AI炒股回报率500%？内行揭秘玄机
一篇来自佛罗里达大学的研究报告震惊了金融圈：用ChatGPT对公司新闻进行情绪分析，并按此在股市做多、卖空，最高可获得超过500%的投资回报率。虽然坊间对这份报告中惊人的回报率数据有所怀疑，但金融界正在因AI的介入发生改变。
摩根大通、高盛等传奇投行钻营AI的消息连续曝光，而无论500%的收益率是否经得起推敲，它至少说明，GPT的能力开始渗入金融市场最前端的环节——交易。在Web3资产管理和投研机构的高管Rocky眼中，AI对“另类因子”的高效挖掘和优化已然发生。
在量化机构和对冲基金里，“另类因子”是所有策略因子中最稀有、珍贵的因子。它是指公司基本面、交易量、价格等常规因素之外的、影响行情的因素，比如社交舆情、市场情绪等。“顶级机构都在卷另类因子，”Rocky解释，量价因子和基本面因子不可避免地走向同质化，另类因子会起到决定性的作用，能帮助机构出奇制胜。
作为通用大模型，GPT想要直接用于量化投资还需使用者精细打磨，但新的大门已经打开。而对于普通人来说，借助ChatGPT高效地大量验证策略、分析数据后，也可以找到适合自己的生财之道。
AI的龙卷风终于刮到了离钱最近的金融市场。
“500%投资回报率”轰动世界
一直信奉科技力量的顶级投行摩根大通对AI出手了。5月26日，摩根大通宣布正在研发名为“IndexGPT”的金融服务工具，利用云计算和人工智能进行证券的分析和选择，为客户提供智能化和个性化的投资建议。
这是摩根大通又一次明牌将AI加入到交易系统。
早在2017年，摩根大通就开始使用内部代号为LOXM的人工智能工具，让机器从过去几十亿条实盘和模拟盘的历史交易中归纳经验和教训，然后以最快的速度和最优价格执行交易指令，从交易规模和效率上超越人类。
2019年，摩根大通更是网罗全球AI高手，开发“股票交易机器人”，主要功能包括生成投资报告、自动搜寻投资机会以及自动监控“报价请求”。当时，摩根大通称，自动化订单在过去几年中将交易执行成本降低了约20％。
如果摩根大通早期的AI投入意在“降本”，当GPT展现出超能力时，这家投行开始用最前沿的AI技术提升自己的“钞能力”。从布局脉络看，AI在摩根大通内部扮演的角色发生了重要改变——从投资助理蜕变为指导交易的操盘手。
摩根大通的新动作释放出AI深度介入金融业的信号，高盛、摩根士丹利也都被曝出在内部投入AI研发。
金融巨头搞AI的新闻在华尔街上演，并没引起大众注意。但来自佛罗里达大学金融系的一份研究报告，被人挑出亮点，一下打破了“AI改变金融圈”这种常规叙事下的审美疲劳。
那份以“ChatGPT能预测股价走势吗？”为题的高校研究报告，最初发布于今年4月6日，一开始也反响寥寥。直到5月份， Reddit上的一名科技作者推荐了这篇报告，他认为，这是一份被主流媒体忽视的论文。
“500%的投资回报率”入题后，瞬时引爆金融圈内外。
论文显示，佛罗里达大学的研究人员给不联网的GPT-3.5投喂了2021年10月至2022年12月的公开市场数据和新闻，这些数据通过网络爬虫获取，包含4138家上市公司相关的67586的标题，并排除了任何股票涨跌的头条，过滤掉了无意义的、热点话题、重复的新闻等内容。研究人员主要让 ChatGPT来评估每个标题，并要求它判定是利好还是利空。
这是典型的情绪分析，也是DE Shaw、Two Sigma 等知名对冲基金会采用的自动化交易策略的一部分。举个简单的例子，当一件事发生后，市场往往对其利多还是利空有分歧，准确的情绪分析有助于识别消息影响，做出正确的投资决策。
研究人员不厌其烦地让ChatGPT给出答案，最终他们得出了惊人的结论：擅长逻辑推理的ChatGPT 表现优于其他所有情绪分析工具。借助ChatGPT，研究人员回测了过去使用ChatGPT指导不同投资策略的回报表现，最终多空策略（买入有好消息的公司，卖空有坏消息的公司）收益率超过了500%，做空策略回报率接近400%，做多策略回报率大约为50%。
由 ChatGPT 驱动的策略表现
在证券市场，上述的任何一个回报率，都足以秒杀全世界99%的投资经理。研究报告指出，同一时间段内购买并持有标准普尔500指数ETF的回报率为-12%。
仅仅用ChatGPT进行情绪分析，就能带来如此高的回报率？这篇报告吸睛的同时也引发网友质疑，“如果你找到了一种能在不到 2 年内获得 500% 回报的策略，你会公开它吗？”还有人称，即便报告是真的，但一旦一种策略广为人知，它就不再有效，“天下没有免费的午餐。”
AI升级另类因子“挖掘机”
外行看热闹，内行看门道，消息传到Rocky耳中，他兴奋极了。
Rocky是一家Web3资产管理和投研机构的高管，他直言被佛罗里达大学的这份研究报告“惊呆了”，他认为，ChatGPT的加入让“另类因子”的挖掘和优化有了质的飞跃，他给出结论：“交易员已死，AI+投资是未来。”
Rocky解释，以前他们研究量化，有两点是最难的，第一个是数据源，第二个是策略因子。常见的策略因子包括量价因子和基本面因子，最后同质化都比较严重，“最终考验的是另类因子博弈。”
策略因子是量化机构中的常见概念。简单理解，机构拿到二级市场的成交数据、资讯舆情等数据后，会对它们清洗，然后将海量数据处理成一个个因子。这是一个从海量信息中找到影响市场的重要因素的过程。把这些因子融入到交易策略里，能帮交易员判断行情涨跌。
有效的策略因子意味着“金矿”，挖掘到了，回报就不是难事。
如Rocky所说，策略因子中，量价因子、基本面因子和另类因子三者在量化策略里的占比大致是60%、20%、20%。其中量价因子基于市场成交量的数据挖掘而来，包括每分每秒的资产价格、资金流向、各类K线的技术指标等等；基本面因子则来源于财务报表、券商报告、分析师预期等等；而另类因子则是前两者之外的“秘密武器”，各家机构会利用自己独到的能力采集包括社交舆情、门店数据等影响价格的因素。佛罗里达大学研究人员让ChatGPT做的“情绪分析”就属此类。
常见的策略因子（红岸研究整理）
一般来说，量价因子和基本面因子，很难拉开机构间的差距，因为这些信息都是固定且公开的，而挖掘到另类因子更考验机构功力。“现在顶级对冲基金都在卷另类因子”，Rocky告诉《元宇宙日爆》，高手对决，常规招式很难奏效，奇招才能致胜。
但另类因子的挖掘成本和难度远高于量价因子和基本面因子。
“就像在无边的沙滩上捡贝壳，需要非常耐心地一个个捡。通常某类的另类数据，只能覆盖到其中某些板块，哪怕挖掘到了，也只能获得这些板块上的收益。”蒙玺投资总经理李骧称，另类因子光数据收集就有一定门槛，因为它不是常规的数据，要么从第三方数据提供商购买，要么自己收集，甚至为了发现更优质的数据，机构还需要主动去挖掘有价值的数据供应商。
在采集到数据后，研究另类数据也不简单。“如何挖掘数据的内部逻辑，这一步也有较高门槛。”李骧说，这个过程非常精细，需要剔除各类噪音，找到内在逻辑，再进行因子组合，一系列操作完成后，才可能有不错的效果。
李骧把收集因子的过程比喻为“挖矿”：最开始把地表层面的一些矿、比较好收集的先收集进来，然后越挖越深。
在另类因子挖掘方面，往往是各大投资机构最费人力、财力也是最核心的工作，他们大批量地搜集情报，逐一分析价值，回测收益率、试错，庞杂的工作量后可能一无所获，收获有效的另类因子有时候还需要些运气成分。
如今，ChatGPT的出现让挖掘另类因子的过程变得高效。“它文本到文本的功能很强大，比如我们利用自然语言处理技术，可以抓取网友对某一类股票，甚至某一只股票的观点。”李骧认为，GPT的跨越式发展，可以提升一些辅助型工作的效率，比如在预测维度方面，“它对量化研究的增益是在数据收集端，利用ChatGPT可以更好地获取文本端信息。”
不过，GPT更像一个通用大模型，并不偏向金融专业，这注定了它还不能即拿即用。Rocky称，基于GPT大模型做的数据投喂，属于“普世模型“，无法满足金融横截面与时间序列数据的真实性、有效性、实时性，在数据清洗环节，还需要专业的小模型做预处理和标准化，这表明ChatGPT离专业量化之路还有距离。
但Rocky认为， ChatGPT已经为机构们开辟了一条显而易见的门道，AI可以成为交易员的高能助手。
普通人的财富机会来了？
佛罗里达大学的研究报告像是一个引子，足以让摩根大通们灵光乍现。AI很可能成为交易市场中没有感情的“赚钱机器”，与真人展开金钱博弈。
那么，普通投资者能否借助ChatGPT这样的工具，参与量化交易，提升自己的收益回报？
对此，Rocky觉得还不现实。他解释，做量化交易需要有金融工程专业背景，得具备高等数学、统计概念、金融知识、衍生品知识、金融法规等知识储备。同时，GPT这个大模型数据库，没有实时性，必须从Bloomberg等处购买数据源，不然数据都是非实时的，没法参与博弈，“Bloomberg一个终端就十几万美金了，门槛太高，散户用GPT跑个收益回测还可以，实战就别想了。”
金融市场波谲云诡，普通投资者对工具的使用应该尤其谨慎，一旦被高阶的工具识破底牌，恐怕会成为任人宰割的羔羊。不过，也有人提供了更适合普通人的投资思路，高收益恐怕做不到，但还是很有机会跑赢房贷利率。
小程序“阿牛数据”的创建者牛亦飞一直在从事低频量化交易，不久前，他做了一个实验，让ChatGPT写一个量化策略，并回测出收益率曲线。
牛亦飞给ChatGPT提供的策略逻辑是：从上证50、创业板指、10年国债这3个指数的ETF中，每天选出近1个月（22个交易日）涨幅最大的那只，如果已经持有该基金则继续持仓，如果未持有，则清仓持有的基金全仓买入该基金，如果这3只基金近1个月都下跌就清仓。
用ChatGPT编写量化策略代码过程
很快，ChatGPT给出了相应的策略代码和注释。“唯一不足的是没有给出数据源，好在我存有一份基金历史数据，引入数据运行后，果然可以看到每日持仓的结果了”。
随后，牛亦飞需要验证策略的历史表现，于是让ChatGPT生成回测程序，要求回测出策略的区间收益率、年化收益率、最大回撤等，几秒钟后，AI就给出了程序代码，并把要求的指标的实现了。“不过，在仔细查看程序后，还是发现细节上存在一点瑕疵，例如没有考虑实际调仓时间等问题，不过整体完成度已经超过90%了。”
牛亦飞称，它又通过引导AI优化了程序，并手动简单魔改，回测程序就做好了。他用该程序回测了2022年使用上述策略的投资表现，最终得出区间收益率9.18%，年化收益率9.57%，最大回撤幅度-12.25%。对比专业的统计工具，ChatGPT出品的回测程序净值曲线几乎一模一样。
在这个案例中，牛亦飞是主动定了投资策略，并让ChatGPT做出自动化投资软件和回测程序，其实是把写代码的工作交给了ChatGPT。当然，ChatGPT写代码的高效率远远超过人类工程师，这使得普通投资者可以借此方法，高效地大量验证策略的有效性，进而不断优化交易策略，以提升收益率。
在牛亦飞的简单实践中，其投资年化收益达到9.57%，远远高于一般的银行理财产品。牛亦飞向《元宇宙日爆》透露，除了让ChatGPT写代码外，他也在尝试用AI做数据分析、财报和公告分析等，让其给出交易信号。
李骧也认为，ChatGPT将一定程度降低量化行业的门槛。有人如果对量化行业感兴趣，即使没有从业经验，只是在交易上有些想法，也可以借助ChatGPT的能力部分参与进来。“但是，从这种状态到成长为一个非常专业的量化机构核心研究员，将策略做得很精致、细节做得很完美，依然有很长一段路要走。”
AI炒股回报率500%？内行揭秘玄机相关推荐
- 聚观早报 | ChatGPT炒股回报率超500%；网易发布11新游戏
今日要闻:微信支付正式发布"微信刷掌"产品:ChatGPT炒股回报率超500%:网易发布11新游戏:国家超算中心发布中文大语言模型:B站试水付费专属视频 微信支付正式发布" ...
- 中国AI人才缺口500万，10本硬核技术书带你上车
导读:随着人工智能时代的到来,人工智能相关技术日益受到广泛关注.爆发式的发展让人工智能人才非常稀缺.有数据统计显示,中国人工智能人才缺口超过了500万人.全世界范围内的AI人才也是供不应求.从现实的角 ...
- 想靠AI炒股致富，结果恐怕会让你怀疑人生
来源:脑极体 作者:藏狐 经历了漫长熊市的A股,在农历新年后迎来了一个超乎想象的春天.最能够代表牛市来临的信号,不是领跑全球的历史性涨幅,而是连你老家的大妈都准备拿出首付甚至卖房抄底了,各路股神纷纷出 ...
- 百度二年级手工机器人_使用盈首AI炒股机器人，能获得超高超额收益率
用什么样的方式炒股?才能获得远远超越指数涨幅的收益率?这是每一个投资者都在日日夜夜反复思考的 一个难题. 波段操作,紧跟主力资金流向,在个股的上涨波段的起涨点买进,在波段相对高点抛出,只做个股的上涨波 ...
- 百度AI快车道深圳专场，揭秘CV目标检测核心技术
我们的生活正因AI技术的落地应用而不断走向智能化 -- 拍照搜索.视频中物体定位.AR眼镜.无人零售货柜.安防领域中的人脸识别.制造业中的缺陷检测.医学领域中的病灶检测.农业领域中的害虫识别监控--而 ...
- 倒计时2天 | AI开发者大会完整议程揭秘！与百名大咖玩转人工智能
2020年7月3-4日,由 CSDN 主办的第三届 AI 开发者大会(AI ProCon 2020)(大会官网:https://aiprocon.csdn.net/)将以线上直播的形式与大家相见. 本 ...
- 阿里云大数据+AI技术沙龙上海站回顾 | 揭秘TPC-DS 榜单第一名背后的强大引擎...
11月16日,阿里云大数据+AI技术沙龙,首站上海站取得圆满成功.我们邀请到阿里巴巴计算平台事业部 技术专家辛庸,辰山,抚月,诚历:高级技术专家铁杰,以及Intel软件工程师喻杉和大家进行分享交流. ...
- AI 赋能教育，松鼠 AI 智适应学习方案大揭秘
O'Reilly AI 在 6 月 18 -21 日的 O'Reilly AI Conference 上,AI 教育行业的领先机构松鼠 AI,在会上展示了他们的最新研究成果.我们将一起来回顾,人工智能 ...
- Jina AI 创始人肖涵博士：揭秘 Auto-GPT 喧嚣背后的残酷真相
Auto-GPT 究竟是一个开创性的项目,还是一个被过度炒作的 AI 实验?本文为我们揭开了喧嚣背后的真相,并揭示了 Auto-GPT 不适合实际应用的生产局限性. 背景介绍 这两天,Auto-GPT ...
最新文章
- MS/OR国际期刊排名
- MySQL性能分析及explain的使用
- 组件化与插件化的差别在哪里？附面试题答案
- Java FilterInputStream reset（）方法与示例
- Java预科篇2-环境搭建
- mac下配置进行c和matlab混编
- java中用流提取文档中的文字,语言实现从word文档中提取文本
- 使用Object、param标签在页面显示PDF文件
- 适配器模式（Adapter Pattern）
- Windows服务器高并发处理IOCP（完成端口）详细说明
- css表格做日历,CSS 制作有弹性的日历表
- @import ‘./common/stylus/mixins.styl‘引起的一系列错误
- 驱动精灵卸载后无限蓝屏重启
- 如何修改Word文字的行间距
- ACM Uva10763 交换学生
- 零基础如何入门嵌入式领域
- QQ那些厚黑又细腻的人性社交设计
- ASP.NET中的Session和Cookie
- 001. 蓝海和红海
- L1-6 福到了 （15 分）——2018