Potential of ChatGPT in predicting stock market trends based on Twitter Sentiment Analysis
Questo studio dimostra che ChatGPT può prevedere efficacemente i trend di breve termine del mercato azionario per Microsoft e Google analizzando il sentiment di Twitter, rivelando una correlazione positiva tra le sue valutazioni e la successiva performance azionaria.
Articolo originale sotto licenza CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Questa è una spiegazione generata dall'IA dell'articolo qui sotto. Non è stata scritta né approvata dagli autori. Per precisione tecnica, consulta l'articolo originale. Leggi il disclaimer completo
Nel mondo finanziario moderno, il polso del mercato si avverte spesso non solo nelle sale riunioni o nelle sale di negoziazione, ma anche nel chiacchiericcio digitale di milioni di persone online. Per decenni, gli esperti hanno cercato di prevedere se i prezzi delle azioni saliranno o scenderanno studiando i rapporti aziendali e i dati economici. Tuttavia, un'idea più recente ha preso piede: che l'umore collettivo del pubblico, espresso in tempo reale sui social media, possa effettivamente spostare l'ago della bilancia dei valori azionari. Questo concetto si basa sulla "sentiment analysis", un metodo che utilizza i computer per leggere il testo e determinare se i sentimenti dietro le parole siano positivi, negativi o neutri. La domanda che i ricercatori si pongono ora è se la nuova generazione di intelligenza artificiale, specificamente un potente modello linguistico capace di comprendere la conversazione umana, possa leggere questo umore digitale e usarlo per prevedere il futuro del mercato azionario senza dover prima apprendere le regole della finanza.
Due ricercatrici, Ummara Mumtaz e Summaya Mumtaz, si sono poste l'obiettivo di testare questa idea utilizzando uno strumento chiamato ChatGPT. Si sono concentrate su due delle più grandi aziende tecnologiche al mondo, Microsoft e Google, e hanno posto una domanda semplice: questa intelligenza artificiale sarebbe stata in grado di guardare un giorno di tweet riguardanti queste aziende e indovinare se i loro prezzi azionari sarebbero saliti o scesi il giorno successivo? Le ricercatrici non hanno addestrato il computer a essere un esperto di borsa. Al contrario, hanno utilizzato una tecnica nota come zero-shot learning, che consente a un modello di eseguire un compito che non ha mai visto prima basandosi sulla sua comprensione generale del linguaggio. Hanno raccolto una vasta collezione di mezzo milione di tweet dell'inizio del 2023, estratti cercando il termine "gpt". Da questo dataset originale, hanno cercato e filtrato specificamente i tweet che menzionavano o erano correlati a tre termini distinti: 'ChatGPT', 'Microsoft' e 'Google'. Per mantenere il processo equo, hanno pulito i dati solo leggermente, rimuovendo i link web ma lasciando le opinioni grezze e non filtrate, gli hashtag e le emoji esattamente come le persone le avevano pubblicate, preservando la voce autentica di internet.
Il metodo era semplice. Per ogni giorno del periodo di studio, le ricercatrici hanno fornito a ChatGPT un campione di circa 15.000 parole di tweet. Hanno dato al computer un'istruzione semplice: leggere questi post e prevedere la tendenza del mercato azionario per Microsoft e Google per il giorno successivo. Il modello non gli era stato fornito alcun dato storico azionario da studiare; doveva fare affidamento interamente sul tono e sul contenuto dei tweet. Il computer avrebbe poi generato una previsione, come "rialzista", "ribassista" o "stabile", aggiungendo spesso una breve spiegazione del perché pensava ciò, come ad esempio notando che un'azienda stava affrontando la sfida di un nuovo concorrente o che il lancio di un prodotto specifico stava causando entusiasmo. Le ricercatrici hanno poi confrontato queste ipotesi generate dal computer con la variazione percentuale effettiva dei prezzi delle azioni riportata dalla borsa il giorno successivo.
I risultati hanno mostrato un livello di successo sorprendente. Per Microsoft, l'intelligenza artificiale ha previsto correttamente la direzione della tendenza del mercato azionario in 26 giorni su 37, raggiungendo un tasso di accuratezza del 70 percento. Per Google, il modello è stato accurato in 23 giorni su 36, con un'accuratezza di circa il 63,88 percento. Le ricercatrici hanno osservato che, sebbene questi numeri non siano perfetti, sono significativamente migliori di quanto ci si possa aspettare da un modello che sta semplicemente tirando a indovinare a caso. Oltre a identificare correttamente la direzione, lo studio ha evidenziato che il computer è stato in grado di identificare ragioni specifiche dietro le tendenze, come menzionare l'impatto di un nuovo prodotto rivale o la potenziale minaccia della tecnologia stessa. Ciò suggerisce che il modello non stava solo riscontrando schemi, ma stava effettivamente interpretando il contesto e le sfumature della conversazione pubblica.
Lo studio conclude che questo approccio, che utilizza un'intelligenza artificiale non addestrata per leggere il sentiment dei social media, offre reali promesse per la comprensione dei movimenti di mercato. Le ricercatrici sottolineano che non è stato necessario passare mesi a pulire i dati o a insegnare al computer specifiche formule finanziarie. Semplicemente lasciando che il modello leggesse le opinioni grezze del pubblico, sono state in grado di catturare un segnale che correla con i risultati finanziari del mondo reale. Sebbene lo studio sia stato limitato a un set specifico di tweet e a un breve arco temporale, i risultati suggeriscono che la capacità di questi modelli linguistici avanzati di comprendere l'emozione umana e il contesto potrebbe diventare uno strumento prezioso per la previsione finanziaria, offrendo un nuovo modo per ascoltare la voce del mercato.
Sommerso dagli articoli nel tuo campo?
Ricevi digest giornalieri degli articoli più recenti corrispondenti alle tue parole chiave di ricerca — con riassunti tecnici, nella tua lingua.