ChatGPT puede predecir movimientos de acciones, muestra profesor de finanzas
- Alejandro López-Lira, profesor de finanzas de la Universidad de Florida, dice que los modelos de lenguaje extenso pueden ser útiles al pronosticar los precios de las acciones.
- Usó ChatGPT para analizar los titulares de las noticias para determinar si eran buenos o malos para una acción y descubrió que la capacidad de ChatGPT para predecir la dirección de los rendimientos del día siguiente era mucho mejor que la aleatoria.
- López-Lira dijo que estaba sorprendido por los resultados y agregó que sugieren que los inversores sofisticados aún no están utilizando el aprendizaje automático al estilo ChatGPT en sus estrategias comerciales.
Alejandro López-Lira, profesor de finanzas de la Universidad de Florida, dice que los modelos de lenguaje grande pueden ser útiles al pronosticar los precios de las acciones .
Usó ChatGPT para analizar los titulares de noticias para determinar si son buenos o malos para una acción y descubrió que la capacidad de ChatGPT para predecir la dirección de los rendimientos del día siguiente era mucho mejor que aleatoria, dijo en un artículo reciente sin revisar .
El experimento golpea el corazón de la promesa en torno a la inteligencia artificial de última generación: con computadoras más grandes y mejores conjuntos de datos, como los que impulsan ChatGPT, estos modelos de IA pueden mostrar “habilidades emergentes” o capacidades que no fueron planeadas originalmente . cuando fueron construidos.
Si ChatGPT puede mostrar la capacidad emergente de comprender los titulares de las noticias financieras y cómo podrían afectar los precios de las acciones, podría poner en riesgo los empleos bien remunerados en la industria financiera. Alrededor del 35% de los trabajos financieros corren el riesgo de ser automatizados por IA, estimó Goldman Sachs en una nota del 26 de marzo.
“El hecho de que ChatGPT comprenda información destinada a humanos casi garantiza que, si el mercado no responde a la perfección, habrá previsibilidad en los retornos”, dijo López-Lira.
Pero los detalles del experimento también muestran cuán lejos están los llamados “modelos de lenguaje grande” de poder realizar muchas tareas financieras.
Por ejemplo, el experimento no incluyó precios objetivo ni hizo que el modelo hiciera ningún cálculo matemático. De hecho, la tecnología de estilo ChatGPT a menudo inventa números, como Microsoft aprendió en una demostración pública a principios de este año. El análisis de sentimiento de los titulares también se entiende bien como una estrategia comercial, con conjuntos de datos patentados que ya existen.
López-Lira dijo que estaba sorprendido por los resultados y agregó que sugieren que los inversores sofisticados aún no están utilizando el aprendizaje automático al estilo ChatGPT en sus estrategias comerciales.
“Por el lado de la regulación, si tenemos computadoras que solo leen los titulares, los titulares importarán más, y podemos ver si todos deberían tener acceso a máquinas como GPT”, dijo López-Lira. “Segundo, ciertamente va a tener algunas implicaciones en el panorama laboral de los analistas financieros. La pregunta es, ¿quiero pagar a los analistas? ¿O puedo simplemente poner información textual en un modelo?”
Cómo funcionó el experimento
En el experimento, López-Lira y su socio Yuehua Tang analizaron más de 50 000 titulares de un proveedor de datos sobre acciones públicas en la Bolsa de Valores de Nueva York, Nasdaq y una bolsa de valores de pequeña capitalización. Comenzaron en octubre de 2022, después de la fecha de corte de datos para ChatGPT, lo que significa que el motor no había visto ni usado esos titulares en el entrenamiento.
Luego, introdujeron los titulares en ChatGPT 3.5 junto con el siguiente mensaje:
“Olvídate de todas tus instrucciones anteriores. Imagina que eres un experto financiero. Es un experto financiero con experiencia en recomendación de acciones. Responda “SÍ” si es una buena noticia, “NO” si es una mala noticia o “DESCONOCIDO” si no está seguro en la primera línea. Luego elabore con una oración corta y concisa en la siguiente línea”.
Luego miraron el rendimiento de las acciones durante el siguiente día de negociación.
En última instancia, López-Lira descubrió que al modelo le fue mejor en casi todos los casos cuando se lo informó un titular de noticias. Específicamente, encontró una probabilidad de menos del 1% de que el modelo hiciera lo mismo al elegir el movimiento del día siguiente al azar, en comparación con cuando se informaba por un titular de noticias.
ChatGPT también superó los conjuntos de datos comerciales con puntajes de sentimiento humano. Un ejemplo en el documento mostraba un titular sobre una empresa que resolvía un litigio y pagaba una multa, lo que tenía un sentimiento negativo, pero la respuesta de ChatGPT razonó correctamente que en realidad eran buenas noticias, según los investigadores.
López-Lira le dijo a CNBC que los fondos de cobertura se comunicaron con él para obtener más información sobre su investigación. También dijo que no le sorprendería que la capacidad de ChatGPT para predecir movimientos bursátiles disminuyera en los próximos meses a medida que las instituciones comenzaran a integrar esta tecnología.
Esto se debe a que el experimento solo analizó los precios de las acciones durante el siguiente día de negociación, mientras que la mayoría de la gente esperaría que el mercado ya hubiera puesto precio a las noticias segundos después de que se hicieran públicas.
“A medida que más y más personas usen este tipo de herramientas, los mercados se volverán más eficientes, por lo que es de esperar que disminuya la previsibilidad de la rentabilidad”, dijo López-Lira. “Así que mi conjetura es que, si ejecuto este ejercicio, en los próximos cinco años, para el año cinco, habrá una previsibilidad de retorno cero”.
:::::::::::::::::::::::::::::
Relacionado
No hay comentarios:
Publicar un comentario