미래의 모습을 보고 싶다면 대규모 언어 모델에 예측을 요청한다고 상상해 보십시오.

두 세트의 연구원이 최근에 그렇게 했으며 ChatGPT 및 BERT와 같은 대규모 언어 모델(LLM)이 최소한 과거 데이터에 대해 측정한 바와 같이 주식 시장 및 여론에 대한 예측의 정확성을 향상시킬 수 있음을 발견했습니다.

In 종이 ChatGPT는 주가 움직임을 예측할 수 있습니까? Return Predictability and Large Language Models,” 플로리다 대학의 Alejandro Lopez-Lira 교수와 Yuehua Tang은 뉴스 헤드라인의 정서를 평가할 때 OpenAI의 ChatGPT가 어떻게 수행되었는지 평가했습니다.

뉴스 헤드라인과 같은 텍스트가 주제 또는 회사에 대한 긍정적, 중립적 또는 부정적인 감정을 표현하는지 여부를 결정하는 감정 분석은 주식 거래자가 사용하는 양적 분석 알고리즘에 대해 널리 평가되는 매개변수가 되었습니다. 그것은 발견되었습니다 시장 예측을 하다 더 정확한.

두 명의 플로리다 대학교 관은 뉴스 헤드라인에 표현된 감정을 평가하라는 메시지가 표시되었을 때 ChatGPT가 어떻게 수행되었는지 살펴보았습니다. 이러한 뉴스 기사에 대한 ChatGPT의 평가를 샘플에 있는 회사 주식의 후속 실적과 비교했을 때, 그들은 모델이 통계적으로 유의미한 예측을 반환했으며 이는 다른 LLM에 대해 말할 수 있는 것보다 더 많다는 것을 발견했습니다.

"우리의 분석에 따르면 ChatGPT 감정 점수는 일일 주식 시장 수익률에 대해 통계적으로 유의미한 예측력을 나타냅니다."라고 그들은 논문에서 밝혔습니다.

“뉴스 헤드라인 데이터와 생성된 감정 점수를 활용하여 ChatGPT 평가와 샘플에 있는 주식의 후속 일일 수익률 사이에 강한 상관관계가 있음을 발견했습니다. 이 결과는 감정 분석을 기반으로 주식 시장 움직임을 예측하는 유용한 도구로서 ChatGPT의 잠재력을 강조합니다.”

예를 들어 ChatGPT를 다음과 같이 표시했습니다.

이 논문에서 ChatGPT는 다음과 같이 응답했습니다.

연구원들은 이를 ChatGPT의 분석에서 벌금이 오라클의 매출과 주가를 약간 올릴 수 있다고 가정한다는 의미로 해석합니다.

논문에 자세히 설명된 바와 같이 ChatGPT는 다른 LLM, 특히 GPT-1, GPT-2 및 BERT보다 감정 분석을 더 잘 수행했습니다.

연구원들은 "주식 시장 수익률 예측에서 ChatGPT의 우수성은 뉴스 헤드라인 내의 뉘앙스와 미묘함을 포착할 수 있는 고급 언어 이해 기능에 기인할 수 있습니다."라고 결론지었습니다.

"이를 통해 모델은 보다 신뢰할 수 있는 감정 점수를 생성할 수 있으므로 일일 주식 시장 수익률을 더 잘 예측할 수 있습니다."

그러나 마일리지는 다를 수 있습니다. 즉, 응답 무작위화에 영향을 미치는 모델의 온도 매개변수가 어떻게 설정되는지 알고 싶을 것입니다. 언제 등록 다음을 사용하여 동일한 프롬프트를 입력했습니다. 무료 웹 인터페이스 오늘 ChatGPT에 반대 답변을 받았습니다.

그리고 프롬프트와 헤드라인 사이에 추가 캐리지 리턴이 있는 두 번째 대답은 다음과 같습니다.

이에 대한 질문에 플로리다 대학의 재무 조교수이자 논문의 공동 저자 중 한 명인 Alejandro Lopez-Lira는 웹 인터페이스가 유료 API보다 더 무작위적이라고 추측했습니다.

로페즈-리라가 말했다 등록 ChatGPT만으로는 현재 이벤트에 대한 감정 분석에 충분하지 않다는 이메일에서.

우리는 ChatGPT가 개선의 여지가 많다고 생각합니다

Lopez-Lira는 이메일에서 “ChatGPT에는 개선의 여지가 많다고 생각합니다. “예를 들어 ChatGPT에는 COVID나 전쟁에 대한 최신 정보가 없습니다. 이것이 우리가 이것을 모델이 할 수 있는 것의 기준선으로 생각하는 이유입니다. 프롬프트에서 또는 미세 조정을 통해 더 많은 컨텍스트를 제공하면 모델이 더 잘 예측할 수 있습니다. 어떤 의미에서 우리가 보여주는 것은 능력의 하한선입니다.”

감정 분석 자체는 주식 거래자에게 여전히 가치가 있지만 주가 움직임의 강력한 지표는 아닙니다.

Lopez-Lira는 "상관 관계는 매우 작지만 통계적으로 유의미합니다."라고 말했습니다.

“XNUMX퍼센트 정도입니다. 그러나 이들은 여러 주식에 대한 일일 상관 관계이기 때문에 빠르게 높은 수익을 가져옵니다. 예를 들어, (거래 비용 없이) 결과는 샤프 비율 적어도 시장의 두 배입니다.”

그는 “주식시장 움직임의 대부분은 펀더멘털에 대한 직접적인 뉴스가 아니라 투자자들의 위험 감수성(감정)이나 미래에 대한 기대치를 바꾸는 것이다. 우리는 시장 정서에 대한 맥락 정보를 추가하면 아마도 수익 예측 가능성이 더 강해질 것이라고 생각합니다.”

별도의에서 종이, "Language Models Trained on Media Diets Can Predict Public Opinion", MIT 연구원 Eric Chu, Jacob Andreas, Deb Roy는 Harvard 연구원 Stephen Ansolabehere와 함께 특정 미디어(온라인 뉴스, TV 방송 또는 라디오)에서 훈련된 대규모 언어 모델을 발견했습니다. ) 해당 미디어에 노출된 그룹의 의견을 예측할 수 있습니다.

연구 프로젝트 당시 MIT 박사후보였던 구글 연구과학자 에릭 추(Eric Chu) 공동저자는 “'미디어 다이어트 모델'로 트위터를 통해, "우리는 그들이 소비하는 미디어에 대한 [언어 모델]을 훈련함으로써 미디어 소비자 그룹이 설문 조사에 어떻게 대답할지 예측합니다."

이러한 미디어 다이어트 모델은 널리 알려진 대규모 대규모 언어 모델인 BERT를 기반으로 미디어 다이어트 데이터 세트로 미세 조정되었습니다.

저자들은 그들의 작업이 보다 정확한 여론 조사를 위한 길을 제시할 뿐만 아니라 미디어가 사람들에게 어떻게 영향을 미치고 여론을 형성하는지에 대한 추가 조사를 요청한다고 말했습니다.

그들은 다음을 조사하는 미디어 다이어트 관련 분석을 주장합니다. (1) 선택한 환경이 같은 생각을 가진 개인과 공유하는 의견을 증폭하고 강화하는 반향실; (2) 콘텐츠 큐레이션 및 추천 알고리즘이 사용자의 과거 행동을 기반으로 항목을 표시하여 사용자의 세계관을 다시 확인하는 필터 거품.”

"미디어 다이어트 모델은 잠재적으로 유해한 메시지에 노출된 하위 집단을 식별하는 데 도움이 될 수 있습니다."라고 저자는 제안합니다.

그것이 최선의 시나리오입니다. 또한 허위 정보 캠페인의 효과를 평가하기 위해 미디어 조작자에게 유용할 수 있습니다. ®

• SEO 기반 콘텐츠 및 PR 배포. 오늘 증폭하십시오.
• 플라토 블록체인. Web3 메타버스 인텔리전스. 지식 증폭. 여기에서 액세스하십시오.
• 미래 만들기 w Adryenn Ashley. 여기에서 액세스하십시오.
• 출처: https://go.theregister.com/feed/www.theregister.com/2023/04/18/large_language_models_like_chatgpt/