美國佛羅里達大學金融學教授亞歷桑德羅·洛佩茲-里拉（Alejandro Lopez-Lira）表示，大語言模型在預測股價方面可能很有用。在近期一篇未經同行評審的論文中，他寫道，在使用ChatGPT分析新聞標題對一隻股票是有利還是不利之後，他發現ChatGPT預測次日回報方向的能力遠好於隨機水平。

這項實驗觸及了先進人工智能的核心：借助更強大的算力和更優質的數據集，這些人工智能模型可能會顯示出全新的能力，而這些能力在構建人工智能模型時並不在最初的預期中。

如果ChatGPT有能力理解財經新聞，並分析這些新聞可能如何影響股價，那麼就可能會讓金融業的一些高薪工作面臨風險。高盛在3月26日的一份報告中估計，約35%的金融行業崗位面臨被人工智能自動化替代的風險。

洛佩茲-里拉說：“ChatGPT能夠理解對人類有意義的信息。這就意味著，如果市場沒有對信息做出完美的反應，那麼ChatGPT就可以預測回報。”

不過這項實驗的細節也表明，大語言模型距離能夠勝任金融行業的工作還有很長的路要走。例如，實驗沒有包括目標價，以及讓模型進行任何計算。正如微軟今年早些時候的一次公開演示，類似ChatGPT的技術經常編造數字。由於已經存在私有的數據集，對新聞標題的情緒分析也早已被視為一種可行的交易策略。

洛佩茲-里拉說，他對結果感到驚訝。這些結果表明，經驗豐富的投資者還沒有在交易策略中使用類似ChatGPT的機器學習技術。他表示：“這肯定會對金融分析師的就業產生影響。問題就在於今後我是希望給分析師付費還是用AI模型？”

在這項實驗中，洛佩茲-里拉及其合作夥伴使用了一家數據供應商提供的、關於紐交所、納斯達克和一家小盤股交易所上市公司的5萬多條新聞標題。這些新聞開始於2022年10月，是在ChatGPT訓練數據的截止日期之後。這意味著，ChatGPT在訓練中沒有看到或使用過這些新聞。

然後，他們將新聞標題添加到ChatGPT 3.5中，並附上以下提示：“忘掉之前的所有指示。假定你是一位有股票推薦經驗的金融專家。在第一行中，如果是好消息，回答’是’；如果是壞消息，回答’否’；如果不確定，回答’未知’。然後在下一行中用簡短的句子來闡述。“隨後，他們觀察了相應股票在接下來交易日的回報。

洛佩茲-里拉發現，在獲得新聞標題信息之後，模型在幾乎所有情況下都表現得更好。具體來說，在獲得新聞標題信息後，模型隨機選擇第二天走勢的概率低於1%。

在情緒評分方面，ChatGPT也擊敗了商業數據集。在論文的一個案例中，一家公司就訴訟達成和解並支付罰款，這條新聞在傳統數據分析上被認為是負面，但ChatGPT正確地推斷出這實際上是個好消息。

洛佩茲-里拉說，已經有對沖基金聯繫他，希望了解關於這項研究的更多信息。他還表示，隨著投資機構開始整合這項技術，如果ChatGPT預測股市走勢的能力在未來幾個月下降，他也不感到驚訝。這是因為實驗關注的是下個交易日的股價走勢，但大多數投資者都相信，市場可能在消息公佈的幾秒鐘內就已經將其影響反映在股價中。

他說：“隨著越來越多的人使用這類工具，市場將變得更高效，所以可以認為，回報的可預測性會下降。我的猜測是，如果持續開展這項工作，五年之後回報的可預測性將會是零。”