ChatGPT übertrifft traditionelle Methoden bei der Vorhersage von Aktienmarktbewegungen: Eine Studie von Professoren der University of Florida

Eine kürzlich durchgeführte Studie von Finanzprofessoren der University of Florida hat das Potenzial von fortgeschrittenen Sprachmodellen wie ChatGPT zur Vorhersage von Aktienmarktbewegungen aufgezeigt. Durch die Analyse von über 50.000 Nachrichtenschlagzeilen über Unternehmen ab Oktober 2021 bewertete der Chatbot, ob die Nachricht gut, schlecht oder irrelevant für die Aktienkurse des Unternehmens war. Der durch Sentiment-Analyse generierte ChatGPT-Score wurde dann analysiert, um zu bestimmen, ob er die Aktienmarktleistung der Unternehmen am folgenden Tag vorhersagen konnte.

Die Studie ergab eine signifikante positive Korrelation zwischen den ChatGPT-Scores und der Aktienperformance der analysierten Unternehmen am nächsten Tag. Unternehmen mit höheren Scores tendierten dazu, bessere Renditen als Unternehmen mit niedrigeren Scores zu erzielen. Die Forscher kamen zu dem Schluss, dass die Einbeziehung fortgeschrittener Sprachmodelle wie ChatGPT in Investitionsentscheidungsprozesse zu präziseren Vorhersagen führen und die Leistung quantitativer Handelsstrategien verbessern kann.

Es gibt jedoch Bedenken auf dem Markt bezüglich der Risiken, die ChatGPT darstellen könnte, wenn es nicht die erwartete Genauigkeit und Unterstützung bietet. Trotz dieser Vorsicht hat Bloomberg kürzlich ein neues GPT-basiertes Sprachmodell namens BloombergGPT veröffentlicht, das die Verarbeitung natürlicher Sprache verbessern könnte, z.B. die Analyse von Stimmungen, die Klassifizierung von Nachrichten, die Generierung von Überschriften, die Beantwortung von Fragen und andere Aufgaben im Zusammenhang mit Abfragen.

Der Einsatz von KI in der Finanzbranche wächst schnell und könnte zu einem echten Game Changer werden. Unternehmen auf der ganzen Welt sind darauf angewiesen, KI in ihre bestehenden Geschäftsmodelle zu integrieren, aber das Angebot ist knapp. GenesisAI baut einen Marktplatz, um jedem Unternehmen bei der Integration von KI in sein bestehendes Modell zu helfen, und sammelt Millionen von Einzelhandelsinvestoren, um dies zu ermöglichen.

Jim Simons von Renaissance Technologies war vor Jahrzehnten ein Pionier bei der Verwendung von Machine Learning, um Algorithmen zu erstellen, die es Computern ermöglichten, Investitionsentscheidungen auf der Grundlage vergangener Daten mit minimalem menschlichem Input zu treffen. Diese Unternehmen haben sich jedoch nicht vollständig auf automatisierte Operationen mit modernsten KI-Methoden wie Selbstlernen oder Verstärkungslernen umgestellt. Stattdessen setzen sie weiterhin auf fortgeschrittene Statistiken und einen „Theorie-zuerst“-Ansatz.