Potential of ChatGPT in predicting stock market trends based on Twitter Sentiment Analysis
Este estudo demonstra que o ChatGPT pode prever eficazmente as tendências de curto prazo do mercado de ações da Microsoft e do Google ao analisar o sentimento do Twitter, revelando uma correlação positiva entre as suas avaliações e o desempenho subsequente das ações.
Artigo original sob licença CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo
No mundo financeiro moderno, o pulso do mercado é frequentemente sentido não apenas em salas de reuniões ou pregões, mas no burburinho digital de milhões de pessoas online. Por décadas, especialistas tentaram prever se os preços das ações subiriam ou cairiam estudando relatórios de empresas e números econômicos. No entanto, uma ideia mais recente ganhou força: a de que o humor coletivo do público, expresso em tempo real nas redes sociais, pode realmente mover o ponteiro dos valores das ações. Esse conceito baseia-se na "análise de sentimento", um método de usar computadores para ler textos e determinar se os sentimentos por trás das palavras são positivos, negativos ou neutros. A questão que os pesquisadores fazem agora é se a mais nova geração de inteligência artificial, especificamente um poderoso modelo de linguagem capaz de compreender a conversa humana, consegue ler esse humor digital e usá-lo para prever o futuro do mercado de ações sem precisar ser ensinada as regras das finanças primeiro.
Duas pesquisadoras, Ummara Mumtaz e Summaya Mumtaz, propuseram-se a testar essa ideia usando uma ferramenta chamada ChatGPT. Elas focaram em duas das maiores empresas de tecnologia do mundo, Microsoft e Google, e fizeram uma pergunta simples: poderia esta inteligência artificial analisar um dia de tweets sobre essas empresas e adivinhar se seus preços de ações subiriam ou cairiam no dia seguinte? As pesquisadoras não treinaram o computador para ser um especialista em ações. Em vez disso, utilizaram uma técnica conhecida como aprendizado de zero tentativa (zero-shot learning), que permite que um modelo realize uma tarefa que nunca viu antes, baseando-se em sua compreensão geral da linguagem. Elas reuniram uma coleção massiva de meio milhão de tweets do início de 2023 que foram extraídos através da busca pelo termo "gpt". Deste conjunto de dados original, elas buscaram e filtraram especificamente tweets que mencionavam ou se relacionavam com três termos distintos: 'ChatGPT', 'Microsoft' e 'Google'. Para manter o processo justo, elas limparam os dados apenas levemente, removendo links da web, mas deixando as opiniões brutas e não filtradas, hashtags e emojis exatamente como as pessoas os postaram, preservando a voz autêntica da internet.
O método foi direto. Para cada dia no período de estudo, as pesquisadoras alimentaram o ChatGPT com uma amostra de cerca de 15.000 palavras de tweets. Elas deram ao computador uma instrução simples: ler essas postagens e prever a tendência do mercado de ações para a Microsoft e o Google para o dia seguinte. O modelo não recebeu nenhum dado histórico de ações para estudar; ele teve que confiar inteiramente no tom e no conteúdo dos tweets. O computador então gerava uma previsão, como "ascendente", "descendente" ou "estável", muitas vezes adicionando uma breve explicação do porquulo pensava aquilo, como notar que uma empresa estava sendo desafiada por um novo concorrente ou que um lançamento de produto específico estava causando entusiasmo. As pesquisadoras então compararam esses palpites gerados pelo computador contra a variação percentual real nos preços das ações reportada pela bolsa de valores no dia seguinte.
Os resultados mostraram um nível surpreendente de sucesso. Para a Microsoft, a inteligência artificial previu corretamente a direção da tendência do mercado de ações em 26 de 37 dias, alcançando uma taxa de precisão de 70 por cento. Para o Google, o modelo foi preciso em 23 de 36 dias, resultando em uma precisão de aproximadamente 63,88 por cento. As pesquisadoras observaram que, embora esses números não sejam perfeitos, são significativamente melhores do que o esperado de um modelo que está simplesmente chutando ao acaso. Além de acertar a direção, o estudo destacou que o computador foi capaz de identificar razões específicas por trás das tendências, como mencionar o impacto de um novo produto rival ou a potencial ameaça da própria tecnologia. Isso sugere que o modelo não estava apenas correspondendo a padrões, mas estava realmente interpretando o contexto e a nuance da conversa pública.
O estudo conclui que esta abordagem, que utiliza inteligência artificial não treinada para ler o sentimento das redes sociais, possui uma promessa real para entender os movimentos do mercado. As pesquisadoras enfatizam que não precisaram passar meses limpando os dados ou ensinando ao computador fórmulas financeiras específicas. Simplesmente deixando o modelo ler as opiniões brutas do público, elas foram capazes de capturar um sinal que se correlaciona com resultados financeiros do mundo real. Embora o estudo tenha sido limitado a um conjunto específico de tweets e a um curto período de tempo, as descobertas sugerem que a capacidade desses modelos de linguagem avançados de compreender a emoção humana e o contexto pode se tornar uma ferramenta valiosa para a previsão financeira, oferecendo uma nova maneira de ouvir a voz do mercado.
Afogado em artigos na sua área?
Receba digests diários dos artigos mais recentes que correspondam às suas palavras-chave de pesquisa — com resumos técnicos, no seu idioma.