Geleceğin bir resmini istiyorsanız, büyük bir dil modelinden bir tahmin istediğinizi hayal edin.

Yakın zamanda iki grup araştırmacı bunu yaptı ve ChatGPT ve BERT gibi büyük dil modellerinin (LLM'ler), en azından tarihsel verilerle ölçüldüğünde, borsa ve kamuoyu hakkındaki tahminlerin doğruluğunu artırabildiğini buldu.

In Kağıt “ChatGPT Hisse Senedi Fiyat Hareketlerini Tahmin Edebilir mi? Getiri Öngörülebilirliği ve Geniş Dil Modelleri,” Florida Üniversitesi profesörleri Alejandro Lopez-Lira ve Yuehua Tang, haber başlıklarının duyarlılığını değerlendirirken OpenAI'nin ChatGPT'sinin nasıl ilerlediğini değerlendirdiler.

Duyarlılık analizi - bir haber başlığı gibi bir metnin bir konu veya şirket hakkında olumlu, tarafsız veya olumsuz duyguları ifade edip etmediğini belirleme - hisse senedi tüccarları tarafından kullanılan nicel analiz algoritmaları için geniş çapta değerlendirilen bir parametre haline geldi. bulundu piyasa tahminleri yapmak daha kesin.

İki Florida Üniversitesi uzmanı, haber başlıklarında ifade edilen duyguyu değerlendirmeleri istendiğinde ChatGPT'nin nasıl performans gösterdiğine baktı. ChatGPT'nin bu haberlere ilişkin değerlendirmesini kendi örneklemlerindeki şirket hisselerinin müteakip performansıyla karşılaştırdıklarında, modelin istatistiksel olarak anlamlı tahminler getirdiğini buldular ki bu, diğer LLM'ler için söylenebilecek olandan daha fazladır.

Makalelerinde "Analizimiz, ChatGPT duygu puanlarının günlük borsa getirileri üzerinde istatistiksel olarak anlamlı bir tahmin gücü sergilediğini ortaya koyuyor" diyorlar.

"Haber başlığı verilerini ve oluşturulan duyarlılık puanlarını kullanarak, ChatGPT değerlendirmesi ile örneğimizdeki hisse senetlerinin müteakip günlük getirileri arasında güçlü bir korelasyon bulduk. Bu sonuç, ChatGPT'nin duyarlılık analizine dayalı borsa hareketlerini tahmin etmek için değerli bir araç olma potansiyelini vurgulamaktadır."

Örneğin, ChatGPT'den şu şekilde istemde bulundular:

Gazetede, ChatGPT şu yanıtı verdi:

Araştırmacılar bunu, ChatGPT'nin analizinin para cezasının Oracle'ın satışlarını ve hisse senedi fiyatını artırabileceğini varsaydığı anlamına gelecek şekilde yorumluyor.

Makalede ayrıntılı olarak açıklandığı gibi, ChatGPT duyarlılığı analiz etmede diğer LLM'lerden, özellikle GPT-1, GPT-2 ve BERT'den daha iyi bir iş çıkardı.

Araştırmacılar, "ChatGPT'nin borsa getirilerini tahmin etmedeki üstünlüğü, haber başlıklarındaki nüansları ve incelikleri yakalamasına izin veren gelişmiş dil anlama yeteneklerine bağlanabilir."

"Bu, modelin daha güvenilir duyarlılık puanları oluşturmasını sağlayarak günlük borsa getirilerinin daha iyi tahmin edilmesini sağlıyor."

Bununla birlikte, kilometreniz değişebilir, yani modelinizin yanıt rastgeleliğini etkileyen sıcaklık parametresinin nasıl ayarlandığını bilmek isteyeceksiniz. Ne zaman Kayıt kullanarak aynı istemi girdi ücretsiz web arayüzü Bugün ChatGPT'ye tam tersi bir yanıt aldık:

Ve sonra, bilgi istemi ile başlık arasında fazladan bir satır başı ile ikinci kez, yanıt şuydu:

Bu konuda Florida Üniversitesi'nde finans profesörü yardımcısı ve makalenin ortak yazarlarından biri olan Alejandro Lopez-Lira, web arayüzünün ücretli API'den daha rastgele olduğunu söyledi.

Lopez-Lira anlattı Kayıt ChatGPT'nin tek başına güncel olaylara ilişkin duygu analizi için yeterli olmadığı bir e-postada.

ChatGPT'nin iyileştirilecek çok yeri olduğunu düşünüyoruz

Lopez-Lira bir e-postada "ChatGPT'nin iyileştirilecek çok yeri olduğunu düşünüyoruz" dedi. "Örneğin ChatGPT, COVID veya savaş hakkında en son bilgilere sahip değil. Bu nedenle, bunu modellerin neler yapabileceğinin bir temeli olarak düşünüyoruz. İstemde veya ince ayar yaparak daha fazla bağlam sağlamak, muhtemelen modelleri tahminde daha iyi hale getirecektir. Bir anlamda, gösterdiğimiz şey, yetenekler üzerinde bir alt sınırdır.”

Duyarlılık analizi tek başına hisse senedi fiyat hareketinin güçlü bir göstergesi olmasa da, hisse senedi tüccarları için hala değeri vardır.

Lopez-Lira, "Korelasyon çok küçük ama istatistiksel olarak anlamlı" dedi.

“Yüzde bir mertebesinde. Bununla birlikte, bunlar birden çok hisse senedi için günlük korelasyonlar olduğundan, hızlı bir şekilde yüksek getiri sağlarlar. Örneğin, (işlem maliyetleri olmadan) Sharpe oranı piyasanın en az iki katı.”

“Borsadaki hareketlerin çoğu, temel bilgilerle ilgili doğrudan haberlerle ilgili değil, yatırımcıların risk toleransını (duyarlılığını) veya gelecekteki beklentilerini değiştiriyor. Piyasanın duyarlılığı hakkında bağlamsal bilgi eklemenin getiri öngörülebilirliğini muhtemelen daha güçlü hale getireceğini düşünüyoruz.”

Ayrı bir kap içinde kâğıtMIT araştırmacıları Eric Chu, Jacob Andreas ve Deb Roy, Harvard araştırmacısı Stephen Ansolabehere ile birlikte "Medya Diyetleri Üzerinde Eğitilen Dil Modelleri Kamuoyunu Tahmin Edebilir", belirli medya (çevrimiçi haberler, TV yayınları veya radyo) üzerinde eğitilmiş büyük dil modelleri buldular. ) o medyaya maruz kalan grupların görüşlerini tahmin edebilir.

Araştırma projesi sırasında MIT doktora adayı olan bir Google araştırma bilimcisi olan ortak yazar Eric Chu, "'Medya diyet modelleri' ile" diye açıkladı. Twitter üzerinden, "Bir grup medya tüketicisinin, tükettikleri medya üzerine bir [dil modeli] eğiterek anketlere nasıl cevap vereceğini tahmin ediyoruz."

Bu medya diyeti modelleri, yaygın olarak bilinen büyük bir büyük dil modeli olan BERT'ye dayanıyordu ve bir medya diyeti veri kümesiyle ince ayar yapıldı.

Yazarlar, çalışmalarının daha doğru bir kamuoyu yoklamasının yolunu gösterdiğini, ancak aynı zamanda medyanın insanları nasıl etkilediğini ve kamuoyunu nasıl şekillendirdiğini daha fazla incelemeye davet ettiğini söylediler.

Aşağıdakileri inceleyen medya diyetine özgü analizleri savunuyorlar: “(1) seçici maruz kalma veya insanların önceki inançlarıyla uyumlu bilgilere doğru yöneldiği genel sistemik önyargı; (2) seçilen ortamların, benzer düşünen kişilerle paylaşılan fikirleri genişlettiği ve güçlendirdiği yankı odaları; ve (3) içerik düzenleme ve öneri algoritmalarının, öğeleri kullanıcıların geçmiş davranışlarına dayalı olarak ortaya çıkardığı ve yine kullanıcıların dünya görüşlerini doğruladığı filtre balonları.”

Yazarlar, "Medya diyet modelleri, potansiyel olarak zararlı mesajlara maruz kalan alt popülasyonları belirlemeye yardımcı olabilir" diyor.

En iyi senaryo bu. Ayrıca, dezenformasyon kampanyalarının etkinliğini değerlendirmek için medya manipülatörlerine yararlı olabilirler. ®

• SEO Destekli İçerik ve Halkla İlişkiler Dağıtımı. Bugün Gücünüzü Artırın.
• Plato blok zinciri. Web3 Metaverse Zekası. Bilgi Güçlendirildi. Buradan Erişin.
• Adryenn Ashley ile Geleceği Basmak. Buradan Erişin.
• Kaynak: https://go.theregister.com/feed/www.theregister.com/2023/04/18/large_language_models_like_chatgpt/