金融業界で人間に取って代わるという夢が実現するかもしれない

ChatGPT は史上最も急速に成長しているアプリで、11 月のリリースからわずか 2 か月で 1 億人以上のユーザーを獲得しています。 これにより、ユーザーは、あらゆる種類の質問に対して合理的に聞こえる、多くの場合正しい答えを含む人間のような会話を行うことができます。 人間と同じように、より多くの情報を求めたり、推論を説明したりすることができます。

私たちは現在、金融における ChatGPT の使用に関する最初の学術研究を目にしています。 最近の 2 つの研究では、GPT は投資の意思決定を改善し、その決定を説明する上で有望なテクノロジーであるように見えます。 おそらく、金融業界で人間に取って代わるという長年の夢が実現しつつあるのかもしれません。

12月に私は、「あらゆる情報を消化でき、偏見の影響を受けない疲れを知らない機械は、投資に関しては明らかに人間より優れているはずだ。ただし、そうではないことを除けば」と書いた。 財務管理は、簡単で非常にやりがいのある仕事のように思われたため、人工知能 (AI) 研究の初期の目標の 1 つでした。 しかしこれまでのところ、AI は金融分野のニッチな用途でのみ成功しています。

GPT は Generative Pre-trained Transformer の略で、AI アプリケーションにおける変革をもたらす可能性がある 5 年前のアイデアです。 データから有用な情報を抽出するには、非常に大まかに 3 つのアプローチがあります。 会計数値や価格履歴などの構造化データを使用すると、統計や正式なモデルを適用できます。 完全に非構造化データ (写真、物理的測定値、テキストなどの一連のビット) を使用して、パターンを抽出し、将来の入力を予測できるアルゴリズムがあります。

言語はその中間にあります。 構造があり、特定の文字の組み合わせのみが理解可能な単語であることを意味し、単語をつなぎ合わせるための文法規則があります。 ただし、ルールには例外があり、文字通りのテキストを超えたニュアンスがあります。 テキストを理解するには、多くの分野の知識とコンテキストが必要です。 英語とロシア語を翻訳するプログラムを構築した AI ワーカーについての古い話があります。1956 年まで遡ることができ、その時点ではすでに古い話でした。 彼女はそれにロシア語に翻訳するために「視界の外、心の外に」というフレーズを与え、その後ロシア語を英語に翻訳し直して、「目に見えない愚か者」になりました。 このフレーズが個人の説明ではなく、物忘れに関する格言であることを示す言語規則はありませんが、ネイティブ スピーカーで間違いを犯す人はいないでしょう。

GPT モデルは、言語データを扱うための現在最も注目されているアプローチですが、定量的な取引や投資では長年にわたって、より粗い言語モデルが使用されてきました。 人間の研究者は、企業声明、ニュース記事、調査、研究報告書などの関連情報を注意深くゆっくりと読みます。 コンピュータは、多くの言語で膨大な量の情報を読み取り、即座に結論を導き出すことができます。 これは、ニュースの見出しが株価にとって良いニュースか悪いニュースかを1ミリ秒早く判断することが勝負であるため、高頻度取引には不可欠です。

現在、量的金融で使用されている言語モデルのほとんどは、量的金融を構造化データとして扱います。 アルゴリズムは特定の単語を検索したり、見出しやプレス リリース内の単語数を測定したりするだけです。 一部のアルゴリズムは特定のパターンまたは構造を探します。 しかし、主要な論文のどれも本文の意味を理解しようとせず、結論に至った理由を説明したり、この主題についてさらに会話をしたりすることはできません。

ここで、「Can ChatGPT Decipher Fedspeak?」というタイトルの 2 つの論文が登場します。 「ChatGPT は株価の動きを予測できますか?」 私たちが話しているのは、SkyNet がウォール街を引き継ぐということではなく、短いテキストについての迅速な意思決定において、ChatGPT が古いモデル (その多くは言語を構造化されたものとして扱う) に勝るかどうかです。

最初の論文はChatGPTに対し、連邦準備理事会の声明の個々の文が「ハト派的」（中央銀行が利上げよりも利下げの可能性が高いことを示唆する）か「タカ派的」（反対の示唆）かを判断するよう求めた。 高頻度取引アルゴリズムは、人間のアナリストがリリースの最初の単語を読み終える前に、FRBリリースの各文を評価し、その出力を他のデータとともに使用してフェデラル・ファンド先物やその他の商品を取引する可能性があります。

この研究では、ChatGPT は、特定の単語のみを検索する辞書ベースのモデルよりも、人間のアナリストの結論と一致させる点で明らかに優れていました。 研究者らが、人間が声明をどのように評価したかに関するフィードバックを伴うFRB声明に関する追加トレーニングを行うことでChatGPTを微調整したところ、2人の人間の研究者が互いに同意するのとほぼ同じ頻度で、人間の研究者と同意することができた。 そして、その決定に対する説明はもっともらしいものでした。

これはすぐに取引に役立つわけではありません。 この論文は、モデルがどの程度の速さで実行されたのか、またFRBのリリース全体の全体的な解釈が人間の全体的な結論とよく一致しているかどうかについては明らかにしていない（高頻度トレーダーは市場を新しい市場に打ち負かそうとしているため、現実と一致するかどうかは重要ではない）理論的に正しい場所ではなく、コンセンサスです)。 しかし、GPT モデルが実際に言語を理解する方向に舵を切った可能性があることを示唆しています。 それが本当であれば、そしてある研究では何も証明できませんが、インフレが今後12か月間問題になり続ける可能性が高いなど、論文を生成するために、フラッシュシグナルを与えるのではなく、はるかに広範囲のテキストにそれらを解き放つことができます。高頻度取引。 また、バイナリの売買シグナルの代わりに、ChatGPT は人間のアナリストと対話して、投資の意思決定を改善することができます。 最後に、これが機能しているようであれば、将来の世代の GPT モデルをテキストと金融価格の変動の歴史全体でトレーニングすることができます。

2 番目の論文は、トレーディングに直接関連しています。 ChatGPT を使用してニュースの見出しを株価に良いか悪いかを評価しました。 ヘッドラインが発表された後、良いニュースのある銘柄を始値で購入し、終値で売る戦略をテストしました。 ヘッドラインが悪かった場合は、始値で売り、終値で買い戻すこともできます。

結果は決定的ではありません。 ChatGPT シグナルは、翌日の生の株式リターンと 0.01 の相関関係がありました。 ただし、シグナルを評価するには、市場リターン、およびおそらく既知の要因を調整した後の残余リターンと比較する必要があります。 0.01 の相関は、他の信号と組み合わせると価値がある場合もあれば、そうでない場合もあります。 テストされた戦略は、取引コストなしで2021年10月から2022年12月までプラスのリターンをもたらしましたが、著者らはそれが市場戦略を上回ったかどうか、またプラスのリターンが統計的に有意であったかどうかについてのデータを提供していません。 取引あたりの粗利益が0.13%と報告されていることから、取引コストを克服できない可能性があることが示唆されています。

著者らは、将来の情報を含む回帰も報告しているため、その時点で知られている情報に基づいて意思決定を行うための有効性を評価するために使用することはできません。 ChatGPT 信号は、著者らが示す小数点以下 3 桁に追加情報を提供しませんが、小さな正の値を持っているように見えます。 しかし、結論が出ないということは失敗を意味するわけではありません。 この研究では、ChatGPT が一般的な代替モデルよりも優れていることが示唆されており、GPT およびその他の大規模な言語モデルに関する研究は継続中です。

GPT は、理解できないブラック ボックスではなく、人間と協力し、人間から学び、教えることができる AI ツールです。 少なくとも、古いアルゴリズムを置き換え、定量的投資と定性的投資の両方で AI の使用を増やす準備ができているようです。 ウォール街を征服するには程遠いが、不可能だと考える理由はない。

ブルームバーグのオピニオンからの詳細:

• 最近では AI ですら市場に勝てない: アーロン・ブラウン

• AI を一時停止しても、私たちは自分自身を傷つけるだけです：タイラー・コーウェン

• 人工知能など存在しない: パーミー・オルソン

このコラムは、必ずしも編集委員会またはブルームバーグ LP およびその所有者の意見を反映しているわけではありません。

アーロン・ブラウンは、AQRキャピタル・マネジメントの元マネージング・ディレクター兼金融市場調査責任者です。 彼は「ウォールストリートのポーカーフェイス」の著者です。 彼は自分が書いている分野に利害関係があるかもしれない。

このような記事は、bloomberg.com/opinion でさらにご覧いただけます。

©2023 ブルームバーグ LP