ChatGPT，要把人類基金經理人也給替代了？
英國的一家金融諮詢網站Finder表示，他們在3月6日創立了一個由ChatGPT選擇的股組成的投資組合，這個組合在兩個月後上漲了4.93 %。
而同期之內，英國10大最受歡迎的基金的平均表現為-0.78%，而且在87%的交易日中表現都不及「ChatGPT指數」。
同樣的，同期標準普爾500指數（包含美國最有價值的500家公司的指數）也只上漲了3%。
難道除了文字工作者們的職位受到了威脅之外，「打工人」的臉面──基金經理人也要失業了嗎？
誰能想到，國外研究者還真整了篇論文出來，細緻入微地探索AI炒股的能力。
具體來說，就是「餵」給ChatGPT一些新聞標題，讓ChatGPT來用情緒分析（Sentiment Analysis ）判斷這些事件對股市的影響。
ChatGPT會判斷出，某一事件對股價有利、不利，還是不相關。之後，研究者會依照這個結果評分，用真實的股市報酬來看ChatGPT準不準。
研究人員表示，ChatGPT要比別的模型強多了，像什麼GPT-1、GPT-2都預測的不準。
這說明兩件事，第一，股市的報酬預測能力對語言模型來說是一個亟待進一步探究的能力。第二，更高階的語言模型一定能產生更準確的預測。
研究團隊主要使用的三個資料集分別是證券價格研究中心（CRSP）的每日報酬率匯總，各大新聞頭條，以及RavenPack。
而資料樣本的涵蓋範圍從2021年10月開始，到2022年12月結束。
選擇這個時間段的道理也很簡單。 ChatGPT自己的訓練資料是到2021年9月，也就是說10月之前的資料根本就不用讓它預測，它自己早就知道結果如何了。所以，21年10月以後的新數據剛好讓ChatGPT拿來練手。
三個資料集中，CRSP的每日收益資料集包含了在美國主要的證券交易所上市的各種公司股的每日收益，包括股價、交易量和市值等數據。
其次，研究者蒐集所有包含有公司名稱或股代碼的新聞，來源則是各類主要的新聞機構、金融新聞網站和社群媒體平台。
對於每家公司而言，研究人員會收集樣本期間的所有新聞。
最後，RavenPack值得著重介紹一下。
自2003年以來，RavenPack一直是金融服務領域領先的資料分析供應商之一。
他們幫助企業從大量的資訊中快速而輕鬆有價值的部分。 RavenPack的產品使客戶能夠提高收益、減少風險並提高營運效率。
總的來說，RavenPack的作用，就是保證餵給ChatGPT的都是有效/相關的資訊。
最終，研究團隊從RavenPack上配對出4138家公司的67586則新聞標題。
同時，研究人員會給每則新聞評分，從0到100，衡量每條新聞和所提及的公司的關係。
0分錶示在新聞中是被動提到某家公司的，可能只是捎帶手提了一嘴。研究者追求的是100分的相關性。
同時，所有隻介紹股市趨勢的新聞也排除在外，這種新聞違背了預測的初衷。相同內容的重複報導也被研究團隊規避，這樣收集到的數據才能為實驗更好的服務。
到這裡，該收集的資料就差不多了，下一步就是該分析了。
既然要讓ChatGPT輸出內容，那首先就是設計一個prompt出來。
研究團隊使用的是以下這個prompt：
#假設你是個金融專家，並且是個有推薦經驗的金融專家。如果這則新聞是好消息，請回答“YES”，如果是壞消息，請回答“NO”，如果不確定，請在第一行回答“UNKNOWN”，然後在下一行用一個短小精悍的句子進行闡述。
這個新聞對 _____（公司名稱）的股價來說，在 _____ 內（短期、長期）是好是壞？
新聞標題：_____
可以看到，研究人員讓ChatGPT Cosplay一個有推薦經驗的金融專家，而橫線的部分則用具體資訊替代。
舉個栗子：
輸入新聞標題：Rimini Street在與甲骨文的訴訟案中被罰63萬美元
評估對象：甲骨文股價
時間跨度：短期
ChatGPT輸出的答案是這樣的：
「YES。對Rimini Street的罰款會間接促進投資者的信心，相信甲骨文有能力保護自己的智慧財產權，維護自身產品和服務的需求提升。」
然後，研究者會根據ChatGPT的回答進行評分。 YES算1分，NO算-1分，UNKNOWN算0分。
如果關於一家公司一天之內有很多新聞，那就把分數總結一下，輸出一個平均值。
最後，再用這個預測的分數和之後真實的結果來配對。
透過利用新聞標題資料和產生的情緒得分，研究人員發現ChatGPT評估結果與樣本中股的後續每日回報之間存在很強的相關性。
而且ChatGPT的情緒分數比現有的傳統的數據供應商提供的情緒指標還要能更準確地預測股的收益。
研究團隊認為，ChatGPT之所以比現有的情緒指數好，還是要歸因於強大的語言理解能力，使得它能夠捕捉新聞標題中的細微差別，從而使得生成的情緒得分更為可靠。
所以將大語言模型作為工具能夠提供比傳統的情緒指數更好的投資參考。
研究團隊也進一步發現，ChatGPT情感評分對於小型股的收益預測能力比大盤股好。說明對於股東套利的限制可能會降低這個策略的收益能力。
研究團隊用ChatGPT產生的情緒的分數來引導股操作。
具體操作方式就是，只要有消息放出，就買（正面消息）或短暫賣出（負面消息）股。
訊息如果是交易時間內放出，就以當時價格進行交易，如果是交易時間之外放出，就以第二天開盤價進行交易。
（黑線代表零成本的收益，綠線代表5%的交易成本的收益，藍線代表10%的交易成本收益，深藍色的線代表25%的交易成本收益，紅線代表市場整體收益）
這個表展示了操作的回歸分析的結果，很直觀地體現了第二天股收益與ChatGPT產生的情緒分數之間的相關性。
以ChatGPT對新聞標題進行情感分析，從而預測股收益的表現是優於主要供應商的傳統情緒指數的。
說明了繼續開發探索大語言模型在金融業的應用是非常有潛力的。
隨著AI本身技術的發展，設計更複雜的模型在金融市場中搞錢是一件很可靠的事情。
宏觀來看，考慮到未來如果大部分金融從業人員都使用基於大語言模型的工具進行決策，也會對金融市場的價格的形成機制，資訊的傳播途徑，和市場穩定性產生深遠的影響。
那麼，具體的回報是什麼樣子的呢？
多空策略，即購買有好消息的公司並賣空有壞消息的公司，回報率最高，超過500%。
只做空策略，只專注在賣空有壞消息的公司，報酬率接近400%。
只做多的策略，只買有好消息的公司，報酬率約50%。
當然，這個數字看著唬人，其實也就是一個理想狀況。
但是，拋開冷冰冰的數字，ChatGPT的這項能力確實有很大的發揮空間。
這可能會改寫股交易，散戶現在有機會獲得比企業情緒分析更強大的工具。
一般來說，ChatGPT正在使其他公司傾注在專有機器學習模型中多年的工作變得過時。
它跨越了數百萬美元的研發費用，任何人都可以輕鬆獲得這種能力。
對一般投資人來說，跑贏大盤就挺好。
對於沒有很複雜金融知識和股交易的經驗的普通人，當然做不瞭如此複雜的分析和精度很高的操作。
那麼根據開頭提到的跑贏標普500的「ChatGPT投資組合」中推薦的選股策略：
也能挑選出不錯的公司，幫助你有效率地配置自己的資產。
但要注意的是，ChatGPT給予的回應並不能作為投資的事實性依據。
以上是500%回報率？史上最強基金經理人ChatGPT造！的詳細內容。更多資訊請關注PHP中文網其他相關文章！
