别搞笑了，所有的预测_老虎社区_美港股上老虎

GUMAYISTA
2023-04-13

别搞笑了，所有的预测都是基于人的想法。

AI炒股时代来了？美国金融教授：ChatGPT或能预测股票走势

佛罗里达大学金融学教授Alejandro Lopez Lira表示，大型语言模型在预测股价方面可能很有用。他在最近一篇未经审查的论文中表示，在使用ChatGPT分析新闻标题对一只股票是利好还是利空时，

AI炒股时代来了？美国金融教授：ChatGPT或能预测股票走势

免责声明：上述内容仅代表发帖人个人观点，不构成本平台的任何投资建议。

推荐
最新

暂无评论

热议股票

关于我们·老虎社区守则·老虎社区账号管理规范·老虎社区服务协议·老虎社区隐私政策

公司名称：北京至简风宜信息技术有限公司

违法和不良信息投诉：010-5681-3562（工作时间9:30-18:30）

邮箱：service@laohu8.com

营业执照：91110105MA01A4U55R

ICP备：京ICP备18016422号

网安备：京公网安备11010502036490

关注我们

{"i18n":{"language":"zh_CN"},"data":{"magic":2,"id":651903053,"tweetId":"651903053","gmtCreate":1681381805972,"gmtModify":1681381807498,"author":{"id":4141649307925402,"idStr":"4141649307925402","authorId":4141649307925402,"authorIdStr":"4141649307925402","name":"GUMAYISTA","avatar":"https://static.laohu8.com/default-avatar.jpg","vip":1,"userType":1,"introduction":"","boolIsFan":false,"boolIsHead":false,"crmLevel":1,"crmLevelSwitch":0,"individualDisplayBadges":[],"fanSize":0,"starInvestorFlag":false},"themes":[],"images":[],"coverImages":[],"html":"<html><head></head><body><p>别搞笑了，所有的预测都是基于人的想法。</p></body></html>","htmlText":"<html><head></head><body><p>别搞笑了，所有的预测都是基于人的想法。</p></body></html>","text":"别搞笑了，所有的预测都是基于人的想法。","highlighted":1,"essential":1,"paper":1,"likeSize":0,"commentSize":0,"repostSize":0,"favoriteSize":0,"link":"https://laohu8.com/post/651903053","repostId":2327906920,"repostType":4,"repost":{"id":"2327906920","kind":"news","pubTimestamp":1681359912,"share":"https://www.laohu8.com/m/news/2327906920?lang=&edition=full","pubTime":"2023-04-13 12:25","market":"sh","language":"zh","title":"AI炒股时代来了？美国金融教授：ChatGPT或能预测股票走势","url":"https://stock-news.laohu8.com/highlight/detail?id=2327906920","media":"智通财经","summary":"佛罗里达大学金融学教授Alejandro Lopez Lira表示，大型语言模型在预测股价方面可能很有用。他在最近一篇未经审查的论文中表示，在使用ChatGPT分析新闻标题对一只股票是利好还是利空时，","content":"<html><head></head><body><p>佛罗里达大学金融学教授Alejandro Lopez Lira表示，大型语言模型在预测股价方面可能很有用。</p><p>他在最近一篇未经审查的论文中表示，在使用ChatGPT分析新闻标题对一只股票是利好还是利空时，他发现ChatGPT预测次日回报方向的能力远好于随机水平。</p><p>这项实验触及了围绕最先进人工智能的核心：借助更强大的计算机和更好的数据集——比如支持ChatGPT的计算机和数据集——这些人工智能模型可能会显示出“全新的能力”，或者是在构建时没有最初计划的能力。</p><p>如果ChatGPT能够显示出从金融新闻中分析新闻的全新能力，以及它们可能如何影响股价，这可能会使金融业的高薪工作面临风险。<a href=\"https://laohu8.com/S/GS\">高盛</a>曾在3月26日的一份报告中估计，约35%的金融工作面临被人工智能自动化替代的风险。</p><p>Lopez Lira表示：“事实上，ChatGPT能够理解对人类有意义的信息。这就意味着，如果市场没有对信息做出完美的反应，那么ChatGPT就可以预测回报。”</p><p>但实验的细节也表明，所谓的“大型语言模型”距离能够胜任金融行业的工作还有很长的路要走。</p><p>例如，这个实验没有包括目标价格，也没有让模型做任何数学运算。事实上，正如<a href=\"https://laohu8.com/S/MSFT\">微软</a>(MSFT.US)在今年早些时候的一次公开演示中所了解到的那样，ChatGPT风格的技术经常会编造数字。由于已经存在私有的数据集，对新闻标题的情绪分析也早已被视为一种可行的交易策略。</p><p>Lopez Lira表示，他对这一结果感到惊讶，并补充道，这表明老练的投资者还没有在交易策略中使用类似ChatGPT的机器学习技术。</p><p>Lopez Lira称：“这肯定会对金融分析师的就业前景产生一些影响。问题是，今后我是希望付钱给分析师，还是把文本信息放在模型?”</p><p><strong>实验是如何进行的</strong></p><p>在实验中，Lopez Lira及其合伙伙伴Yuehua Tang查看了来自一家数据供应商关于纽约证券交易所、纳斯达克和一家小盘股交易所上市公司的5万多条新闻标题。这些新闻始于2022年10月，也就是在ChatGPT训练数据的截止日期之后，这意味着该引擎在训练中没有看到或使用过这些新闻标题。</p><p>他们将标题与以下提示一起输入ChatGPT 3.5：“忘掉之前的所有指示。假定你是一位金融专家，一位有股票推荐经验的金融专家。在第一行中，如果是好消息，回答‘是’;如果是坏消息，回答‘否’;如果不确定，回答‘未知’。然后在下一行中用简短的句子进行阐述。“</p><p>然后，他们观察了股票在接下来交易日的回报。</p><p>最终，Lopez-Lira发现，在获得新闻标题信息之后，该模型在几乎所有情况下表现得更好。具体而言，他发现，在获得新闻标题信息后，模型随机选择第二天走势的概率低于1%。</p><p>在情绪评分方面，ChatGPT也击败了商业数据集。研究人员表示，论文中的一个例子显示了一个关于一家公司解决诉讼并支付罚款的标题，这在传统分析中被认为是负面的，但ChatGPT的回应正确地认为这实际上是个好消息。</p><p>Lopez Lira表示，已经有对冲基金联系他，希望了解更多关于他的研究。他还表示，随着机构开始整合ChatGPT技术，如果未来几个月该技术预测股票走势的能力下降，他也不会感到惊讶。</p><p>这是因为该实验只研究了下一个交易日的股价，而大多数人都认为，市场可能在消息公布的几秒钟内就已经将其影响反映在股价中。</p><p>Lopez Lira表示：“随着越来越多的人使用这类工具，市场将变得更加有效，因此你可以预期回报的可预测性会下降。所以我的猜测是，如果我进行这个测试，五年之后回报率的可预测性将为是零。”</p></body></html>","source":"stock_zhitongcaijing","collect":0,"html":"<!DOCTYPE html>\n<html>\n<head>\n<meta http-equiv=\"Content-Type\" content=\"text/html; charset=utf-8\" />\n<meta name=\"viewport\" content=\"width=device-width,initial-scale=1.0,minimum-scale=1.0,maximum-scale=1.0,user-scalable=no\"/>\n<meta name=\"format-detection\" content=\"telephone=no,email=no,address=no\" />\n<title>AI炒股时代来了？美国金融教授：ChatGPT或能预测股票走势</title>\n<style type=\"text/css\">\na,abbr,acronym,address,applet,article,aside,audio,b,big,blockquote,body,canvas,caption,center,cite,code,dd,del,details,dfn,div,dl,dt,\nem,embed,fieldset,figcaption,figure,footer,form,h1,h2,h3,h4,h5,h6,header,hgroup,html,i,iframe,img,ins,kbd,label,legend,li,mark,menu,nav,\nobject,ol,output,p,pre,q,ruby,s,samp,section,small,span,strike,strong,sub,summary,sup,table,tbody,td,tfoot,th,thead,time,tr,tt,u,ul,var,video{ font:inherit;margin:0;padding:0;vertical-align:baseline;border:0 }\nbody{ font-size:16px; line-height:1.5; color:#999; background:transparent; }\n.wrapper{ overflow:hidden;word-break:break-all;padding:10px; }\nh1,h2{ font-weight:normal; line-height:1.35; margin-bottom:.6em; }\nh3,h4,h5,h6{ line-height:1.35; margin-bottom:1em; }\nh1{ font-size:24px; }\nh2{ font-size:20px; }\nh3{ font-size:18px; }\nh4{ font-size:16px; }\nh5{ font-size:14px; }\nh6{ font-size:12px; }\np,ul,ol,blockquote,dl,table{ margin:1.2em 0; }\nul,ol{ margin-left:2em; }\nul{ list-style:disc; }\nol{ list-style:decimal; }\nli,li p{ margin:10px 0;}\nimg{ max-width:100%;display:block;margin:0 auto 1em; }\nblockquote{ color:#B5B2B1; border-left:3px solid #aaa; padding:1em; }\nstrong,b{font-weight:bold;}\nem,i{font-style:italic;}\ntable{ width:100%;border-collapse:collapse;border-spacing:1px;margin:1em 0;font-size:.9em; }\nth,td{ padding:5px;text-align:left;border:1px solid #aaa; }\nth{ font-weight:bold;background:#5d5d5d; }\n.symbol-link{font-weight:bold;}\n/* header{ border-bottom:1px solid #494756; } */\n.title{ margin:0 0 8px;line-height:1.3;color:#ddd; }\n.meta {color:#5e5c6d;font-size:13px;margin:0 0 .5em; }\na{text-decoration:none; color:#2a4b87;}\n.meta .head { display: inline-block; overflow: hidden}\n.head .h-thumb { width: 30px; height: 30px; margin: 0; padding: 0; border-radius: 50%; float: left;}\n.head .h-content { margin: 0; padding: 0 0 0 9px; float: left;}\n.head .h-name {font-size: 13px; color: #eee; margin: 0;}\n.head .h-time {font-size: 11px; color: #7E829C; margin: 0;line-height: 11px;}\n.small {font-size: 12.5px; display: inline-block; transform: scale(0.9); -webkit-transform: scale(0.9); transform-origin: left; -webkit-transform-origin: left;}\n.smaller {font-size: 12.5px; display: inline-block; transform: scale(0.8); -webkit-transform: scale(0.8); transform-origin: left; -webkit-transform-origin: left;}\n.bt-text {font-size: 12px;margin: 1.5em 0 0 0}\n.bt-text p {margin: 0}\n</style>\n</head>\n<body>\n<div class=\"wrapper\">\n<header>\n<h2 class=\"title\">\nAI炒股时代来了？美国金融教授：ChatGPT或能预测股票走势\n</h2>\n\n<h4 class=\"meta\">\n\n\n2023-04-13 12:25 北京时间&nbsp;&nbsp;&nbsp;<a href=http://www.zhitongcaijing.com/content/detail/909872.html><strong>智通财经</strong></a>\n\n\n</h4>\n\n</header>\n<article>\n<div>\n<p>佛罗里达大学金融学教授Alejandro Lopez Lira表示，大型语言模型在预测股价方面可能很有用。他在最近一篇未经审查的论文中表示，在使用ChatGPT分析新闻标题对一只股票是利好还是利空时，他发现ChatGPT预测次日回报方向的能力远好于随机水平。这项实验触及了围绕最先进人工智能的核心：借助更强大的计算机和更好的数据集——比如支持ChatGPT的计算机和数据集——这些人工智能模型可能会...</p>\n\n<a href=\"http://www.zhitongcaijing.com/content/detail/909872.html\">Web Link</a>\n\n</div>\n\n\n</article>\n</div>\n</body>\n</html>\n","type":0,"thumbnail":"https://static.tigerbbs.com/0084c2767fe191365f094aff0890763c","relate_stocks":{"159940":"金融","BK4585":"ETF&股票定投概念","BK4588":"碎股","BK4023":"应用软件","BK4528":"SaaS概念","BK4587":"ChatGPT概念","BK4551":"寇图资本持仓","BK4543":"AI"},"source_url":"http://www.zhitongcaijing.com/content/detail/909872.html","is_english":false,"share_image_url":"https://static.laohu8.com/e9f99090a1c2ed51c021029395664489","article_id":"2327906920","content_text":"佛罗里达大学金融学教授Alejandro Lopez Lira表示，大型语言模型在预测股价方面可能很有用。他在最近一篇未经审查的论文中表示，在使用ChatGPT分析新闻标题对一只股票是利好还是利空时，他发现ChatGPT预测次日回报方向的能力远好于随机水平。这项实验触及了围绕最先进人工智能的核心：借助更强大的计算机和更好的数据集——比如支持ChatGPT的计算机和数据集——这些人工智能模型可能会显示出“全新的能力”，或者是在构建时没有最初计划的能力。如果ChatGPT能够显示出从金融新闻中分析新闻的全新能力，以及它们可能如何影响股价，这可能会使金融业的高薪工作面临风险。高盛曾在3月26日的一份报告中估计，约35%的金融工作面临被人工智能自动化替代的风险。Lopez Lira表示：“事实上，ChatGPT能够理解对人类有意义的信息。这就意味着，如果市场没有对信息做出完美的反应，那么ChatGPT就可以预测回报。”但实验的细节也表明，所谓的“大型语言模型”距离能够胜任金融行业的工作还有很长的路要走。例如，这个实验没有包括目标价格，也没有让模型做任何数学运算。事实上，正如微软(MSFT.US)在今年早些时候的一次公开演示中所了解到的那样，ChatGPT风格的技术经常会编造数字。由于已经存在私有的数据集，对新闻标题的情绪分析也早已被视为一种可行的交易策略。Lopez Lira表示，他对这一结果感到惊讶，并补充道，这表明老练的投资者还没有在交易策略中使用类似ChatGPT的机器学习技术。Lopez Lira称：“这肯定会对金融分析师的就业前景产生一些影响。问题是，今后我是希望付钱给分析师，还是把文本信息放在模型?”实验是如何进行的在实验中，Lopez Lira及其合伙伙伴Yuehua Tang查看了来自一家数据供应商关于纽约证券交易所、纳斯达克和一家小盘股交易所上市公司的5万多条新闻标题。这些新闻始于2022年10月，也就是在ChatGPT训练数据的截止日期之后，这意味着该引擎在训练中没有看到或使用过这些新闻标题。他们将标题与以下提示一起输入ChatGPT 3.5：“忘掉之前的所有指示。假定你是一位金融专家，一位有股票推荐经验的金融专家。在第一行中，如果是好消息，回答‘是’;如果是坏消息，回答‘否’;如果不确定，回答‘未知’。然后在下一行中用简短的句子进行阐述。“然后，他们观察了股票在接下来交易日的回报。最终，Lopez-Lira发现，在获得新闻标题信息之后，该模型在几乎所有情况下表现得更好。具体而言，他发现，在获得新闻标题信息后，模型随机选择第二天走势的概率低于1%。在情绪评分方面，ChatGPT也击败了商业数据集。研究人员表示，论文中的一个例子显示了一个关于一家公司解决诉讼并支付罚款的标题，这在传统分析中被认为是负面的，但ChatGPT的回应正确地认为这实际上是个好消息。Lopez Lira表示，已经有对冲基金联系他，希望了解更多关于他的研究。他还表示，随着机构开始整合ChatGPT技术，如果未来几个月该技术预测股票走势的能力下降，他也不会感到惊讶。这是因为该实验只研究了下一个交易日的股价，而大多数人都认为，市场可能在消息公布的几秒钟内就已经将其影响反映在股价中。Lopez Lira表示：“随着越来越多的人使用这类工具，市场将变得更加有效，因此你可以预期回报的可预测性会下降。所以我的猜测是，如果我进行这个测试，五年之后回报率的可预测性将为是零。”","news_type":1},"isVote":1,"tweetType":1,"viewCount":1181,"commentLimit":10,"likeStatus":false,"favoriteStatus":false,"reportStatus":false,"symbols":[],"verified":2,"subType":0,"readableState":1,"langContent":"CN","currentLanguage":"CN","warmUpFlag":false,"orderFlag":false,"shareable":true,"causeOfNotShareable":"","featuresForAnalytics":[],"commentAndTweetFlag":false,"andRepostAutoSelectedFlag":false,"upFlag":false,"length":36,"xxTargetLangEnum":"ZH_CN"},"commentList":[],"hasMoreComment":false,"orderType":2}