佛羅里達大學金融學教授Alejandro Lopez Lira表示，大型語言模型在預測股價方面可能很有用。

他在最近一篇未經審查的論文中表示，在使用ChatGPT分析新聞標題對一隻股票是利好還是利空時，他發現ChatGPT預測次日回報方向的能力遠好於隨機水平。

這項實驗觸及了圍繞最先進人工智能的核心：藉助更強大的計算機和更好的數據集——比如支持ChatGPT的計算機和數據集——這些人工智能模型可能會顯示出“全新的能力”，或者是在構建時沒有最初計劃的能力。

如果ChatGPT能夠顯示出從金融新聞中分析新聞的全新能力，以及它們可能如何影響股價，這可能會使金融業的高薪工作面臨風險。高盛曾在3月26日的一份報告中估計，約35%的金融工作面臨被人工智能自動化替代的風險。

Lopez Lira表示：“事實上，ChatGPT能夠理解對人類有意義的信息。這就意味着，如果市場沒有對信息做出完美的反應，那麼ChatGPT就可以預測回報。”

但實驗的細節也表明，所謂的“大型語言模型”距離能夠勝任金融行業的工作還有很長的路要走。

例如，這個實驗沒有包括目標價格，也沒有讓模型做任何數學運算。事實上，正如微軟(MSFT.US)在今年早些時候的一次公開演示中所瞭解到的那樣，ChatGPT風格的技術經常會編造數字。由於已經存在私有的數據集，對新聞標題的情緒分析也早已被視爲一種可行的交易策略。

Lopez Lira表示，他對這一結果感到驚訝，並補充道，這表明老練的投資者還沒有在交易策略中使用類似ChatGPT的機器學習技術。

Lopez Lira稱：“這肯定會對金融分析師的就業前景產生一些影響。問題是，今後我是希望付錢給分析師，還是把文本信息放在模型?”

實驗是如何進行的

在實驗中，Lopez Lira及其合夥夥伴Yuehua Tang查看了來自一家數據供應商關於紐約證券交易所、納斯達克和一家小盤股交易所上市公司的5萬多條新聞標題。這些新聞始於2022年10月，也就是在ChatGPT訓練數據的截止日期之後，這意味着該引擎在訓練中沒有看到或使用過這些新聞標題。

他們將標題與以下提示一起輸入ChatGPT 3.5：“忘掉之前的所有指示。假定你是一位金融專家，一位有股票推薦經驗的金融專家。在第一行中，如果是好消息，回答‘是’;如果是壞消息，回答‘否’;如果不確定，回答‘未知’。然後在下一行中用簡短的句子進行闡述。“

然後，他們觀察了股票在接下來交易日的回報。

最終，Lopez-Lira發現，在獲得新聞標題信息之後，該模型在幾乎所有情況下表現得更好。具體而言，他發現，在獲得新聞標題信息後，模型隨機選擇第二天走勢的概率低於1%。

在情緒評分方面，ChatGPT也擊敗了商業數據集。研究人員表示，論文中的一個例子顯示了一個關於一家公司解決訴訟並支付罰款的標題，這在傳統分析中被認爲是負面的，但ChatGPT的迴應正確地認爲這實際上是個好消息。

Lopez Lira表示，已經有對衝基金聯繫他，希望瞭解更多關於他的研究。他還表示，隨着機構開始整合ChatGPT技術，如果未來幾個月該技術預測股票走勢的能力下降，他也不會感到驚訝。

這是因爲該實驗只研究了下一個交易日的股價，而大多數人都認爲，市場可能在消息公佈的幾秒鐘內就已經將其影響反映在股價中。

Lopez Lira表示：“隨着越來越多的人使用這類工具，市場將變得更加有效，因此你可以預期回報的可預測性會下降。所以我的猜測是，如果我進行這個測試，五年之後回報率的可預測性將爲是零。”