AI and Exchange Rate Predictability
本文表明，生成式人工智能模型能够通过基于经济基本面预测汇率回报，并利用泰勒规则框架作为核心预测机制，实现超过 0.7 的夏普比率，从而有效地解决米斯-罗格夫（Meese-Rogoff）汇率脱节之谜。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一下，全球经济是一片浩瀚而混乱的海洋，而货币就像是海面上的船只。几十年来，经济学家一直试图通过观察“经济基本面”（如通胀、就业和增长）这些“天气报告”来预测哪艘船会上升，哪艘会沉没。但有一个著名的谜团叫做“汇率脱节”。这就像是试图通过阅读天气图来预报风暴，却发现船只的移动完全是随机的，完全无视了那张地图。一个简单的猜测（即“随机游走”）往往比复杂的数学模型更有效。这令人感到沮出的挫败感，因为如果我们无法预测资金的流动，就很难理解这个全球最大的金融市场。于是，人工智能（AI）登场了，特别是被称为“大语言模型”的一种新型 AI。请将它们想象成不是计算器，而是超级聪明、不知疲倦的实习生，能够在一瞬间阅读数千条新闻标题和经济报告，并连接起人类大脑可能会忽略的各种关联点。核心问题在于：这个数字大脑最终能否破解海洋的密码，还是仅仅在瞎猜？
由 Amin Izadyar 撰写的这篇论文正是提出了这样一个问题。作者使用像 ChatGPT 和 DeepSeek 这样的 AI 模型来充当十种主要货币（如美元、欧元和日元）的金融分析师。作者并没有给 AI 输入复杂的数学方程，而是给了它一个简单的任务：阅读最新的经济新闻（如 GDP 报告或通胀数据），将其与专家预测进行对比，并判断该新闻是好的（货币会走强）、坏的（货币会走弱）还是中性的。随后，AI 会输出一个“方向性信号”。通过在一段时间内收集数千个此类信号，作者构建了一个名为 AIFX 指数 的记分卡，该指数衡量基于经济新闻的货币净“强度”。
结果非常令人振奋。研究发现，这种 AI 生成的记分卡实际上可以预测货币回报。一种简单的交易策略——即买入具有强 AI 得分的货币，卖出得分较低的货币——可以产生超过 0.7/年 的利润（以“夏普比率”衡量）。换句话说，这是一个稳健的回报，优于单纯的猜测，并且在扣除其他已知交易获利方式后，依然保持盈利。AI 似乎发现了经济新闻与货币价格之间的一个隐藏联系，而这是传统模型所忽略的。
然而，作者非常谨慎，并未声称 AI 是魔法，或者它已经永远“解开了”这个谜题。关于 AI 的一个主要担忧是“前瞻偏差”（look-ahead bias）——即担心 AI 只是在使用其训练数据中的信息，而不是在进行真正的推理。为了证明并非如此，作者进行了四项巧妙的测试。首先，他们要求 AI 在不知道日期的情况下猜测新闻发布的年份；结果 AI 表现得很糟糕，大部分情况下都猜错了年份。其次，他们将一个较旧的 AI 模型（训练数据截至 2021 年）与一个较新的模型（训练数据截至 2023 年）进行了对比；两者的表现相似，这表明较新的模型并非仅仅是在“回忆”近期发生的事件。第三，他们检查了 AI 是否记住了通胀与货币价格之间的历史关系；它并没有。最后，他们创建了一个基于 AI “记忆”中过去价格变动的“纯后视”投资组合，发现 AI 实际的交易策略运行方向与单纯的记忆恰恰相反。这些测试表明，AI 确实是在对新闻进行推理，而不是在背诵剧本。
深入挖掘，论文发现了 AI 奏效的原因。事实证明，AI 在关注三种特定类型的新闻时最为成功：通胀数据、就业数据以及广泛的经济活动指标。这些正是中央银行在决定利率时所使用的著名的泰勒规则（Taylor Rule）中的变量。AI 似乎直觉地理解到，如果一个国家通胀高企或失业率低，中央银行很可能会提高利率，从而使该货币更具吸引力。有趣的是，AI 的成功主要由正面新闻（良好的经济数据）驱动。坏消息会导致货币价值立即大幅下跌（市场会迅速消化），而好消息则会导致货币价值缓慢且渐进地上升，这给了 AI 更多预测未来收益的时间。
简而言之，这篇论文表明，人工智能可以作为一个高效的金融分析师，揭示了隐藏在显眼之处的经济基本面与汇率之间的真实联系。这并不意味着市场是完全可预测的，但它确实表明，只要拥有正确的工具，我们终于可以开始正确地阅读天气图了。研究结果是稳健的，并得到了严格测试的支持，但作者指出，这只是理解一个复杂系统的起点，而非对金融领域所有谜题的终极答案。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。