将chatgpt应用于金融领域的第一波学术研究浪潮即将到来——从早期结果来看，过去几个月的炒作是有道理的。
在本月发表的两篇学术论文中，研究人员们利用chatgpt进行金融市场相关的研究任务，其中一篇论文是关于解读美联储的声明是鹰派还是鸽派，另一篇是确定头条新闻对一只股票来说是好还是坏。chatgpt在这两项测试中都表现出色，这表明，在利用该技术将新闻、推文和演讲稿等大量文本转化为交易信号方面，可能向前迈出了一大步。
当然，这一过程在华尔街并不是新鲜事，长期以来，量化分析师一直在使用聊天机器人所支持的语言模型来制定许多策略。但这些发现表明，openai开发的技术在分析细微差别和上下文方面达到了一个新水平。man ahl的机器学习主管slavi marinov说：
“这是炒作成真的罕见案例之一。”
多年来，man ahl一直在使用一种被称为自然语言处理的技术来解读业绩记录和reddit帖子等文本。
在第一篇题为《chatgpt能否破译美联储讲话》的论文中，两名来自美联储的研究人员发现，在判断美联储的声明是鸽派还是鹰派方面，chatgpt最接近人类。里士满联储的anne lundgaard hansen和sophia kazinnik证明了，chatgpt击败了谷歌常用的bert模型。chatgpt甚至能够以一种类似于美联储自己的分析师的方式解释其对美联储政策声明的分类。
以2013年5月声明中的这句话为例：“总的来说，劳动力市场状况在最近几个月有所改善，但失业率仍然居高不下。”机器人解释说，这句话属于鸽派，因为它表明经济尚未完全复苏。这与分析师bryson的结论相似。
第二篇论文题为《chatgpt可以预测股价走势吗？回报的可预测性和大型语言模型》，在这项研究中，佛罗里达大学的研究人员alejandro lopez-lira和yuehua tang让chatgpt充当金融专家去解读企业的新闻头条，然后根据chatgpt的解读去预测公司股票价格的走势。他们使用了2021年底之后的新闻，这段时间没有包含在聊天机器人的训练数据中。
研究发现，chatgpt给出的答案与该股随后的走势在统计上存在关联，这表明该技术能够正确分析新闻的含义。在一个例子中，chatgpt要判断标题为“rimini street起诉oracle被罚款63万美元”这条新闻对oracle是好还是坏。chatgpt解释说，这是利好的，因为罚款“可能会增强投资者对oracle保护其知识产权能力的信心，并增加对其产品和服务的需求”。
对于大多数老练的量化分析师来说，现在使用自然语言处理技术来衡量twitter上一只股票的受欢迎程度，或者整合一家公司的最新头条新闻，几乎是家常便饭。但chatgpt所展示的进步似乎将打开新信息的整个世界，并使更广泛的金融专业人士更容易使用这项技术。
在marinov看来，虽然机器现在的阅读能力已经几乎和人一样好，但chatgpt有可能加快整个过程。当man ahl首次建立模型时，这家量化对冲基金要手动将每个句子标记为对资产是利好或利空，以便为机器提供解释的语言蓝图。然后，公司将整个过程变成了一个游戏，对参与者进行排名，并计算他们对每句话的赞同程度，以便所有员工都能参与进来。
这两篇新论文表明，chatgpt甚至不需要专门训练就可以完成类似的任务。美联储的研究表明，这种所谓的零次学习已经超越了之前的技术，但根据一些具体例子对其进行微调会使其变得更好。marinov说：
“以前你必须自己给数据贴上标签。现在你可以通过为chatgpt设计正确的提示来补充这一点。”
marinov之前也是一家自然语言处理技术初创公司的联合创始人。
转载说明：此文出自于金十数据，如需转载，请注明原文出处。若未注明原文来源随意摘编、转载等，金十数据将保留追究权利。