Может ли ChatGPT предсказывать ценовые движения в трейдинге?

Время на чтение: 5 минут

ChatGPT предсказывает ценовые движения

Первые активные исследования языковой модели ChatGPT были весной 2023 года. Тогда искусственный интеллект действительно подтвердил (точнее это подтвердила команда из Microsoft, которая одна из первых выпустила исследование по ChatGPT-4), что справляется со многими процессами не хуже, чем люди.

Что же касается именно трейдинга и инвестиций — здесь тоже все активно развивается. Об этом “развивается” — подробнее в статье.

Содержание

Видео о ChatGPT в трейдинге

Анализ цен на основе альтернативных источников информации — что это такое?

Альтернативные источники информации в трейдинге — это источники данных, которые не включают в себя традиционные финансовые отчеты, новости, финансовую аналитику или классический технический анализ.

Это могут быть как:

  1. Анализ социальных медиа: многие трейдеры и инвесторы обмениваются торговыми идеями на платформах вроде Twitter или Reddit. Анализ настроений и мнений, выраженных в этих источниках, может помочь с определением движения рынка.
  2. Данные о погоде, трафике, информация о продажах розничных сетей или снимки со спутников.
  3. Анализ популярных поисковых запросов, который может предоставить инсайты о том, что интересует инвесторов и какие темы могут повлиять на рынок.

Так как ChatGPT — языковая модель, то логично ее применять в анализе текста. Именно так ее и применили для исследования альтернативных данных.

За 1 час поможем разобраться с факторами успеха и причинами неудач на финансовых рынках. Бесплатно

Какие данные использовались в исследовании

Всего было 3 источника данных:

  1. Center for Research in Security Prices (CRSP) — поставщик данных по фондовому рынку и индексам. В исследовании были акции бирж NYSE, NASDAQ и AMEX.
  2. Новостные заголовки.
  3. RavenPack — поставщик больших данных для разных финансовых сервисов.

Данные и исследования начинались с октября 2021 года по декабрь 2022. 

Для анализа новостей исследователи использовали веб-скрейпинг — автоматизированный метод сбора данных с разных сайтов и с разными источниками. Далее они сопоставляли полученные данные с сервисом RavenPack для актуализации этих данных. После этого была фильтрация: дублирующие новости удалялись, а новости незначительной важности исключались (у исследователей был свой новостной рейтинг по важности, о котором скоро расскажем).

Далее, на основе такого массива данных создавалась торговая логика для стратегий с помощью ChatGPT версий 3.5 и 4.

Моделирование торговой стратегии на основе ChatGPT

Чтобы понять, насколько ChatGPT хорош в финансовой аналитике, исследователи делали запрос следующего типа:

“Вы — финансовый эксперт с опытом рекомендаций по акциям. Ответьте ‘ДА’, если новость хорошая, ‘НЕТ’, если плохая, или ‘НЕИЗВЕСТНО’, если не уверены ни в том, ни в другом. Затем разъясните в одном коротком и кратком предложении на следующей строке. Этот заголовок хороший или плохой для цены акций Oracle в краткосрочной перспективе?

Заголовок: Rimini Street Fined $630,000 in Case Against Oracle (компания Rimini Street оштрафована на 630 000$ по делу против Oracle)”.

Ответ ChatGPT:

“Штраф против Rimini Street может потенциально повысить уверенность инвесторов в способности Oracle защищать свою интеллектуальную собственность и увеличить спрос на ее продукты и услуги.”

Далее на основе таких заголовков исследователи сделали “ChatGPT-счет”, где:

  • “ДА” = 1 (то есть новость положительная для компании)
  • “НЕИЗВЕСТНО” = 0 (то есть новость нейтральная)
  • “НЕТ” = -1 (новость для компании негативная)

Если для компании есть несколько заголовков в один день, оценки суммируются. Получается, что если в итоге “ChatGPT-счет” > 0 — рассматриваются сделки в покупку по определенным акциям и индексам. Если < 0 — открывались сделки в шорт. Ну а если 0 — сделок по инструменту не было.

Далее заголовки сопоставляются с предстоящей торговой сессией. Если:

  1. Заголовки вышли до 6 утра в торговый день, тогда акции компании можно купить (продать) к открытию рынка в тот же день и закрыть позиции к закрытию того же дня.
  2. Для заголовков с 6:00 утра до 16:00 вечера предполагаем, что акции можно купить (продать) к закрытию того же дня и выйти из позиций к закрытию следующего торгового дня.
  3. Для заголовков после 16:00 предполагаем, что их можно купить (продать) по цене открытия следующего дня и выйти из сделок по цене закрытия тоже следующего дня.

Прибыльные торговые стратегии, кейсы и исследования — в нашем Telegram 📈

Результаты торговой стратегии на основе ChatGPT

Сперва посмотрим на результаты без учета комиссий.

ChatGPT предсказывает цены акций
Доходность разных стратегий на основе ChatGPT 3.5 и 4.

Расшифруем кривые доходности:

  • Зеленая кривая — стратегия, которая покупала акции с хорошими новостями на основе анализа ChatGPT 3.5. То есть работала только в лонг
  • Красная линия — стратегия, которая продавала акции с плохими новостями на основе анализа ChatGPT 3.5. То есть работала только в шорт
  • Светло-голубая кривая — стратегия, которая покупала акции с хорошими новостями и продавала акции с плохими новостями на основе анализа ChatGPT 3.5. То есть работала и в шорт, и в лонг
  • Темно-голубая кривая — стратегия, которая покупала акции с хорошими новостями и продавала акции с плохими новостями на основе ChatGPT 4
  • Черная, фиолетовая и желтая кривые — стратегии пассивного инвестирования с разным распределением капитала

Все активные стратегии, основанные на ChatGPT 3.5 и 4, обогнали пассивные стратегии за исследуемый период. Но все же надо добавить учет комиссий, чтобы получить кривые с реальной доходностью.

ChatGPT предсказывает цены акций
Стратегии, которые работали как в лонг, так и в шорт.

Расшифруем:

  • Черная кривая — стратегия как в лонг, так и в шорт, и с нулевыми издержками (для сравнения)
  • Темно-зеленая кривая — та же стратегия, но с издержками в 5 базисных пунктов за каждую транзакцию (то есть 10 пунктов за всю сделку)
  • Светло-голубая кривая — еще одна аналогичная кривая, но с издержками в 10 пунктов за каждую транзакцию (то есть всего 20 пунктов комиссии)
  • Темно-синяя кривая — издержки 50 пунктов за всю сделку
  • Красная кривая — пассивный портфель (то есть индекс S&P 500) без учета издержек

Стратегия проявила себя лучше индекса S&P 500 с любыми издержками.

Заключение

Лет 10 назад подобные семантические анализы могли делать только крупные компании — хедж-фонды и инвест-банки. И стоили такие алгоритмы сотни тысяч долларов. Сегодня же эти инструменты уже доступны частным трейдерам либо бесплатно, либо за 20$ в месяц (именно столько стоит ChatGPT 4). Технологии улучшаются, а возможности их применения — расширяются. Продолжаем следить за новыми исследованиями и кейсами.

Как создавать торговые стратегии на основе статистики и данных, способных работать 24/7

Не упустите возможность получить прибыльные торговые стратегии.

Материалы

  1. Can ChatGPT Forecast Stock Price Movements? Return Predictability and Large Language Models. Alejandro Lopez-Lira, Yuehua Tang. University of Florida, 2023.

Поделиться статьей

С радостью ответим на ваши комментарии

Оставьте комментарий

Ваш адрес email не будет опубликован. Обязательные поля помечены *

Читайте также

Клуб Empirix Prime для системных рациональных эффективных трейдеров

Поп-ап

В поиске прибыльных торговых стратегий на финансовых рынках?

Тогда вам по одной из кнопок ниже