إذا كنت تريد صورة للمستقبل ، تخيل أن تطلب من نموذج لغوي كبير للتنبؤ.

قامت مجموعتان من الباحثين بذلك مؤخرًا ووجدتا أن نماذج اللغة الكبيرة (LLMs) مثل ChatGPT و BERT يمكن أن تعزز دقة التنبؤات حول سوق الأوراق المالية والرأي العام ، على الأقل وفقًا للقياس بالبيانات التاريخية.

In ورقة بعنوان ، "هل يمكن لـ ChatGPT توقع تحركات أسعار الأسهم؟ إمكانية التنبؤ بالعودة ونماذج اللغات الكبيرة "، قام أساتذة جامعة فلوريدا أليخاندرو لوبيز-ليرا ويوهوا تانغ بتقييم مدى نجاح برنامج ChatGPT الخاص بـ OpenAI عند تقييم مشاعر عناوين الأخبار.

أصبح تحليل المشاعر - تحديد ما إذا كان نص مثل عنوان الأخبار يعبر عن مشاعر إيجابية أو محايدة أو سلبية حول موضوع أو شركة - معلمة يتم تقييمها على نطاق واسع لخوارزميات التحليل الكمي التي يستخدمها تجار الأسهم. تم العثور على جعل توقعات السوق أكثر دقة.

نظر الاثنان من جامعة فلوريدا في كيفية أداء ChatGPT عندما طُلب منهما تقييم المشاعر المعبر عنها في عناوين الأخبار. عندما قارنوا تقييم ChatGPT لتلك القصص الإخبارية بالأداء اللاحق لأسهم الشركة في عينتهم ، وجدوا أن النموذج أعاد تنبؤات كانت ذات دلالة إحصائية ، وهو أكثر مما يمكن أن يقال عن LLMs الأخرى.

"يكشف تحليلنا أن نتائج المشاعر في ChatGPT تُظهر قوة تنبؤية ذات دلالة إحصائية على عوائد سوق الأسهم اليومية" ، كما ذكروا في ورقتهم البحثية.

"من خلال استخدام بيانات عناوين الأخبار ودرجات المشاعر المتولدة ، نجد ارتباطًا قويًا بين تقييم ChatGPT والعائدات اليومية اللاحقة للأسهم في عينتنا. تسلط هذه النتيجة الضوء على إمكانات ChatGPT كأداة قيمة للتنبؤ بحركات سوق الأسهم بناءً على تحليل المعنويات ".

على سبيل المثال ، طلبوا ChatGPT على النحو التالي:

في الورقة ، أجاب ChatGPT:

يفسر الباحثون هذا على أنه يعني أن تحليل ChatGPT يفترض أن الغرامة قد تؤدي إلى زيادة مبيعات Oracle وسعر سهمها.

كما هو مفصل في الورقة ، قام ChatGPT بعمل أفضل في تحليل المشاعر من LLMs الأخرى ، وتحديداً GPT-1 و GPT-2 و BERT.

وخلص الباحثون إلى أن "تفوق ChatGPT في التنبؤ بعوائد سوق الأوراق المالية يمكن أن يُعزى إلى قدراته المتقدمة في فهم اللغة ، والتي تسمح له بالتقاط الفروق الدقيقة والتفاصيل الدقيقة في عناوين الأخبار".

"يُمكّن هذا النموذج من إنشاء درجات ثقة أكثر موثوقية ، مما يؤدي إلى تنبؤات أفضل بعوائد سوق الأسهم اليومية."

ومع ذلك ، قد تختلف المسافة المقطوعة بالأميال ، وهذا يعني أنك سترغب في معرفة كيفية تعيين معلمة درجة حرارة النموذج ، والتي تؤثر على الاستجابة العشوائية. متى السجل دخلت نفس الموجه باستخدام واجهة ويب مجانية إلى ChatGPT اليوم ، تلقينا الإجابة المعاكسة:

ثم مرة ثانية ، مع حرف إضافي يعود بين الموجه والعنوان ، كانت الإجابة:

عند سؤاله عن هذا الأمر ، تكهن أليخاندرو لوبيز-ليرا ، الأستاذ المساعد في المالية بجامعة فلوريدا وأحد مؤلفي الورقة البحثية ، أن واجهة الويب أكثر عشوائية من واجهة برمجة التطبيقات المدفوعة.

قال لوبيز ليرا السجل في رسالة بريد إلكتروني أن ChatGPT وحده لا يكفي لتحليل المشاعر حول الأحداث الجارية.

نعتقد أن ChatGPT لديه مجال كبير للتحسين

قالت Lopez-Lira في رسالة بالبريد الإلكتروني: "نعتقد أن ChatGPT لديها مجال كبير للتحسين". “ChatGPT ، على سبيل المثال ، ليس لديه أحدث المعلومات حول COVID أو الحرب. لهذا السبب نفكر في هذا كخط أساس لما يمكن أن تفعله النماذج. من المحتمل أن يؤدي توفير المزيد من السياق سواء في الموجه أو عن طريق الضبط الدقيق إلى جعل النماذج أفضل في التنبؤ. بمعنى ما ، ما نعرضه هو حد أدنى للإمكانيات ".

لا يعد تحليل المعنويات في حد ذاته مؤشرًا قويًا على حركة أسعار الأسهم ، على الرغم من أنه لا يزال يمثل قيمة لمتداولي الأسهم.

قالت لوبيز-ليرا: "العلاقة صغيرة جدًا ولكنها ذات دلالة إحصائية".

"إنها في حدود واحد بالمائة. ومع ذلك ، نظرًا لأن هذه ارتباطات يومية للعديد من الأسهم ، فإنها تؤدي بسرعة إلى عوائد عالية. على سبيل المثال ، (بدون تكاليف المعاملات) ينتج عنه أ نسبة محددة ضعف سعر السوق على الأقل ".

وأضاف: "إن معظم التحركات في سوق الأسهم لا تتعلق بالأخبار المباشرة حول الأساسيات ، بل هي تغيير درجة تحمل المستثمرين للمخاطرة (المشاعر) أو توقعاتهم المستقبلية. نعتقد أن إضافة معلومات سياقية حول معنويات السوق من المحتمل أن تجعل القدرة على التنبؤ بالعائد أقوى ".

في منفصلة ورقة، "يمكن لنماذج اللغة التي تم تدريبها على حمية الوسائط توقع الرأي العام" ، وجد باحثو معهد ماساتشوستس للتكنولوجيا ، إريك تشو ، وجاكوب أندرياس ، وديب روي ، جنبًا إلى جنب مع الباحث في جامعة هارفارد ستيفن أنسولابيهير ، نماذج لغوية كبيرة مدربة على وسائط معينة (الأخبار عبر الإنترنت ، أو البث التلفزيوني ، أو الراديو ) يمكن أن يتنبأ بآراء المجموعات المعرضة لتلك الوسائط.

أوضح المؤلف المشارك إريك تشو ، عالم أبحاث Google الذي كان مرشحًا لنيل درجة الدكتوراه في معهد ماساتشوستس للتكنولوجيا في وقت مشروع البحث ، أنه "باستخدام" نماذج النظام الغذائي للوسائط "، عبر تويتر، "نتوقع كيف ستجيب مجموعة من مستهلكي الوسائط على استطلاعات الرأي من خلال تدريب [نموذج لغوي] على الوسائط التي يستهلكونها."

استندت نماذج النظام الغذائي للوسائط هذه إلى نموذج BERT ، وهو نموذج لغة كبير معروف على نطاق واسع ، وتم تعديله باستخدام مجموعة بيانات النظام الغذائي للوسائط.

قال المؤلفون إن عملهم يشير إلى الطريق إلى استطلاعات الرأي العام بشكل أكثر دقة ، ولكنه يدعو أيضًا إلى مزيد من الفحص لكيفية تأثير وسائل الإعلام على الناس وتشكيل الرأي العام.

وهم يناقشون التحليلات الخاصة بالنظام الغذائي لوسائل الإعلام التي تفحص: "(1) التعرض الانتقائي ، أو التحيز العام المنهجي الذي ينجذب فيه الناس نحو المعلومات التي تتوافق مع معتقداتهم السابقة ؛ (2) غرف الصدى ، حيث تقوم البيئات المختارة بتضخيم وتعزيز الآراء المشتركة مع الأفراد ذوي التفكير المماثل ؛ و (3) فقاعات التصفية ، حيث تقوم خوارزميات تنظيم المحتوى والتوصية بعرض العناصر بناءً على سلوكيات المستخدمين السابقة ، مما يؤكد مرة أخرى وجهات نظر المستخدمين للعالم ".

يقترح المؤلفون أن "نماذج النظام الغذائي لوسائل الإعلام يمكن أن تساعد في تحديد المجموعات السكانية الفرعية التي تتعرض لرسائل قد تكون ضارة".

هذا هو أفضل سيناريو. قد تكون مفيدة أيضًا للمتلاعبين بوسائل الإعلام لتقييم فعالية حملات التضليل. ®

• محتوى مدعوم من تحسين محركات البحث وتوزيع العلاقات العامة. تضخيم اليوم.
• بلاتوبلوكشين. Web3 Metaverse Intelligence. تضخيم المعرفة. الوصول هنا.
• سك المستقبل مع أدرين أشلي. الوصول هنا.
• المصدر https://go.theregister.com/feed/www.theregister.com/2023/04/18/large_language_models_like_chatgpt/