ChatGPT puede decodificar discurso de la Fed y predecir los movimientos de acciones

ARTÍCULO RELACIONADO

Beneficios y desventajas de ChatGPT

Está llegando la primera ola de investigación académica que aplica ChatGPT al mundo de las finanzas y, a juzgar por los primeros resultados, la exageración de los últimos meses está justificada.

Este mes se publicaron dos nuevos artículos que implementaron el chatbot de inteligencia artificial en tareas relevantes para el mercado; uno para descifrar si las declaraciones de la Reserva Federal eran agresivas o moderadas, y otra para determinar si los titulares eran buenos o malos para una acción.

ChatGPT superó ambas pruebas, lo que sugiere un avance potencialmente importante en el uso de la tecnología para convertir grandes cantidades de texto de artículos de noticias a tweets y discursos en señales comerciales.

Ese proceso no es nada nuevo en Wall Street, por supuesto, donde los cuantitativos han utilizado durante mucho tiempo el tipo de modelos de lenguaje que sustentan el chatbot para informar muchas estrategias. Pero los hallazgos apuntan a que la tecnología desarrollada por OpenAI alcanza un nuevo nivel en términos de análisis de matices y contexto.

“Es uno de los raros casos en los que la exageración es real”, dijo Slavi Marinov, jefe de aprendizaje automático de Man AHL, que ha estado utilizando la tecnología conocida como procesamiento de lenguaje natural para leer textos como transcripciones de ganancias y publicaciones de Reddit durante años.

En el primer artículo , titulado ¿Puede ChatGPT descifrar Fedspeak? , dos investigadores de la propia Fed descubrieron que ChatGPT se acercó más a los humanos para determinar si las declaraciones del banco central eran moderadas o agresivas. Anne Lundgaard Hansen y Sophia Kazinnik de la Reserva Federal de Richmond demostraron que venció a un modelo comúnmente utilizado de Google llamado BERT y también a las clasificaciones basadas en diccionarios.

ChatGPT incluso pudo explicar sus clasificaciones de las declaraciones de política de la Fed de una manera que se parecía al propio analista del banco central, quien también interpretó el lenguaje para actuar como un punto de referencia humano para el estudio.

Tome esta oración de una declaración de mayo de 2013; "Las condiciones del mercado laboral han mostrado cierta mejora en los últimos meses, en general, pero la tasa de desempleo sigue siendo elevada". El robot explicó que la línea es moderada porque sugiere que la economía aún no se ha recuperado por completo. Eso fue similar a la conclusión del analista: Bryson, descrito en el artículo como “un hombre de 24 años, conocido por su inteligencia y curiosidad”.

En el segundo estudio , ¿Puede ChatGPT pronosticar los movimientos del precio de las acciones? Previsibilidad de retorno y modelos de lenguaje extenso , Alejandro López-Lira y Yuehua Tang de la Universidad de Florida impulsaron a ChatGPT a pretender ser un experto financiero e interpretar los titulares de noticias corporativas. Usaron noticias posteriores a fines de 2021, un período que no estaba cubierto en los datos de capacitación del chatbot.

El estudio encontró que las respuestas dadas por ChatGPT mostraron un vínculo estadístico con los movimientos posteriores de las acciones, una señal de que la tecnología pudo analizar correctamente las implicaciones de las noticias.

En un ejemplo sobre si el titular "Rimini Street multado con $630,000 en un caso contra Oracle" era bueno o malo para Oracle, ChatGPT explicó que era positivo porque la sanción "podría potencialmente aumentar la confianza de los inversores en la capacidad de Oracle para proteger su propiedad intelectual y aumentar la demanda". por sus productos y servicios.”

Para los cuantitativos más sofisticados, ahora es casi común usar NLP para medir qué tan popular es una acción de Twitter o para incorporar los últimos titulares sobre una empresa. Pero los avances demostrados por ChatGPT parecen estar listos para abrir mundos enteros de nueva información y hacer que la tecnología sea más accesible para una comunidad más amplia de profesionales de las finanzas.

Para Marinov, si bien no sorprende que las máquinas ahora puedan leer casi tan bien como las personas, ChatGPT puede acelerar potencialmente todo el proceso.

Cuando Man AHL estaba construyendo los modelos por primera vez, el fondo de cobertura cuantitativo etiquetaba manualmente cada oración como positiva o negativa para un activo para dar a las máquinas un modelo para interpretar el lenguaje. Luego, la firma con sede en Londres convirtió todo el proceso en un juego que clasificaba a los participantes y calculaba cuánto estaban de acuerdo en cada oración, para que todos los empleados pudieran participar.

Los dos nuevos artículos sugieren que ChatGPT puede realizar tareas similares sin siquiera haber recibido una formación específica. La investigación de la Fed mostró que este llamado aprendizaje de disparo cero ya supera las tecnologías anteriores, pero ajustarlo en función de algunos ejemplos específicos lo hizo aún mejor.

“Anteriormente, tenía que etiquetar los datos usted mismo”, dijo Marinov, quien anteriormente también cofundó una startup de PNL. "Ahora podrías complementar eso con el diseño del mensaje correcto para ChatGPT".