La tornade de l'IA a enfin atteint les marchés financiers les plus proches de l'argent.
Écrit par : Kyle
Un rapport de recherche de l'Université de Floride a choqué le milieu financier : utilisez ChatGPT pour analyser le sentiment des nouvelles de l'entreprise, et selon cela, vous pouvez obtenir plus de 500 % de retour sur investissement en faisant du long et du short en bourse. Bien qu'il y ait un certain scepticisme quant aux chiffres de rendement étonnants du rapport, le monde financier est transformé par l'IA.
Des banques d'investissement légendaires telles que JPMorgan Chase et Goldman Sachs ont continuellement révélé qu'elles foraient pour l'IA. Indépendamment du fait que le taux de rendement de 500 % puisse résister à un examen minutieux, cela montre au moins que la capacité de GPT a commencé à pénétrer dans le marché. lien le plus frontal des transactions sur les marchés financiers. Aux yeux de Rocky, cadre chez Web3 Asset Management and Investment Research Institute, l'exploitation efficace et l'optimisation des « facteurs alternatifs » par l'IA ont déjà eu lieu.
Dans les institutions quantitatives et les hedge funds, les « facteurs alternatifs » sont les facteurs les plus rares et les plus précieux parmi tous les facteurs stratégiques. Il fait référence à des facteurs autres que les facteurs conventionnels tels que les fondamentaux de l'entreprise, le volume des transactions et le prix qui affectent le marché, tels que l'opinion publique sociale et le sentiment du marché. "Les grandes institutions sont toutes à la recherche de facteurs alternatifs, explique Rocky. Les facteurs de prix de volume et les facteurs fondamentaux deviendront inévitablement homogènes. Les facteurs alternatifs joueront un rôle décisif et aideront les institutions à gagner par surprise."
En tant que grand modèle à usage général, GPT doit être affiné par les utilisateurs s'il veut être directement utilisé dans l'investissement quantitatif, mais une nouvelle porte a été ouverte. Pour les gens ordinaires, avec l'aide de ChatGPT pour vérifier efficacement un grand nombre de stratégies et analyser les données, ils peuvent également trouver un moyen de gagner de l'argent qui leur convient.
La tornade de l'IA a enfin atteint le marché financier le plus proche de l'argent.
"500 % de retour sur investissement" fait sensation dans le monde
JPMorgan Chase, une banque d'investissement de premier plan qui a toujours cru au pouvoir de la technologie, a fait un pas vers l'IA. Le 26 mai, JPMorgan Chase a annoncé qu'il développait un outil de services financiers appelé "IndexGPT", qui utilise le cloud computing et l'intelligence artificielle pour analyser et sélectionner des titres, et fournit aux clients des conseils d'investissement intelligents et personnalisés.
C'est un autre signe de JP Morgan Chase pour ajouter l'IA au système commercial.
Dès 2017, JPMorgan Chase a commencé à utiliser l'outil d'intelligence artificielle interne nommé LOXM, permettant à la machine de résumer l'expérience et les leçons des milliards de transactions historiques réelles et simulées, puis d'utiliser le prix le plus rapide et le plus optimal. exécute les ordres de négociation , surpassant les humains en termes d'échelle et d'efficacité des transactions.
En 2019, JPMorgan Chase a recruté des experts mondiaux en IA pour développer un "robot de trading d'actions". Les principales fonctions incluent la génération de rapports d'investissement, la recherche automatique d'opportunités d'investissement et le suivi automatique des "demandes de devis". À l'époque, JPMorgan a déclaré que les ordres automatisés avaient réduit les coûts d'exécution des transactions d'environ 20 % au cours des dernières années.
Si les premiers investissements de JPMorgan Chase dans l'IA visaient à "réduire les coûts", lorsque GPT a montré des superpuissances, la banque d'investissement a commencé à utiliser la technologie d'IA la plus avancée pour améliorer ses "capacités financières". Du point de vue de la mise en page, le rôle de l'IA dans JPMorgan Chase a subi d'importants changements, passant d'un assistant en investissement à un trader qui guide les transactions.
Les nouvelles actions de JPMorgan Chase ont donné un signal de la profonde implication de l'IA dans le secteur financier, et Goldman Sachs et Morgan Stanley ont également été exposés à investir dans la recherche et le développement de l'IA en interne.
La nouvelle des géants financiers s'engageant dans l'IA a été mise en scène à Wall Street, mais elle n'a pas attiré l'attention du public. Cependant, un rapport de recherche du Département des finances de l'Université de Floride a été mis en évidence, qui a brisé la fatigue esthétique sous le récit conventionnel de "l'IA change le cercle financier".
Le rapport de recherche universitaire intitulé "Can ChatGPT Predict Stock Price Trends?" a été initialement publié le 6 avril de cette année et a initialement reçu peu de réponses. Jusqu'en mai, un rédacteur technique sur Reddit recommandait le rapport, arguant qu'il s'agissait d'un article ignoré par les médias grand public.
Après que le "retour sur investissement de 500 %" ait été introduit dans la question, il a instantanément explosé à l'intérieur et à l'extérieur du cercle financier.
Selon l'article, des chercheurs de l'Université de Floride ont alimenté GPT-3.5, qui n'est pas connecté à Internet, des données de marché publiques et des actualités d'octobre 2021 à décembre 2022. Ces données ont été obtenues via des robots d'indexation, dont 67 586 informations sur 4 138 répertoriées. titres, et exclure tous les titres des hauts et des bas des actions, en filtrant les sujets chauds sans signification, les nouvelles répétitives, etc. Les chercheurs ont principalement laissé ChatGPT évaluer chaque titre et lui ont demandé de décider s'il était positif ou négatif.
Il s'agit d'une analyse de sentiment classique et fait partie des stratégies de trading automatisées utilisées par des fonds spéculatifs bien connus tels que DE Shaw, Two Sigma et d'autres. Pour donner un exemple simple, lorsqu'un événement se produit, le marché n'est souvent pas d'accord sur le fait qu'il soit bon ou mauvais. Une analyse précise des sentiments aide à identifier l'impact des nouvelles et à prendre les bonnes décisions d'investissement.
Les chercheurs ont minutieusement demandé à ChatGPT de donner une réponse, et finalement ils sont arrivés à une conclusion surprenante : ChatGPT, qui est doué pour le raisonnement logique, a surpassé tous les autres outils d'analyse des sentiments. Avec l'aide de ChatGPT, les chercheurs ont back-testé les performances de rendement de l'utilisation de ChatGPT pour guider différentes stratégies d'investissement dans le passé.En fin de compte, la stratégie long-short (acheter des entreprises avec de bonnes nouvelles, vendre à découvert des entreprises avec de mauvaises nouvelles) a un taux de rendement supérieur à 500 % et la stratégie de vente à découvert est rentable. Le taux de retour est proche de 400 % et le taux de retour de la stratégie longue est d'environ 50 %.
Performances de la stratégie optimisées par ChatGPT *
Sur le marché des valeurs mobilières, n'importe lequel des taux de rendement ci-dessus suffit à tuer 99 % des gestionnaires de placements dans le monde. Le rapport de recherche a noté que l'achat et la détention de l'ETF S&P 500 ont rapporté -12% sur la même période.
Le simple fait d'utiliser ChatGPT pour l'analyse des sentiments peut apporter un taux de retour aussi élevé ? Bien que ce rapport ait attiré l'attention, il a également amené les internautes à s'interroger : "Si vous trouviez une stratégie qui peut générer un rendement de 500 % en moins de 2 ans, la rendriez-vous publique ?" D'autres ont dit que même si le rapport est vrai , le Une fois qu'une tactique est largement connue, elle n'est plus efficace. "Il n'y a pas de repas gratuit."
Facteur alternatif de mise à niveau de l'IA "excavatrice"
Le profane regardait l'excitation, tandis que l'expert regardait la porte.Lorsque la nouvelle parvint aux oreilles de Rocky, il était très excité.
Rocky est un dirigeant d'une institution de gestion d'actifs et de recherche sur les investissements Web3. Il s'est dit sans ambages "stupéfait" par le rapport de recherche de l'Université de Floride. Il estime que l'ajout de ChatGPT a fait un saut qualitatif dans le minage et l'optimisation. des "facteurs alternatifs". , il a conclu : "Les traders sont morts, l'investissement AI+ est l'avenir."
Rocky a expliqué qu'avant d'étudier la quantification, deux points étaient les plus difficiles : le premier était la source de données et le second était le facteur de stratégie. Les facteurs stratégiques communs incluent les facteurs volume-prix et les facteurs fondamentaux. Au final, l'homogénéité est relativement sérieuse. "Le test ultime est le jeu des facteurs alternatifs."
Les facteurs de stratégie sont un concept courant dans les institutions quantitatives. Pour le comprendre simplement, une fois que l'institution a obtenu les données de transaction, les informations et les données d'opinion publique du marché secondaire, elle les nettoie, puis traite les données massives en facteurs. Il s'agit d'un processus de recherche de facteurs importants affectant le marché à partir d'énormes quantités d'informations. L'intégration de ces facteurs dans les stratégies de trading peut aider les traders à évaluer la montée et la chute du marché.
Un facteur de stratégie efficace signifie une "mine d'or", et une fois qu'elle est extraite, il n'est pas difficile d'obtenir un rendement.
Comme l'a dit Rocky, parmi les facteurs stratégiques, le facteur volume-prix, le facteur fondamental et le facteur alternatif représentent environ 60 %, 20 % et 20 % de la stratégie quantitative. Parmi eux, le facteur de prix du volume est basé sur l'exploration de données du volume des transactions sur le marché, y compris les prix des actifs par seconde, les flux de capitaux, les indicateurs techniques de diverses lignes K, etc. ; les facteurs fondamentaux sont dérivés des états financiers, des rapports de courtage, des attentes des analystes et ainsi de suite, et les facteurs alternatifs sont les "armes secrètes" autres que les deux premières.Chaque institution utilisera sa capacité unique à collecter les facteurs qui affectent les prix, y compris l'opinion publique sociale et les données de stockage. L'"analyse des sentiments" que les chercheurs de l'Université de Floride ont laissé faire à ChatGPT entre dans cette catégorie.
Facteurs stratégiques communs (triés par Red Bank Research)
D'une manière générale, il est difficile d'élargir l'écart entre les institutions pour les facteurs de prix de volume et les facteurs fondamentaux, car l'information est figée et publique, et l'extraction de facteurs alternatifs mettra à l'épreuve les compétences des institutions. "Maintenant, les meilleurs fonds spéculatifs investissent dans des facteurs alternatifs", a déclaré Rocky à "Metaverse Daily Explosion".Dans un duel entre maîtres, les mouvements conventionnels sont difficiles à travailler et seuls les mouvements uniques peuvent gagner.
Cependant, le coût d'extraction et la difficulté des facteurs alternatifs sont beaucoup plus élevés que les facteurs de prix de volume et les facteurs fondamentaux.
"C'est comme ramasser des coquillages sur une plage sans limites. Il faut être très patient pour les ramasser un par un. Habituellement, un certain type de données alternatives ne peut couvrir qu'une partie des plaques, et même si elles sont excavées, vous pouvez n'obtenez les avantages que sur ces assiettes." Li Xiang, directeur général de Mengxi Investment, a déclaré que la collecte de données de facteurs alternatifs a un certain seuil, car il ne s'agit pas de données conventionnelles, soit achetées auprès d'un fournisseur de données tiers, soit collectées par lui-même, et même pour trouver de meilleures données, les organisations doivent explorer activement les fournisseurs de données précieux.
Une fois les données collectées, il n'est pas facile d'étudier des données alternatives. "Comment exploiter la logique interne des données, cette étape a également un seuil élevé. " Li Xiang a déclaré que ce processus est très délicat. Il doit éliminer toutes sortes de bruits, trouver la logique interne, puis combiner les facteurs. Après une série d'opérations sont terminées, il peut y avoir de bons résultats.
Li Xiang a comparé le processus de collecte des facteurs à "l'exploitation minière": au début, certaines mines au niveau de la surface, qui étaient plus faciles à collecter, étaient d'abord collectées, puis creusées de plus en plus profondément.
En termes d'extraction de facteurs alternatifs, il s'agit souvent du travail le plus intensif en main-d'œuvre, en ressources financières et de base des grandes institutions d'investissement.Ils collectent des informations en grande quantité, analysent les valeurs une par une, backtestent le taux de rendement, testent et d'erreurs, et peuvent ne rien obtenir après une charge de travail énorme et compliquée.Récolter des facteurs alternatifs efficaces nécessite parfois un élément de chance.
Aujourd'hui, l'émergence de ChatGPT rend efficace le processus d'extraction de facteurs alternatifs. "Sa fonction texte-texte est très puissante. Par exemple, nous pouvons utiliser la technologie de traitement du langage naturel pour capturer les points de vue des internautes sur un certain type de stock, ou même un certain stock. " Li Xiang estime que le développement à pas de géant de GPT peut améliorer certains L'efficacité du travail auxiliaire, comme en termes de dimensions prédictives, "Son gain pour la recherche quantitative se situe à la fin de la collecte de données, et ChatGPT peut être utilisé pour mieux obtenir des informations côté texte."
Cependant, GPT ressemble plus à un grand modèle à usage général, et il n'est pas biaisé en faveur des majors financières, qui est destiné à ne pas être utilisé tel quel. Rocky a déclaré que l'alimentation en données basée sur le grand modèle GPT est un "modèle universel", qui ne peut pas satisfaire l'authenticité, la validité et les performances en temps réel des données financières transversales et chronologiques. un petit modèle professionnel est également nécessaire Do prétraitement et standardisation, ce qui montre que ChatGPT est encore loin de la voie de la quantification professionnelle.
Mais Rocky pense que ChatGPT a ouvert une porte évidente pour les institutions et que l'IA peut devenir un assistant puissant pour les commerçants.
L'opportunité de richesse pour les gens ordinaires est là ?
Le rapport de recherche de l'Université de Floride est comme une introduction, de quoi donner à JPMorgan Chase une inspiration soudaine. L'IA est susceptible de devenir une "machine à gagner de l'argent" sans émotion sur le marché commercial, jouant à des jeux d'argent avec de vraies personnes.
Alors, les investisseurs ordinaires peuvent-ils utiliser des outils comme ChatGPT pour participer à des transactions quantitatives et améliorer leurs rendements ?
À cet égard, Rocky estime que ce n'est pas réaliste. Il a expliqué que le trading quantitatif nécessite une formation professionnelle en ingénierie financière, en mathématiques avancées, en concepts statistiques, en connaissances financières, en produits dérivés, en réglementation financière et autres réserves de connaissances. Dans le même temps, GPT, une grande base de données de modèles, n'a pas de performances en temps réel. Vous devez acheter des sources de données auprès de Bloomberg et d'autres endroits. Sinon, les données ne sont pas en temps réel et vous ne pouvez pas participer au jeu. Ce n'est pas grave pour exécuter un backtest de profit sur GPT, mais n'y pensez même pas dans un combat réel.
Le marché financier est turbulent et les investisseurs ordinaires doivent être particulièrement prudents dans l'utilisation des outils.Une fois qu'ils sont vus à travers par des outils haut de gamme, ils peuvent devenir des agneaux à la merci des autres. Cependant, certaines personnes ont proposé des idées d'investissement plus adaptées aux gens ordinaires.Je ne pourrai peut-être pas obtenir de rendements élevés, mais il y a encore de bonnes chances de surpasser le taux d'intérêt hypothécaire.
Niu Yifei, le créateur du petit programme "Aniu Data", s'est engagé dans le trading quantitatif à basse fréquence. Il n'y a pas si longtemps, il a mené une expérience et a demandé à ChatGPT d'écrire une stratégie quantitative et de tester la courbe de rendement.
La logique stratégique que Niu Yifei a fournie à ChatGPT est la suivante : parmi les trois ETF indiciels de SSE 50, GEM Index et Bon du Trésor à 10 ans, sélectionnez l'ETF avec la plus forte augmentation au cours du mois dernier (22 jours de bourse) chaque jour. Si vous avez le fonds, vous continuerez à détenir la position. Si vous ne le détenez pas, vous effacerez les fonds que vous détenez et achèterez le fonds. Si les trois fonds ont chuté au cours du mois dernier, vous effacerez la position.
Utilisation de ChatGPT pour écrire un processus de code de stratégie quantitative
Bientôt, ChatGPT a donné le code de politique correspondant et des commentaires. "Le seul défaut est que la source des données n'est pas indiquée. Heureusement, j'ai une copie des données historiques du fonds. Après avoir importé les données et les avoir exécutées, je peux vraiment voir les résultats des avoirs quotidiens."
Plus tard, Niu Yifei avait besoin de vérifier les performances historiques de la stratégie, il a donc demandé à ChatGPT de générer un programme de backtest et a demandé au backtest de connaître le taux de rendement par intervalle, le taux de rendement annualisé, le retracement maximal, etc. de la stratégie. Après quelques secondes, AI a donné le code de programme et a atteint les indicateurs requis. "Cependant, après avoir soigneusement examiné le programme, j'ai encore trouvé quelques défauts dans les détails, comme ne pas tenir compte du temps de rééquilibrage réel, etc., mais le taux d'achèvement global a dépassé 90 %."
Niu Yifei a déclaré qu'il avait optimisé le programme en guidant l'IA et effectué manuellement de simples modifications magiques, et que le programme de backtest était prêt. Il a utilisé ce programme pour tester les performances d'investissement de la stratégie susmentionnée en 2022 et a finalement obtenu un taux de rendement de 9,18 %, un taux de rendement annuel de 9,57 % et un prélèvement maximal de -12,25 %. Par rapport aux outils statistiques professionnels, la courbe de valeur nette du programme de backtest produit par ChatGPT est presque exactement la même.
Dans ce cas, Niu Yifei a pris l'initiative de déterminer la stratégie d'investissement et a demandé à ChatGPT de créer un logiciel d'investissement automatisé et des procédures de backtesting.En fait, il a confié le travail d'écriture du code à ChatGPT. Bien sûr, l'efficacité d'écriture de code de ChatGPT dépasse de loin celle des ingénieurs humains, ce qui permet aux investisseurs ordinaires d'utiliser cette méthode pour vérifier efficacement l'efficacité d'un grand nombre de stratégies, puis d'optimiser en continu les stratégies de trading pour augmenter le taux de rendement.
Dans la pratique simple de Niu Yifei, son retour sur investissement annualisé a atteint 9,57%, ce qui est bien supérieur à celui des produits de gestion de patrimoine bancaire général. Niu Yifei a révélé à "Metaverse Daily Explosion" qu'en plus de laisser ChatGPT écrire du code, il essaie également d'utiliser l'IA pour l'analyse des données, les rapports financiers et l'analyse des annonces, etc., afin qu'il puisse donner des signaux de trading.
Li Xiang pense également que ChatGPT abaissera le seuil de l'industrie quantitative dans une certaine mesure. Si quelqu'un s'intéresse à l'industrie quantitative, même s'il n'a aucune expérience dans l'industrie et n'a que quelques idées sur le trading, il peut également participer en partie avec l'aide des capacités de ChatGPT. "Cependant, il reste encore un long chemin à parcourir pour passer de cet état à devenir un chercheur principal très professionnel d'une institution quantitative, avec des stratégies raffinées et des détails parfaits."
Voir l'original
Le contenu est fourni à titre de référence uniquement, il ne s'agit pas d'une sollicitation ou d'une offre. Aucun conseil en investissement, fiscalité ou juridique n'est fourni. Consultez l'Avertissement pour plus de détails sur les risques.
500 % de retour sur les actions AI ? Des experts révèlent des mystères
Écrit par : Kyle
Un rapport de recherche de l'Université de Floride a choqué le milieu financier : utilisez ChatGPT pour analyser le sentiment des nouvelles de l'entreprise, et selon cela, vous pouvez obtenir plus de 500 % de retour sur investissement en faisant du long et du short en bourse. Bien qu'il y ait un certain scepticisme quant aux chiffres de rendement étonnants du rapport, le monde financier est transformé par l'IA.
Des banques d'investissement légendaires telles que JPMorgan Chase et Goldman Sachs ont continuellement révélé qu'elles foraient pour l'IA. Indépendamment du fait que le taux de rendement de 500 % puisse résister à un examen minutieux, cela montre au moins que la capacité de GPT a commencé à pénétrer dans le marché. lien le plus frontal des transactions sur les marchés financiers. Aux yeux de Rocky, cadre chez Web3 Asset Management and Investment Research Institute, l'exploitation efficace et l'optimisation des « facteurs alternatifs » par l'IA ont déjà eu lieu.
Dans les institutions quantitatives et les hedge funds, les « facteurs alternatifs » sont les facteurs les plus rares et les plus précieux parmi tous les facteurs stratégiques. Il fait référence à des facteurs autres que les facteurs conventionnels tels que les fondamentaux de l'entreprise, le volume des transactions et le prix qui affectent le marché, tels que l'opinion publique sociale et le sentiment du marché. "Les grandes institutions sont toutes à la recherche de facteurs alternatifs, explique Rocky. Les facteurs de prix de volume et les facteurs fondamentaux deviendront inévitablement homogènes. Les facteurs alternatifs joueront un rôle décisif et aideront les institutions à gagner par surprise."
En tant que grand modèle à usage général, GPT doit être affiné par les utilisateurs s'il veut être directement utilisé dans l'investissement quantitatif, mais une nouvelle porte a été ouverte. Pour les gens ordinaires, avec l'aide de ChatGPT pour vérifier efficacement un grand nombre de stratégies et analyser les données, ils peuvent également trouver un moyen de gagner de l'argent qui leur convient.
La tornade de l'IA a enfin atteint le marché financier le plus proche de l'argent.
"500 % de retour sur investissement" fait sensation dans le monde
JPMorgan Chase, une banque d'investissement de premier plan qui a toujours cru au pouvoir de la technologie, a fait un pas vers l'IA. Le 26 mai, JPMorgan Chase a annoncé qu'il développait un outil de services financiers appelé "IndexGPT", qui utilise le cloud computing et l'intelligence artificielle pour analyser et sélectionner des titres, et fournit aux clients des conseils d'investissement intelligents et personnalisés.
C'est un autre signe de JP Morgan Chase pour ajouter l'IA au système commercial.
Dès 2017, JPMorgan Chase a commencé à utiliser l'outil d'intelligence artificielle interne nommé LOXM, permettant à la machine de résumer l'expérience et les leçons des milliards de transactions historiques réelles et simulées, puis d'utiliser le prix le plus rapide et le plus optimal. exécute les ordres de négociation , surpassant les humains en termes d'échelle et d'efficacité des transactions.
En 2019, JPMorgan Chase a recruté des experts mondiaux en IA pour développer un "robot de trading d'actions". Les principales fonctions incluent la génération de rapports d'investissement, la recherche automatique d'opportunités d'investissement et le suivi automatique des "demandes de devis". À l'époque, JPMorgan a déclaré que les ordres automatisés avaient réduit les coûts d'exécution des transactions d'environ 20 % au cours des dernières années.
Si les premiers investissements de JPMorgan Chase dans l'IA visaient à "réduire les coûts", lorsque GPT a montré des superpuissances, la banque d'investissement a commencé à utiliser la technologie d'IA la plus avancée pour améliorer ses "capacités financières". Du point de vue de la mise en page, le rôle de l'IA dans JPMorgan Chase a subi d'importants changements, passant d'un assistant en investissement à un trader qui guide les transactions.
Les nouvelles actions de JPMorgan Chase ont donné un signal de la profonde implication de l'IA dans le secteur financier, et Goldman Sachs et Morgan Stanley ont également été exposés à investir dans la recherche et le développement de l'IA en interne.
La nouvelle des géants financiers s'engageant dans l'IA a été mise en scène à Wall Street, mais elle n'a pas attiré l'attention du public. Cependant, un rapport de recherche du Département des finances de l'Université de Floride a été mis en évidence, qui a brisé la fatigue esthétique sous le récit conventionnel de "l'IA change le cercle financier".
Le rapport de recherche universitaire intitulé "Can ChatGPT Predict Stock Price Trends?" a été initialement publié le 6 avril de cette année et a initialement reçu peu de réponses. Jusqu'en mai, un rédacteur technique sur Reddit recommandait le rapport, arguant qu'il s'agissait d'un article ignoré par les médias grand public.
Après que le "retour sur investissement de 500 %" ait été introduit dans la question, il a instantanément explosé à l'intérieur et à l'extérieur du cercle financier.
Selon l'article, des chercheurs de l'Université de Floride ont alimenté GPT-3.5, qui n'est pas connecté à Internet, des données de marché publiques et des actualités d'octobre 2021 à décembre 2022. Ces données ont été obtenues via des robots d'indexation, dont 67 586 informations sur 4 138 répertoriées. titres, et exclure tous les titres des hauts et des bas des actions, en filtrant les sujets chauds sans signification, les nouvelles répétitives, etc. Les chercheurs ont principalement laissé ChatGPT évaluer chaque titre et lui ont demandé de décider s'il était positif ou négatif.
Il s'agit d'une analyse de sentiment classique et fait partie des stratégies de trading automatisées utilisées par des fonds spéculatifs bien connus tels que DE Shaw, Two Sigma et d'autres. Pour donner un exemple simple, lorsqu'un événement se produit, le marché n'est souvent pas d'accord sur le fait qu'il soit bon ou mauvais. Une analyse précise des sentiments aide à identifier l'impact des nouvelles et à prendre les bonnes décisions d'investissement.
Les chercheurs ont minutieusement demandé à ChatGPT de donner une réponse, et finalement ils sont arrivés à une conclusion surprenante : ChatGPT, qui est doué pour le raisonnement logique, a surpassé tous les autres outils d'analyse des sentiments. Avec l'aide de ChatGPT, les chercheurs ont back-testé les performances de rendement de l'utilisation de ChatGPT pour guider différentes stratégies d'investissement dans le passé.En fin de compte, la stratégie long-short (acheter des entreprises avec de bonnes nouvelles, vendre à découvert des entreprises avec de mauvaises nouvelles) a un taux de rendement supérieur à 500 % et la stratégie de vente à découvert est rentable. Le taux de retour est proche de 400 % et le taux de retour de la stratégie longue est d'environ 50 %.
Sur le marché des valeurs mobilières, n'importe lequel des taux de rendement ci-dessus suffit à tuer 99 % des gestionnaires de placements dans le monde. Le rapport de recherche a noté que l'achat et la détention de l'ETF S&P 500 ont rapporté -12% sur la même période.
Le simple fait d'utiliser ChatGPT pour l'analyse des sentiments peut apporter un taux de retour aussi élevé ? Bien que ce rapport ait attiré l'attention, il a également amené les internautes à s'interroger : "Si vous trouviez une stratégie qui peut générer un rendement de 500 % en moins de 2 ans, la rendriez-vous publique ?" D'autres ont dit que même si le rapport est vrai , le Une fois qu'une tactique est largement connue, elle n'est plus efficace. "Il n'y a pas de repas gratuit."
Facteur alternatif de mise à niveau de l'IA "excavatrice"
Le profane regardait l'excitation, tandis que l'expert regardait la porte.Lorsque la nouvelle parvint aux oreilles de Rocky, il était très excité.
Rocky est un dirigeant d'une institution de gestion d'actifs et de recherche sur les investissements Web3. Il s'est dit sans ambages "stupéfait" par le rapport de recherche de l'Université de Floride. Il estime que l'ajout de ChatGPT a fait un saut qualitatif dans le minage et l'optimisation. des "facteurs alternatifs". , il a conclu : "Les traders sont morts, l'investissement AI+ est l'avenir."
Rocky a expliqué qu'avant d'étudier la quantification, deux points étaient les plus difficiles : le premier était la source de données et le second était le facteur de stratégie. Les facteurs stratégiques communs incluent les facteurs volume-prix et les facteurs fondamentaux. Au final, l'homogénéité est relativement sérieuse. "Le test ultime est le jeu des facteurs alternatifs."
Les facteurs de stratégie sont un concept courant dans les institutions quantitatives. Pour le comprendre simplement, une fois que l'institution a obtenu les données de transaction, les informations et les données d'opinion publique du marché secondaire, elle les nettoie, puis traite les données massives en facteurs. Il s'agit d'un processus de recherche de facteurs importants affectant le marché à partir d'énormes quantités d'informations. L'intégration de ces facteurs dans les stratégies de trading peut aider les traders à évaluer la montée et la chute du marché.
Un facteur de stratégie efficace signifie une "mine d'or", et une fois qu'elle est extraite, il n'est pas difficile d'obtenir un rendement.
Comme l'a dit Rocky, parmi les facteurs stratégiques, le facteur volume-prix, le facteur fondamental et le facteur alternatif représentent environ 60 %, 20 % et 20 % de la stratégie quantitative. Parmi eux, le facteur de prix du volume est basé sur l'exploration de données du volume des transactions sur le marché, y compris les prix des actifs par seconde, les flux de capitaux, les indicateurs techniques de diverses lignes K, etc. ; les facteurs fondamentaux sont dérivés des états financiers, des rapports de courtage, des attentes des analystes et ainsi de suite, et les facteurs alternatifs sont les "armes secrètes" autres que les deux premières.Chaque institution utilisera sa capacité unique à collecter les facteurs qui affectent les prix, y compris l'opinion publique sociale et les données de stockage. L'"analyse des sentiments" que les chercheurs de l'Université de Floride ont laissé faire à ChatGPT entre dans cette catégorie.
Facteurs stratégiques communs (triés par Red Bank Research)
D'une manière générale, il est difficile d'élargir l'écart entre les institutions pour les facteurs de prix de volume et les facteurs fondamentaux, car l'information est figée et publique, et l'extraction de facteurs alternatifs mettra à l'épreuve les compétences des institutions. "Maintenant, les meilleurs fonds spéculatifs investissent dans des facteurs alternatifs", a déclaré Rocky à "Metaverse Daily Explosion".Dans un duel entre maîtres, les mouvements conventionnels sont difficiles à travailler et seuls les mouvements uniques peuvent gagner.
Cependant, le coût d'extraction et la difficulté des facteurs alternatifs sont beaucoup plus élevés que les facteurs de prix de volume et les facteurs fondamentaux.
"C'est comme ramasser des coquillages sur une plage sans limites. Il faut être très patient pour les ramasser un par un. Habituellement, un certain type de données alternatives ne peut couvrir qu'une partie des plaques, et même si elles sont excavées, vous pouvez n'obtenez les avantages que sur ces assiettes." Li Xiang, directeur général de Mengxi Investment, a déclaré que la collecte de données de facteurs alternatifs a un certain seuil, car il ne s'agit pas de données conventionnelles, soit achetées auprès d'un fournisseur de données tiers, soit collectées par lui-même, et même pour trouver de meilleures données, les organisations doivent explorer activement les fournisseurs de données précieux.
Une fois les données collectées, il n'est pas facile d'étudier des données alternatives. "Comment exploiter la logique interne des données, cette étape a également un seuil élevé. " Li Xiang a déclaré que ce processus est très délicat. Il doit éliminer toutes sortes de bruits, trouver la logique interne, puis combiner les facteurs. Après une série d'opérations sont terminées, il peut y avoir de bons résultats.
Li Xiang a comparé le processus de collecte des facteurs à "l'exploitation minière": au début, certaines mines au niveau de la surface, qui étaient plus faciles à collecter, étaient d'abord collectées, puis creusées de plus en plus profondément.
En termes d'extraction de facteurs alternatifs, il s'agit souvent du travail le plus intensif en main-d'œuvre, en ressources financières et de base des grandes institutions d'investissement.Ils collectent des informations en grande quantité, analysent les valeurs une par une, backtestent le taux de rendement, testent et d'erreurs, et peuvent ne rien obtenir après une charge de travail énorme et compliquée.Récolter des facteurs alternatifs efficaces nécessite parfois un élément de chance.
Aujourd'hui, l'émergence de ChatGPT rend efficace le processus d'extraction de facteurs alternatifs. "Sa fonction texte-texte est très puissante. Par exemple, nous pouvons utiliser la technologie de traitement du langage naturel pour capturer les points de vue des internautes sur un certain type de stock, ou même un certain stock. " Li Xiang estime que le développement à pas de géant de GPT peut améliorer certains L'efficacité du travail auxiliaire, comme en termes de dimensions prédictives, "Son gain pour la recherche quantitative se situe à la fin de la collecte de données, et ChatGPT peut être utilisé pour mieux obtenir des informations côté texte."
Cependant, GPT ressemble plus à un grand modèle à usage général, et il n'est pas biaisé en faveur des majors financières, qui est destiné à ne pas être utilisé tel quel. Rocky a déclaré que l'alimentation en données basée sur le grand modèle GPT est un "modèle universel", qui ne peut pas satisfaire l'authenticité, la validité et les performances en temps réel des données financières transversales et chronologiques. un petit modèle professionnel est également nécessaire Do prétraitement et standardisation, ce qui montre que ChatGPT est encore loin de la voie de la quantification professionnelle.
Mais Rocky pense que ChatGPT a ouvert une porte évidente pour les institutions et que l'IA peut devenir un assistant puissant pour les commerçants.
L'opportunité de richesse pour les gens ordinaires est là ?
Le rapport de recherche de l'Université de Floride est comme une introduction, de quoi donner à JPMorgan Chase une inspiration soudaine. L'IA est susceptible de devenir une "machine à gagner de l'argent" sans émotion sur le marché commercial, jouant à des jeux d'argent avec de vraies personnes.
Alors, les investisseurs ordinaires peuvent-ils utiliser des outils comme ChatGPT pour participer à des transactions quantitatives et améliorer leurs rendements ?
À cet égard, Rocky estime que ce n'est pas réaliste. Il a expliqué que le trading quantitatif nécessite une formation professionnelle en ingénierie financière, en mathématiques avancées, en concepts statistiques, en connaissances financières, en produits dérivés, en réglementation financière et autres réserves de connaissances. Dans le même temps, GPT, une grande base de données de modèles, n'a pas de performances en temps réel. Vous devez acheter des sources de données auprès de Bloomberg et d'autres endroits. Sinon, les données ne sont pas en temps réel et vous ne pouvez pas participer au jeu. Ce n'est pas grave pour exécuter un backtest de profit sur GPT, mais n'y pensez même pas dans un combat réel.
Le marché financier est turbulent et les investisseurs ordinaires doivent être particulièrement prudents dans l'utilisation des outils.Une fois qu'ils sont vus à travers par des outils haut de gamme, ils peuvent devenir des agneaux à la merci des autres. Cependant, certaines personnes ont proposé des idées d'investissement plus adaptées aux gens ordinaires.Je ne pourrai peut-être pas obtenir de rendements élevés, mais il y a encore de bonnes chances de surpasser le taux d'intérêt hypothécaire.
Niu Yifei, le créateur du petit programme "Aniu Data", s'est engagé dans le trading quantitatif à basse fréquence. Il n'y a pas si longtemps, il a mené une expérience et a demandé à ChatGPT d'écrire une stratégie quantitative et de tester la courbe de rendement.
La logique stratégique que Niu Yifei a fournie à ChatGPT est la suivante : parmi les trois ETF indiciels de SSE 50, GEM Index et Bon du Trésor à 10 ans, sélectionnez l'ETF avec la plus forte augmentation au cours du mois dernier (22 jours de bourse) chaque jour. Si vous avez le fonds, vous continuerez à détenir la position. Si vous ne le détenez pas, vous effacerez les fonds que vous détenez et achèterez le fonds. Si les trois fonds ont chuté au cours du mois dernier, vous effacerez la position.
Utilisation de ChatGPT pour écrire un processus de code de stratégie quantitative
Bientôt, ChatGPT a donné le code de politique correspondant et des commentaires. "Le seul défaut est que la source des données n'est pas indiquée. Heureusement, j'ai une copie des données historiques du fonds. Après avoir importé les données et les avoir exécutées, je peux vraiment voir les résultats des avoirs quotidiens."
Plus tard, Niu Yifei avait besoin de vérifier les performances historiques de la stratégie, il a donc demandé à ChatGPT de générer un programme de backtest et a demandé au backtest de connaître le taux de rendement par intervalle, le taux de rendement annualisé, le retracement maximal, etc. de la stratégie. Après quelques secondes, AI a donné le code de programme et a atteint les indicateurs requis. "Cependant, après avoir soigneusement examiné le programme, j'ai encore trouvé quelques défauts dans les détails, comme ne pas tenir compte du temps de rééquilibrage réel, etc., mais le taux d'achèvement global a dépassé 90 %."
Niu Yifei a déclaré qu'il avait optimisé le programme en guidant l'IA et effectué manuellement de simples modifications magiques, et que le programme de backtest était prêt. Il a utilisé ce programme pour tester les performances d'investissement de la stratégie susmentionnée en 2022 et a finalement obtenu un taux de rendement de 9,18 %, un taux de rendement annuel de 9,57 % et un prélèvement maximal de -12,25 %. Par rapport aux outils statistiques professionnels, la courbe de valeur nette du programme de backtest produit par ChatGPT est presque exactement la même.
Dans ce cas, Niu Yifei a pris l'initiative de déterminer la stratégie d'investissement et a demandé à ChatGPT de créer un logiciel d'investissement automatisé et des procédures de backtesting.En fait, il a confié le travail d'écriture du code à ChatGPT. Bien sûr, l'efficacité d'écriture de code de ChatGPT dépasse de loin celle des ingénieurs humains, ce qui permet aux investisseurs ordinaires d'utiliser cette méthode pour vérifier efficacement l'efficacité d'un grand nombre de stratégies, puis d'optimiser en continu les stratégies de trading pour augmenter le taux de rendement.
Dans la pratique simple de Niu Yifei, son retour sur investissement annualisé a atteint 9,57%, ce qui est bien supérieur à celui des produits de gestion de patrimoine bancaire général. Niu Yifei a révélé à "Metaverse Daily Explosion" qu'en plus de laisser ChatGPT écrire du code, il essaie également d'utiliser l'IA pour l'analyse des données, les rapports financiers et l'analyse des annonces, etc., afin qu'il puisse donner des signaux de trading.
Li Xiang pense également que ChatGPT abaissera le seuil de l'industrie quantitative dans une certaine mesure. Si quelqu'un s'intéresse à l'industrie quantitative, même s'il n'a aucune expérience dans l'industrie et n'a que quelques idées sur le trading, il peut également participer en partie avec l'aide des capacités de ChatGPT. "Cependant, il reste encore un long chemin à parcourir pour passer de cet état à devenir un chercheur principal très professionnel d'une institution quantitative, avec des stratégies raffinées et des détails parfaits."