Seperti banyak kedai, kami telah menulis sedikit sebanyak tentang AI generatif sejak kebelakangan ini, dan khususnya implikasinya untuk industri kewangan. Dengan begitu banyak perkara yang berlaku, dan begitu banyak penipu yang mengikuti kereta muzik, sukar untuk memisahkan gembar-gembur AI daripada realiti.
Berita baiknya ialah orang-orang seperti ChatGPT mungkin akan gagal dalam peperiksaan CFA, tidak boleh memegang lagu (boleh diwangkan) dan cenderung bertindak seperti joki momentum yang bodoh apabila ia datang untuk melabur. Berita buruknya ialah mereka boleh mendapat ijazah dalam bidang ekonomi dan undang-undang, dan mungkin akan dapat menggantikan seorang penganalisis jualan rendah.
Di samping itu, ketua ekonomi Apollo Torsten Sløk telah membawa beberapa kertas akademik baharu kepada perhatian FTAV. Yang pertama meneroka sejauh mana ChatGPT menghuraikan kata-kata yang paling bodoh, menyusun semula, karut tetapi menggerakkan pasaran di planet ini: ucapan jurubank pusat.
Bolehkah ChatGPT menguraikan Fedspeak, kertas bertanya, dan menjawab:
Ya! Kertas kerja ini menyiasat keupayaan model Generative Pre-training Transformer (GPT) untuk menguraikan Fedspeak, istilah yang digunakan untuk menerangkan bahasa teknikal yang digunakan oleh Federal Reserve untuk berkomunikasi mengenai keputusan dasar monetari. Kami menilai keupayaan model GPT untuk mengklasifikasikan pendirian dasar pengumuman Jawatankuasa Pasaran Terbuka Persekutuan (FOMC) berbanding penanda aras terperingkat manusia. Prestasi model GPT mengatasi kaedah pengelasan popular yang lain.
Juga dalam risalah terbaharu Sløk ialah kertas yang meneroka sama ada ChatGPT dan “model bahasa besar” lain boleh meramalkan harga ekuiti dengan menganalisis sentimen tajuk berita.
Penyelidik Alejandro Lopez-Lira dan Yehua Fang dari University of Florida mendapati bahawa lelaran awal LLM — seperti GPT-1, GPT-2 dan BERT — melakukan kerja yang tidak baik, tetapi ChatGPT nampaknya mengatasi sistem analisis sentimen komersial lain yang sedia ada.
Inilah kesimpulan mereka:
Pertama, ia menekankan kepentingan penerokaan dan pembangunan berterusan LLM yang disesuaikan secara eksplisit untuk industri kewangan. Apabila kewangan dipacu AI berkembang, model yang lebih canggih boleh direka bentuk untuk meningkatkan ketepatan dan kecekapan proses membuat keputusan kewangan.
Kedua, penemuan kami mencadangkan bahawa penyelidikan masa depan harus menumpukan pada pemahaman mekanisme melalui mana LLM memperoleh kuasa ramalan mereka. Dengan mengenal pasti faktor yang menyumbang kepada kejayaan model seperti ChatGPT dalam meramalkan pulangan pasaran saham, penyelidik boleh membangunkan lebih banyak strategi disasarkan untuk menambah baik model ini dan memaksimumkan utiliti mereka dalam kewangan.
Untuk sedikit ketenangan di tengah-tengah semua gembar-gembur, baca karya Greg Zuckerman “AI Boleh Menulis Lagu, tetapi Ia Tidak Dapat Mengalahkan Pasaran” dalam WSJ minggu lepas, yang sangat baik, seperti biasa.
Satu masalah utama: sebenarnya terdapat data universe yang agak terhad dalam pasaran kewangan. Dalam fizik anda boleh menjalankan berbilang eksperimen yang setiap satunya boleh menghasilkan berbilion titik data yang berbeza secara halus. Dalam pasaran, pada asasnya terdapat hanya satu pangkalan data yang mungkin: perkara yang telah dilakukan oleh sekuriti. Dan jika anda kembali lebih jauh daripada satu dekad, data mula menjadi agak kasar.
Pasaran juga lebih bising, lebih dinamik dan lebih menentang daripada banyak alam lain di mana AI sedang digunakan. Anda sedang melatih model ini mengenai data daripada zaman gelap pelaburan. Kedua-dua strategi asas dan kuantiti sentiasa berkembang.
Walau bagaimanapun, adalah agak sukar untuk mengatakan bahawa mana-mana firma pelaburan boleh, akan atau harus menyerahkan “semua operasi mereka kepada mesin”.
Bukan itu yang diperkatakan oleh sesiapa yang serius dalam industri. Idea fizikal yang besar SUPERKOMPUTER! Duduk di ruangan bawah tanah di suatu tempat yang hanya memerlukan sentuhan suis untuk merungkai misteri pasaran adalah barangan Aronofsky.
Jika anda bercakap dengan orang teratas di dana lindung nilai kuantiti teratas di dunia, apa yang mereka katakan ialah AI — sama ada pembelajaran mesin, pemprosesan bahasa semula jadi dan lain-lain — hanyalah alat lain. Untuk sesetengah tugas, ia adalah berlebihan, seperti menggunakan tukul besi untuk memukul paku, atau tidak berguna, seperti menggunakan tukul besi untuk mengecat dinding. Tetapi untuk tugasan tertentu ia sama ada penting atau akan membolehkan anda menyelesaikan lebih banyak kerja dengan lebih cepat.
Alatan kini mendapat a banyak lebih baik, dan menjadi lebih mudah untuk dikendalikan oleh pemula. Itu sudah pasti akan mempunyai banyak implikasi kepada industri pelaburan.
Bacaan lanjut:
— Apabila pasaran menjadi sedar diri (FTAV, 2015)
