Tornado AI akhirnya mencapai pasar keuangan yang paling dekat dengan uang.
Ditulis oleh: Kyle
Sebuah laporan penelitian dari University of Florida mengejutkan lingkaran keuangan: gunakan ChatGPT untuk menganalisis sentimen berita perusahaan, dan menurut ini, Anda bisa mendapatkan pengembalian investasi lebih dari 500% dengan melakukan long dan short di pasar saham. Meskipun ada beberapa skeptisisme tentang angka pengembalian yang mencengangkan dari laporan tersebut, dunia keuangan sedang diubah oleh AI.
Bank investasi legendaris seperti JPMorgan Chase dan Goldman Sachs terus mengungkap berita bahwa mereka sedang mengebor AI. Terlepas dari apakah tingkat pengembalian 500% dapat menahan pengawasan, setidaknya itu menunjukkan bahwa kemampuan GPT telah mulai menembus ke dalam tautan paling depan dari transaksi pasar keuangan. Di mata Rocky, seorang eksekutif di Web3 Asset Management and Investment Research Institute, penambangan yang efisien dan pengoptimalan "faktor alternatif" oleh AI telah terjadi.
Di lembaga kuantitatif dan dana lindung nilai, "faktor alternatif" adalah faktor paling langka dan paling berharga di antara semua faktor strategis. Ini mengacu pada faktor selain faktor konvensional seperti fundamental perusahaan, volume perdagangan, dan harga yang mempengaruhi pasar, seperti opini publik sosial dan sentimen pasar. "Lembaga atas semua mencari faktor alternatif," jelas Rocky. Faktor harga volume dan faktor fundamental pasti akan menjadi homogen. Faktor alternatif akan memainkan peran yang menentukan dan membantu lembaga menang secara mengejutkan.
Sebagai model besar untuk keperluan umum, GPT perlu disempurnakan oleh pengguna jika ingin langsung digunakan dalam investasi kuantitatif, tetapi pintu baru telah dibuka. Untuk orang biasa, dengan bantuan ChatGPT untuk memverifikasi sejumlah besar strategi dan menganalisis data secara efisien, mereka juga dapat menemukan cara menghasilkan uang yang sesuai untuk mereka.
Tornado AI akhirnya mencapai pasar keuangan yang paling dekat dengan uang.
"500% ROI" adalah sensasi di dunia
JPMorgan Chase, bank investasi terkemuka yang selalu percaya pada kekuatan teknologi, bergerak di bidang AI. Pada tanggal 26 Mei, JPMorgan Chase mengumumkan bahwa mereka sedang mengembangkan alat layanan keuangan yang disebut "IndexGPT", yang menggunakan komputasi awan dan kecerdasan buatan untuk menganalisis dan memilih sekuritas, serta memberikan saran investasi yang cerdas dan personal kepada pelanggan.
Ini adalah tanda lain dari JP Morgan Chase untuk menambahkan AI ke dalam sistem perdagangan.
Pada awal 2017, JPMorgan Chase mulai menggunakan alat kecerdasan buatan internal yang diberi nama kode LOXM, yang memungkinkan mesin merangkum pengalaman dan pelajaran dari miliaran transaksi sejarah nyata dan simulasi sebelumnya, dan kemudian menggunakan harga tercepat dan optimal untuk mengeksekusi pesanan perdagangan. , melampaui manusia dalam hal skala transaksi dan efisiensi.
Pada tahun 2019, JPMorgan Chase merekrut pakar AI global untuk mengembangkan "robot perdagangan saham". Fungsi utamanya termasuk menghasilkan laporan investasi, mencari peluang investasi secara otomatis, dan memantau "permintaan penawaran" secara otomatis. Pada saat itu, JPMorgan mengatakan pesanan otomatis telah mengurangi biaya eksekusi perdagangan sekitar 20% selama beberapa tahun terakhir.
Jika investasi AI awal JPMorgan Chase dimaksudkan untuk "mengurangi biaya", ketika GPT menunjukkan kekuatan super, bank investasi mulai menggunakan teknologi AI paling mutakhir untuk meningkatkan "kemampuan uangnya". Dari perspektif tata letak, peran AI di JPMorgan Chase telah mengalami perubahan penting—dari asisten investasi menjadi pedagang yang memandu transaksi.
Tindakan baru JPMorgan Chase telah merilis sinyal keterlibatan mendalam AI dalam industri keuangan, dan Goldman Sachs serta Morgan Stanley juga telah terpapar untuk berinvestasi dalam penelitian dan pengembangan AI secara internal.
Berita tentang raksasa keuangan yang terlibat dalam AI dipentaskan di Wall Street, namun tidak menarik perhatian publik. Namun, sebuah laporan penelitian dari Departemen Keuangan Universitas Florida disoroti, yang mematahkan kelelahan estetika di bawah narasi konvensional "AI mengubah lingkaran keuangan".
Laporan penelitian universitas berjudul "Bisakah ChatGPT Memprediksi Tren Harga Saham?" awalnya dirilis pada 6 April tahun ini, dan awalnya mendapat sedikit tanggapan. Hingga Mei, seorang penulis teknologi di Reddit merekomendasikan laporan tersebut, dengan alasan bahwa itu adalah makalah yang diabaikan oleh media arus utama.
Setelah "pengembalian investasi 500%" dimasukkan ke dalam pertanyaan, itu langsung meledak di dalam dan di luar lingkaran keuangan.
Menurut makalah, peneliti dari University of Florida memberi makan GPT-3.5, yang tidak terhubung ke Internet, data pasar publik, dan berita dari Oktober 2021 hingga Desember 2022. Data ini diperoleh melalui perayap web, termasuk 67.586 informasi tentang 4.138 terdaftar berita utama, dan mengecualikan berita utama tentang naik turunnya stok, menyaring topik hangat yang tidak berarti, berita berulang, dll. Para peneliti terutama membiarkan ChatGPT mengevaluasi setiap judul dan memintanya untuk memutuskan apakah itu positif atau negatif.
Ini adalah analisis sentimen klasik dan merupakan bagian dari strategi trading otomatis yang digunakan oleh hedge fund terkenal seperti DE Shaw, Two Sigma, dan lainnya. Sebagai contoh sederhana, ketika suatu peristiwa terjadi, pasar sering tidak setuju apakah itu baik atau buruk.Analisis sentimen yang akurat membantu mengidentifikasi dampak berita dan membuat keputusan investasi yang tepat.
Para peneliti dengan susah payah meminta ChatGPT untuk memberikan jawaban, dan akhirnya mereka sampai pada kesimpulan yang mengejutkan: ChatGPT, yang bagus dalam penalaran logis, mengungguli semua alat analisis sentimen lainnya. Dengan bantuan ChatGPT, para peneliti menguji kembali kinerja laba menggunakan ChatGPT untuk memandu berbagai strategi investasi di masa lalu.Pada akhirnya, strategi jangka pendek (beli perusahaan dengan berita baik, jual perusahaan dengan berita buruk) memiliki tingkat pengembalian lebih dari 500%, dan pengembalian strategi short-sell Tingkat pengembalian mendekati 400%, dan tingkat pengembalian strategi panjang sekitar 50%.
Kinerja strategi didukung oleh ChatGPT
Di pasar sekuritas, salah satu dari tingkat pengembalian di atas sudah cukup untuk membunuh 99% manajer investasi di dunia. Laporan penelitian mencatat bahwa membeli dan menahan ETF S&P 500 menghasilkan -12% selama periode waktu yang sama.
Hanya menggunakan ChatGPT untuk analisis sentimen dapat menghasilkan tingkat pengembalian yang tinggi? Meskipun laporan ini menarik perhatian, hal itu juga menyebabkan netizen bertanya, "Jika Anda menemukan strategi yang dapat menghasilkan pengembalian 500% dalam waktu kurang dari 2 tahun, apakah Anda akan mempublikasikannya?" Yang lain mengatakan bahwa meskipun laporan tersebut benar , Taktik yang pernah dikenal luas, tidak lagi efektif, "Tidak ada yang namanya makan siang gratis."
AI meningkatkan faktor alternatif "excavator"
Orang awam menyaksikan kehebohan, sementara ahli mengawasi pintu masuk Ketika berita itu sampai ke telinga Rocky, dia sangat bersemangat.
Rocky adalah seorang eksekutif dari lembaga penelitian manajemen aset dan investasi Web3. Dia dengan blak-blakan mengatakan bahwa dia "terkejut" dengan laporan penelitian dari University of Florida. Dia percaya bahwa penambahan ChatGPT telah membuat lompatan kualitatif dalam penambangan dan pengoptimalan dari "faktor alternatif" , dia menyimpulkan: "Pedagang sudah mati, investasi AI+ adalah masa depan."
Rocky menjelaskan, sebelum mereka mempelajari kuantifikasi, ada dua hal yang paling sulit, pertama sumber data, dan kedua faktor strategi. Faktor strategis umum termasuk faktor harga volume dan faktor fundamental.Pada akhirnya, homogenitas relatif serius.“Tes terakhir adalah permainan faktor alternatif.”
Faktor strategi adalah konsep umum dalam institusi kuantitatif. Sederhananya, setelah lembaga memperoleh data transaksi, informasi, dan data opini publik pasar sekunder, pihaknya akan membersihkannya, kemudian mengolah data masif tersebut menjadi faktor. Ini adalah proses menemukan faktor-faktor penting yang mempengaruhi pasar dari sejumlah besar informasi. Mengintegrasikan faktor-faktor ini ke dalam strategi trading dapat membantu trader menilai naik turunnya pasar.
Faktor strategi yang efektif berarti "tambang emas", dan setelah ditambang, tidak sulit untuk mendapatkan keuntungan.
Seperti yang dikatakan Rocky, di antara faktor-faktor strategis, faktor volume-harga, faktor fundamental, dan faktor alternatif menyumbang sekitar 60%, 20%, dan 20% dari strategi kuantitatif. Diantaranya, faktor harga volume didasarkan pada penambangan data volume perdagangan pasar, termasuk harga aset per detik, arus modal, indikator teknis dari berbagai K-lines, dll.; faktor fundamental berasal dari laporan keuangan, laporan broker, Ekspektasi analis dan seterusnya, dan faktor alternatif adalah "senjata rahasia" selain dari dua yang pertama.Setiap institusi akan menggunakan kemampuannya yang unik untuk mengumpulkan faktor-faktor yang mempengaruhi harga, termasuk opini publik sosial dan menyimpan data. "Analisis sentimen" yang dilakukan peneliti Universitas Florida oleh ChatGPT termasuk dalam kategori ini.
Faktor strategis umum (diurutkan oleh Red Bank Research)
Secara umum, sulit untuk memperlebar kesenjangan antara institusi untuk faktor harga volume dan faktor fundamental, karena informasi bersifat tetap dan publik, dan menambang faktor alternatif akan menguji keterampilan institusi. "Sekarang dana lindung nilai teratas berinvestasi dalam faktor alternatif," kata Rocky kepada "Metaverse Daily Explosion" Dalam duel antara master, gerakan konvensional sulit dilakukan, dan gerakan unik bisa menang.
Namun, biaya penambangan dan kesulitan faktor alternatif jauh lebih tinggi daripada faktor harga volume dan faktor fundamental.
"Ini seperti mengambil kerang di pantai yang tak terbatas. Anda harus sangat sabar untuk mengambilnya satu per satu. Biasanya, jenis data alternatif tertentu hanya dapat menutupi beberapa lempeng, dan bahkan jika digali, Anda bisa hanya mendapatkan manfaat dari piring ini." Li Xiang, manajer umum Investasi Mengxi, mengatakan bahwa pengumpulan data faktor alternatif memiliki ambang batas tertentu, karena ini bukan data konvensional, baik dibeli dari penyedia data pihak ketiga, atau dikumpulkan dengan sendirinya, dan bahkan untuk menemukan data yang lebih baik, organisasi perlu secara aktif mengeksplorasi pemasok data yang berharga.
Setelah data terkumpul, tidak mudah untuk mempelajari data alternatif. “Bagaimana menambang logika internal data, langkah ini juga memiliki ambang batas yang tinggi.” Li Xiang berkata bahwa proses ini sangat rumit. Perlu menghilangkan semua jenis kebisingan, menemukan logika internal, dan kemudian menggabungkan faktor. Setelah serangkaian operasi selesai, mungkin ada hasil yang baik.Efek.
Li Xiang menyamakan proses pengumpulan faktor dengan "penambangan": pada awalnya, beberapa tambang di permukaan, yang lebih mudah dikumpulkan, dikumpulkan terlebih dahulu, lalu digali lebih dalam dan lebih dalam.
Dalam hal faktor penambangan alternatif, ini sering kali merupakan pekerjaan inti yang paling padat karya, padat sumber daya finansial, dan inti dari lembaga investasi besar Mereka mengumpulkan informasi dalam jumlah besar, menganalisis nilai satu per satu, menguji ulang tingkat pengembalian, mencoba dan kesalahan, dan mungkin tidak mendapatkan apa-apa setelah beban kerja yang besar dan rumit.Memanen faktor alternatif yang efektif terkadang membutuhkan unsur keberuntungan.
Kini, kemunculan ChatGPT membuat proses penambangan faktor alternatif menjadi efisien. "Fungsi teks-ke-teksnya sangat kuat. Misalnya, kami dapat menggunakan teknologi pemrosesan bahasa alami untuk menangkap pandangan netizen tentang jenis saham tertentu, atau bahkan saham tertentu. "Li Xiang percaya bahwa pengembangan lompatan dari GPT dapat meningkatkan beberapa Efisiensi pekerjaan tambahan, seperti dalam hal dimensi prediktif, "Keuntungannya untuk penelitian kuantitatif ada di ujung pengumpulan data, dan ChatGPT dapat digunakan untuk memperoleh informasi sisi teks dengan lebih baik."
Namun, GPT lebih seperti model besar untuk keperluan umum, dan tidak bias terhadap jurusan keuangan, yang ditakdirkan untuk tidak digunakan di luar kotak. Rocky mengatakan bahwa pengumpanan data berdasarkan model besar GPT adalah "model universal", yang tidak dapat memenuhi keaslian, validitas, dan kinerja real-time dari data keuangan cross-sectional dan time-series. Dalam proses pembersihan data, sebuah model kecil profesional juga diperlukan Lakukan preprocessing dan standardisasi, yang menunjukkan bahwa ChatGPT masih jauh dari jalan kuantifikasi profesional.
Namun Rocky percaya bahwa ChatGPT telah membuka pintu yang jelas bagi institusi, dan AI dapat menjadi asisten yang berdaya tinggi bagi para pedagang.
Peluang kekayaan bagi orang biasa ada di sini?
Laporan penelitian dari University of Florida seperti pengantar, cukup untuk memberikan inspirasi tiba-tiba kepada JPMorgan Chase. AI kemungkinan besar akan menjadi "mesin penghasil uang" tanpa emosi di pasar perdagangan, memainkan permainan uang dengan orang sungguhan.
Jadi, dapatkah investor biasa menggunakan alat seperti ChatGPT untuk berpartisipasi dalam transaksi kuantitatif dan meningkatkan pengembaliannya?
Terkait hal ini, Rocky merasa tidak realistis. Dia menjelaskan bahwa perdagangan kuantitatif membutuhkan latar belakang profesional di bidang teknik keuangan, matematika tingkat lanjut, konsep statistik, pengetahuan keuangan, pengetahuan turunan, peraturan keuangan, dan cadangan pengetahuan lainnya. Pada saat yang sama, GPT, basis data model besar, tidak memiliki kinerja waktu nyata. Anda harus membeli sumber data dari Bloomberg dan tempat lain. Jika tidak, datanya tidak waktu nyata dan Anda tidak dapat berpartisipasi dalam permainan. Tidak apa-apa untuk menjalankan backtest keuntungan di GPT, tetapi bahkan tidak memikirkannya dalam pertempuran yang sebenarnya.
Pasar keuangan bergejolak, dan investor biasa harus sangat berhati-hati dalam menggunakan alat.Begitu mereka dilihat oleh alat kelas atas, mereka mungkin menjadi anak domba di bawah belas kasihan orang lain. Namun, beberapa orang telah memberikan ide investasi yang lebih cocok untuk orang biasa, saya mungkin tidak dapat mencapai pengembalian yang tinggi, tetapi masih ada peluang bagus untuk mengungguli tingkat bunga hipotek.
Niu Yifei, pencipta program kecil "Aniu Data", telah terlibat dalam perdagangan kuantitatif frekuensi rendah Belum lama ini, dia melakukan percobaan dan meminta ChatGPT untuk menulis strategi kuantitatif dan menguji kembali kurva hasil.
Logika strategis yang diberikan Niu Yifei kepada ChatGPT adalah: Dari ETF dari tiga indeks SSE 50, Indeks ChiNext, dan Obligasi Negara 10 tahun, pilih ETF dengan kenaikan terbesar dalam sebulan terakhir (22 hari perdagangan) setiap hari. Jika Anda memiliki dana, Anda akan terus menahan posisinya. Jika Anda tidak memegangnya, Anda akan menghapus dana yang Anda pegang dan membeli dana tersebut. Jika ketiga dana tersebut jatuh dalam sebulan terakhir, Anda akan menghapus posisinya .
Menggunakan ChatGPT untuk menulis proses kode strategi kuantitatif
Segera, ChatGPT memberikan kode dan komentar kebijakan yang sesuai. "Satu-satunya kekurangan adalah sumber datanya tidak diberikan. Untungnya, saya memiliki salinan data historis dana tersebut. Setelah mengimpor data dan menjalankannya, saya benar-benar dapat melihat hasil dari kepemilikan harian."
Kemudian, Niu Yifei perlu memverifikasi kinerja historis dari strategi tersebut, jadi dia meminta ChatGPT untuk membuat program pengujian ulang, dan meminta pengujian ulang untuk mengetahui tingkat pengembalian interval, tingkat pengembalian tahunan, retracement maksimum, dll. dari strategi tersebut .Setelah beberapa detik, AI memberikan kode program , dan mencapai indikator yang diperlukan. "Namun, setelah meninjau program dengan hati-hati, saya masih menemukan beberapa kekurangan dalam detailnya, seperti tidak mempertimbangkan waktu penyeimbangan ulang yang sebenarnya, dll., tetapi tingkat penyelesaian keseluruhan telah melebihi 90%."
Niu Yifei mengatakan bahwa itu mengoptimalkan program dengan memandu AI, dan membuat perubahan ajaib sederhana secara manual, dan program backtest sudah siap. Dia menggunakan program ini untuk menguji kembali kinerja investasi dari strategi yang disebutkan di atas pada tahun 2022, dan akhirnya mendapatkan kisaran tingkat pengembalian 9,18%, tingkat pengembalian tahunan 9,57%, dan penarikan maksimum -12,25%. Dibandingkan dengan alat statistik profesional, kurva kekayaan bersih dari program backtest yang dihasilkan oleh ChatGPT hampir persis sama.
Dalam hal ini, Niu Yifei berinisiatif menentukan strategi investasi dan meminta ChatGPT untuk membuat perangkat lunak investasi otomatis dan prosedur backtesting, bahkan ia menyerahkan pekerjaan penulisan kode ke ChatGPT. Tentu saja, efisiensi penulisan kode ChatGPT jauh melebihi insinyur manusia, yang memungkinkan investor biasa menggunakan metode ini untuk secara efisien memverifikasi keefektifan sejumlah besar strategi, dan kemudian terus mengoptimalkan strategi perdagangan untuk meningkatkan tingkat pengembalian.
Dalam praktik sederhana Niu Yifei, laba atas investasi tahunannya telah mencapai 9,57%, jauh lebih tinggi daripada produk manajemen kekayaan bank umum. Niu Yifei mengungkapkan kepada "Metaverse Daily Explosion" bahwa selain membiarkan ChatGPT menulis kode, dia juga mencoba menggunakan AI untuk analisis data, laporan keuangan dan analisis pengumuman, dll., sehingga dapat memberikan sinyal perdagangan.
Li Xiang juga percaya bahwa ChatGPT akan menurunkan ambang industri kuantitatif sampai batas tertentu. Jika seseorang tertarik dengan industri kuantitatif, bahkan jika mereka tidak memiliki pengalaman dalam industri tersebut dan hanya memiliki sedikit ide tentang perdagangan, mereka juga dapat berpartisipasi sebagian dengan bantuan kemampuan ChatGPT. "Namun, masih ada jalan panjang dari keadaan ini untuk tumbuh menjadi peneliti inti dari lembaga kuantitatif yang sangat profesional, dengan strategi yang halus dan detail yang sempurna."
Lihat Asli
Konten ini hanya untuk referensi, bukan ajakan atau tawaran. Tidak ada nasihat investasi, pajak, atau hukum yang diberikan. Lihat Penafian untuk pengungkapan risiko lebih lanjut.
Pengembalian 500% untuk saham AI? Para Ahli Mengungkapkan Misteri
Ditulis oleh: Kyle
Sebuah laporan penelitian dari University of Florida mengejutkan lingkaran keuangan: gunakan ChatGPT untuk menganalisis sentimen berita perusahaan, dan menurut ini, Anda bisa mendapatkan pengembalian investasi lebih dari 500% dengan melakukan long dan short di pasar saham. Meskipun ada beberapa skeptisisme tentang angka pengembalian yang mencengangkan dari laporan tersebut, dunia keuangan sedang diubah oleh AI.
Bank investasi legendaris seperti JPMorgan Chase dan Goldman Sachs terus mengungkap berita bahwa mereka sedang mengebor AI. Terlepas dari apakah tingkat pengembalian 500% dapat menahan pengawasan, setidaknya itu menunjukkan bahwa kemampuan GPT telah mulai menembus ke dalam tautan paling depan dari transaksi pasar keuangan. Di mata Rocky, seorang eksekutif di Web3 Asset Management and Investment Research Institute, penambangan yang efisien dan pengoptimalan "faktor alternatif" oleh AI telah terjadi.
Di lembaga kuantitatif dan dana lindung nilai, "faktor alternatif" adalah faktor paling langka dan paling berharga di antara semua faktor strategis. Ini mengacu pada faktor selain faktor konvensional seperti fundamental perusahaan, volume perdagangan, dan harga yang mempengaruhi pasar, seperti opini publik sosial dan sentimen pasar. "Lembaga atas semua mencari faktor alternatif," jelas Rocky. Faktor harga volume dan faktor fundamental pasti akan menjadi homogen. Faktor alternatif akan memainkan peran yang menentukan dan membantu lembaga menang secara mengejutkan.
Sebagai model besar untuk keperluan umum, GPT perlu disempurnakan oleh pengguna jika ingin langsung digunakan dalam investasi kuantitatif, tetapi pintu baru telah dibuka. Untuk orang biasa, dengan bantuan ChatGPT untuk memverifikasi sejumlah besar strategi dan menganalisis data secara efisien, mereka juga dapat menemukan cara menghasilkan uang yang sesuai untuk mereka.
Tornado AI akhirnya mencapai pasar keuangan yang paling dekat dengan uang.
"500% ROI" adalah sensasi di dunia
JPMorgan Chase, bank investasi terkemuka yang selalu percaya pada kekuatan teknologi, bergerak di bidang AI. Pada tanggal 26 Mei, JPMorgan Chase mengumumkan bahwa mereka sedang mengembangkan alat layanan keuangan yang disebut "IndexGPT", yang menggunakan komputasi awan dan kecerdasan buatan untuk menganalisis dan memilih sekuritas, serta memberikan saran investasi yang cerdas dan personal kepada pelanggan.
Ini adalah tanda lain dari JP Morgan Chase untuk menambahkan AI ke dalam sistem perdagangan.
Pada awal 2017, JPMorgan Chase mulai menggunakan alat kecerdasan buatan internal yang diberi nama kode LOXM, yang memungkinkan mesin merangkum pengalaman dan pelajaran dari miliaran transaksi sejarah nyata dan simulasi sebelumnya, dan kemudian menggunakan harga tercepat dan optimal untuk mengeksekusi pesanan perdagangan. , melampaui manusia dalam hal skala transaksi dan efisiensi.
Pada tahun 2019, JPMorgan Chase merekrut pakar AI global untuk mengembangkan "robot perdagangan saham". Fungsi utamanya termasuk menghasilkan laporan investasi, mencari peluang investasi secara otomatis, dan memantau "permintaan penawaran" secara otomatis. Pada saat itu, JPMorgan mengatakan pesanan otomatis telah mengurangi biaya eksekusi perdagangan sekitar 20% selama beberapa tahun terakhir.
Jika investasi AI awal JPMorgan Chase dimaksudkan untuk "mengurangi biaya", ketika GPT menunjukkan kekuatan super, bank investasi mulai menggunakan teknologi AI paling mutakhir untuk meningkatkan "kemampuan uangnya". Dari perspektif tata letak, peran AI di JPMorgan Chase telah mengalami perubahan penting—dari asisten investasi menjadi pedagang yang memandu transaksi.
Tindakan baru JPMorgan Chase telah merilis sinyal keterlibatan mendalam AI dalam industri keuangan, dan Goldman Sachs serta Morgan Stanley juga telah terpapar untuk berinvestasi dalam penelitian dan pengembangan AI secara internal.
Berita tentang raksasa keuangan yang terlibat dalam AI dipentaskan di Wall Street, namun tidak menarik perhatian publik. Namun, sebuah laporan penelitian dari Departemen Keuangan Universitas Florida disoroti, yang mematahkan kelelahan estetika di bawah narasi konvensional "AI mengubah lingkaran keuangan".
Laporan penelitian universitas berjudul "Bisakah ChatGPT Memprediksi Tren Harga Saham?" awalnya dirilis pada 6 April tahun ini, dan awalnya mendapat sedikit tanggapan. Hingga Mei, seorang penulis teknologi di Reddit merekomendasikan laporan tersebut, dengan alasan bahwa itu adalah makalah yang diabaikan oleh media arus utama.
Setelah "pengembalian investasi 500%" dimasukkan ke dalam pertanyaan, itu langsung meledak di dalam dan di luar lingkaran keuangan.
Menurut makalah, peneliti dari University of Florida memberi makan GPT-3.5, yang tidak terhubung ke Internet, data pasar publik, dan berita dari Oktober 2021 hingga Desember 2022. Data ini diperoleh melalui perayap web, termasuk 67.586 informasi tentang 4.138 terdaftar berita utama, dan mengecualikan berita utama tentang naik turunnya stok, menyaring topik hangat yang tidak berarti, berita berulang, dll. Para peneliti terutama membiarkan ChatGPT mengevaluasi setiap judul dan memintanya untuk memutuskan apakah itu positif atau negatif.
Ini adalah analisis sentimen klasik dan merupakan bagian dari strategi trading otomatis yang digunakan oleh hedge fund terkenal seperti DE Shaw, Two Sigma, dan lainnya. Sebagai contoh sederhana, ketika suatu peristiwa terjadi, pasar sering tidak setuju apakah itu baik atau buruk.Analisis sentimen yang akurat membantu mengidentifikasi dampak berita dan membuat keputusan investasi yang tepat.
Para peneliti dengan susah payah meminta ChatGPT untuk memberikan jawaban, dan akhirnya mereka sampai pada kesimpulan yang mengejutkan: ChatGPT, yang bagus dalam penalaran logis, mengungguli semua alat analisis sentimen lainnya. Dengan bantuan ChatGPT, para peneliti menguji kembali kinerja laba menggunakan ChatGPT untuk memandu berbagai strategi investasi di masa lalu.Pada akhirnya, strategi jangka pendek (beli perusahaan dengan berita baik, jual perusahaan dengan berita buruk) memiliki tingkat pengembalian lebih dari 500%, dan pengembalian strategi short-sell Tingkat pengembalian mendekati 400%, dan tingkat pengembalian strategi panjang sekitar 50%.
Kinerja strategi didukung oleh ChatGPT
Di pasar sekuritas, salah satu dari tingkat pengembalian di atas sudah cukup untuk membunuh 99% manajer investasi di dunia. Laporan penelitian mencatat bahwa membeli dan menahan ETF S&P 500 menghasilkan -12% selama periode waktu yang sama.
Hanya menggunakan ChatGPT untuk analisis sentimen dapat menghasilkan tingkat pengembalian yang tinggi? Meskipun laporan ini menarik perhatian, hal itu juga menyebabkan netizen bertanya, "Jika Anda menemukan strategi yang dapat menghasilkan pengembalian 500% dalam waktu kurang dari 2 tahun, apakah Anda akan mempublikasikannya?" Yang lain mengatakan bahwa meskipun laporan tersebut benar , Taktik yang pernah dikenal luas, tidak lagi efektif, "Tidak ada yang namanya makan siang gratis."
AI meningkatkan faktor alternatif "excavator"
Orang awam menyaksikan kehebohan, sementara ahli mengawasi pintu masuk Ketika berita itu sampai ke telinga Rocky, dia sangat bersemangat.
Rocky adalah seorang eksekutif dari lembaga penelitian manajemen aset dan investasi Web3. Dia dengan blak-blakan mengatakan bahwa dia "terkejut" dengan laporan penelitian dari University of Florida. Dia percaya bahwa penambahan ChatGPT telah membuat lompatan kualitatif dalam penambangan dan pengoptimalan dari "faktor alternatif" , dia menyimpulkan: "Pedagang sudah mati, investasi AI+ adalah masa depan."
Rocky menjelaskan, sebelum mereka mempelajari kuantifikasi, ada dua hal yang paling sulit, pertama sumber data, dan kedua faktor strategi. Faktor strategis umum termasuk faktor harga volume dan faktor fundamental.Pada akhirnya, homogenitas relatif serius.“Tes terakhir adalah permainan faktor alternatif.”
Faktor strategi adalah konsep umum dalam institusi kuantitatif. Sederhananya, setelah lembaga memperoleh data transaksi, informasi, dan data opini publik pasar sekunder, pihaknya akan membersihkannya, kemudian mengolah data masif tersebut menjadi faktor. Ini adalah proses menemukan faktor-faktor penting yang mempengaruhi pasar dari sejumlah besar informasi. Mengintegrasikan faktor-faktor ini ke dalam strategi trading dapat membantu trader menilai naik turunnya pasar.
Faktor strategi yang efektif berarti "tambang emas", dan setelah ditambang, tidak sulit untuk mendapatkan keuntungan.
Seperti yang dikatakan Rocky, di antara faktor-faktor strategis, faktor volume-harga, faktor fundamental, dan faktor alternatif menyumbang sekitar 60%, 20%, dan 20% dari strategi kuantitatif. Diantaranya, faktor harga volume didasarkan pada penambangan data volume perdagangan pasar, termasuk harga aset per detik, arus modal, indikator teknis dari berbagai K-lines, dll.; faktor fundamental berasal dari laporan keuangan, laporan broker, Ekspektasi analis dan seterusnya, dan faktor alternatif adalah "senjata rahasia" selain dari dua yang pertama.Setiap institusi akan menggunakan kemampuannya yang unik untuk mengumpulkan faktor-faktor yang mempengaruhi harga, termasuk opini publik sosial dan menyimpan data. "Analisis sentimen" yang dilakukan peneliti Universitas Florida oleh ChatGPT termasuk dalam kategori ini.
Faktor strategis umum (diurutkan oleh Red Bank Research)
Secara umum, sulit untuk memperlebar kesenjangan antara institusi untuk faktor harga volume dan faktor fundamental, karena informasi bersifat tetap dan publik, dan menambang faktor alternatif akan menguji keterampilan institusi. "Sekarang dana lindung nilai teratas berinvestasi dalam faktor alternatif," kata Rocky kepada "Metaverse Daily Explosion" Dalam duel antara master, gerakan konvensional sulit dilakukan, dan gerakan unik bisa menang.
Namun, biaya penambangan dan kesulitan faktor alternatif jauh lebih tinggi daripada faktor harga volume dan faktor fundamental.
"Ini seperti mengambil kerang di pantai yang tak terbatas. Anda harus sangat sabar untuk mengambilnya satu per satu. Biasanya, jenis data alternatif tertentu hanya dapat menutupi beberapa lempeng, dan bahkan jika digali, Anda bisa hanya mendapatkan manfaat dari piring ini." Li Xiang, manajer umum Investasi Mengxi, mengatakan bahwa pengumpulan data faktor alternatif memiliki ambang batas tertentu, karena ini bukan data konvensional, baik dibeli dari penyedia data pihak ketiga, atau dikumpulkan dengan sendirinya, dan bahkan untuk menemukan data yang lebih baik, organisasi perlu secara aktif mengeksplorasi pemasok data yang berharga.
Setelah data terkumpul, tidak mudah untuk mempelajari data alternatif. “Bagaimana menambang logika internal data, langkah ini juga memiliki ambang batas yang tinggi.” Li Xiang berkata bahwa proses ini sangat rumit. Perlu menghilangkan semua jenis kebisingan, menemukan logika internal, dan kemudian menggabungkan faktor. Setelah serangkaian operasi selesai, mungkin ada hasil yang baik.Efek.
Li Xiang menyamakan proses pengumpulan faktor dengan "penambangan": pada awalnya, beberapa tambang di permukaan, yang lebih mudah dikumpulkan, dikumpulkan terlebih dahulu, lalu digali lebih dalam dan lebih dalam.
Dalam hal faktor penambangan alternatif, ini sering kali merupakan pekerjaan inti yang paling padat karya, padat sumber daya finansial, dan inti dari lembaga investasi besar Mereka mengumpulkan informasi dalam jumlah besar, menganalisis nilai satu per satu, menguji ulang tingkat pengembalian, mencoba dan kesalahan, dan mungkin tidak mendapatkan apa-apa setelah beban kerja yang besar dan rumit.Memanen faktor alternatif yang efektif terkadang membutuhkan unsur keberuntungan.
Kini, kemunculan ChatGPT membuat proses penambangan faktor alternatif menjadi efisien. "Fungsi teks-ke-teksnya sangat kuat. Misalnya, kami dapat menggunakan teknologi pemrosesan bahasa alami untuk menangkap pandangan netizen tentang jenis saham tertentu, atau bahkan saham tertentu. "Li Xiang percaya bahwa pengembangan lompatan dari GPT dapat meningkatkan beberapa Efisiensi pekerjaan tambahan, seperti dalam hal dimensi prediktif, "Keuntungannya untuk penelitian kuantitatif ada di ujung pengumpulan data, dan ChatGPT dapat digunakan untuk memperoleh informasi sisi teks dengan lebih baik."
Namun, GPT lebih seperti model besar untuk keperluan umum, dan tidak bias terhadap jurusan keuangan, yang ditakdirkan untuk tidak digunakan di luar kotak. Rocky mengatakan bahwa pengumpanan data berdasarkan model besar GPT adalah "model universal", yang tidak dapat memenuhi keaslian, validitas, dan kinerja real-time dari data keuangan cross-sectional dan time-series. Dalam proses pembersihan data, sebuah model kecil profesional juga diperlukan Lakukan preprocessing dan standardisasi, yang menunjukkan bahwa ChatGPT masih jauh dari jalan kuantifikasi profesional.
Namun Rocky percaya bahwa ChatGPT telah membuka pintu yang jelas bagi institusi, dan AI dapat menjadi asisten yang berdaya tinggi bagi para pedagang.
Peluang kekayaan bagi orang biasa ada di sini?
Laporan penelitian dari University of Florida seperti pengantar, cukup untuk memberikan inspirasi tiba-tiba kepada JPMorgan Chase. AI kemungkinan besar akan menjadi "mesin penghasil uang" tanpa emosi di pasar perdagangan, memainkan permainan uang dengan orang sungguhan.
Jadi, dapatkah investor biasa menggunakan alat seperti ChatGPT untuk berpartisipasi dalam transaksi kuantitatif dan meningkatkan pengembaliannya?
Terkait hal ini, Rocky merasa tidak realistis. Dia menjelaskan bahwa perdagangan kuantitatif membutuhkan latar belakang profesional di bidang teknik keuangan, matematika tingkat lanjut, konsep statistik, pengetahuan keuangan, pengetahuan turunan, peraturan keuangan, dan cadangan pengetahuan lainnya. Pada saat yang sama, GPT, basis data model besar, tidak memiliki kinerja waktu nyata. Anda harus membeli sumber data dari Bloomberg dan tempat lain. Jika tidak, datanya tidak waktu nyata dan Anda tidak dapat berpartisipasi dalam permainan. Tidak apa-apa untuk menjalankan backtest keuntungan di GPT, tetapi bahkan tidak memikirkannya dalam pertempuran yang sebenarnya.
Pasar keuangan bergejolak, dan investor biasa harus sangat berhati-hati dalam menggunakan alat.Begitu mereka dilihat oleh alat kelas atas, mereka mungkin menjadi anak domba di bawah belas kasihan orang lain. Namun, beberapa orang telah memberikan ide investasi yang lebih cocok untuk orang biasa, saya mungkin tidak dapat mencapai pengembalian yang tinggi, tetapi masih ada peluang bagus untuk mengungguli tingkat bunga hipotek.
Niu Yifei, pencipta program kecil "Aniu Data", telah terlibat dalam perdagangan kuantitatif frekuensi rendah Belum lama ini, dia melakukan percobaan dan meminta ChatGPT untuk menulis strategi kuantitatif dan menguji kembali kurva hasil.
Logika strategis yang diberikan Niu Yifei kepada ChatGPT adalah: Dari ETF dari tiga indeks SSE 50, Indeks ChiNext, dan Obligasi Negara 10 tahun, pilih ETF dengan kenaikan terbesar dalam sebulan terakhir (22 hari perdagangan) setiap hari. Jika Anda memiliki dana, Anda akan terus menahan posisinya. Jika Anda tidak memegangnya, Anda akan menghapus dana yang Anda pegang dan membeli dana tersebut. Jika ketiga dana tersebut jatuh dalam sebulan terakhir, Anda akan menghapus posisinya .
Menggunakan ChatGPT untuk menulis proses kode strategi kuantitatif
Segera, ChatGPT memberikan kode dan komentar kebijakan yang sesuai. "Satu-satunya kekurangan adalah sumber datanya tidak diberikan. Untungnya, saya memiliki salinan data historis dana tersebut. Setelah mengimpor data dan menjalankannya, saya benar-benar dapat melihat hasil dari kepemilikan harian."
Kemudian, Niu Yifei perlu memverifikasi kinerja historis dari strategi tersebut, jadi dia meminta ChatGPT untuk membuat program pengujian ulang, dan meminta pengujian ulang untuk mengetahui tingkat pengembalian interval, tingkat pengembalian tahunan, retracement maksimum, dll. dari strategi tersebut .Setelah beberapa detik, AI memberikan kode program , dan mencapai indikator yang diperlukan. "Namun, setelah meninjau program dengan hati-hati, saya masih menemukan beberapa kekurangan dalam detailnya, seperti tidak mempertimbangkan waktu penyeimbangan ulang yang sebenarnya, dll., tetapi tingkat penyelesaian keseluruhan telah melebihi 90%."
Niu Yifei mengatakan bahwa itu mengoptimalkan program dengan memandu AI, dan membuat perubahan ajaib sederhana secara manual, dan program backtest sudah siap. Dia menggunakan program ini untuk menguji kembali kinerja investasi dari strategi yang disebutkan di atas pada tahun 2022, dan akhirnya mendapatkan kisaran tingkat pengembalian 9,18%, tingkat pengembalian tahunan 9,57%, dan penarikan maksimum -12,25%. Dibandingkan dengan alat statistik profesional, kurva kekayaan bersih dari program backtest yang dihasilkan oleh ChatGPT hampir persis sama.
Dalam hal ini, Niu Yifei berinisiatif menentukan strategi investasi dan meminta ChatGPT untuk membuat perangkat lunak investasi otomatis dan prosedur backtesting, bahkan ia menyerahkan pekerjaan penulisan kode ke ChatGPT. Tentu saja, efisiensi penulisan kode ChatGPT jauh melebihi insinyur manusia, yang memungkinkan investor biasa menggunakan metode ini untuk secara efisien memverifikasi keefektifan sejumlah besar strategi, dan kemudian terus mengoptimalkan strategi perdagangan untuk meningkatkan tingkat pengembalian.
Dalam praktik sederhana Niu Yifei, laba atas investasi tahunannya telah mencapai 9,57%, jauh lebih tinggi daripada produk manajemen kekayaan bank umum. Niu Yifei mengungkapkan kepada "Metaverse Daily Explosion" bahwa selain membiarkan ChatGPT menulis kode, dia juga mencoba menggunakan AI untuk analisis data, laporan keuangan dan analisis pengumuman, dll., sehingga dapat memberikan sinyal perdagangan.
Li Xiang juga percaya bahwa ChatGPT akan menurunkan ambang industri kuantitatif sampai batas tertentu. Jika seseorang tertarik dengan industri kuantitatif, bahkan jika mereka tidak memiliki pengalaman dalam industri tersebut dan hanya memiliki sedikit ide tentang perdagangan, mereka juga dapat berpartisipasi sebagian dengan bantuan kemampuan ChatGPT. "Namun, masih ada jalan panjang dari keadaan ini untuk tumbuh menjadi peneliti inti dari lembaga kuantitatif yang sangat profesional, dengan strategi yang halus dan detail yang sempurna."