A primeira onda de pesquisa acadêmica aplicando o ChatGPT ao mundo financeiro está chegando – e julgando pelos resultados iniciais, o hype dos últimos meses é justificado.
Dois novos artigos foram publicados este mês que utilizaram o chatbot de inteligência artificial em tarefas relevantes ao mercado – um para decifrar se as declarações do Federal Reserve eram hawkish ou dovish e outro para determinar se as manchetes eram boas ou ruins para uma ação.
O ChatGPT se saiu bem em ambos os testes, sugerindo um avanço potencialmente importante no uso da tecnologia para transformar toneladas de texto de artigos de notícias a tweets e discursos em sinais de negociação.
Esse processo não é nada novo em Wall Street, é claro, onde os quants usam há muito tempo modelos de linguagem semelhantes aos que sustentam o chatbot para informar muitas estratégias. Mas os resultados apontam para a tecnologia desenvolvida pela OpenAI alcançando um novo nível em termos de análise de nuances e contexto.
“É um dos raros casos em que o hype é real”, disse Slavi Marinov, chefe de aprendizado de máquina na Man AHL, que vem utilizando a tecnologia conhecida como processamento de linguagem natural para ler textos como transcrições de ganhos e postagens no Reddit há anos.
No primeiro artigo, intitulado “Can ChatGPT Decipher Fedspeak?” (“O ChatGPT pode decodificar o Fedspeak?”), dois pesquisadores do próprio Fed descobriram que o ChatGPT chegou mais perto dos humanos ao descobrir se as declarações do banco central eram dovish ou hawkish. Anne Lundgaard Hansen e Sophia Kazinnik do Fed de Richmond mostraram que ele superou um modelo comumente usado do Google chamado BERT e também classificações baseadas em dicionários.
O ChatGPT até conseguiu explicar suas classificações das declarações de política do Fed de uma maneira que se assemelhava ao próprio analista do banco central, que também interpretava a linguagem para atuar como um benchmark humano para o estudo.
Considere esta frase de uma declaração de maio de 2013: “As condições do mercado de trabalho mostraram alguma melhora nos últimos meses, em geral, mas a taxa de desemprego permanece elevada.” O robô explicou que a linha é dovish porque sugere que a economia ainda não se recuperou completamente. Isso foi semelhante à conclusão do analista – Bryson, descrito no artigo como “um homem de 24 anos, conhecido por sua inteligência e curiosidade”.
No segundo estudo, intitulado “Can ChatGPT Forecast Stock Price Movements? Return Predictability and Large Language Models” (“O ChatGPT pode prever movimentos de preços de ações? Previsibilidade de retorno e modelos de linguagem avançados”), Alejandro Lopez-Lira e Yuehua Tang da Universidade da Flórida pediram ao ChatGPT para fingir ser um especialista financeiro e interpretar manchetes de notícias corporativas. Eles usaram notícias depois do final de 2021, um período que não foi coberto nos dados de treinamento do chatbot.
O estudo descobriu que as respostas dadas pelo ChatGPT mostraram uma ligação estatística com os movimentos subsequentes das ações, um sinal de que a tecnologia foi capaz de analisar corretamente as implicações da notícia.
Em um exemplo sobre se a manchete “Rimini Street multada em US$ 630.000 em caso contra a Oracle” era boa ou ruim para a Oracle, o ChatGPT explicou que era positiva porque a penalidade “poderia potencialmente aumentar a confiança do investidor na capacidade da Oracle de proteger sua propriedade intelectual e aumentar a demanda por seus produtos e serviços”.
Para a maioria dos quants sofisticados, agora é quase rotineiro usar o NLP para avaliar a popularidade de uma ação no Twitter ou incorporar as últimas manchetes sobre uma empresa. Mas os avanços demonstrados pelo ChatGPT parecem abrir mundos inteiros de novas informações e tornar a tecnologia mais acessível a uma comunidade mais ampla de profissionais financeiros.
Para Marinov, embora não seja surpresa que as máquinas possam agora ler quase tão bem quanto as pessoas, o ChatGPT pode potencialmente acelerar todo o processo.
Quando a Man AHL estava construindo os modelos, o fundo quantitativo estava rotulando manualmente cada frase como positiva ou negativa para um ativo para dar às máquinas um modelo para interpretar a linguagem. A empresa com sede em Londres, em seguida, transformou todo o processo em um jogo que classificava os participantes e calculava o quanto eles concordavam em cada frase, para que todos os funcionários pudessem se envolver.
Os dois novos artigos sugerem que o ChatGPT pode realizar tarefas semelhantes sem sequer ser especificamente treinado. A pesquisa do Fed mostrou que essa chamada aprendizagem zero-shot já supera as tecnologias anteriores, mas aprimorá-la com base em alguns exemplos específicos a tornou ainda melhor.
“Anteriormente, você tinha que rotular os dados você mesmo”, disse Marinov, que também já co-fundou uma startup de NLP. “Agora você poderia complementar isso com o design da pergunta certa para o ChatGPT.”
A Bloomberg LP, controladora da Bloomberg News, também lançou um grande modelo de linguagem para finanças no mês passado.
Texto original publicado em Bloomberg.com
