ЦхатГПТ надмашује традиционалне методе у предвиђању кретања на берзи: Студија професора Универзитета Флориде

Недавна студија коју су спровели професори финансија на Универзитету Флорида показала је потенцијалну вредност напредних језичких модела као што је ЦхатГПТ у предвиђању кретања на берзи. Анализирајући преко 50.000 наслова вести о компанијама из октобра 2021. године, цхатбот је проценио да ли су вести добре, лоше или ирелевантне за цене акција компаније. ЦхатГПТ резултат генерисан анализом сентимента је затим анализиран да би се утврдило да ли може да предвиди перформансе компанија на берзи следећег дана.

Студија је открила значајну позитивну корелацију између ЦхатГПТ резултата и перформанси акција наредног дана за анализиране компаније. Компаније са већим резултатима обично имају боље приносе од оних са нижим резултатима. Истраживачи су закључили да укључивање напредних језичких модела као што је ЦхатГПТ у процесе доношења одлука о инвестицијама може довести до прецизнијих предвиђања и побољшати учинак квантитативних стратегија трговања.

Међутим, на тржишту постоје одређене страхове у вези са ризицима које би то могло представљати ако не пружи очекивану тачност и помоћ. Упркос овом опрезу, Блоомберг је недавно објавио нови језички модел заснован на ГПТ-у под називом БлоомбергГПТ који би могао да побољша задатке обраде природног језика као што су анализа осећања, класификација вести, генерисање наслова, одговарање на питања и други задаци у вези са упитима.

Употреба вештачке интелигенције у финансијској индустрији брзо расте и могла би да промени игру у индустрији. Предузећа широм света очајнички желе да интегришу вештачку интелигенцију у своје постојеће пословне моделе, али понуда је оскудна. ГенесисАИ гради тржиште како би помогао сваком предузећу да интегрише вештачку интелигенцију у свој постојећи модел и прикупља милионе од малопродајних инвеститора да би то и остварило.

Јим Симонс из Ренаиссанце Тецхнологиес био је пионир пре неколико деценија у коришћењу машинског учења за креирање алгоритама који су омогућавали рачунарима да доносе одлуке о улагањима користећи податке из прошлости уз минималан људски унос. Међутим, ове компаније нису у потпуности прешле на аутоматизоване операције користећи најсавременије АИ методе као што су самоучење или учење уз помоћ. Уместо тога, они се и даље ослањају на напредну статистику и приступ „теорији“.