La inteligencia artificial (IA) ha revolucionado muchos campos, y las finanzas no son una excepción. El uso de la IA en el mercado de valores se ha vuelto cada vez más popular en los últimos años, con muchos inversores y traders utilizando herramientas y algoritmos impulsados por IA para tomar decisiones de inversión y predecir las tendencias del mercado.

Un modelo impulsado por IA que ha estado haciendo titulares por su capacidad para predecir las tendencias del mercado de valores es ChatGPT. Según un estudio de la Universidad de Florida, ChatGPT puede predecir de manera confiable las tendencias del mercado de valores con retornos de hasta el 500%. El modelo ha superado a otros modelos de lenguaje, incluidos GPT-1, GPT-2 y BERT, así como a los modelos de análisis de sentimiento tradicionales utilizados por los fondos de cobertura.

Resumen del estudio

Los investigadores de la Universidad de Florida han publicado un estudio que sugiere que ChatGPT puede predecir de manera confiable las tendencias del mercado de valores. El estudio utilizó datos de mercados públicos y noticias desde octubre de 2021 hasta diciembre de 2022, y su prueba encontró que los modelos de negociación impulsados por ChatGPT podrían generar rendimientos superiores al 500% en este período. Este rendimiento contrasta fuertemente con el rendimiento del -12% de comprar y mantener un ETF S&P 500 durante el mismo período de tiempo. El estudio también destacó el rendimiento superior de ChatGPT sobre otros modelos de lenguaje, incluidos GPT-1, GPT-2 y BERT, así como los métodos tradicionales de análisis de sentimiento.

Metodología

El equipo de investigación empleó una metodología rigurosa para probar la eficacia de las estrategias de negociación impulsadas por ChatGPT. Se centraron en examinar un conjunto de datos compuesto por titulares relacionados con las acciones desde octubre de 2021 hasta diciembre de 2022, asegurando que ninguna de las noticias fuera parte de los datos de entrenamiento de ChatGPT. Los investigadores recopilaron 67,586 titulares relacionados con 4,138 empresas únicas durante este tiempo, utilizando técnicas de web scraping. Estos titulares fueron filtrados posteriormente por relevancia, con el equipo enfocándose en artículos completos y comunicados de prensa, excluyendo cualquier titular de ganancia o pérdida. También eliminaron noticias duplicadas para garantizar que solo se utilizara información fresca.

El equipo de investigación utilizó ChatGPT (impulsado por GPT-3.5) para evaluar si un titular dado era indicativo de Buenas noticias, Malas noticias o Desconocido, también pidiendo una breve explicación. Por ejemplo, cuando se presentó con el titular “Rimini Street multada con $630,000 en caso contra Oracle”, ChatGPT devolvió la respuesta matizada:

SÍ. La multa contra Rimini Street podría aumentar potencialmente la confianza de los inversores en la capacidad de Oracle para proteger su propiedad intelectual y aumentar la demanda de sus productos y servicios.

Esta respuesta refleja el razonamiento superior y las capacidades de lenguaje natural de ChatGPT, que consideró el titular positivo para Oracle, mientras que un software líder en análisis de sentimiento del mercado etiquetó el titular como negativo.

Conclusiones clave del testimonio de 3 horas del CEO de OpenAI ante el Senado

Publicado: 17/05/2023

Introducción El CEO de OpenAI, Sam Altman, testificó ante el Senado y pidió que los modelos de inteligencia artificial sean licenciados por el gobierno de EE. UU. La audiencia tuvo un reconocimiento bipartidista de que algo grande está sucediendo con la IA y rápidamente. En este artículo, presentaremos las conclusiones clave de la audiencia. Conclusiones […]

Read More

Estrategias de negociación

El equipo de investigación probó seis estrategias de inversión diferentes durante el período de octubre de 2021 a diciembre de 2022. La estrategia Long-Short, que implicaba comprar empresas con buenas noticias y vender en corto aquellas con malas noticias, produjo los mayores rendimientos, con más del 500%. La estrategia de Short-Only, que se centró únicamente en vender en corto empresas con malas noticias, produjo casi el 400%. La estrategia Short-Only , que solo implicaba comprar empresas con buenas noticias, produjo aproximadamente el 50%. Tres estrategias más resultaron en pérdidas netas: la estrategia de retención “Todas las noticias”, la estrategia de retención con peso igual y la estrategia de retención con peso de valor de mercado.

Conclusión

Al comparar con otros métodos, como el análisis de sentimiento y los modelos de lenguaje antiguos como GPT-1, GPT-2 y BERT, ChatGPT superó consistentemente a la competencia. Los métodos tradicionales de análisis de sentimiento produjeron resultados notablemente inferiores en todas las estrategias de inversión, mientras que GPT-1, GPT-2 y BERT no lograron predecir con precisión los rendimientos.

Si bien los resultados de ChatGPT son impresionantes, es importante tener en cuenta que los modelos de IA basados en el lenguaje pueden no ser capaces de tener en cuenta todos los factores que afectan el mercado de valores. Como tal, los inversores y traders no deben confiar únicamente en modelos de IA como ChatGPT al tomar decisiones de inversión. En su lugar, los modelos de IA deben usarse como herramientas para complementar las estrategias y técnicas de inversión tradicionales.

En conclusión, el uso de la IA en el mercado de valores está aquí para quedarse, y modelos como ChatGPT tienen el potencial de revolucionar la forma en que invertimos y negociamos. Sin embargo, es importante abordar estos modelos con precaución y utilizarlos en conjunto con otras estrategias de inversión para lograr los mejores rendimientos posibles.