Potential of ChatGPT in predicting stock market trends based on Twitter Sentiment Analysis
Deze studie toont aan dat ChatGPT effectief kortetermijn trends op de aandelenmarkt voor Microsoft en Google kan voorspellen door Twitter-sentiment te analyseren, wat een positieve correlatie onthult tussen de evaluaties ervan en de daaropvolgende aandelenprestaties.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer
In de moderne financiële wereld wordt de hartslag van de markt vaak niet alleen gevoeld in bestuurskamers of op handelsvloeren, maar in het digitale geklets van miljoenen mensen online. Decennialang hebben experts geprobeerd te voorspellen of aandelenkoersen zullen stijgen of dalen door bedrijfsrapporten en economische cijfers te bestuderen. Echter, een nieuwer idee heeft voet aan de grond gekregen: dat de collectieve stemming van het publiek, uitgedrukt in realtime op sociale media, de waarde van aandelen daadwerkelijk kan beïnvloeden. Dit concept rust op "sentimentanalyse", een methode waarbij computers worden gebruikt om tekst te lezen en te bepalen of de gevoelens achter de woorden positief, negatief of neutraal zijn. De vraag die onderzoekers nu stellen, is of de nieuwste generatie kunstmatige intelligentie, specifiek een krachtig taalmodel dat in staat is menselijke conversatie te begrijpen, deze digitale stemming kan lezen en deze kan gebruiken om de toekomst van de aandelenmarkt te voorspellen zonder eerst de regels van de financiële wereld aangeleerd te krijgen.
Twee onderzoekers, Ummara Mumtaz en Summaya Mumtaz, zetten zich in om dit idee te testen met behulp van een hulpmiddel genaamd ChatGPT. Ze richtten zich op twee van de grootste technologiebedrijven ter wereld, Microsoft en Google, en stelden een eenvoudige vraag: kon deze kunstmatige intelligentie een dag aan tweets over deze bedrijven bekijken en raden of hun aandelenkoersen de volgende dag zouden stijgen of dalen? De onderzoekers hebben de computer niet getraind om een aandentexpert te zijn. In plaats daarvan gebruikten ze een techniek die bekend staat als "zero-shot learning", wat een model in staat stelt om een taak uit te voeren die het nog nooit eerder heeft gezien door te vertrouwen op zijn algemene begrip van taal. Ze verzamelden een enorme collectie van een half miljoen tweets uit het begin van 2023 die waren geëxtraheerd door te zoeken naar de term "gpt". Vanuit deze oorspronkelijke dataset zochten ze specif으로 naar en filterden ze op tweets die de drie verschillende termen 'ChatGPT', 'Microsoft' en 'Google' noemden of daarmee verband hielden. Om het proces eerlijk te houden, reinigden ze de gegevens slechts licht; ze verwijderden weblinks, maar lieten de rauwe, ongefilterde meningen, hashtags en emoji's precies zoals mensen ze hadden gepost, om zo de authentieke stem van het internet te bewaren.
De methode was recht door zee. Voor elke dag in hun onderzoeksperiode voedden de onderzoekers een steekproef van ongeveer 15.000 woorden aan tweets aan ChatGPT. Ze gaven de computer een eenvoudige instructie: lees deze berichten en voorspel de aandelenmarkttrend voor Microsoft en Google voor de volgende dag. De computer kreeg geen historische aandelengegevens te bestuderen; hij moest volledig vertrouwen op de toon en de inhoud van de tweets. De computer zou vervolgens een voorspelling genereren, zoals "opwaarts", "neerwaarts" of "stabiel", waarbij vaak een korte uitleg werd toegevoegd over waarom hij dat dacht, zoals het vermelden dat een bedrijf wordt uitgedaagd door een nieuwe concurrent of dat de lancering van een specifiek product voor enthousiasme zorgt. De onderzoekers vergeleken deze door de computer gegenereerde gissingen vervolgens met de werkelijke procentuele verandering in de aandelenkoersen die de volgende dag door de effectenbeurs werd gerapporteerd.
De resultaten toonden een verrassend hoog succesniveau. Voor Microsoft voorspelde de kunstmatige intelligentie de richting van de aandelenmarkttrend correct op 26 van de 37 dagen, wat een nauwkeurigheid van 70 procent opleverde. Voor Google was de computer accuraat op 23 van de 36 dagen, wat resulteerde in een nauwkeurigheid van ongeveer 63,88 procent. De onderzoekers merkten op dat hoewel deze cijfers niet perfect zijn, ze aanzienlijk beter zijn dan wat men zou verwachten van een model dat simpelweg willekeurig gokt. Naast het enkel goed krijgen van de richting, benadrukte de studie dat de computer in staat was om specifieke redenen achter de trends te identificeren, zoals het noemen van de impact van een nieuw rivaalproduct of de potentiële dreiging van de technologie zelf. Dit suggereert dat het model niet alleen patronen herkende, maar ook de context en nuance van het publieke gesprek interpreteerde.
De studie concludeert dat deze aanpak, die ongetrainde kunstmatige intelligentie gebruikt om sentiment op sociale media te lezen, veelbelovend is voor het begrijpen van marktbewegingen. De onderzoekers benadrukken dat ze geen maandenlang proces van het opschonen van gegevens of het aanleren van specifieke financiële formules aan de computer nodig hadden. Door simpelweg het model de rauwe meningen van het publiek te laten lezen, waren zij in staat een signaal te vangen dat correleerde met reële financiële uitkomsten. Hoewel de studie beperkt was tot een specifieke set tweets en een korte tijdsperiode, suggereren de bevindingen dat het vermogen van deze geavanceerde taalmodellen om menselijke emotie en context te begrijpen een waardevolle tool kan worden voor financiële voorspellingen, wat een nieuwe manier biedt om naar de stem van de markt te luisteren.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.