炒股问题_股票问答_专家推荐股票_问股室_问股中心 设为首页 - 加入收藏 - 网站地图

chatgpt能炒股吗还有如何利用chatgpt炒股

今年4月,美国佛罗里达大学的一项探索ChatGPT在金融投资领域潜力的工作论文甫一发布,瞬间让北美及全球资本市场兴奋了起来。在北美,该论文被下载了33000多次,稳居5月全球社会科学研究领域下载量前列。各大媒体报道中,标题都鲜明醒目地写道“ChatGPT能够预测股票走势!”“从ChatGPT股票提示中赚取500%的回报?”“ChatGPT或是AI界的巴菲特”······

在这篇题为“Can ChatGPT Forecast Stock Price Movements? Return Predictability and Large Language Models”的论文中,佛罗里达大学金融学教授唐岳华和Alejandro Lopez-Lira评估了大型语言模型(Large Language Models,LLMs)尤其是ChatGPT在提取公司新闻里有效交易信息的表现。他们使用2021年10月至2022年12月美国证券价格研究中心公开的真实股市数据和新闻进行测试,并基于ChatGPT提供的“多空策略”交易建议,预测股市走势,在此期间最理想状态下的投资组合回报率达到了惊人的500%。

值得一提的是,论文虽然通过要求ChatGPT根据情绪推荐股票而发现了“统计上显著的预测效应”,但这样的回报并不是板上钉钉的。500%的回报率是几种交易策略中的最好结果,且没有考虑交易费用(参见该论文的图表1);论文中对该策略在不同交易成本情况下的业绩也有进行测量。唐岳华教授在接受本刊专访时指出,应该理性看待ChatGPT的预测能力,“如果很多投资者都把ChatGPT纳入投资决策过程,未来ChatGPT预测的功能可能会下降,但这不意味着它是可有可无的,这其实就是市场有效性提高的一个体现”。

该研究进一步认为,ChatGPT在预测股市回报方面的优越性可归因于其先进的语言理解能力,这使其能够捕捉细微差别以及新闻标题中的微妙之处,使模型能够生成更可靠的情绪分数,进而更好地预测股市回报。这些发现证实了ChatGPT情绪分数的预测能力,并强调了将LLMs纳入投资决策过程的潜在好处。通过超越传统的情绪分析方法,ChatGPT展示了其在提高量化交易策略性能和提供对市场动态的更准确理解方面的价值。

这是一项极具开创性的研究。正如研究指出的,“一直以来,LLMs在预测金融市场走势方面的表现是一个悬而未决的问题……本文是首批通过评估ChatGPT在预测股市回报方面的能力来解决这一关键问题的论文之一”。

本次,《北大金融评论》联合北京大学汇丰金融研究院资管研究中心邀请采访了这篇工作论文的作者之一唐岳华博士,走近了解这篇ChatGPT应用领域的前沿研究。

本文即将刊登于《北大金融评论》第16期。

唐岳华博士是美国佛罗里达大学沃林顿商学院金融系美林证券讲席教授、终身教授以及金融系博士项目主任,《牛津经济与金融研究百科全书》副主编。其研究兴趣包括基金证券(共同基金和对冲基金)、机构投资、金融科技、资本市场以及绿色金融等,在Journal of Finance,Journal of Financial Economics,Journal of Financial and Quantitative Analysis,Management Science等世界顶级学术期刊发表论文十余篇,研究成果常引用或报道于全球主流经济金融媒体。

 

重播

播放

00:00 / 00:00 直播

 

 

00:00

 

进入全屏

50

 

- ChatGPT如何预测股价?-

《北大金融评论》:“Can ChatGPT Forecast Stock Price Movements? Return Predictability and Large Language Models”是一篇让市场耳目一新的文章,可以简单介绍下这篇文章吗?

唐岳华:这篇研究主要是想探究ChatGPT在金融投资领域的潜力。为此,我们首先借助ChatGPT去分析公司新闻标题里的情绪,得到一个对股价的基本预测,然后检查预测是否真实可信,与随后的股票价格是否正相关。研究结果表明确实正相关。ChatGPT的确可以很好地理解、读懂一个公司新闻里的情绪,判断“这是一个好消息,还是一个坏消息,或是一个中性的消息”,并对股价做出预测。

文章发布后,我们受到了许多关注。在北美,论文被下载了33000多次,这在整个北美社会科学研究领域,应该是下载量数一数二的。我们也收到了许多业界同行的回馈,包括对冲基金、共同基金从业人员,包括相关研究领域的教授和研究者,包括计算机和AI领域的专家等等。澳洲、英国、印度、美国等地媒体也对我们的研究做了很多跟踪报道。

《北大金融评论》:您如何看待ChatGPT预测对股票交易的影响?

唐岳华:市场很重要的一个功能便是价值发现,而ChatGPT是一次突破性的变革。一方面,它让普通老百姓都能低成本地接触到AI模型。另一方面,当所有人都借助ChatGPT去开展股票交易,信息文本里面的信息得以更快地通过股票交易,被纳入到市场价格中。因为发现价格,你需要把相关公司的基本信息给挖掘出来。ChatGPT出现之后,这种信息挖掘成本在降低,信息挖掘效率在提高。这对市场的价值发现能起到增强作用,整个市场的有效性会增强。所以我个人的观点是整体上对股市会起到一个有效性提高的作用。

《北大金融评论》:您是如何想到这一研究方向的?这与您此前的研究有何不同?

唐岳华:这篇文章和我此前的研究是深度相关的。我最近一直从事的一个研究方向就是文本分析(Textual Analysis)。例如,基于文本分析,测量了公司层面的气候风险敞口,在职业层面上开发了一套衡量不同职业金融科技风险的方法等。

文本分析是未来非常重要的一个研究方向。在大数据的数字时代,“数”很重要,“字”同样重要。“字”就代表着文字,可以是语音、图像,还可以是视频等。文本里边的信息量,往往比数字里面的信息量更多。随着算力的不断增强,这些信息的处理成本会大大降低,所以AI、Machine Learning在文本分析方面的潜力将是无限的。随着AI技术将在文本里提取到的越来越多的有效信息传递到整个市场,我们的工作、学习、研究、投资都将发生很大的变革。

-ChatGPT的挑战与未来-

《北大金融评论》:有研究表明,ChatGPT有可能彻底改变向非金融专业人士传达金融知识的方式。例如,ChatGPT目前就能够有效地将金融知识转化为非金融专业人士易于理解的语言。最终,ChatGPT有可能创造公平的竞争环境,并使所有个人,无论其金融背景如何,都能做出明智的投资决策。您对此持乐观态度吗?

唐岳华:我是持乐观态度的。在金融投资领域,存在的很突出的一个问题便是信息不对称,投资者对投资产品的不了解导致一些投资决策失误。ChatGPT在这方面能起到很重要的一个作用,如通过将专业的金融术语转化为通俗易懂的语言,让广大的普通投资者都能更好地了解金融产品。这里面就包括诸如很多金融产品里的字母缩写、相关的税收设计、潜在的风险等。通过这种方式,可以很好地减少信息不对称,增强普通民众投资风险意识,提升他们投资的有效性以及准确性。

《北大金融评论》:如何看待ChatGPT应用中的“噪音”问题?

唐岳华:“噪音”是一个很重要的问题。有一种应对方法就是,我们在向ChatGPT提问时,可以提供更多的背景信息,这样能更好地控制ChatGPT反馈出来的一些信息,减少ChatGPT创造“噪音”的空间。投资者在应用ChatGPT时,也不能盲目相信,还是需要有一双明亮的眼睛在信息来源方面做额外的功课。整体上ChatGPT对金融投资普及教育方面,我个人觉得是能起到一个很好的推进作用。因为只要你在向ChatGPT求问时,你给出更多的背景信息,这个“噪音”就是可控的。现在行业的标准认识也是“噪音”是可控的。

《北大金融评论》:基于您的研究,您认为ChatGPT应用还将在金融行业引发哪些革命性的变化?

唐岳华:ChatGPT在金融领域的应用空间和潜力非常大,我们这篇文章只是在这个方向做的一个初步尝试,往这个方向走了一小步。其实ChatGPT可以分析文本信息,能够提高证券分析师的工作效率,能够提升普通大众投资效率,也可以提高其他金融从业者处理公司信息的工作效率。所以这个影响其实是深远的,它不单单影响的是股票投资这一方面,其实是对整个金融的不同行业都能起到很深的作用。

当然,ChatGPT仍在不断发展当中,除了ChatGPT本身,个人预测还会有许多和ChatGPT相关的产品、平台出现,以进一步挖掘利用大型语言模型尤其是ChatGPT的潜能,进而能够帮助投资者、从业者改进他们的工作方式。对这些,我整体持乐观态度,且拭目以待。

《北大金融评论》:您的合作者Alejandro Lopez-Lira教授此前接受采访时提到,随着越来越多的人使用ChatGPT这类工具,回报的可预测性会下降,甚至五年之后回报的可预测性将会是零。您觉得除ChatGPT外,未来还有哪些技术可能改变甚至颠覆我们现今的投资范式?

唐岳华:首先,我们的文章出现之后很多对冲基金、机构投资者都有联系我们,表现出了很强的兴趣,想把ChatGPT等大型语言模型纳入他们的投资决策过程当中。如前述,当越来越多的人去用这个工具,信息就会更加迅速地传导到价格里,这样市场就会更加有效。尽管这样ChatGPT预测的功能会下降,但这不意味着它是可有可无的,这其实就是市场有效性提高的一个体现。

除了ChatGPT之外,未来哪些技术可以改变投资方式?个人认为还是在AI和Machine Learning上。未来的世界,将会是大数据的世界,虽说我们现在的生活生产消费已经产生了大量数据,但数据只会变得越来越多。那如何将数据转化为有效信息,将这些有效信息给提取出来,并纳入投资的决策过程当中?这个过程越来越需要“人机结合”,每个人应用AI在某个特定的领域去挖掘。这就是个人觉得未来投资的大方向。

如何实现“人机结合”,在我看来,未来个人不单单需要了解ChatGPT,而且需要了解语言模型,包括AI背后的工具。这样,我们就不只是简单地用ChatGPT,而是把它运用到我们想要的领域,结合个人兴趣、特长,再去挖掘信息。所以我认为市场将出现两极分化,有些投资者能够充分利用好这些AI工具为自己服务,在挖掘数据方面领跑,成为行业领先,有些就可能是落后。而人机结合得好的,将来会是Superstar!

(本文内容仅作为学术探讨,不构成任何投资建议)

本文即将刊登于《北大金融评论》第16期,

现在征订全年刊和三年刊,

即享超值优惠!

快扫码订阅吧~

 

克雷西 鱼羊 发自 凹非寺
量子位 | 公众号 QbitAI

字节跳动版ChatGPT,现在人人可玩了!

网页版、安卓版和iOS版同步上线,用抖音账号、手机号和苹果账号都能登录。

并且无需排队,打开就能和这个名叫“豆包”的AI助手直接开聊。

是doubao.com不是douban.com噢~

消息一出,已经有不少胖友第一时间前往围(tiao)观(xi)。

我们也抓紧实测了一波~

先来看看豆包是怎么介绍自己的:

既然如此,我们就来试试这些“官方功能”靠不靠谱。

比如,我们挑选了几个有意思的错误机翻让豆包纠正,结果豆包给出的反馈还挺不错的:

尤其是“鸳鸯锅”的翻译,可以说是完胜Google和DeepL。

知识方面的话,当然要问一下“刁钻”的问题了:雷公电母放出的电是直流电还是交流电。

豆包的这个回答,可以概括成“不是直流电,而是直流电”,但前面说的还算可以吧。

抛开整活的话,豆包的开胃小菜的确给了我们一个不错的第一印象。

那么下面我们就上正餐——来拿它和备受好评的国产开源大模型ChatGLM进行一场大横评。

具体的内容包括文案创作、逻辑推理、数学和代码四个方面。

文案创作方面,豆包说自己会撰写知乎、小红书等各种风格的文案。

我们不妨整个奇葩点的东西,看看它能不能创作得出来,比如……豆汁美式的小红书笔记。

文案搭配着emoji,连Tag都有了,看来豆包真的是懂小红书的。

不过你确定“醇香甘甜”这个词是用来形容豆汁的吗……

ChatGLM虽然写了很多,但是没审清题,把豆汁直接当成了豆浆……

(这么一看,豆包可能也理解成豆浆了,但是人家没直接说成豆浆啊)

看来豆包是有一定创作能力的,所以不妨再加大难度。

直接让它给“豆汁美式”的宣传片写个短视频脚本。

ChatGLM的版本细节则要丰富些,不过豆包的版本也算是五脏俱全了。

两者的文案创作水平不相上下,那么逻辑推理能力又怎么样呢?

我们找来了一道推理题目,这道题两位选手都没能做对(正确答案是甲3乙1丙2):

虽然都没做对,但是豆包的思路好像在往正确的方向上走了。

而ChatGLM的解答,反正我是没看懂。

这一环节对两者的表现也是很难评价,那么,马上进入一众大模型的噩梦环节——数学。

简单如鸡兔同笼这样的问题就不测了,我们直接上难度,拿一道高考题给他们试试。

△2023北京卷第16题

(图片我们没有输入,但没有图片也能解题;第一问是证明,我们也去掉了)

豆包使用的是纯几何方法,最后的答案是正确的,但很遗憾过程不对。

△从红框开始出现错误

ChatGLM则使用了向量解法:

首先结果是错的,不过120倒是和60度互补,是出了些小问题吗?

但我们很快发现了华点:

这里不应该约等于就先不提了……两个正数相除你是怎么给约成个负数的……

标准答案是酱婶儿的,由于第二问要用到第一问的证明结论,所以把第一问的过程也放上来了:

如此看来,在数学修炼上,两位大模型选手都还有很大的进步空间。

那么面对大家喜闻乐见的代码问题,豆包又该如何应对呢?

先看比较基础的冒泡排序算法。

我们试着跑了一下(换掉了预设的数字),结果成功输出了答案:

接下来上LeetCode,我们先选了一个比较简单的把阿拉伯数字转换成罗马数字的题目。

豆包很快就生成了一段代码,还附带了解释:

而ChatGLM给出的代码是这样的(也附有解释):

运行的结果是豆包正确,ChatGLM错误:

不过稍微复杂一些的题目,他们就都做不对了。

除了设计算法,我们还想看看他们能不能用代码“画图”。

我们随机生成了两列数据,看看能不能搞个折线图出来:

结果用豆包的代码画出了这么个东西……

ChatGLM这边的情况嘛……好家伙,直接报错运行不了。

代码环节就先展示到这里了,用一句话说就是:都还得练。

看了这么多,想必读者朋友们已经有些累了,所以我们还准备了“餐后甜点”,来点轻松的内容。

弱智吧,开整!

Q1:萝卜到底能不能“开胃”呢?

“必要时寻求专业医生帮助”,这难道是在自己给自己做手术吗……

Q2:导盲犬禁止入内,是给盲人看得,还是给导盲犬看的?

豆包在A和B两个选项当中选择了C。

而问及“陨石为什么总砸中陨石坑”,豆包倒是说对了,只不过回答得有点复杂。

弱智吧的测评结果总结下来就是:AI还是太单纯,还没办法理解人类复杂的小心思。

字节跳动选在这时候开放“豆包”测试,似乎有些令人意外。

但实际上,这个时间线倒推起来也不是无迹可寻:

在ChatGPT掀起狂澜的今年二三月,字节跳动就已有组建大模型团队的消息传出。

据36kr消息,其探索方向主要是语言和图像两类大模型,希望能将大模型与字节本身的搜索、广告等下游业务相结合。

但在当时,字节方面相关技术负责人的回应是:

技术中台在这些领域有探索,还很初期,不成熟。

此后的“百模大战”之中,字节跳动似乎并没有正式参战的意思,旗下云平台火山引擎,打出的也是“为大模型打造技术底座”、接入第三方大模型做大模型旗舰店商城的旗号。

直到6月份,字节跳动被曝开始内部测试一款AI对话类产品,代号“Grace”。

而Grace的网址“gracebot.cn”,现在会直接跳转到豆包官网。

虽然豆包本包并不承认自己就是Grace,但目前看来,豆包就是Grace的开放测试版本。

另外,“豆包”项目组的盆友向我们透露,豆包尚处于早期开发验证阶段。测试期还存在较多局限,生成的内容也可能不准确,欢迎测试用户们多提意见多反馈。

值得关注的是,最近,一个名叫BuboGPT的多模态大模型,在huggingface上上线了Demo。这一大模型背后同样有来自字节跳动的技术参与。

论文介绍,BuboGPT支持文本、图像、音频三种模态,能做到细粒度的多模态联合理解。

比如给它这样一张图片:

BuboGPT不仅能识别出青蛙和青蛙手里的班卓琴,还能总结出青蛙的具体动作、所处环境。

字节跳动终于出手,那么豆包这表现你给打几分?

话说回来,就在大模型渐渐走出每周都有新模发布的狂热期,国产大模型的先行者们,回答质量已经悄然进步了不少。

比如当初难倒众多大模型英雄汉的“爸妈婚礼不带我”问题,如今许多国产大模型都能回答得有理有据。

△上百度下讯飞

国产大模型的评判标尺,或许也已到了再上一个台阶的时候。

所以,国产大模型百花齐放,是否也给到你新的惊喜了呢?欢迎在评论区与我们分享~

— 完 —

量子位 QbitAI · 头条号签约

关注我们,第一时间获知前沿科技动态

    点击按住可拖动视频

     

    与ChatGLM难分伯仲字节跳动大模型开始发力One More Thing

[chatgpt能炒股吗还有如何利用chatgpt炒股]

引用地址:https://www.cha65.net/waibuwenzhang/202403/2443963.html

tags:

推荐问题