ChatGPT razumije jezik bankara i po naslovima može predvidjeti kretanje dionica

Prvi val akademskih istraživanja i primjene alata ChatGPT u svijetu financija je na putu – i sudeći po preliminarnim rezultatima, uzbuđenje iz proteklih nekoliko mjeseci je opravdano.

Ovog su mjeseca objavljene dvije studije kojima se ispitivalo ponašanje alata za umjetnu inteligenciju u zadacima vezanim uz tržište – jedan se bavio pokušajem tumačenja izjava iz priopćenja Saveznih rezervi, a drugi pokušajem procjene jesu li naslovi dobri ili loši za dionice.

ChatGPT je položio oba ispita i time donio važan potencijalni korak prema korištenju tehnologije u tome da se gomile teksta medijskih članaka, poruka na Twitteru ili transkripta govora pretvore u signale za tržište.

Na Wall Streetu taj proces nije ništa novo, naravno, jer kvantitativni analitičari već dugo koriste jezične modele poput onih koje koristi ChatGPT kako bi oblikovali brojne strategije. No rezultati pokazuju da tehnologija koju je razvio OpenAI doseže nove razine prilikom tumačenja nijansi i konteksta.

"Radi se o jednom od rijetkih slučajeva gdje je oduševljenje opravdano", kazao je Slavi Marinov, šef strojnog učenja tvrtke Man AHK, koja već godinama koristi tehnologiju poznatu kao obrada prirodnih jezika (NPL, eng. natural language processing) za čitanje prijepisa tumačenja financijskih rezultata ili replika na Redditu.

U prvom članku naslovljenom "Može li ChatGPT razumjeti Fed?" dvoje autora iz samog Feda su došli do zaključka da se ChatGPT približio ljudima u razumijevanju poruka iz središnje banke. Anne Lundgaard Hansen i Sophia Kazinnik iz Banke saveznih rezervi u Richmondu su pokazale da je ChatGPT pobijedio često korišteni model iz Googlea pod nazivom BERT i klasifikaciju koja se bazira na rječnicima.

Tumačenje alata umjetne inteligencije se uspoređivalo s ljudskim | Bloomberg

ChatGPT je također mogao objasniti svoje tumačenje Fedovih objava o monetarnoj politici na način koji je nalikovao onome kako to radi sam analitičar središnje banke, koji je također interpretirao jezik objave u svojoj ulozi ljudske kontrolne grupe u istraživanju.

Uzmimo ovu rečenicu priopćenja iz svibnja 2013. godine: "U osnovi, uvjeti na tržištu rada pokazali su blago poboljšanje posljednjih mjeseci, ali stopa nezaposlenosti ostaje povišena". Robot je objasnio da rečenica sugerira da se ekonomija još nije u potpunosti oporavila. To je bilo slično zaključku analitičara – Brysona, kojeg se u radu opisuje kao "24-godišnjeg muškarca poznatog po znatiželji i inteligenciji".

Drugo istraživanje s naslovom: "Može li ChatGPT predvidjeti kretanje cijena dionica? Predvidljivost povrata i veliki jezični modeli", proveli su Alejandro Lopez-Lira i Yuehua Tang sa Sveučilišta na Floridi. Oni su uputili ChatGPT da se pretvara da je financijski ekspert i da interpretira naslove korporativnih vijesti. Koristili su naslove objavljene nakon 2021. godine, što je razdoblje koje nije uključeno u podatke na kojima se vježbao ChatGPT.

Studija je pokazala da su odgovori koje je dao ChatGPT pokazali statističku vezu s naknadnim kretanjem dionica, što je znak da je tehnologija uspjela pravilno protumačiti implikacije iz vijesti.

U jednom primjeru u vezi s tim je li naslov: "Rimini Street kažnjen sa 630 tisuća dolara u slučaju protiv Oraclea" dobar ili loš za Oracle, ChatGPT je objasnio da je dobar, jer bi kazna mogla potencijalno pojačati povjerenje investitora u Oracleovu sposobnost zaštite svog intelektualnog vlasništva i povećanja potražnje za svojim proizvodima i uslugama.

Najsofisticiraniji kvantitativni analitičari danas gotovo uobičajeno koriste obradu prirodnih jezika kako bi temeljem Twittera procijenili koliko je neka dionica popularna ili kako bi uključili i najnovije naslove o kompaniji. No napredak koji pokazuje ChatGPT bi mogao potpuno otvoriti svijet novih informacija i tehnologiju učiniti pristupačnijom široj zajednici financijskih profesionalaca.

Marinova ne iznenađuje što strojevi sada mogu čitati gotovo toliko dobro kao i ljudi, ali bi ChatGPT mogao ubrzati cijeli proces.

Bez pripreme

Kada je Man AHL prvi put gradio modele, kvantitativni hedge fond je ručno označavao svaku rečenicu kao pozitivnu ili negativnu za neku vrstu imovine da bi strojevima pružio primjer kako interpretirati jezik. Londonska tvrtka je nakon toga cijeli proces pretvorila u igru koja je rangirala sudionike i proračunavala koliko se slažu sa svakom rečenicom, pa su tako mogli biti uključeni svi zaposlenici.

Dvije nove studije sugeriraju da ChatGPT može izvršiti slične zadatke i bez posebne pripreme. Istraživanje Feda pokazalo je da ova vrsta učenja već nadmašuje ranije tehnologije, ali ju je dodatno poboljšalo fino podešavanje na nekim specifičnim primjerima.

"Ranije ste sami morali označavati podatke", kazao je Marinov, negdašnji suosnivač tvrtke koja se bavila obradom prirodnih jezika. "Sada to možete nadopuniti oblikovanjem pravilnog pitanja za ChatGPT", dodao je.

Bloomberg LP, krovna kompanija Bloomberg Newsa, prošlog mjeseca je također objavila veliki jezični model za financije.