Σύμφωνα με μελέτη, το ChatGPT 4.0 υπερισχύει των χρηματοοικονομικών αναλυτών στην πρόβλεψη της ανάπτυξης των επιχειρήσεων, επιτρέποντας καλύτερες επενδυτικές αποφάσεις.
Ερευνητές διαπίστωσαν ότι τα Μεγάλα Γλωσσικά Μοντέλα (LLMs) μπορούν να αναλύσουν με επιτυχία οικονομικές εκθέσεις και να προβλέψουν μελλοντικά κέρδη, συχνά υπερτερώντας των επαγγελματιών ανθρώπινων αναλυτών. Η μελέτη, που διεξήχθη από τους Alex G. Kim, Maximilian Muhn και Valeri V. Nikolaev από το Πανεπιστήμιο του Σικάγο, καταδεικνύει τις δυνατότητες της τεχνητής νοημοσύνης στον τομέα της χρηματοοικονομικής ανάλυσης.
Η μελέτη, στην οποία αξιολογήθηκαν τυποποιημένες και ανώνυμες οικονομικές εκθέσεις από το GPT-4, έδειξε ότι η τεχνητή νοημοσύνη, ακόμα και χωρίς πληροφορίες ειδικές για τον κλάδο, ήταν σε θέση να προβλέψει ακριβέστερα τις αλλαγές κερδών από ό,τι οι χρηματοοικονομικοί αναλυτές.
Επιπλέον, οι ερευνητές ανακάλυψαν ότι η ακρίβεια πρόβλεψης του LLM ήταν συγκρίσιμη με την απόδοση ενός μοντέλου μηχανικής μάθησης εκπαιδευμένου σε χρηματοοικονομικά δεδομένα. Αυτή η γνώση υποδηλώνει ότι οι προβλέψεις του LLM δεν βασίζονται μόνο στη μνήμη εκπαίδευσης του, αλλά μάλλον στην ικανότητα του να εξάγει χρήσιμες πληροφορίες σχετικά με τη μελλοντική απόδοση μιας εταιρείας.
Σύμφωνα με το Venturebeat, μια από τις βασικές καινοτομίες στη μελέτη ήταν η χρήση προτροπών “αλυσίδας σκέψης”, οι οποίες καθοδηγούσαν το GPT-4 να μιμηθεί την αναλυτική διαδικασία ενός χρηματοοικονομικού αναλυτή, να αναγνωρίσει τάσεις, να υπολογίσει δείκτες και να συνοψίσει τις πληροφορίες σε μια πρόβλεψη. Αυτή η βελτιωμένη έκδοση πέτυχε ακρίβεια 60% στην πρόβλεψη μελλοντικών κερδών, σημαντικά υψηλότερη από το εύρος 53-57% των προβλέψεων των ανθρώπινων αναλυτών.
Εμπορικές Στρατηγικές Βασισμένες σε Προγνώσεις GPT Επιτυγχάνουν Υψηλότερες Αποδόσεις
Η μελέτη εξέτασε επίσης την οικονομική χρησιμότητα των προβλέψεων GPT, αναλύοντας την αξία τους στην πρόβλεψη των κινήσεων της τιμής των μετοχών. Διαπιστώθηκε ότι οι εμπορικές στρατηγικές που βασίζονται στις προβλέψεις GPT παρουσίασαν υψηλότερο λόγο Sharpe και υψηλότερα Alpha σε σύγκριση με στρατηγικές που βασίζονται σε άλλα μοντέλα. Το Alpha αντιπροσωπεύει την υπεραπόδοση μιας επένδυσης σε σύγκριση με την απόδοση ενός δείκτη αναφοράς. Τα θετικά Alpha υποδηλώνουν ότι η στρατηγική υπεραποδίδει σε σχέση με την αγορά.
Οι ερευνητές τονίζουν ότι τα ευρήματά τους υποδηλώνουν ότι τα LLMs μπορούν να διαδραματίσουν κεντρικό ρόλο στη λήψη αποφάσεων, αντί απλώς να χρησιμεύουν ως βοηθήματα. Η ικανότητα αυτών των μοντέλων τεχνητής νοημοσύνης να αναλύουν σύνθετα χρηματοοικονομικά δεδομένα και να κάνουν ακριβείς προβλέψεις θα μπορούσε να αλλάξει τον τρόπο με τον οποίο οι επενδυτές και οι επαγγελματίες του χρηματιστηρίου προσεγγίζουν στο μέλλον την ανάλυση των οικονομικών εκθέσεων.
Ωστόσο, οι ερευνητές επισημαίνουν επίσης ότι απαιτείται περαιτέρω έρευνα για την πλήρη κατανόηση των ορίων και των περιορισμών των LLM στη λήψη χρηματοοικονομικών αποφάσεων.
Όπως αναφέρει το Venturebeat, ορισμένοι ειδικοί προειδοποιούν ότι το μοντέλο ANN (τεχνητό νευρωνικό δίκτυο) που χρησιμοποιείται ως σημείο αναφοράς στη μελέτη ενδέχεται να μην είναι το πιο σύγχρονο στον τομέα των ποσοτικών χρηματοοικονομικών.
Παρ’ όλα αυτά, η ικανότητα ενός τέτοιου μοντέλου τεχνητής νοημοσύνης να αγγίζει την απόδοση εξειδικευμένων μοντέλων μηχανικής μάθησης και να ξεπερνά τους ανθρώπινους εμπειρογνώμονες υπογραμμίζει τη δυναμική των LLM στον χρηματοοικονομικό τομέα, κάτι που ομολογουμένως αν εξελιχθούν περαιτέρω η δυνατότητες τους θα μιλάμε για τρομερό επιτευγμα και ένα πολύ χρήσιμο εργαλείο για αρκετούς επαγγελματίες σε αυτό το χώρο.
