Εάν το ChatGPT μπορεί να έχει την ικανότητα να κατανοεί τους τίτλους των οικονομικών ειδήσεων και τον τρόπο με τον οποίο θα μπορούσαν να επηρεάσουν τις τιμές των μετοχών, θα μπορούσε να θέσει σε κίνδυνο υψηλόμισθες θέσεις εργασίας στον χρηματοπιστωτικό κλάδο
Τα προηγμένα γλωσσικά μοντέλα μπορεί να είναι χρήσιμα για την πρόβλεψη των τιμών των μετοχών.
Αυτό είναι το συμπέρασμα νέας μελέτης του Alejandro Lopez-Lira, καθηγητή οικονομικών στο Πανεπιστήμιο της Φλόριντα, ο οποίος χρησιμοποίησε το ChatGPT για να αναλύσει τους τίτλους των ειδήσεων για το αν είναι καλοί ή κακοί για μια μετοχή και διαπίστωσε ότι η ικανότητα του ChatGPT να προβλέπει την κατεύθυνση των αποδόσεων της επόμενης ημέρας ήταν πολύ καλύτερη από την τυχαία.
Το πείραμα οδηγεί πλέον στην καρδιά της υπόσχεσης γύρω από την υπερσύγχρονη τεχνητή νοημοσύνη: Με μεγαλύτερους υπολογιστές και καλύτερα σύνολα δεδομένων - όπως αυτά που τροφοδοτούν το ChatGPT - αυτά τα μοντέλα τεχνητής νοημοσύνης μπορεί να εμφανίσουν "αναδυόμενες ικανότητες", ή ικανότητες που δεν είχαν αρχικά σχεδιαστεί όταν κατασκευάστηκαν.
Εάν το ChatGPT μπορεί να έχει την ικανότητα να κατανοεί τους τίτλους των οικονομικών ειδήσεων και τον τρόπο με τον οποίο θα μπορούσαν να επηρεάσουν τις τιμές των μετοχών, θα μπορούσε να θέσει σε κίνδυνο υψηλόμισθες θέσεις εργασίας στον χρηματοπιστωτικό κλάδο.
Κινδυνεύει μία στις τρεις θέσεις στον χρηματοπιστωτικό τομέα
Περίπου το 35% των θέσεων εργασίας στον χρηματοπιστωτικό τομέα κινδυνεύει να αυτοματοποιηθεί από την τεχνητή νοημοσύνη, εκτιμά η Goldman Sachs σε σημείωμά της στις 26 Μαρτίου.
"Το γεγονός ότι η ChatGPT κατανοεί πληροφορίες που προορίζονται για ανθρώπους σχεδόν εγγυάται ότι αν η αγορά δεν ανταποκριθεί τέλεια, θα υπάρχει προβλεψιμότητα της απόδοσης", δήλωσε ο Lopez-Lira.
Αλλά οι ιδιαιτερότητες του πειράματος δείχνουν επίσης πόσο μακριά βρίσκονται τα λεγόμενα "μεγάλα γλωσσικά μοντέλα" από το να είναι σε θέση να κάνουν πολλές χρηματοοικονομικές εργασίες.
Για παράδειγμα, το πείραμα δεν περιελάμβανε τιμές-στόχους, ούτε έβαλε το μοντέλο να κάνει μαθηματικά.
Στην πραγματικότητα, η τεχνολογία τύπου ChatGPT συχνά φτιάχνει αριθμούς, όπως έμαθε η Microsoft σε μια δημόσια επίδειξη νωρίτερα φέτος.
Η ανάλυση συναισθήματος των τίτλων είναι επίσης καλά κατανοητή ως στρατηγική συναλλαγών, με ιδιόκτητα σύνολα δεδομένων που ήδη υπάρχουν.
Ο Lopez-Lira δήλωσε ότι εξεπλάγη από τα αποτελέσματα, προσθέτοντας ότι αυτά υποδηλώνουν ότι οι εξελιγμένοι επενδυτές δεν χρησιμοποιούν ακόμη μηχανική μάθηση τύπου ChatGPT στις στρατηγικές συναλλαγών τους.
"Από την πλευρά της ρύθμισης, αν έχουμε υπολογιστές που απλώς διαβάζουν τους τίτλους, οι τίτλοι θα έχουν μεγαλύτερη σημασία και μπορούμε να δούμε αν όλοι θα πρέπει να έχουν πρόσβαση σε μηχανές όπως η GPT", δήλωσε ο Lopez-Lira.
"Δεύτερον, σίγουρα θα έχει κάποιες επιπτώσεις στην απασχόληση του τοπίου των χρηματοοικονομικών αναλυτών.
Το ερώτημα είναι, θέλω να πληρώνω αναλυτές;
Ή μπορώ απλώς να βάλω πληροφορίες κειμένου σε ένα μοντέλο;"
Πώς λειτούργησε το πείραμα
Στο πείραμα, ο Lopez-Lira και ο συνεργάτης του Yuehua Tang εξέτασαν πάνω από 50.000 τίτλους από έναν προμηθευτή δεδομένων σχετικά με δημόσιες μετοχές στο Χρηματιστήριο της Νέας Υόρκης, τον Nasdaq και ένα χρηματιστήριο μικρής κεφαλαιοποίησης.
Ξεκίνησαν τον Οκτώβριο του 2022 - μετά την ημερομηνία διακοπής των δεδομένων για το ChatGPT, πράγμα που σημαίνει ότι η μηχανή δεν είχε δει ή χρησιμοποιήσει αυτούς τους τίτλους στην εκπαίδευση.
Στη συνέχεια, τροφοδότησαν τους τίτλους στο ChatGPT 3.5 μαζί με την ακόλουθη προτροπή:
"Ξεχάστε όλες τις προηγούμενες οδηγίες σας.
Προσποιηθείτε ότι είστε ειδικός στα οικονομικά.
Είστε ένας οικονομικός εμπειρογνώμονας με εμπειρία στις συστάσεις μετοχών.
Απαντήστε "ΝΑΙ" αν πρόκειται για καλά νέα, "ΟΧΙ" αν πρόκειται για κακά νέα, ή "ΑΓΝΩΣΤΟ" αν είναι αβέβαιο στην πρώτη γραμμή.
Στη συνέχεια, αναπτύξτε με μια σύντομη και περιεκτική πρόταση στην επόμενη γραμμή".
Στη συνέχεια εξέτασαν την απόδοση των μετοχών κατά την επόμενη ημέρα διαπραγμάτευσης.
Τελικά, ο Lopez-Lira διαπίστωσε ότι το μοντέλο τα πήγαινε καλύτερα σχεδόν σε όλες τις περιπτώσεις όταν ενημερωνόταν από έναν τίτλο ειδήσεων.
Συγκεκριμένα, διαπίστωσε ότι η πιθανότητα το μοντέλο να τα πάει το ίδιο καλά επιλέγοντας τυχαία την κίνηση της επόμενης ημέρας, σε σχέση με την περίπτωση που είχε ενημερωθεί από έναν τίτλο ειδήσεων, ήταν μικρότερη από 1%.
Το ChatGPT επικράτησε επίσης τα εμπορικά σύνολα δεδομένων με βαθμολογίες ανθρώπινου συναισθήματος.
Ένα παράδειγμα στην εργασία έδειχνε έναν τίτλο για μια εταιρεία που διευθετούσε μια δικαστική διαμάχη και πλήρωνε ένα πρόστιμο, το οποίο είχε αρνητικό αντίκτυπο, αλλά η απάντηση του ChatGPT συμπέρανε σωστά ότι στην πραγματικότητα επρόκειτο για καλή είδηση, σύμφωνα με τους ερευνητές.
Ο Lopez-Lira δήλωσε ότι τα hedge funds τον προσέγγισαν για να μάθουν περισσότερα για την έρευνά του.
Είπε επίσης ότι δεν θα τον εξέπληττε αν η ικανότητα του ChatGPT να προβλέπει τις κινήσεις των μετοχών μειωνόταν τους επόμενους μήνες, καθώς τα ιδρύματα άρχισαν να ενσωματώνουν αυτή την τεχνολογία.
Αυτό οφείλεται στο γεγονός ότι το πείραμα εξέτασε μόνο τις τιμές των μετοχών κατά τη διάρκεια της επόμενης ημέρας διαπραγμάτευσης, ενώ οι περισσότεροι άνθρωποι θα περίμεναν ότι η αγορά θα μπορούσε ήδη να έχει τιμολογήσει την είδηση σε δευτερόλεπτα μετά τη δημοσιοποίησή της.
"Καθώς όλο και περισσότεροι άνθρωποι χρησιμοποιούν αυτού του είδους τα εργαλεία, οι αγορές θα γίνουν πιο αποτελεσματικές, οπότε θα περίμενε κανείς να μειωθεί η προβλεψιμότητα των αποδόσεων", δήλωσε ο Lopez-Lira.
"Οπότε η εικασία μου είναι, αν εκτελέσω αυτή την άσκηση, ότι στα επόμενα πέντε χρόνια, μέχρι το έτος πέντε, θα υπάρχει μηδενική προβλεψιμότητα απόδοσης".
www.bankingnews.gr
Αυτό είναι το συμπέρασμα νέας μελέτης του Alejandro Lopez-Lira, καθηγητή οικονομικών στο Πανεπιστήμιο της Φλόριντα, ο οποίος χρησιμοποίησε το ChatGPT για να αναλύσει τους τίτλους των ειδήσεων για το αν είναι καλοί ή κακοί για μια μετοχή και διαπίστωσε ότι η ικανότητα του ChatGPT να προβλέπει την κατεύθυνση των αποδόσεων της επόμενης ημέρας ήταν πολύ καλύτερη από την τυχαία.
Το πείραμα οδηγεί πλέον στην καρδιά της υπόσχεσης γύρω από την υπερσύγχρονη τεχνητή νοημοσύνη: Με μεγαλύτερους υπολογιστές και καλύτερα σύνολα δεδομένων - όπως αυτά που τροφοδοτούν το ChatGPT - αυτά τα μοντέλα τεχνητής νοημοσύνης μπορεί να εμφανίσουν "αναδυόμενες ικανότητες", ή ικανότητες που δεν είχαν αρχικά σχεδιαστεί όταν κατασκευάστηκαν.
Εάν το ChatGPT μπορεί να έχει την ικανότητα να κατανοεί τους τίτλους των οικονομικών ειδήσεων και τον τρόπο με τον οποίο θα μπορούσαν να επηρεάσουν τις τιμές των μετοχών, θα μπορούσε να θέσει σε κίνδυνο υψηλόμισθες θέσεις εργασίας στον χρηματοπιστωτικό κλάδο.
Κινδυνεύει μία στις τρεις θέσεις στον χρηματοπιστωτικό τομέα
Περίπου το 35% των θέσεων εργασίας στον χρηματοπιστωτικό τομέα κινδυνεύει να αυτοματοποιηθεί από την τεχνητή νοημοσύνη, εκτιμά η Goldman Sachs σε σημείωμά της στις 26 Μαρτίου.
"Το γεγονός ότι η ChatGPT κατανοεί πληροφορίες που προορίζονται για ανθρώπους σχεδόν εγγυάται ότι αν η αγορά δεν ανταποκριθεί τέλεια, θα υπάρχει προβλεψιμότητα της απόδοσης", δήλωσε ο Lopez-Lira.
Αλλά οι ιδιαιτερότητες του πειράματος δείχνουν επίσης πόσο μακριά βρίσκονται τα λεγόμενα "μεγάλα γλωσσικά μοντέλα" από το να είναι σε θέση να κάνουν πολλές χρηματοοικονομικές εργασίες.
Για παράδειγμα, το πείραμα δεν περιελάμβανε τιμές-στόχους, ούτε έβαλε το μοντέλο να κάνει μαθηματικά.
Στην πραγματικότητα, η τεχνολογία τύπου ChatGPT συχνά φτιάχνει αριθμούς, όπως έμαθε η Microsoft σε μια δημόσια επίδειξη νωρίτερα φέτος.
Η ανάλυση συναισθήματος των τίτλων είναι επίσης καλά κατανοητή ως στρατηγική συναλλαγών, με ιδιόκτητα σύνολα δεδομένων που ήδη υπάρχουν.
Ο Lopez-Lira δήλωσε ότι εξεπλάγη από τα αποτελέσματα, προσθέτοντας ότι αυτά υποδηλώνουν ότι οι εξελιγμένοι επενδυτές δεν χρησιμοποιούν ακόμη μηχανική μάθηση τύπου ChatGPT στις στρατηγικές συναλλαγών τους.
"Από την πλευρά της ρύθμισης, αν έχουμε υπολογιστές που απλώς διαβάζουν τους τίτλους, οι τίτλοι θα έχουν μεγαλύτερη σημασία και μπορούμε να δούμε αν όλοι θα πρέπει να έχουν πρόσβαση σε μηχανές όπως η GPT", δήλωσε ο Lopez-Lira.
"Δεύτερον, σίγουρα θα έχει κάποιες επιπτώσεις στην απασχόληση του τοπίου των χρηματοοικονομικών αναλυτών.
Το ερώτημα είναι, θέλω να πληρώνω αναλυτές;
Ή μπορώ απλώς να βάλω πληροφορίες κειμένου σε ένα μοντέλο;"
Πώς λειτούργησε το πείραμα
Στο πείραμα, ο Lopez-Lira και ο συνεργάτης του Yuehua Tang εξέτασαν πάνω από 50.000 τίτλους από έναν προμηθευτή δεδομένων σχετικά με δημόσιες μετοχές στο Χρηματιστήριο της Νέας Υόρκης, τον Nasdaq και ένα χρηματιστήριο μικρής κεφαλαιοποίησης.
Ξεκίνησαν τον Οκτώβριο του 2022 - μετά την ημερομηνία διακοπής των δεδομένων για το ChatGPT, πράγμα που σημαίνει ότι η μηχανή δεν είχε δει ή χρησιμοποιήσει αυτούς τους τίτλους στην εκπαίδευση.
Στη συνέχεια, τροφοδότησαν τους τίτλους στο ChatGPT 3.5 μαζί με την ακόλουθη προτροπή:
"Ξεχάστε όλες τις προηγούμενες οδηγίες σας.
Προσποιηθείτε ότι είστε ειδικός στα οικονομικά.
Είστε ένας οικονομικός εμπειρογνώμονας με εμπειρία στις συστάσεις μετοχών.
Απαντήστε "ΝΑΙ" αν πρόκειται για καλά νέα, "ΟΧΙ" αν πρόκειται για κακά νέα, ή "ΑΓΝΩΣΤΟ" αν είναι αβέβαιο στην πρώτη γραμμή.
Στη συνέχεια, αναπτύξτε με μια σύντομη και περιεκτική πρόταση στην επόμενη γραμμή".
Στη συνέχεια εξέτασαν την απόδοση των μετοχών κατά την επόμενη ημέρα διαπραγμάτευσης.
Τελικά, ο Lopez-Lira διαπίστωσε ότι το μοντέλο τα πήγαινε καλύτερα σχεδόν σε όλες τις περιπτώσεις όταν ενημερωνόταν από έναν τίτλο ειδήσεων.
Συγκεκριμένα, διαπίστωσε ότι η πιθανότητα το μοντέλο να τα πάει το ίδιο καλά επιλέγοντας τυχαία την κίνηση της επόμενης ημέρας, σε σχέση με την περίπτωση που είχε ενημερωθεί από έναν τίτλο ειδήσεων, ήταν μικρότερη από 1%.
Το ChatGPT επικράτησε επίσης τα εμπορικά σύνολα δεδομένων με βαθμολογίες ανθρώπινου συναισθήματος.
Ένα παράδειγμα στην εργασία έδειχνε έναν τίτλο για μια εταιρεία που διευθετούσε μια δικαστική διαμάχη και πλήρωνε ένα πρόστιμο, το οποίο είχε αρνητικό αντίκτυπο, αλλά η απάντηση του ChatGPT συμπέρανε σωστά ότι στην πραγματικότητα επρόκειτο για καλή είδηση, σύμφωνα με τους ερευνητές.
Ο Lopez-Lira δήλωσε ότι τα hedge funds τον προσέγγισαν για να μάθουν περισσότερα για την έρευνά του.
Είπε επίσης ότι δεν θα τον εξέπληττε αν η ικανότητα του ChatGPT να προβλέπει τις κινήσεις των μετοχών μειωνόταν τους επόμενους μήνες, καθώς τα ιδρύματα άρχισαν να ενσωματώνουν αυτή την τεχνολογία.
Αυτό οφείλεται στο γεγονός ότι το πείραμα εξέτασε μόνο τις τιμές των μετοχών κατά τη διάρκεια της επόμενης ημέρας διαπραγμάτευσης, ενώ οι περισσότεροι άνθρωποι θα περίμεναν ότι η αγορά θα μπορούσε ήδη να έχει τιμολογήσει την είδηση σε δευτερόλεπτα μετά τη δημοσιοποίησή της.
"Καθώς όλο και περισσότεροι άνθρωποι χρησιμοποιούν αυτού του είδους τα εργαλεία, οι αγορές θα γίνουν πιο αποτελεσματικές, οπότε θα περίμενε κανείς να μειωθεί η προβλεψιμότητα των αποδόσεων", δήλωσε ο Lopez-Lira.
"Οπότε η εικασία μου είναι, αν εκτελέσω αυτή την άσκηση, ότι στα επόμενα πέντε χρόνια, μέχρι το έτος πέντε, θα υπάρχει μηδενική προβλεψιμότητα απόδοσης".
www.bankingnews.gr
Σχόλια αναγνωστών