ChatGPT khiến giới chuyên gia tài chính sửng sốt: Có thể giải mã thông điệp chính sách của Fed, dự đoán đúng xu hướng giá cổ phiếu

Xu hướng sử dụng ChatGPT trong việc nghiên cứu học thuật ngành tài chính đang diễn ra. Theo những kết quả ban đầu, việc nền tảng này nhận được “cơn mưa” lời khen trong vài tháng qua dường như là điều hợp lý.

2 nghiên cứu mới được xuất bản trong tháng này đã sử dụng chatbot AI này với những câu hỏi liên quan đến thị trường chứng khoán/ Đầu tiên là giải mã những thông báo của Fed là cứng rắn hay ôn hoà và bài thứ 2 xác định xem những nội dung đó ảnh hưởng tích cực hay tiêu cực đến TTCK.

Theo đó, các nhà nghiên cứu kết luận ChatGPT đã vượt qua cả 2 bài kiểm tra, cho thấy bước tiến quan trọng trong việc sử dụng công nghệ này để “tóm tắt” nhiều bài báo thành những dòng tweet ngắn gọn hay bài phát biểu thành tín hiệu cho thị trường.

Đương nhiên, đây không phải là một quá trình mới ở Phố Wall. Ở đây, các nhà đầu tư định lượng đã sử dụng mô hình tương tự làm nền tảng cho chatbot để đưa ra nhiều chiến lược. Song, những phát hiện mới chỉ ra rằng công nghệ do OpenAI phát triển đã đạt bước tiến mới về việc phân tích sắc thái và bối cảnh.

Slavi Marinov, trưởng bộ phận machine learning tại Man AHL, người đã sử dụng công nghệ xử lý ngôn ngữ tự nhiên để đọc các văn bản như báo cáo lợi nhuận và bài đăng trên Reddit trong nhiều năm. Ông nói: “Đây là một trong những trường hợp hiếm hoi, được tung hô khắp nơi, hoá ra lại đúng là như vậy.”

Cụ thể, trong bài báo đầu tiên với tiêu đề “Can ChatGPT Decipher Fedspeak?” (ChatGPT có thể giải mã những thông báo của Fed không?), 2 nhà nghiên cứu của Fed đã nhận thấy rằng các phân tích của ChatGPT về những thông báo của Fed là ôn hoà hay cứng rắn rất giống với con người. 2 nhà nghiên cứu của Fed Richmond Anne Lundgaard Hansen và Sophia Kazinnik chỉ ra rằng ChatGPT đã vượt mặt mô hình thường được sử dụng có tên là BERT.

ChatGPT thậm chí còn có thể giải thích về việc nền tảng này phân loại các thông báo chính sách của Fed, giống như cách các nhà phân tích thực hiện.

Các nhà nghiên cứu lấy ví dụ về phát biểu của Fed vào tháng 5/2013: “Điều kiện trên thị trường lao động cho thấy sự cải thiện trong những tháng gần đây, đã có sự cân bằng nhưng tỷ lệ thất nghiệp vẫn tăng cao.” Chatbot AI này giải thích đây là quan điểm ôn hoà, vì đó là dấu hiệu cho thấy nền kinh tế vẫn chưa hồi phục hoàn toàn. Điều này tương tự với kết luận của các nhà phân tích.

Nghiên cứu thứ 2 có tên “Can ChatGPT Forecast Stock Price Movements?” (ChatGPT có thể dự báo biến động giá cổ phiếu không?). 2 nhà nghiên cứu Alejandro Lopez-Lira và Yuehua Tang đến từ Đại học Florida đã “nói” ChatGPT đóng vai là một chuyên gia tài chính và giải thích thông tin của các doanh nghiệp. Họ sử dụng tin tức vào cuối năm 2021, khoảng thời gian không có dữ liệu đào tạo của chatbot này

Nghiên cứu cho thấy, các câu trả là mà ChatGPT đưa ra cho thấy mối liên hệ với biến động tiếp theo của cổ phiếu. Đây là dấu hiệu cho thấy công nghệ này có thể phân tích chính xác ý nghĩa ảnh hưởng của tin tức hàng ngày đến thị trường.

Các nhà nghiên cứu lấy ví dụ về thông tin “Rimini Street bị phạt 630.000 USD trong vụ kiện chống lại Oracle” là tốt hay xấu với Oracle. ChatGPT giải thích rằng, đây là thông tin tích cực vì án phạt này có thể “thúc đẩy niềm tin của nhà đầu tư vào khả năng bảo vệ tài sản trí tuệ của Oracle và tăng nhu cầu với các sản phẩm, dịch vụ của họ.”

Đối với hầu hết các phân tích định lượng phức tạp hơn, việc sử dụng công nghệ xử lý ngôn ngữ tự nhiên (NLP) gần như đã là điều bình thường để đánh giá mức đổ phổ biến của một cổ phiếu trên mạng xã hội hay liên quan đến tin tức về một doanh nghiệp. Tuy nhiên, những tiến bộ mà ChatGPT ghi nhận có thể sẽ mở ra cả kho tàng thông tin mới và giúp công nghệ này dễ tiếp cận với cộng đồng chuyên gia tài chính.

Đối với Marinov, dù không có gì ngạc nhiên khi máy móc giờ đây có thể đọc hiểu thông tin gần như không khác gì con người, nhưng ChatGPT có thể giúp cả quá trình này tăng tốc nhanh hơn.

2 nghiên cứu mới cho thấy ChatGPT có thể thực hiện các nhiệm vụ diễn giải ngôn ngữ mà không cần được đào tạo cụ thể. Nghiên cứu của Fed chỉ rằng quá trình “zero-shot learning” đã vượt xa các công nghệ trước đây, nhưng việc được tinh chỉnh dựa trên một số ví dụ cụ thể đã khiến phương pháp này trở nên hiệu quả hơn.

Tham khảo Bloomberg