据报道，将ChatGPT应用于金融领域的第一波学术研究浪潮到来——从初步结果来看，过去几个月的炒作是有道理的。本月有两篇将人工智能聊天机器人应用于市场相关任务的新论文发表，一项是解读美联储的声明是鹰派还是鸽派，另一项是判断头条新闻对某只股票是利好还是利空。ChatGPT在两项测试中都表现出色，表明该技术在将新闻报道、推文和演讲稿等大量文字转化为交易信号方面，可能迈出了重大一步。
当然，这一过程在华尔街并不新鲜，长期以来，量化分析师一直在使用支持聊天机器人的语言模型来制定许多策略。但这些研究结果表明，OpenAI开发的技术在解析细微差别和上下文方面达到了一个新水平。
Man AHL 机器学习负责人 Slavi Marinov 表示：“这是炒作成真的罕见案例之一。”多年来，Man AHL一直在使用自然语言处理技术来读取财报和Reddit帖子等文本。
(相关资料图)
在第一篇题为《ChatGPT能否解读美联储表态?》的文章中，美联储的两名研究人员发现，在判断央行的声明是鸽派还是鹰派方面，ChatGPT最接近人类。里士满联邦储备银行的Anne Lundgaard Hansen和Sophia Kazinnik的研究表明，它击败了谷歌常用的BERT模型，以及基于字典的分类法。ChatGPT甚至能够以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。
在第二篇题为《ChatGPT能否预测股价走势?回报可预测性和大型语言模型》的文章中，佛罗里达大学的Alejandro Lopez-Lira和Yuehua Tang让 ChatGPT作为金融专家来解读企业新闻头条。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。
在让ChatGPT判断标题为“Rimini Street在与甲骨文的诉讼中被罚款63万美元”的新闻对甲骨文是好还是坏的例子中，ChatGPT解释说，这是积极的，因为罚款“可能会增强投资者对甲骨文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。”
在 Marinov 看来，虽然机器现在的阅读能力几乎和人一样好，这并不令人惊讶，但ChatGPT有可能加快技术应用的进程。
当Man AHL首次建立模型时，这家量化对冲基金手动将每个句子标记为对一项资产是正面或负面，以便为人工智能提供解释语言的范本。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表示:“以前你必须自己给数据贴上标签。现在你可以通过为ChatGPT设计正确的提示来完成工作。”
