北京時間 4 月 18 日早間消息，據報道，將 ChatGPT 應用于金融行業的第一批學術研究正在到來。從初步結果來看，過去幾個月對 ChatGPT 的高度期待是合理的。

本月新發表的兩篇論文介紹了，如何將 ChatGPT 用于與金融市場分析相關的任務。一篇是讓 ChatGPT 分析美聯儲講話是鷹派還是鴿派，另一篇是讓 ChatGPT 判斷財經新聞對一只股票的影響是有利還是不利。

ChatGPT 通過了這兩項測試。這表明，在將包括新聞、Twitter 貼文和演講記錄等文字內容轉化為交易信號方面，技術可能已經向前邁出了重大一步。

這個轉化過程在華爾街并不是什么新鮮事，量化分析師長期以來一直使用支撐聊天機器人的語言模型來指導各種策略。但最新的研究表明，OpenAI 開發的技術在解析細微差別和上下文方面達到了全新水平。

量化對沖基金 Man AHL 的機器學習負責人斯拉維・馬里諾夫（Slavi Marinov）表示：“這是少數幾個炒作的話題變成現實的案例之一。”多年來，該公司一直在使用自然語言處理技術來處理包括財報和 Reddit 貼文在內的文字內容。

第一篇論文題為《ChatGPT 能否破譯美聯儲講話》。在這篇論文中，美聯儲的兩名研究人員發現，在判斷央行的聲明是鴿派還是鷹派方面，ChatGPT 最接近人類。里士滿聯儲的安妮・倫德加德・漢森（Anne Lundgaard Hansen）和索菲亞・卡辛尼克（Sophia Kazinnik）的研究表明，ChatGPT 在這方面擊敗了來自谷歌的模型 BERT 以及基于詞典的分類法。

ChatGPT 甚至能夠以一種類似美聯儲自己分析師的方式，解釋其對美聯儲政策講話的分類。美聯儲分析師的解讀被作為這項研究的基準。

以 2013 年 5 月美聯儲講話中的一句話為例：“總的來說，近幾個月勞動力市場狀況有所改善，但失業率仍居高不下。”人工智能解釋說，這句話是鴿派的，因為它表明經濟還沒有完全復蘇。這與分析師布萊森的結論類似，他在論文中被描述為“一名 24 歲男性，非常聰明并且有好奇心”。

第二篇論文題為《ChatGPT 能否預測股價走勢？回報的可預測性和大語言模型》。佛羅里達大學的亞歷桑德羅・洛佩斯-利拉（Alejandro Lopez-Lira）和唐月華（Yuehua Tang）讓 ChatGPT 假裝成金融專家，解讀財經新聞標題。他們使用的是 2021 年末之后的新聞，ChatGPT 的訓練數據中沒有包括這段時間的內容。

研究發現，ChatGPT 給出的判斷與相應股票的隨后走勢在統計上存在關聯。這表明，ChatGPT 能正確解析新聞標題的含義。

論文中的一個例子讓 ChatGPT 判斷新聞“Rimini Street 在與甲骨文的訴訟中被罰款 63 萬美元”對甲骨文是有利還是不利。ChatGPT 認為是有利的，因為這一處罰“可能會增強投資者對甲骨文保護知識產權能力的信心，并增加行業對甲骨文產品和服務的需求”，

對大多數資深的量化分析師來說，使用自然語言處理技術來衡量一只股票在 Twitter 上的受歡迎程度，或是對該公司的最新新聞進行分析，已經成為司空見慣的操作。但 ChatGPT 展示的進步似乎將打開全新的信息世界，并幫助更廣泛的金融專業人士更容易地使用這類技術。

對馬里諾夫來說，目前人工智能的閱讀能力幾乎和人類一樣好，這并不令人驚訝，但 ChatGPT 可能會加速技術應用的進程。

當 Man AHL 首次構建模型時，這只量化對沖基金需要手動將每句話標記為對一項資產是正面或負面，為人工智能提供解釋語言的范本。隨后，該公司將整個流程變成了游戲，對參與者進行排名，計算他們對每一句話的認可程度，這樣讓所有員工都可以參與進來。

這兩篇新論文表明，ChatGPT 甚至可以在沒有經過專門訓練的情況下完成類似任務。美聯儲的研究表明，這種所謂的無訓練學習已經超過了以前的技術，在根據一些具體例子對其進行微調后，技術還會變得更好。

馬里諾夫之前也是一家自然語言處理創業公司的聯合創始人。他說：“以前，你必須自己標注數據。現在，你可以通過為 ChatGPT 設計正確的提示來實現數據標注。”