ChatGPT: Μαθαίνει γρήγορα και κάνει προβλέψεις για τις αγορές
Shutterstock
Shutterstock

ChatGPT: Μαθαίνει γρήγορα και κάνει προβλέψεις για τις αγορές

Φαντάζομαι πολλοί εκ των συναδέλφων που βρίσκονται στον χρηματοοικονομικό χώρο ή είναι απλοί επενδυτές έχουν δοκιμάσει να ζητήσουν την άποψη της τεχνητής νοημοσύνης για τις επενδυτικές τους επιλογές. Οι απαντήσεις μέχρι πρόσφατα δεν έβγαζαν άποψη και παρακινούσαν τον ενδιαφερόμενο να απευθυνθεί σε ειδικούς. Φαίνεται ωστόσο ότι πράγματα γρήγορα θα αλλάξουν.

Η τεχνολογία της Tεχνητής Nοημοσύνης (εν προκειμένω το ChatGPT) έχει αυξήσει τις ανησυχίες για το μέλλον πολλών επαγγελμάτων. Ένα χαρακτηριστικό παράδειγμα είναι η πλατφόρμα Chegg: Πρόκειται μια online εφαρμογή που βοηθά στην εκπόνηση εργασιών για μαθητές ή φοιτητές.

Η ελεύθερη χρήση του ChatGPT περιόρισε σημαντικά τη χρήση της πλατφόρμας με αποτέλεσμα τη ραγδαία μείωση των εσόδων της. Όμως η χρήση του ChatGPT δεν περιορίζεται απλώς στο να παραδοθεί μια άρτια εργασία. Αν είστε οικονομολόγος, διαχειριστής ή αναλυτής θα πρέπει να ετοιμάζεστε για τον ανταγωνισμό που έρχεται από τους αλγόριθμους της τεχνητής νοημοσύνης. Ψυχραιμία. Προς το παρόν δεν συντρέχει κάποιος λόγος πανικού ή μεγάλης ανησυχίας.

Υπάρχουν δύο πανεπιστημιακές εργασίες που περιγράφουν την προσπάθεια να μάθει ο αλγόριθμος να εκτίμα με ακρίβεια μοντέλα χρονοσειρών, μία που αφορά αυξήσεις επιτοκίων της FED και μία για τις τιμές των μετοχών. Η πρώτη εργασία εξέτασε τη φρασεολογία της επιτροπής των τραπεζιτών μέσα από τα επίσημα πρακτικά της FED αναφορικά με την πολιτική των επιτοκίων.

Οι φράσεις ταξινομήθηκαν με βάση τον βαθμό συντηρητικότητας (Novish to Hawkish) και προέκυψε ένα μοντέλο προσαρμογής το οποίο δεν απείχε και πολύ από την πραγματικότητα. Με αυτό τον τρόπο η Τεχνητή Νοημοσύνη βελτίωσε όχι μόνο τον εντοπισμό των αποχρώσεων της ανθρώπινης γλώσσας, αλλά και των συγκλινουσών προθέσεων της επιτροπής. Το προφανές επόμενο βήμα είναι να δούμε αν το ChatGPT μπορεί να κάνει προβλέψεις με βάση την αξιολόγησή του για τις ανακοινώσεις της Fed και να συγκρίνει αυτές τις προβλέψεις με εκείνες των οικονομολόγων.

Πώς οι αλγόριθμοι «διάβασαν» τα πρακτικά της FED

Στην επόμενη εργασία ζητήθηκε από το ChatGPT να προσποιηθεί ότι είναι οικονομικός αναλυτής και να αξιολογήσει εάν μια δεδομένη είδηση για μια μετοχή είναι θετική, αρνητική ή αβέβαιη. Στη συνέχεια, δημιουργήθηκε μια βαθμολογία της ημερήσιας ροής ειδήσεων η οποία προσδιόριζε μια μέση βαθμολογία από όλες τις αξιολογήσεις ChatGPT.

Αν για παράδειγμα μια εταιρία ανακοίνωνε μια επιχειρηματική συμφωνία έπαιρνε μεγαλύτερο σκορ, μικρότερα από τα αναμενόμενα κέρδη χαμηλότερο σκορ κλπ. Με βάση αυτές τις βαθμολογίες οι ερευνητές δημιούργησαν στη συνέχεια χαρτοφυλάκια μετοχών με κυρίως θετικές ειδήσεις και κυρίως αρνητικές ειδήσεις. Παρακολούθησαν την απόδοση αυτών των χαρτοφυλακίων εάν κάποιος αγόραζε τις μετοχές με θετικά νέα και τις κρατούσε για μια μέρα ή αν πήγαινε short στις μετοχές με αρνητικά νέα κρατώντας τες έστω για μια μέρα.

Για τους αλγόριθμους GPT-1 και GPT-2, η ταξινόμηση από το chatGPT δεν ήταν αρκετά ακριβής για να δημιουργήσει οποιαδήποτε απόδοση. Αλλά όταν ζήτησαν από το GPT-3 και το GPT-4 να κάνουν την ίδια άσκηση τα αποτελέσματα απέκτησαν ενδιαφέρον. Όπως φαίνεται στο γράφημα η στρατηγική του αλγόριθμού αποδείχθηκε κερδοφόρα: Η μαύρη γραμμή είναι ένα χαρτοφυλάκιο μετοχών με οποιαδήποτε νέα (καλά, κακά ή αβέβαια), ενώ η πράσινη γραμμή δείχνει ένα χαρτοφυλάκιο μετοχών με καλά νέα και την κόκκινη γραμμή και χαρτοφυλάκιο που σορτς όλες τις μετοχές με άσχημα νέα.

Η μπλε γραμμή είναι ένα χαρτοφυλάκιο long-short που είναι αγορασμένο στις μετοχές καλών ειδήσεων και short στις μετοχές κακών ειδήσεων. Τα γραφήματα δείχνουν ότι το 1$ με βάση την πορεία των χαρτοφυλακίων που διαχειρίζονται οι αλγόριθμοί έχουν σημαντική υπεραπόδοση έναντι των παθητικών χαρτοφυλακίων. 

Απόδοση χαρτοφυλακίων με $1

Τα τεστ φαίνονται πολλά υποσχόμενα, αλλά πρέπει να έχουμε κατά νου ότι το παραπάνω γράφημα δείχνει αποδόσεις για μια καθημερινή στρατηγική χωρίς κόστος συναλλαγής. Προς το παρόν το κόστος συναλλαγών και οι φόροι είναι τόσο σημαντικοί που περιορίζουν αισθητά την απόδοση που παρατηρήθηκε παραπάνω.

Είμαστε όμως μόνο στην αρχή και οι εξελίξεις στο ChatGPT από την έκδοση 1 στην έκδοση 4 είναι μεγάλες. Ποιος ξέρει πόσο καιρό θα χρειαστεί το ChatGPT για να γίνει καλύτερο για να εντοπίσει μακροχρόνιες τάσεις στις τιμές των μετοχών που του επιτρέπουν να ανταγωνιστεί τις προβλέψεις των ανθρώπινων αναλυτών;

Το καλό με τον αλγοριθμικό προγραμματισμό είναι ότι σε βάθος χρόνου τα μοτίβα αναγνωρίζονται και υιοθετούνται από «περισσότερες μηχανές» εξουδετερώνοντας έτσι το πλεονέκτημά του. Από την άλλη πλευρά ασύμμετρη πληροφόρηση θα υπάρχει πάντα στις αγορές δημιουργώντας συνεχώς νέα μοτίβα και ανάγκη επικαιροποίησης των προβλεπτικών μοντέλων.