Начало Бизнес ИИ научился предсказывать курсы акций по новостным заголовкам

ИИ научился предсказывать курсы акций по новостным заголовкам

Бизнес
/ 577 0
ИИ научился предсказывать курсы акций по новостным заголовкам

Приближается первая волна академических исследований по применению ChatGPT в мире финансов – и, судя по предварительным результатам, ажиотаж последних нескольких месяцев оправдан.

В этом месяце были опубликованы две новые статьи, в которых чат-бот с искусственным интеллектом использовался для решения актуальных для рынка задач – одна для расшифровки того, были ли заявления Федеральной резервной системы ястребиными или голубиными, и одна для определения того, были ли заголовки хорошими или плохими для акций.

ChatGPT справился с обоими тестами, предполагая потенциально важный шаг вперед в использовании технологии для преобразования текстов из новостных статей в твиты и речи в торговые сигналы.

Конечно, в этом процессе нет ничего нового на Уолл-стрит, где специалист по биржевому анализу уже давно используют языковые модели, лежащие в основе чат-ботов, в своих стратегиях. Но результаты указывают на то, что технология, разработанная OpenAI, выходит на новый уровень с точки зрения разбора нюансов и контекста.

«Это один из тех редких случаев, когда ажиотаж реален», сказал Слави Маринов, глава отдела машинного обучения в Man AHL, который много лет использует технологию обработки естественного языка для чтения отчетов о доходах, посты Reddit и тому подобные текстов.

В первой статье, озаглавленной «Может ли ChatGPT расшифровать федеральный язык?», два исследователя из самой ФРС обнаружили, что ChatGPT оказался ближе всего к людям в выяснении того, были ли заявления центрального банка голубиными или ястребиными. Энн Лундгаард Хансен и София Казинник из Федерального резервного банка Ричмонда показали, что он превосходит широко используемую модель Google под названием BERT, а также классификации, основанные на словарях.

ChatGPT даже смог объяснить свою классификацию политических заявлений ФРС так, как это сделал собственный аналитик центрального банка, который также интерпретировал язык как человеческий эталон для исследования.

Возьмем это предложение из заявления от мая 2013 года: «В целом условия на рынке труда в последние месяцы несколько улучшились, но уровень безработицы остается повышенным». Робот объяснил, что линия голубиная, потому что она предполагает, что экономика еще не полностью восстановилась. Это было похоже на заключение аналитика Брайсона, описанное в статье как «24-летний мужчина, известный своим умом и любопытством».

Во втором исследовании «Может ли ChatGPT прогнозировать движение цен на акции? Предсказуемость и модели большого языка» Алехандро Лопес-Лира и Юехуа Тан из университета Флориды побудили ChatGPT притвориться финансовым экспертом и интерпретировать заголовки корпоративных новостей. Они использовали новости после конца 2021 года, периода, который не был охвачен данными обучения чат-бота.

Ответы, данные ChatGPT, показали статистическую связь с последующими движениями акций, что является признаком того, что технология смогла правильно проанализировать последствия новостей.

В примере о том, является ли заголовок «Римини-стрит оштрафована на 630 000 долларов США в рамках дела против Oracle» хорошим или плохим для Oracle, ChatGPT объяснил, что он был положительным, потому что штраф «потенциально может повысить уверенность инвесторов в способности Oracle защитить свою интеллектуальную собственность и увеличить спрос на свои продукты и услуги».

Для самых искушенных аналитиков теперь почти обычным делом является использование автоматической обработки естественного языка для оценки того, насколько популярны акции в Твиттере, или для включения последних заголовков о компании. Но достижения, продемонстрированные ChatGPT, похоже, откроют целые миры новой информации и сделают технологию более доступной для более широкого сообщества профессионалов в области финансов.

Для Маринова нет ничего удивительного в том, что машины теперь могут читать почти так же хорошо, как люди, но ChatGPT потенциально может ускорить весь процесс.

Когда Man AHL впервые строил модели, хедж-фонд вручную помечал каждое предложение как положительное или отрицательное для актива, чтобы дать машинам план для интерпретации языка. Затем лондонская фирма превратила весь процесс в игру, в которой участники ранжировались и подсчитывали, насколько они согласны по каждому предложению, чтобы все сотрудники могли принять участие.

В двух новых документах предполагается, что ChatGPT может выполнять аналогичные задачи даже без специального обучения. Исследование ФРС показало, что так называемое обучение с нулевым выстрелом уже превосходит предыдущие технологии, но его точная настройка на основе некоторых конкретных примеров сделала его еще лучше.

«Раньше вам приходилось маркировать данные самостоятельно», сказал Маринов, который также ранее был соучредителем стартапа автоматической обработки естественного языка. «Теперь вы можете дополнить это, разработав правильное приглашение для ChatGPT». 

Ваше мнение
4 + 5 =