北京時間 4 月 18 日早間消息，據(jù)報道，將 ChatGPT 應(yīng)用于金融行業(yè)的第一批學(xué)術(shù)研究正在到來。從初步結(jié)果來看，過去幾個月對 ChatGPT 的高度期待是合理的。
本月新發(fā)表的兩篇論文介紹了，如何將 ChatGPT 用于與金融市場分析相關(guān)的任務(wù)。一篇是讓 ChatGPT 分析美聯(lián)儲講話是鷹派還是鴿派，另一篇是讓 ChatGPT 判斷財經(jīng)新聞對一只股票的影響是有利還是不利。
ChatGPT 通過了這兩項測試。這表明，在將包括新聞、Twitter 貼文和演講記錄等文字內(nèi)容轉(zhuǎn)化為交易信號方面，技術(shù)可能已經(jīng)向前邁出了重大一步。
這個轉(zhuǎn)化過程在華爾街并不是什么新鮮事，量化分析師長期以來一直使用支撐聊天機(jī)器人的語言模型來指導(dǎo)各種策略。但最新的研究表明，OpenAI 開發(fā)的技術(shù)在解析細(xì)微差別和上下文方面達(dá)到了全新水平。
量化對沖基金 Man AHL 的機(jī)器學(xué)習(xí)負(fù)責(zé)人斯拉維?馬里諾夫（Slavi Marinov）表示：“這是少數(shù)幾個炒作的話題變成現(xiàn)實的案例之一?！倍嗄陙?，該公司一直在使用自然語言處理技術(shù)來處理包括財報和 Reddit 貼文在內(nèi)的文字內(nèi)容。
第一篇論文題為《ChatGPT 能否破譯美聯(lián)儲講話》。在這篇論文中，美聯(lián)儲的兩名研究人員發(fā)現(xiàn)，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(lián)儲的安妮?倫德加德?漢森（Anne Lundgaard Hansen）和索菲亞?卡辛尼克（Sophia Kazinnik）的研究表明，ChatGPT 在這方面擊敗了來自谷歌的模型 BERT 以及基于詞典的分類法。
ChatGPT 甚至能夠以一種類似美聯(lián)儲自己分析師的方式，解釋其對美聯(lián)儲政策講話的分類。美聯(lián)儲分析師的解讀被作為這項研究的基準(zhǔn)。
以 2013 年 5 月美聯(lián)儲講話中的一句話為例：“總的來說，近幾個月勞動力市場狀況有所改善，但失業(yè)率仍居高不下。”人工智能解釋說，這句話是鴿派的，因為它表明經(jīng)濟(jì)還沒有完全復(fù)蘇。這與分析師布萊森的結(jié)論類似，他在論文中被描述為“一名 24 歲男性，非常聰明并且有好奇心”。
第二篇論文題為《ChatGPT 能否預(yù)測股價走勢？回報的可預(yù)測性和大語言模型》。佛羅里達(dá)大學(xué)的亞歷桑德羅?洛佩斯-利拉（Alejandro Lopez-Lira）和唐月華（Yuehua Tang）讓 ChatGPT 假裝成金融專家，解讀財經(jīng)新聞標(biāo)題。他們使用的是 2021 年末之后的新聞，ChatGPT 的訓(xùn)練數(shù)據(jù)中沒有包括這段時間的內(nèi)容。
研究發(fā)現(xiàn)，ChatGPT 給出的判斷與相應(yīng)股票的隨后走勢在統(tǒng)計上存在關(guān)聯(lián)。這表明，ChatGPT 能正確解析新聞標(biāo)題的含義。
論文中的一個例子讓 ChatGPT 判斷新聞“Rimini Street 在與甲骨文的訴訟中被罰款 63 萬美元”對甲骨文是有利還是不利。ChatGPT 認(rèn)為是有利的，因為這一處罰“可能會增強(qiáng)投資者對甲骨文保護(hù)知識產(chǎn)權(quán)能力的信心，并增加行業(yè)對甲骨文產(chǎn)品和服務(wù)的需求”，
對大多數(shù)資深的量化分析師來說，使用自然語言處理技術(shù)來衡量一只股票在 Twitter 上的受歡迎程度，或是對該公司的最新新聞進(jìn)行分析，已經(jīng)成為司空見慣的操作。但 ChatGPT 展示的進(jìn)步似乎將打開全新的信息世界，并幫助更廣泛的金融專業(yè)人士更容易地使用這類技術(shù)。
對馬里諾夫來說，目前人工智能的閱讀能力幾乎和人類一樣好，這并不令人驚訝，但 ChatGPT 可能會加速技術(shù)應(yīng)用的進(jìn)程。
當(dāng) Man AHL 首次構(gòu)建模型時，這只量化對沖基金需要手動將每句話標(biāo)記為對一項資產(chǎn)是正面或負(fù)面，為人工智能提供解釋語言的范本。隨后，該公司將整個流程變成了游戲，對參與者進(jìn)行排名，計算他們對每一句話的認(rèn)可程度，這樣讓所有員工都可以參與進(jìn)來。
這兩篇新論文表明，ChatGPT 甚至可以在沒有經(jīng)過專門訓(xùn)練的情況下完成類似任務(wù)。美聯(lián)儲的研究表明，這種所謂的無訓(xùn)練學(xué)習(xí)已經(jīng)超過了以前的技術(shù)，在根據(jù)一些具體例子對其進(jìn)行微調(diào)后，技術(shù)還會變得更好。
馬里諾夫之前也是一家自然語言處理創(chuàng)業(yè)公司的聯(lián)合創(chuàng)始人。他說：“以前，你必須自己標(biāo)注數(shù)據(jù)?，F(xiàn)在，你可以通過為 ChatGPT 設(shè)計正確的提示來實現(xiàn)數(shù)據(jù)標(biāo)注?！?/p>
廣告聲明：文內(nèi)含有的對外跳轉(zhuǎn)鏈接（包括不限于超鏈接、二維碼、口令等形式），用于傳遞更多信息，節(jié)省甄選時間，結(jié)果僅供參考，IT之家所有文章均包含本聲明。