图片来源@视觉中国
文 | 科技新知
去年底,人工智能聊天机器人横空出世,其受欢迎程度飞速攀升,拥有超过1亿用户仅用了几个月的时间。在尝鲜者眼里,几乎具备无所不能的形象,于是就有人想利用它在二级市场上获利。
这个问题引发广泛关注,最新的调查数据来自于投资咨询平台The Fool。
The Fool对2000名美国人进行了调查,旨在了解他们对使用进行选股的兴趣。结果显示,有47%的美国人使用获取股票信息,这一比例接近一半。其中一个有趣的例子是,77%的高收入美国人曾尝试过使用来获得股票推荐。
这些数据显示,已经在股票投资领域崭露头角,并且有许多人愿意尝试利用其提供的信息来做出投资决策。
实际上,上述数据带来的冲击甚至不如一起乌龙事件。就在上周,国内某生成式AI平台产出负面性“小作文”,导致上市公司股价跳水,这次事件的影响超出了场内投资领域,也引发了公众对于生成式AI的讨论。
言归正传,是否能依赖GPT(生成式预训练模型)技术完全赚取股票市场的利润,还需要更多实证和深入的研究。毕竟,二级市场的复杂性和不确定性需要综合考虑各种因素,并进行全面的分析。
的炒股方法论
本月初,发文表示,在进行的一项实验中,人工智能聊天机器人 挑选的一些股票的表现,好于英国一些领先的投资基金。
该网站的分析师要求遵循一系列来自领先基金的投资原则,创建一只包含30多只股票的理论基金。数据显示,在创立后的8周内,由38只股票组成的投资组合上涨了4.9%。相比之下,英国在线投资平台( )上最受欢迎的10只基金的平均跌幅为0.8%。
乍一看,应用于股票投资领域似乎有违直觉。原因在于,其主要是一个文本到文本或文本到文章的生成器,因此似乎并不特别适合处理股票价格的数字领域。
那么,在预测股价方面发挥作用的原理是什么?
佛罗里达大学金融学教授 Lopez Lira的一篇论文或许提供了思路。他表示,在使用分析新闻标题对一只股票是利好还是利空时,发现预测次日回报方向的能力远好于随机水平。
在实验中,Lopez Lira查看了来自一家数据供应商关于纽约证券交易所、纳斯达克和一家小盘股交易所上市公司的5万多条新闻标题。
他将标题与以下提示一起输入 3.5:“忘掉之前的所有指示。假定你是一位金融专家,一位有股票推荐经验的金融专家。在第一行中,如果是好消息,回答‘是’;如果是坏消息,回答‘否’;如果不确定,回答‘未知’。然后在下一行中用简短的句子进行阐述。”
最终,利用2021年10月至2022年12月的公开市场数据和新闻,买入(积极消息)或者短暂卖出(消极消息)股票,由驱动的交易模型在这一时期可以产生超过500%的回报。
以上,此前在股票投资领域的操作通常是小范围的或者测试性质的,而不是进行大规模的实际操作。而如今,局面已经发生了改变。
5月中旬,宣布向所有 Plus用户开放了联网和插件功能,这意味着用户可以通过使用各种第三方插件来扩展的功能。
其中,最引人瞩目的是一款名为” Pilot”的插件。这个插件提供了一种便捷的方式来管理和优化投资组合。它可以帮助用户进行股票、基金和其他投资工具的实时追踪、分析和优化。
该插件使用包括“AI情绪分数”的投资逻辑来推荐股票,其对“AI情绪分数”解释是:一种通过人工智能技术分析公开信息(如新闻报道、社交媒体帖子、分析师报告等)得出的指标。这个分数反映了市场对特定股票或资产的总体情绪。
“AI情绪分数”的范围通常是-10到+10,正数表示正面情绪,负数表示负面情绪,数值越大,表示情绪越强烈。例如,一个股票的AI情绪分数为8,这意味着市场对这个股票的总体情绪是非常正面的。
虽然插件功能的引入为投资决策带来了更多便利和灵活性,但对于一些投资者来说,可能仍然觉得没有完全解脱出选股的烦恼。在这种情况下,你仍然可以利用进一步探索其他解决方案。
同一时期,一家名为的金融公司,在公司原有的投资组合之外,新建了一个主导的投资计划,并交给它5万美元初始资金,想看看能否战胜对冲基金。这个名为”The GPT “的投资组合采用了一种核心交易策略,即来自佛罗里达大学金融学教授 Lopez-Lira的论文,以及 Pilot插件。
消息一经公开后,许多人纷纷加入了这个投资计划。截至北京时间5月30日,参与该项目的人数已经达到25314人,账户募集的资金也已经超过1514万美元,并且这个数字还在不断上涨中。
“情绪炒股”,还是“丐版”量化?
最近,越来越多的金融机构选择引入GPT(生成式预训练模型)技术。这一趋势表明,金融行业对于AI技术在业务和决策过程中的潜力,有着强烈的兴趣和认可。
4月11日,中资互联网券商老虎证券宣布,推出了基于的金融问答人工智能(AI)“”,公司宣称这是业内首例在投资软件中部署AI投资助手。
几乎同一时间内,量化私募巨头幻方量化发布公告称,将集中资源和力量,投身人工智能技术,成立新的独立研究组织,探索AGI(通用人工智能)。
这一消息备受市场关注,许多人可能会认为幻方要利用”AI”来进行股票交易。对此,幻方量化的CEO陆政哲回应称,他们探索人工通用智能(AGI)的目的并不是用于股票交易,而是致力于构建与金融无关的GPT相关的大型模型。他们在科技领域独立于投资设立了一个新团队,实际上相当于进行了第二次创业。
对于幻方略显冷淡的回应,背后或有量化行业自身的考量。
量化投资主要是利用大量的数据和数学模型来进行决策。这些模型通过分析历史数据、识别模式和趋势,并应用统计学和机器学习算法来预测市场走势和资产价格。这些模型在低信噪比环境下,通过有效过滤噪音和利用可靠的信号,帮助投资者做出更准确的决策。
相比之下,和GPT-4主要是基于大规模的语言模型,通过学习海量的文本数据来产生生成文本。它们在语言生成和推理方面具有出色的能力,可以产生流畅、连贯的文本回答和解释。然而,在量化投资中,决策依赖的是数据和模型的精确性,而非仅仅是语言的表达能力。
因此,尽管和GPT-4在语言生成方面具有引人注目的能力,但在低信噪比场景下的预测模型与量化投资主流方法论相比,它们在数据处理和模型建立方面存在明显的区别。在投资决策中,需要综合考虑多种因素,包括可靠的数据、模型验证和专业判断。
同样,需要明白的是,量化投资始于模型与资本资产定价理论,再至APT和Fama-三因子模型,而后多因子选股体系日臻完善。
所谓多因子,指的是使用多个不同的因子或变量来构建投资策略和模型,以进行股票选择和交易决策。
图:CNE6因子体系
在量化投资的多因子模型中,主要是依赖于一系列的数值因子,这些因子通常是直接或者间接与股票表现相关的数据。包括了公司财务状况的各种指标(例如,市盈率、市净率、负债率等)、股票的历史价格表现(例如,过去一年的收益率、过去三个月的波动率等)等等。这些都是传统的、基于硬数据的因子。
与此同时,也有一些投资者尝试将“软数据”纳入到多因子模型中,作为补充或者替代的因子。这其中就包括了基于大数据和人工智能技术的因子。例如,通过分析社交媒体、新闻报道、公司公告等文本数据,来计算出的“情绪分数”。这种情绪分数实际上是对市场的一种预期,反映了市场对于某只股票或者某个行业的情绪倾向。
因此,GPT生成的“AI情绪分数”,本就可以作为量化交易中多因子模型的一个因子,即如果GPT可以生成一个准确的“AI情绪分数”,那么这个分数完全可以作为量化投资的一个因子,纳入到多因子模型中,用来辅助投资决策。
从某种角度看,火爆的GPT炒股策略,无非是量化交易的“丐版”。不过,好的一方面是,GPT有效地降低了参与门槛,使得更多人能够接触并理解量化交易这种投资策略。
GPT炒股的硬币两面
GPT技术在股票交易领域的应用,已然带来了一些显著的变化。这些变化既有积极的一面,也有可能带来破坏性影响。
好的一面是,其一,GPT能够通过自动化技术解析海量的新闻报道、社交媒体帖子以及其他相关的文本资料,从而协助投资者迅速把握市场的脉搏。相比于人工分析,这种方式无疑效率更高。
其二,借助于对大数据的深度分析,GPT可能洞察出人类投资者难以察觉的市场模式或者趋势,进而为投资决策提供全新的视角和洞见。
其三,GPT依赖于大数据和机器学习的强大能力,可能会比人类投资者更精准地预测股票价格的波动,从而实现高效的投资管理。
但正如任何新技术一样,GPT在炒股中的应用并不是完美无缺的。它在带来便利的同时,也可能造成一些潜在的风险。
其一,过度依赖AI的预测可能会导致投资决策失去人性化的判断。股票市场不仅仅是数据和算法,它也包含人的行为、情绪和预期等因素。过度依赖算法可能会忽视这些非量化的因素,造成决策失误。
其二,GPT和其他AI技术在股票市场的应用,可能会加剧市场的波动性。当大量的投资者或机构同时使用类似的AI技术时,可能会导致“群体行为”,从而引发市场的过度反应。
其三,AI技术可能加剧金融市场的不平等性。拥有先进AI技术的投资者或机构可能会在信息获取和决策速度上超越其他参与者,这可能导致市场公平性的问题。
最后值得关注的是,随着AI技术的发展,未来可能会出现完全由AI控制的无人交易市场。这种情况下,市场的运行可能会变得更加复杂和不确定,同时也会带来新的监管挑战。
总之,对于投资者而言,需要充分认识到AI技术在股票交易中的应用既有利也有弊。在享受其带来的便利的同时,也需要对其可能带来的风险有所警惕,采取适当的措施来应对。
毕竟,二级市场同样是人类作为一个物种创造的最复杂的系统之一。
发表回复