Potential of ChatGPT in predicting stock market trends based on Twitter Sentiment Analysis
Cette étude démontre que ChatGPT peut prédire efficacement les tendances boursières à court terme pour Microsoft et Google en analysant le sentiment sur Twitter, révélant une corrélation positive entre ses évaluations et la performance boursière subséquente.
Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète
Dans le monde financier moderne, le pouls du marché se fait souvent sentir non pas seulement dans les salles de conseil ou les salles de marché, mais dans le bavardage numérique de millions de personnes en ligne. Depuis des décennies, des experts tentent de prédire si les cours des actions vont monter ou descendre en étudiant les rapports d'entreprises et les chiffres économiques. Cependant, une idée plus récente s'est imposée : l'idée que l'humeur collective du public, exprimée en temps réel sur les réseaux sociaux, pourrait réellement faire bouger l'aiguille de la valeur des actions. Ce concept repose sur l'« analyse de sentiment », une méthode consistant à utiliser des ordinateurs pour lire du texte et déterminer si les sentiments derrière les mots sont positifs, négatifs ou neutres. La question que les chercheurs se posent désormais est de savoir si la nouvelle génération d'intelligence artificielle, spécifiquement un puissant modèle de langage capable de comprendre la conversation humaine, peut lire cette humeur numérique et l'utiliser pour prévoir l'avenir du marché boursier sans avoir besoin d'apprendre les règles de la finance au préalable.
Deux chercheuses, Ummara Mumtaz et Summaya Mumtaz, se sont lancées dans le test de cette idée en utilisant un outil appelé ChatGPT. Elles se sont concentrées sur deux des plus grandes entreprises technologiques au monde, Microsoft et Google, et ont posé une question simple : cette intelligence artificielle pouvait-elle examiner une journée de tweets concernant ces entreprises et deviner si leurs cours de bourse augmenteraient ou diminueraient le lendemain ? Les chercheuses n'ont pas entraîné l'ordinateur pour qu'il soit un expert en bourse. Au lieu de cela, elles ont utilisé une technique connue sous le nom d'apprentissage « zero-shot » (apprentissage à partir de zéro), qui permet à un modèle d'accomplir une tâche qu'il n'a jamais vue auparavant en s'appuyant sur sa compréhension générale du langage. Elles ont rassemblé une collection massive de l'ordre de cinq cent mille tweets du début de l'année 2023, extraits par la recherche du terme « gpt ». À partir de cet ensemble de données original, elles ont spécifiquement recherché et filtré les tweets mentionnant ou liés à trois termes distincts : « ChatGPT », « Microsoft » et « Google ». Pour que le processus soit équitable, elles n'ont que très peu nettoyé les données, supprimant les liens web mais laissant les opinions brutes, non filtrées, les hashtags et les emojis exactement tels que les gens les avaient publiés, préservant ainsi la voix authentique d'Internet.
La méthode était directe. Pour chaque jour de leur période d'étude, les chercheuses ont injecté un échantillon d'environ 15 000 mots de tweets dans ChatGPT. Elles ont donné à l'ordinateur une instruction simple : lire ces publications et prédire la tendance boursière pour Microsoft et Google pour le lendemain. Le modèle n'a reçu aucune donnée boursière historique à étudier ; il devait se fier entièrement au ton et au contenu des tweets. L'ordinateur générait ensuite une prédiction, telle que « à la hausse », « à la baisse » ou « stable », ajoutant souvent une brève explication de la raison pour laquelle il pensait cela, comme noter qu'une entreprise était défiée par un nouveau concurrent ou qu'un lancement de produit spécifique provoquait de l'enthousiasme. Les chercheuses ont ensuite comparé ces suppositions générées par l'ordinateur par rapport au changement de pourcentage réel des cours des actions rapportés par la bourse le lendemain.
Les résultats ont montré un niveau de succès surprenant. Pour Microsoft, l'intelligence artificielle a prédit correctement la direction de la tendance du marché boursier 26 jours sur 37, atteignant un taux de précision de 70 %. Pour Google, le modèle a été précis 23 jours sur 36, ce qui représente une précision d'environ 63,88 %. Les chercheuses ont noté que, bien que ces chiffres ne soient pas parfaits, ils sont nettement supérieurs à ce que l'on pourrait attendre d'un modèle qui se contente de deviner au hasard. Au-delà du simple fait de trouver la bonne direction, l'étude a souligné que l'ordinateur était capable d'identifier des raisons spécifiques derrière les tendances, comme mentionner l'impact d'un nouveau produit rival ou la menace potentielle de la technologie elle-même. Cela suggère que le modèle ne se contentait pas de faire correspondre des motifs, mais qu'il interprétait réellement le contexte et les nuances de la conversation publique.
L'étude conclut que cette approche, qui utilise une intelligence artificielle non entraînée pour lire le sentiment sur les réseaux sociaux, est très prometteuse pour comprendre les mouvements du marché. Les chercheuses soulignent qu'elles n'ont pas eu besoin de passer des mois à nettoyer les données ou à enseigner à l'ordinateur des formules financières spécifiques. En laissant simplement le modèle lire les opinions brutes du public, elles ont pu capturer un signal qui est corrélé avec les résultats financiers réels. Bien que l'étude ait été limitée à un ensemble spécifique de tweets et à une courte période, les conclusions suggèrent que la capacité de ces modèles de langage avancés à comprendre l'émotion humaine et le contexte pourrait devenir un outil précieux pour la prévision financière, offrant une nouvelle façon d'écouter la voix du marché.
Noyé(e) sous les articles dans votre domaine ?
Recevez des digests quotidiens des articles les plus récents correspondant à vos mots-clés de recherche — avec des résumés techniques, dans votre langue.