芝加哥布斯商學院：透過AI看市場，探索投資領域10大運用場景

（原標題：芝加哥布斯商學院：透過AI看市場，探索投資領域10大運用場景）

在投資領域，信息獲取和分析能力往往是成功的關鍵。隨着人工智能技術的快速發展，尤其是大型語言模型（Large Language Models，簡稱LLMs）的出現，投資者能夠以前所未有的速度和準確性洞察市場動態。芝加哥大學布斯商學院參與的多項研究深入探討了LLMs在金融領域的變革潛力，並展示了這些技術如何助力投資者發掘原本難以觸及的市場機遇。

傑出的投資者往往善於閱讀，積極地獵取能夠爲他們帶來優勢的信息。比如Jim Chanos，他通過仔細研讀Enron的財務報告、結合自身過去的經驗，發現了公司會計方面的疑點，在公司破產時賺取了5億美元的鉅額回報。然而，面對當今海量的信息流，即便是最熱衷閱讀的投資者可能也難以與AI，尤其是大型語言模型（LLMs）處理信息的海量和深度相匹敵。

以OpenAI旗下ChatGPT背後的模型爲例，LLMs以龐大的數據集爲基礎經受訓練，並能夠將這些知識應用於新信息的分析，識別出人類自身難以覺察的有利內容，迅速提取出有價值的市場洞察。從財報電話會議記錄到監管文件，這類模型能夠創建交易信號或預測變量，爲預測模型提供支持，幫助資產管理者更快、更精準地挖掘信息。

有人擔心，隨着LLMs的普及，它們的獨特優勢可能會逐漸減弱，但實際上，它們帶來的機遇遠比傳統的套利策略要廣泛得多。科研人員正在不斷探索如何將AI技術應用於新的領域，以挖掘投資洞察力。此外，隨着文本、圖像、音頻和視頻等新型數據源的不斷涌現，這一領域的視野也在不斷拓寬。

那麼，LLMs究竟可以通過哪些方式幫助投資者佔據先機呢？

1.LLMs可專爲金融等特定領域訓練

現代LLMs具備強大的自然語言處理能力，它們通過學習包含廣泛知識的海量數據集來提升自身的能力。然而，布斯商學院博士生Siyan Wang和副教授Bradford Levy的研究表明，相較於GPT-4這類通用模型，那些規模較小、專注於特定領域的LLMs在特定任務上可能表現得更爲出色。他們針對金融領域創建了一個名爲BeanCounter的數據集，其中包含了來自美國證券交易委員會（SEC）文件的1590億個分詞（tokens）。他們發現，以此訓練出的模型在處理金融相關任務時的表現超越了以更大規模、更廣泛數據集爲基礎的通用模型。此外，這種針對性訓練的方法還減少了運算成本，並提高了數據處理過程中的隱私性。

2.LLMs可提升股票回報預測準確性

與傳統模型相比，LLMs在分析新聞情緒方面表現更優。布斯商學院博士生Yifei Chen、教授Dacheng Xiu與耶魯大學教授Bryan T. Kelly將LLMs應用於16個全球市場的新聞情緒分析。他們發現，使用情緒評分來預測股票回報時，LLMs提供的投資組合比基於詞彙的傳統模型（如谷歌開發的word2vec）表現更好。LLMs對語言的深度理解使其能夠更好地解讀新聞並改進股票回報預測，實現的夏普比率（Sharpe ratios）超過了4，是自營交易基金追求的理想水平。

3.LLMs可生成實用的文件摘要

財報電話會議及公司文件包含大量非結構化文本，而GPT-3.5 Turbo等LLMs卻能夠將其提煉成有價值的摘要。布斯商學院博士生Alex Kim、副教授Maximilian Muhn和教授Valeri Nikolaev展示了GPT-3.5 Turbo如何能夠總結電話會議記錄及10-K文件，剔除冗長表述，並突出對投資者有價值的情緒信息。他們的研究表明，由LLMs生成的摘要能夠更好地解釋財報發佈後的異常收益。

4.LLMs可幫助識別企業風險

LLMs能夠檢測出在財報電話會議或文件中未被明確提及的風險。Kim、Muhn和Nikolaev發現，GPT-3.5 Turbo還可以通過連接會議記錄中的語句來推測風險，這使模型能夠預測財報電話會議發佈後的股價波動，甚至捕捉到AI等新興風險，而這些風險在其訓練數據中其實並不常見。

5.LLMs的收益預測準確度更高

Kim、Muhn和Nikolaev還發現，LLMs（尤其是GPT-4 Turbo）在收益預測方面的準確度高於人類分析師。通過向LLM提供標準化財務報表，他們證實了模型的推理能力如何使其能夠識別趨勢並進行計算。該模型的預測準確率達到了60%，而人類目前達到的準確率則是53%。

6.LLMs可從文件中發掘新信息

在另一項創新應用中，布斯商學院研究人員Anna Costello、Levy和Nikolaev共同開發了能夠從公司披露文件中識別並突出特定信息的LLMs。這些模型不是對內容進行總結，而是會標記出可能較爲新穎或出人意料的部分，爲投資者提供新見解。該技術解釋了大部分短期市場反應，並提高了未來股票回報的預測能力。

7.LLMs可預示股市崩盤

LLMs還可用於預測股票崩盤。布斯商學院研究員Leland Bybee將LLMs應用於100年前新聞文章的研究，並以此生成對標準普爾500指數（S&P 500）等金融指標的預測。他的研究表明，由情緒驅動的股票上漲更可能導致股市崩盤。該LLM策略成功規避了80%後期經歷下跌的行業，無疑是爲風險管理提供了一款前景無可限量的有力工具。

8.LLMs能洞察冗餘的稅務披露

公司文件中的稅務披露通常充滿冗長的表述，令人難以解讀。然而，布斯商學院博士生Kim與貝葉斯商學院研究員Ga-Young Choi用CPT-4分析了2010年至2021年的約20,000份10-K文件，提取了每家公司相關的稅務和審計信息，並追蹤了不同年份之間的語言變化。研究表明，這些差異通常預示着公司存在一些風險，而LLMs可以幫助投資者從稅務披露中瞭解公司當前的審計狀態，並預測和規避潛在的負面影響。

9.LLMs能衡量並洞察企業政策

LLMs還可以從財報電話會議記錄中檢測到潛在的公司政策。布斯商學院教授Michael Weber與喬治亞州立大學研究員Manish Jha、博士生Jialin Qian和Baozhong Yang開發了一種利用ChatGPT檢測資本支出或股息水平變化的方法。研究表明，ChatGPT背後的LLM可以通過分析通話記錄，高度準確地預測和解讀公司未來政策的變化，包括資本投資、股息水平或員工人數的變化等。

10.LLMs可結合文本與數字優化預測

Kim和Nikolaev的研究表明，LLMs可通過納入文本信息來提升公司披露中數字信息的價值。他們使用BERT將有關需求趨勢和戰略計劃的文本信息與有關盈利能力的數字數據相結合，發現該策略可以提升模型性能。通過使用LLMs來整合文本與財務數據，投資者將能夠更準確地預測未來收益、現金流和股票回報，更好地改進他們的策略。

結語

LLMs通過挖掘海量文本數據，賦予投資者前所未有的洞察力。掌握這些工具的投資者將能夠更精準地把握市場脈絡，捕捉以往難以察覺的機遇。

關於芝加哥大學布斯商學院

芝加哥大學布斯商學院（Chicago Booth）是全球最受認可的頂尖商學院之一，提供MBA、EMBA和專業碩士課程。布斯商學院擁有三個全球校區，其中一個位於香港，致力於通過將最聰明的想法轉化爲有意義的行動，推動全球市場和組織的發展。

本文摘自2024年秋季

《芝加哥布斯評論》雜誌

（Chicago Booth Review）