Nghiên cứu mới cho thấy GPT-4 tốt hơn con người trong việc dự báo tài chính

Những phát hiện này có thể thúc đẩy ngành dịch vụ tài chính, giống như các lĩnh vực kinh doanh khác, đang chạy đua để áp dụng các công nghệ AI sáng tạo.

Theo nghiên cứu do Trường Kinh doanh Booth thuộc Đại học Chicago thực hiện, mô hình ngôn ngữ lớn đã thực hiện công việc phân tích báo cáo tài chính và đưa ra dự đoán dựa trên những báo cáo đó tốt hơn.

Nghiên cứu cho biết: "Ngay cả khi không có bất kỳ thông tin tường thuật hoặc thông tin cụ thể nào về ngành, LLM vẫn vượt trội hơn các nhà phân tích tài chính về khả năng dự đoán sự thay đổi thu nhập". "LLM thể hiện lợi thế tương đối so với các nhà phân tích con người trong các tình huống mà các nhà phân tích có xu hướng gặp khó khăn".

Nghiên cứu sử dụng các gợi ý "chuỗi tư duy" hướng dẫn GPT-4 xác định xu hướng trong báo cáo tài chính và tính toán các tỷ số tài chính khác nhau. Từ đó, mô hình ngôn ngữ lớn phân tích thông tin và dự đoán kết quả thu nhập trong tương lai.

Nghiên cứu cho biết: "Khi chúng tôi sử dụng chuỗi gợi ý suy nghĩ để mô phỏng lý luận của con người, chúng tôi thấy rằng GPT đạt được độ chính xác 60%, cao hơn đáng kể so với mức mà các nhà phân tích đạt được". Các nhà phân tích con người đã tiến gần hơn đến phạm vi thấp 50% về độ chính xác của dự đoán.

Theo các tác giả của nghiên cứu, khả năng của các mô hình ngôn ngữ lớn trong việc nhận ra các mô hình tài chính và khái niệm kinh doanh với thông tin không đầy đủ cho thấy rằng công nghệ này sẽ đóng một vai trò quan trọng trong việc ra quyết định tài chính trong tương lai.

Cuối cùng, nghiên cứu cho thấy rằng việc áp dụng sự nhạy bén về tài chính của GPT-4 vào các chiến lược giao dịch sẽ tạo ra giao dịch có lợi nhuận cao hơn, với tỷ lệ cổ phiếu và alpha cao hơn, cuối cùng đánh bại thị trường chứng khoán.

"Chúng tôi nhận thấy rằng chiến lược dài hạn dựa trên dự báo GPT hoạt động tốt hơn thị trường và tạo ra tỷ lệ alpha và Sharpe đáng kể", nghiên cứu cho biết thêm.

(Nguồn: Business Insider)

Chia sẻ Chia sẻ

Chia sẻ

Lưu tin