社区
教程
Wiki
注册
登录
创作新主题
社区所有版块导航
Python
python开源
Django
Python
DjangoApp
pycharm
DATA
docker
Elasticsearch
分享
问与答
闲聊
招聘
翻译
创业
分享发现
分享创造
求职
区块链
支付之战
aigc
aigc
chatgpt
WEB开发
linux
MongoDB
Redis
DATABASE
NGINX
其他Web框架
web工具
zookeeper
tornado
NoSql
Bootstrap
js
peewee
Git
bottle
IE
MQ
Jquery
机器学习
机器学习算法
Python88.com
反馈
公告
社区推广
产品
短视频
印度
印度
一周十大热门主题
机器学习学术速递[7.21]
用 Python 制作 13 个小游戏,边玩边学!(含源码)
机器学习学术速递[7.23]
机器学习学术速递[7.22]
罗氏半年报:终止开发TIGIT抗体、PD-1/IL-2
罗氏正式放弃TIGIT疗法
机器学习学术速递[7.24]
2025必看AI干货!《大模型/AIGC/GPT-4/Transformer/DL/KG/NLP/C...
Perplexity CEO:AI浏览器Comet只争第一,计划持续投十年,赶超ChatGPT
2025年大厂薪资排名:百度垫底,字节阿里腾讯遥不可及 字节跳动:30万-50万,技术类应届生薪资...
关注
Py学习
»
chatgpt
金融学教授:ChatGPT可通过分析财经新闻预测股价涨跌
互联网er的早读课
• 2 年前 • 289 次点击
尽管ChatGPT无法预见未来,但对于那些希望预测股票价格走向的投资者而言,这一语言模型可能具有价值。
美国佛罗里达大学(University of Florida)金融学教授亚历桑德罗·洛佩兹-里拉(Alejandro Lopez-Lira)认为,大型语言模型能够预测股价涨跌。
他在近期一篇未经同行评审的论文中表示,在使用ChatGPT来分析新闻头条对一只股票是利好还是利空后,他发现ChatGPT预测次日股票回报方向的能力远好于传统模型。
一、实验是如何进行的?
在这项实验中,洛佩兹-里拉及其合作伙伴使用了一家数据供应商提供的关于纽交所、纳斯达克和一家小盘股交易所上市股票的5万多条新闻。这些新闻开始于2022年10月,是在ChatGPT训练数据的截止日期之后。这意味着,ChatGPT在其本身训练中没有看到或使用过这些新闻。
然后,他们将新闻标题输入ChatGPT 3.5中,并附上指令:“忘掉之前的所有指示。假定你是一位有荐股经验的金融专家。在第一行中,如果是好消息,回答‘是’;如果是坏消息,回答‘否’;如果不确定,回答‘未知’。然后在下一行中用简短的句子来阐述。”
他们使用这种情绪分析来计算一个“ChatGPT分数”,并分析这些分数是否可以预测该公司第二天的股票市场表现。
研究人员发现,这些得分与他们分析的公司第二天的股票表现之间存在统计学上显著的正相关。得分较高的公司往往比得分较低的公司获得更好的回报。
该研究还发现,ChatGPT优于其他“传统的情绪分析方法”,这些方法也使用头条新闻和社交媒体的数据来预测股票走势。不过,研究人员也承认,他们在这项研究中并没有测试每一种方法。
在论文的一个案例中,一家公司就诉讼达成和解并支付罚款,这条新闻在传统数据分析上被认为是负面,但ChatGPT正确地推断出这实际上是个好消息。
“简而言之,我们的研究证明了ChatGPT在预测股市回报方面的价值。”研究人员写道。“我们的研究结果表明,将高级语言模型纳入投资决策过程可以产生更准确的预测,并提高量化交易策略的表现。”
二、仍有很长的路要走
如果ChatGPT能够理解财经新闻,并能够分析它们如何影响股价,那么就可能会让金融业的一些高薪工作面临风险。高盛在3月26日的一份报告中估计,约35%的金融行业岗位面临被人工智能自动化替代的风险。
洛佩兹-里拉也表示,在未来,像ChatGPT这样的人工智能工具可以通过更快地将新闻纳入股价来提高股市的效率。他还表示,这些工具可能会取代一些投资分析师的工作。
不过,实验细节也表明,所谓的“大型语言模型”离能够完全胜任金融工作仍有很长的路要走。
洛佩兹-里拉表示,投资者应该“保持谨慎,不要仅仅依赖ChatGPT或类似的人工智能模型”,部分原因是人工智能在股价预测方面仍有几个方面待改进。
例如,这个实验不包括目标价,也没有让模型做任何数学运算。实际上,正如微软今年早些时候的一次公开演示所展现的那样,类似ChatGPT的技术经常编造数字。
三、华尔街并不担心
随着ChatGPT闯入金融圈,AI所展现出的投资能力备受议论。
根据美国媒体最新发表的访谈,那些热炒AI股的华尔街基金经理们,似乎并不相信在可预见的未来内会出现比人类更强的“炒股AI”。
一方面,股票市场的数据本身存在巨大的“噪音”,使得利用过往数据解释或预测市场未来走势非常困难。另一方面,股票市场存在多变性。上市公司发生剧烈变化本身,如换了新的管理层,会在极短的时间内重塑股票的前景,这也使得依赖历史数据和长期趋势的AI更无所适从。
来
源
| 财联社(ID:cailianpress
)
作者 | 卞纯;编辑 | 时刻
内容仅代表作者独立观点,不代表早读课立场
Python社区是高质量的Python/Django开发社区
本文地址:
http://www.python88.com/topic/153902
289 次点击
登录后回复