダーシップと緊密に連携します。肯定的な開発プロセスを促進し、反復速度を優先します。 6年以上の複雑なWebアプリケーションバックエンドが必要です

概要:Vue.js文字列配列をオブジェクト配列に変換するための次の方法があります。基本方法:定期的なフォーマットデータに合わせてマップ関数を使用します。高度なゲームプレイ:正規表現を使用すると、複雑な形式を処理できますが、慎重に記述して考慮する必要があります。パフォーマンスの最適化:大量のデータを考慮すると、非同期操作または効率的なデータ処理ライブラリを使用できます。ベストプラクティス:コードスタイルをクリアし、意味のある変数名とコメントを使用して、コードを簡潔に保ちます。

この記事では、MySQLデータベースの操作を紹介します。まず、MySQLWorkBenchやコマンドラインクライアントなど、MySQLクライアントをインストールする必要があります。 1. mysql-uroot-pコマンドを使用してサーバーに接続し、ルートアカウントパスワードでログインします。 2。CreatedAtaBaseを使用してデータベースを作成し、データベースを選択します。 3. createTableを使用してテーブルを作成し、フィールドとデータ型を定義します。 4. INSERTINTOを使用してデータを挿入し、データをクエリし、更新することでデータを更新し、削除してデータを削除します。これらの手順を習得することによってのみ、一般的な問題に対処することを学び、データベースのパフォーマンスを最適化することでMySQLを効率的に使用できます。

700万のレコードを効率的に処理し、地理空間技術を使用したインタラクティブマップを作成します。この記事では、LaravelとMySQLを使用して700万を超えるレコードを効率的に処理し、それらをインタラクティブなマップの視覚化に変換する方法について説明します。最初の課題プロジェクトの要件:MySQLデータベースに700万のレコードを使用して貴重な洞察を抽出します。多くの人は最初に言語をプログラミングすることを検討しますが、データベース自体を無視します。ニーズを満たすことができますか?データ移行または構造調整は必要ですか? MySQLはこのような大きなデータ負荷に耐えることができますか?予備分析:キーフィルターとプロパティを特定する必要があります。分析後、ソリューションに関連している属性はわずかであることがわかりました。フィルターの実現可能性を確認し、検索を最適化するためにいくつかの制限を設定しました。都市に基づくマップ検索

MySQLの起動が失敗する理由はたくさんあり、エラーログをチェックすることで診断できます。一般的な原因には、ポートの競合(ポート占有率をチェックして構成の変更)、許可の問題(ユーザー許可を実行するサービスを確認)、構成ファイルエラー(パラメーター設定のチェック)、データディレクトリの破損(テーブルスペースの復元)、INNODBテーブルスペースの問題(IBDATA1ファイルのチェック)、プラグインロード障害(エラーログのチェック)が含まれます。問題を解決するときは、エラーログに基づいてそれらを分析し、問題の根本原因を見つけ、問題を防ぐために定期的にデータをバックアップする習慣を開発する必要があります。

MySQLパフォーマンスの最適化は、インストール構成、インデックス作成、クエリの最適化、監視、チューニングの3つの側面から開始する必要があります。 1。インストール後、INNODB_BUFFER_POOL_SIZEパラメーターやclose query_cache_sizeなど、サーバーの構成に従ってmy.cnfファイルを調整する必要があります。 2。過度のインデックスを回避するための適切なインデックスを作成し、説明コマンドを使用して実行計画を分析するなど、クエリステートメントを最適化します。 3. MySQL独自の監視ツール(ShowProcessList、ShowStatus)を使用して、データベースの健康を監視し、定期的にデータベースをバックアップして整理します。これらの手順を継続的に最適化することによってのみ、MySQLデータベースのパフォーマンスを改善できます。

VueとElement-UIカスケードドロップダウンボックスv-Modelバインディング共通ピットポイント:V-Modelは、文字列ではなく、カスケード選択ボックスの各レベルで選択した値を表す配列をバインドします。 SelectedOptionsの初期値は、nullまたは未定義ではなく、空の配列でなければなりません。データの動的読み込みには、非同期でデータの更新を処理するために非同期プログラミングスキルを使用する必要があります。膨大なデータセットの場合、仮想スクロールや怠zyな読み込みなどのパフォーマンス最適化手法を考慮する必要があります。
