未来の全体像が必要な場合は、大規模な言語モデルに予測を依頼することを想像してください。

XNUMX 組の研究者が最近これを行い、ChatGPT や BERT のような大規模言語モデル (LLM) が、少なくとも過去のデータと比較して測定した場合、株式市場と世論に関する予測の精度を高めることができることを発見しました。

In 紙 タイトルは「ChatGPTは株価の動きを予測できるか？ 予測可能性と大規模な言語モデルを返す」と題して、フロリダ大学のアレハンドロ ロペス リラ教授とユエファ タン教授は、ニュース ヘッドラインのセンチメントを評価する際に OpenAI の ChatGPT がどのように機能したかを評価しました。

感情分析 – ニュースの見出しのようなテキストが、対象または企業について肯定的、中立的、または否定的な感情を表しているかどうかを判断する – は、株式トレーダーが使用する定量分析アルゴリズムのパラメーターとして広く評価されています。 することがわかっている. 市場予測を行う より正確な。

フロリダ大学の XNUMX 人の研究者は、ニュースの見出しで表現された感情を評価するように求められたときに、ChatGPT がどのように機能したかを調べました。 それらのニュース記事に対するChatGPTの評価を、サンプル内の企業株のその後のパフォーマンスと比較したところ、モデルが統計的に有意な予測を返すことがわかりました。これは、他のLLMについて言えることではありません.

「私たちの分析では、ChatGPT のセンチメント スコアが、毎日の株式市場のリターンに対して統計的に有意な予測力を示していることが明らかになりました」と彼らは論文で述べています。

「ニュースの見出しデータと生成されたセンチメント スコアを利用することで、ChatGPT 評価とその後のサンプルの株式の日次リターンとの間に強い相関関係があることがわかりました。 この結果は、センチメント分析に基づいて株式市場の動きを予測するための貴重なツールとしての ChatGPT の可能性を強調しています。」

たとえば、彼らは ChatGPT を次のように促しました。

この論文で、ChatGPT は次のように回答しています。

研究者はこれを、ChatGPT の分析では、罰金がオラクルの売上高と株価を押し上げる可能性があると想定していることを意味すると解釈しています。

論文で詳述されているように、ChatGPT は、他の LLM、特に GPT-1、GPT-2、および BERT よりも優れたセンチメント分析を行いました。

「株式市場のリターンの予測における ChatGPT の優位性は、ニュースの見出しの微妙なニュアンスや機微を捉えることができる高度な言語理解能力に起因する可能性があります」と研究者は結論付けています。

「これにより、モデルはより信頼性の高いセンチメント スコアを生成できるようになり、毎日の株式市場のリターンをより適切に予測できるようになります。」

ただし、走行距離は異なる場合があります。つまり、応答のランダム化に影響を与えるモデルの温度パラメーターがどのように設定されているかを知りたいと思うでしょう。 いつ 登録 を使用して同じプロンプトを入力しました 無料のウェブインターフェース 今日の ChatGPT に対して、反対の回答を受け取りました。

そして、もう一度、プロンプトと見出しの間に追加の改行を入れると、答えは次のようになりました。

これについて尋ねられたフロリダ大学の金融助教授で論文の共著者の XNUMX 人である Alejandro Lopez-Lira は、Web インターフェイスは有料の API よりもランダムであると推測しました。

ロペス・リラは言った 登録 ChatGPT だけでは、現在のイベントに関するセンチメント分析には不十分であるという電子メールで。

ChatGPT には改善の余地がたくさんあると思います

「ChatGPT には改善の余地がたくさんあると思います」と Lopez-Lira 氏は電子メールで述べています。 「たとえば、ChatGPT は、COVID や戦争に関する最新情報を持っていません。 これが、モデルができることのベースラインと考える理由です。 プロンプトまたは微調整によってより多くのコンテキストを提供すると、モデルの予測が向上する可能性があります。 ある意味で、私たちが示しているのは能力の下限です。」

感情分析自体は、株価の動きを示す強力な指標ではありませんが、株式トレーダーにとっては価値があります。

「相関関係は非常に小さいですが、統計的に有意です」と Lopez-Lira 氏は述べています。

「それはXNUMXパーセントのオーダーです。 ただし、これらは複数の銘柄の毎日の相関関係であるため、すぐに高いリターンが得られます。 たとえば、（トランザクションコストなしで）結果は シャープレシオ 少なくとも市場の XNUMX 倍です。」

「株式市場の動きのほとんどは、ファンダメンタルズに関する直接的なニュースに関連するものではなく、むしろ投資家のリスク許容度 (センチメント) や将来の期待を変えるものです。 市場のセンチメントに関するコンテキスト情報を追加することで、おそらくリターンの予測可能性が強化されると考えています。」

独立した中 紙、「メディアダイエットで訓練された言語モデルは世論を予測することができます」MIT の研究者であるエリック チュー、ジェイコブ アンドレアス、およびデブロイは、ハーバード大学の研究者であるスティーブン アンソラベヒアと共に、特定のメディア (オンライン ニュース、テレビ放送、またはラジオ) で訓練された大規模な言語モデルを発見しました。 ) は、そのメディアにさらされたグループの意見を予測できます。

「『メディア ダイエット モデル』について」と、研究プロジェクトの時点で MIT の博士候補であった Google の研究科学者である共著者の Eric Chu 氏は、次のように説明しています。 ツイッター経由、「メディア消費者のグループが消費するメディアで[言語モデル]をトレーニングすることにより、投票にどのように回答するかを予測します。」

これらのメディア ダイエット モデルは、広く知られている大規模言語モデルである BERT に基づいており、メディア ダイエット データセットで微調整されています。

著者らは、彼らの研究がより正確な世論調査への道を示しているだけでなく、メディアが人々にどのように影響し、世論を形成するかについてのさらなる調査をも促している.

彼らは、次のことを調べるメディアの食事に特化した分析を主張しています。 （1）選択された環境が、志を同じくする個人と共有される意見を増幅および強化するエコーチャンバー。 (2) フィルター バブルでは、コンテンツ キュレーションと推奨アルゴリズムがユーザーの過去の行動に基づいてアイテムを表示し、ユーザーの世界観を再度確認します。」

「メディア ダイエット モデルは、潜在的に有害なメッセージにさらされている亜集団を特定するのに役立つ可能性があります」と著者らは示唆しています。

それが最良のシナリオです。 また、メディア操作者が偽情報キャンペーンの有効性を評価するのに役立つ場合もあります。 ®

• SEO を活用したコンテンツと PR 配信。 今日増幅されます。
• Platoblockchain。 Web3メタバースインテリジェンス。 知識の増幅。 こちらからアクセスしてください。
• 未来を鋳造する w エイドリエン・アシュリー。 こちらからアクセスしてください。
• 情報源： https://go.theregister.com/feed/www.theregister.com/2023/04/18/large_language_models_like_chatgpt/