美国佛罗里达大学金融学教授亚历桑德罗·洛佩兹-里拉（Alejandro Lopez-Lira）表示，大语言模型在预测股价方面可能很有用。

在近期一篇未经同行评审的论文中，他写道，在使用ChatGPT分析新闻标题对一只股票是有利还是不利之后，他发现ChatGPT预测次日回报方向的能力远好于随机水平。

(相关资料图)

这项实验触及了先进人工智能的核心：借助更强大的算力和更优质的数据集，这些人工智能模型可能会显示出全新的能力，而这些能力在构建人工智能模型时并不在最初的预期中。

如果ChatGPT有能力理解财经新闻，并分析这些新闻可能如何影响股价，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-里拉说：“ChatGPT能够理解对人类有意义的信息。这就意味着，如果市场没有对信息做出完美的反应，那么ChatGPT就可以预测回报。”

不过这项实验的细节也表明，大语言模型距离能够胜任金融行业的工作还有很长的路要走。例如，实验没有包括目标价，以及让模型进行任何计算。正如微软今年早些时候的一次公开演示，类似ChatGPT的技术经常编造数字。由于已经存在私有的数据集，对新闻标题的情绪分析也早已被视为一种可行的交易策略。

洛佩兹-里拉说，他对结果感到惊讶。这些结果表明，经验丰富的投资者还没有在交易策略中使用类似ChatGPT的机器学习技术。他表示：“这肯定会对金融分析师的就业产生影响。问题就在于今后我是希望给分析师付费还是用AI模型？”

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公司的5万多条新闻标题。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在训练中没有看到或使用过这些新闻。

然后，他们将新闻标题添加到ChatGPT 3.5中，并附上以下提示：“忘掉之前的所有指示。假定你是一位有股票推荐经验的金融专家。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。“随后，他们观察了相应股票在接下来交易日的回报。

洛佩兹-里拉发现，在获得新闻标题信息之后，模型在几乎所有情况下都表现得更好。具体来说，在获得新闻标题信息后，模型随机选择第二天走势的概率低于1%。

在情绪评分方面，ChatGPT也击败了商业数据集。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。

洛佩兹-里拉说，已经有对冲基金联系他，希望了解关于这项研究的更多信息。他还表示，随着投资机构开始整合这项技术，如果ChatGPT预测股市走势的能力在未来几个月下降，他也不感到惊讶。这是因为实验关注的是下个交易日的股价走势，但大多数投资者都相信，市场可能在消息公布的几秒钟内就已经将其影响反映在股价中。

他说：“随着越来越多的人使用这类工具，市场将变得更高效，所以可以认为，回报的可预测性会下降。我的猜测是，如果持续开展这项工作，五年之后回报的可预测性将会是零。”