З’являється перша хвиля академічних досліджень, присвячених застосуванню ChatGPT у світі фінансів, і, судячи з перших результатів, ажіотаж останніх кількох місяців виправданий.
Цього місяця було опубліковано дві нові статті, в яких чат-бот зі штучним інтелектом використовувався для вирішення ринкових завдань – одна з них була присвячена розшифровці заяв Федеральної резервної системи, а інша – визначенню того, чи є заголовки хорошими чи поганими для акцій.
ChatGPT впорався з обома тестами, що свідчить про потенційно великий крок вперед у використанні технології для перетворення стосів тексту з новинних статей, твітів і виступів на торгові сигнали.
Звичайно, цей процес не є чимось новим на Уолл-стріт, де кванти вже давно використовують мовні моделі, що лежать в основі чат-ботів, для інформування багатьох стратегій. Але результати дослідження вказують на те, що технологія, розроблена OpenAI, вийшла на новий рівень з точки зору аналізу нюансів і контексту.
“Це один з рідкісних випадків, коли хайп є реальним”, – сказав Славі Марінов, керівник відділу машинного навчання в компанії Man AHL, яка вже багато років використовує технологію, відому як обробка природної мови, для читання таких текстів, як стенограми заробітку та пости на Reddit.
У першій статті під назвою “Чи може ChatGPT розшифрувати мову ФРС?” двоє дослідників з самої ФРС виявили, що ChatGPT найближче до людей у визначенні того, чи є заяви центрального банку “голубиними” чи “яструбиними”. Енн Лундгаард Хансен і Софія Казіннік з ФРС Річмонда показали, що вона перевершила загальновживану модель від Google під назвою BERT, а також класифікації, засновані на словниках.
ChatGPT навіть зміг пояснити свою класифікацію політичних заяв ФРС так, як це робив аналітик центрального банку, який також інтерпретував мову, щоб діяти як людський еталон для дослідження.
Візьмемо це речення із заяви від травня 2013 року: “Умови на ринку праці за останні місяці дещо покращилися, але рівень безробіття залишається високим”. Робот пояснив, що ця фраза є “голубиною”, тому що вона свідчить про те, що економіка ще не повністю відновилася. Це було схоже на висновок аналітика – Брайсона, описаного в статті як “24-річний чоловік, відомий своїм інтелектом і допитливістю”.
У другому дослідженні “Чи може ChatGPT прогнозувати рух цін на акції? Повернення передбачуваності та великих мовних моделей, Алехандро Лопес-Ліра та Юехуа Танг з Університету Флориди запропонували ChatGPT прикинутися фінансовим експертом та інтерпретувати заголовки корпоративних новин. Вони використовували новини після кінця 2021 року – періоду, який не був охоплений навчальними даними чат-бота.
Дослідження показало, що відповіді, надані ChatGPT, мали статистичний зв’язок з подальшими рухами акцій, що свідчить про те, що технологія змогла правильно проаналізувати наслідки новин.
У прикладі про те, чи був заголовок “Rimini Street Fined $630,000 in Case Against Oracle” хорошим чи поганим для Oracle, ChatGPT пояснив, що він був позитивним, оскільки штраф “потенційно може підвищити довіру інвесторів до здатності Oracle захищати свою інтелектуальну власність і збільшити попит на її продукти та послуги”.
Для більшості витончених квантів використання НЛП для оцінки популярності акцій на основі Твіттера або для включення останніх заголовків про компанію стало майже буденною справою. Але прогрес, продемонстрований ChatGPT, здається, відкриє цілі світи нової інформації та зробить технологію більш доступною для ширшої спільноти фінансових професіоналів.
На думку Марінова, не дивно, що машини вже вміють читати майже так само добре, як і люди, але ChatGPT потенційно може прискорити весь цей процес.
Коли Man AHL вперше створювала моделі, хедж-фонд quant вручну позначав кожне речення як позитивне чи негативне для активу, щоб дати машинам план для інтерпретації мови. Потім лондонська фірма перетворила весь процес на гру, яка ранжувала учасників і підраховувала, наскільки вони згодні з кожним реченням, щоб усі співробітники могли долучитися до неї.
Дві нові роботи показують, що ChatGPT може виконувати подібні завдання навіть без спеціальної підготовки. Дослідження ФРС показало, що це так зване навчання з нуля вже перевершує попередні технології, але доопрацювання на конкретних прикладах зробило його ще кращим.
“Раніше вам доводилося самостійно маркувати дані, – каже Марінов, який раніше також був співзасновником стартапу в галузі НЛП. “Тепер ви можете доповнити це розробкою правильних підказок для ChatGPT”.
Минулого місяця Bloomberg LP, материнська компанія Bloomberg News, також випустила велику мовну модель для фінансів.
