ЧетГТП може да ги дешифрира најавите на ФЕД и да го предвиди движењето на акциите

Пристигна првиот бран на академски истражувања што го применуваат ЧетГПТ (ChatGPT) во светот на финансиите - и, судејќи според раните резултати, возбудата од изминатите неколку месеци е оправдана.

Овој месец беа објавени два нови труда што го користеа четботот за вештачка интелигенција во задачи релевантни за пазарот - еден во дешифрирањето на тоа дали соопштенијата на Федералните резерви во САД (ФЕД) се јастребовски (поагресивни) или гулапски (порезервирани) и еден во одредувањето дали најавите во медиумите се добри или лоши за акциите.

ЧетГПТ успешно мина на двата теста, најавувајќи потенцијално голем чекор напред во употребата на технологијата за претворање текстови, од вести до твитови и говори, во трговски сигнали.

Процесот и не е некоја новина на Волстрит, каде што долго време се користеа јазични модели слични на четботот за да се добијат информации во поглед на идните стратегии. Но наодите укажуваат на тоа дека технологијата развиена од „Опен еј-ај“ (OpenAI) достигнува ново ниво во однос на разбирањето на нијансите и контекстот на податоците.

„Ова е еден од ретките случаи кога возбудата е реална“, вели Слави Маринов, шеф за машинско учење во АХЛ (Man AHL), кој со години ја користи технологијата позната како обработка на природен говор во текстови како записи за заработка и објави на Редит (Reddit).

Во првиот труд, насловен „Може ли ЧетГПТ да го дешифрира говорот на ФЕД (Fedspeak)?“, двајца истражувачи токму од Федералните резерви открија дека ЧетГПТ е најблиску до човечката способност за утврдување на тоа дали изјавите на централната банка се гулапски или јастребовски. Ен Лундгард Хансен и Софија Казиник од ФЕД Ричмонд покажаа дека четботот е супериорен во однос на најчесто користениот модел од „Гугл“ (Google) наречен БЕРТ (BERT), а исто така и класификациите засновани на речници.

ЧетГПТ дури може да ги објасни своите прогнози на политичките изјави на ФЕД на начин што личи на вистински аналитичар на потезите на централната банка, кој исто така бил вклучен во студијата со негови ставови за да дејствува како човечки репер.

За пример може да се земе оваа реченица од изјава од мај 2013 година: „Условите на пазарот на трудот покажаа одредено подобрување во последните месеци, во однос на рамнотежата, но стапката на невработеност останува покачена“. Роботот објасни дека линијата е умерена бидејќи сугерира дека економијата сè уште не е целосно закрепната. Тоа е слично на заклучокот на аналитичарот - Брајсон, опишан во студијата како „24-годишен маж, познат по својата интелигенција и љубопитност“.

Во втората студија, „Mоже ли ЧетГПТ да ги предвиди движењата на цените на акциите? Предвидливост и големи јазични модели“, Алехандро Лопез-Лира и Јуехуа Танг од Универзитетот во Флорида го насочиле ЧетГПТ да се однесува како финансиски експерт и да ги толкува насловите на вестите. Тие користеле вести по крајот на 2021 година, период што не беше опфатен во податоците за обука на четботот.

Студијата покажува дека одговорите дадени од ЧетГПТ имаат статистичка врска со последователните движења на акциите, знак дека технологијата може правилно да ги анализира импликациите на вестите.

Bloomberg

Во примерот за тоа дали насловот „Римини Стрит (Rimini Street) казнет со 630.000 долари во случај против Оркл (Oracle)“ е добар или лош за „Оркл“, ЧетГПТ објаснува дека е позитивен бидејќи казната „потенцијално може да ја зголеми довербата на инвеститорите во способноста на 'Оркл' да ја заштити својата интелектуална сопственост и да ја зголеми побарувачката за своите производи и услуги“.

Напредокот што го демонстрира ЧетГПТ се чини дека ќе отвори цели светови на нови информации и ќе ја направи технологијата подостапна за пошироката заедница на финансиски професионалци.

За Маринов, иако нема изненадување дека машините сега можат да читаат контекст речиси исто како и луѓето, ЧетГПТ потенцијално може да го забрза целиот процес.

Двата нови труда сугерираат дека ЧетГПТ може да извршува слични задачи дури и без да биде специјално обучен. Истражувањето на ФЕД покажа дека ова т.н. учење од нула веќе ги надминува претходните технологии, но неговото приспособување врз основа на конкретни примери го прави уште подобро.

„Порано требаше самите да ги означите податоците“, објаснува Маринов, кој исто така претходно беше коосновач на стартапот НЛП. „Сега можете да го дополните тоа преку дизајнирање соодветни команди за ЧетГПТ“.

„Блумберг ЛП“ (Bloomberg LP) исто така објави голем јазичен модел за финансии минатиот месец.