از پیش‌بینی بازار سهام تا تحلیل اظهارات فدرال رزرو؛ نتایج شگفت‌انگیز کاربرد ChatGPT در حوزه مالی

قضاوت برحسب نتایج سری اول تحقیقات آکادمیکی که به بررسی کارکرد ChatGPT در حوزه مالی می‌پردازد، نشان می‌دهد که بخش زیادی از هیاهوی ماه‌های گذشته درباره این چت‌بات هوش مصنوعی درست بوده است. مثلاً ChatGPT می‌تواند سخنرانی‌های مبهم مدیران بانک مرکزی آمریکا را به‌نوعی تحلیل کند یا اینکه تأثیرگذاری مثبت یا منفی اخبار روی قیمت سهام شرکت‌های متفاوت را تشخیص دهد.

به گزارش بلومبرگ، در ماه کنونی دو مقاله جدید منتشر شده است که کارکرد ‌چت‌بات هوش مصنوعی ChatGPT را در تحلیل حوزه مالی مورد بررسی قرار داده‌اند. یکی از مقالات به تحلیل سیاست پولی فدرال رزرو براساس اظهارات مدیران آن می‌پردازد و دومی هم تأثیر اخبار مرتبط با شرکت‌ها بر پیش‌بینی جریان حرکت بازار سهام را بررسی می‌کند.

نتایج هر دو پژوهش نشان‌دهنده یک گام بزرگ رو به جلو در استفاده از این فناوری برای تبدیل مجموعه‌ای از متون، از مقالات خبری گرفته تا توییت‌ها و سخنرانی‌ها به سیگنال‌های معاملاتی است.

البته که تحلیل‌گران کمی (Quant) در وال استریت، مدت‌هاست که از مدل‌های زبانی زیربنایی این چت‌بات‌ها برای بهبود اغلب استراتژی‌های معاملاتی خود استفاده می‌کنند. با این وجود، این یافته‌های جدید نشان می‌دهد که فناوری هوش مصنوعی پیشرفت‌یافته توسط شرکت اوپن‌ای‌آی (OpenAI) به سطح جدیدی از تجزیه‌وتحلیل چهارچوب و جزئیات رسیده است.

اسلاوی مارینوف (Slavi Marinov)، مدیر بخش یادگیری ماشین در «من ای‌اچ‌ال» (Man AHL)، پلتفرمی که سال‌ها از فناوری موسوم به پردازش زبان طبیعی برای خواندن متن‌هایی مثل صورت‌‌درآمد‌ها و پست‌های ردیت استفاده می‌کند، می‌گوید:

چت‌بات ChatGPT یکی از موارد نادری بود که هایپ آن واقعی است.

مقاله اول با عنوان «آیا ChatGPT می‌تواند فِد اِسپیک – اظهارات مبهم رؤسای فدرال رزور – را رمزگشایی کند؟» منتشر شده است. دو پژوهشگر این پژوهش که خود از دفتر فدرال رزرو در شهر ریچموند هستند، دریافتند که تحلیل ChatGPT درمورد انقباضی یا انبساطی‌بودن اظهارات بانک مرکزی بسیار نزدیک به تحلیل انسان است. آن لاندگارد هنسن (Anne Lundgaard Hansen) و سوفیا کازینیک (Sophia Kazinnik) در این مقاله نشان دادند که ChatGPT مدل هوش مصنوعی گوگل به نام برت (BERT) و ضمناً مدل‌های یادگیری بر پایه فرهنگ لغات را شکست داده است.

برحسب این مقاله، ChatGPT حتی توانسته بود تا طبقه‌بندی خود را از اظهارات فدرال رزرو درباره سیاست پولی به‌گونه‌ای توضیح دهد که شبیه به تحلیلگران بانک مرکزی باشد. ضمناً، در تفسیر خود این اظهارات را به مثابه یک معیار انسانی در نظر گرفت.

این جمله را از بیانیه فدرال رزرو در مه ۲۰۱۳ (اردیبهشت ۱۳۹۲) در نظر بگیرید: «شرایط بازار کار در ماه‌های اخیر بهبود یافته، اما نرخ بیکاری کماکان بالاست». ChatGPT در تفسیر این خط گفت که این اظهارات به معنای سیاست پولی انبساطی است؛ چون نشان می‌دهد شرایط اقتصادی هنوز به‌روش کامل بهبود نیافته است. این تفسیر چیزی شبیه به نتیجه‌گیری تحلیلگری با نام متیو برایسون (Matthew Bryson) بود که این مقاله از او به‌عنوان مردی ۲۴ ساله‌ای یاد می‌کند که به موجب هوش و ذکاوت خود مشهور است.

مقاله دوم هم با نام «آیا ChatGPT می تواند جریان حرکت قیمت بازار سهام را پیش‌بینی کند؟ پیش‌بینی‌پذیری راندمان و مدل‌های زبانی بزرگ» منتشر شده است. الخاندرو لوپز لیرا (Alejandro Lopez-Lira) و یوهوا تانگ (Yuehua Tang)، پژوهشگران این پژوهش در دانشگاه فلوریدا، از ChatGPT خواستند تا به‌عنوان یک متخصص مالی و مفسر عناوین اخبار راجع به شرکت‌ها عمل کند. آنها از اخباری استفاده کردند که بعد از نوامبر ۲۰۲۱ (آبان ۱۴۰۰) منتشر شده بود؛ دوره‌ای که اطلاعات آن در آموزش چت‌بات پوشش داده نشده نبود.

این مطالعه دریافت که پاسخ‌های ChatGPT نشان‌دهنده یک پیوند آماری با حرکت‌های آینده بازار سهام است؛ نشانه‌ای از اینکه این فناوری می‌تواند تأثیرات اخبار بر بازار را به‌درستی تحلیل کند.

برای نمونه، این چت‌بات درمورد اینکه آیا تأثیر تیتر «شرکت ریمینی استریت در پجریانه اوراکل ۶۳۰٬۰۰۰ دلار جریمه شد» برای اوراکل خوب بود یا بد، توضیح داد که تأثیری مثبت دارد؛ چون، این جریمه «به‌روش بالقوه می‌تواند اعتماد سرمایه‌گذاران را در مقابل توانایی اوراکل در حفاظت از مالکیت معنوی خود و رشد تقاضا برای محصولات و خدمات خود افزایش دهد».

هم اکنون برای اکثر تحلیلگران سطح بالا استفاده از پردازش زبان طبیعی برای سنجش مقدار محبوبیت یک سهام در توییتر یا تحلیل تأثیرات آخرین اخبار راجع به یک شرکت روشی تقریباً جاافتاده است. اما گویا که پیشرفت‌های اخیر ChatGPT می‌تواند مجموعه‌ای از اطلاعات جدید را عرضه کند و این فناوری را در دسترس طیف گسترده‌تری از متخصصان مالی قرار دهد.

مارینوف معتقد است زمانیکه هیچ جای تعجبی وجود ندارد که ماشین‌ها می‌توانند تقریباً به مناسبی افراد اطلاعات را تفسیر کنند، ChatGPT به‌روش بالقوه می‌تواند کل این فرآیند را سرعت ببخشد.

زمانی که «من ای‌اچ‌ال» برای اولین بار مدل‌های یادگیری خود را می‌ساخت، تحلیلگران این صندوق‌ پوشش ریسک به‌صورت دستی تأثیر مثبت یا منفی هر جمله را برای دارایی‌ها مشخص می‌کردند تا به ماشین‌ها در ایجاد چهارچوبی برای تفسیر زبان کمک کنند. بعد از‌آن این شرکت مستقر در لندن برای استفاده از همه کارمندان خود، کل این فرآیند را به یک بازی تبدیل کرد که شرکت‌کنندگان را رتبه‌بندی و مقدار توافق آنها درباره هر جمله را محاسبه می‌کرد.

این دو مقاله جدید نشان می‌دهند که ChatGPT می‌تواند کارهای مشابهی را بدون نیاز به آموزش خاص انجام دهد. تحقیقات فدرال رزرو نشان داد که فناوری یادگیری بدون مشاهده نمونه‌های قبلی (Zero-Shot Learning) پیشرفت بسیار زیادی در مقابل نسخه‌های قبلی خود داشته است. هرچند که بهینه‌سازی این چت‌بات برحسب تعدادی نمونه مشخص خروجی را آن بسیار بهتر می‌کند.

مارینوف که در گذشته هم‌موسس یک استارتاپ بر پایه یادگیری زبان طبیعی بوده است، گفت:

پیش از این باید اطلاعات را خودتان برچسب‌گذاری می‌کردید. اکنون می‌توانید آن را با طراحی فرمان (Prompt) مناسب توسط ChatGPT انجام دهید.

بلومبرگ ال‌پی، شرکت مادر بلومبرگ نیوز هم در ماه گذشته یک چت‌بات هوش مصنوعی مبتنی مدل زبانی بزرگ برای تحلیل امور مالی منتشر کرده بود.