Der Traum, den Menschen im Finanzwesen zu ersetzen, könnte wahr werden

ChatGPT ist die am schnellsten wachsende App aller Zeiten und hat nur zwei Monate nach ihrer Einführung im November mehr als 100 Millionen Nutzer gewonnen. Es ermöglicht Benutzern, menschenähnliche Gespräche zu führen, die vernünftig klingende und oft richtige Antworten auf alle möglichen Fragen enthalten. Wie Menschen kann es nach weiteren Informationen fragen und Argumente erläutern.

Wir sehen jetzt die ersten wissenschaftlichen Untersuchungen zum Einsatz von ChatGPT im Finanzwesen. Zwei aktuelle Studien lassen GPT als vielversprechende Technologie erscheinen, um sowohl die Investitionsentscheidungsfindung zu verbessern als auch ihre Entscheidungen zu erklären. Vielleicht geht der lang gehegte Traum, den Menschen im Finanzwesen zu ersetzen, in Erfüllung.

Im Dezember schrieb ich: „Eine unermüdliche Maschine, die in der Lage ist, alle Informationen zu verarbeiten und immun gegen Vorurteile ist, sollte dem Menschen beim Investieren deutlich überlegen sein. Aber das ist nicht der Fall.“ Finanzmanagement war eines der frühesten Ziele der Forschung im Bereich der künstlichen Intelligenz (KI), weil es eine einfache und äußerst lohnende Aufgabe zu sein schien. Doch bisher hat sich KI nur in Nischenanwendungen im Finanzwesen durchgesetzt.

GPT steht für Generative Pre-trained Transformer, eine fünf Jahre alte Idee, die bei KI-Anwendungen bahnbrechend sein könnte. Im Großen und Ganzen gibt es drei Ansätze, um nützliche Informationen aus Daten zu extrahieren. Mit strukturierten Daten wie Buchhaltungszahlen oder Preisverläufen können Sie Statistiken und formale Modelle anwenden. Bei völlig unstrukturierten Daten – einer Reihe von Bits, bei denen es sich um Fotos, physikalische Messungen, Text oder irgendetwas anderes handeln kann – gibt es Algorithmen, die Muster extrahieren und zukünftige Eingaben vorhersagen können.

Sprache liegt irgendwo dazwischen. Es gibt eine Struktur, das heißt, nur bestimmte Buchstabenkombinationen sind verständliche Wörter, und es gibt Grammatikregeln für die Aneinanderreihung von Wörtern. Es gibt jedoch Ausnahmen von Regeln und Nuancen, die über den wörtlichen Text hinausgehen. Um Texte zu verstehen, sind umfangreiche Domänen- und Kontextkenntnisse erforderlich. Es gibt eine alte Geschichte – sie lässt sich bis ins Jahr 1956 zurückverfolgen, als sie bereits alt war – über einen KI-Mitarbeiter, der ein Programm zur Übersetzung zwischen Englisch und Russisch entwickelte. Sie übersetzte es mit dem Satz „aus den Augen, aus dem Sinn“ ins Russische, übersetzte das Russische dann zurück ins Englische und bekam „unsichtbarer Idiot“. Es gibt keine Sprachregeln, die uns sagen, dass es sich bei dem Ausdruck eher um einen Aphorismus über Vergesslichkeit als um die Beschreibung einer Person handelt, aber kein Muttersprachler würde diesen Fehler machen.

GPT-Modelle sind derzeit der angesagteste Ansatz für die Arbeit mit Sprachdaten, aber beim quantitativen Handel und bei Investitionen werden seit vielen Jahren gröbere Sprachmodelle verwendet. Ein menschlicher Forscher liest relevante Informationen wie Unternehmensaussagen, Nachrichten, Umfragen und Forschungsberichte sorgfältig und langsam. Computer können riesige Mengen an Informationen in vielen Sprachen lesen und sofort Schlussfolgerungen ziehen. Dies ist für den Hochfrequenzhandel von entscheidender Bedeutung, wenn es darauf ankommt, eine Millisekunde früher festzustellen, ob eine Schlagzeile eine gute oder eine schlechte Nachricht für einen Aktienkurs ist.

Die meisten Sprachmodelle, die heute im quantitativen Finanzwesen verwendet werden, behandeln diese als strukturierte Daten. Algorithmen suchen nach bestimmten Wörtern oder messen einfach die Anzahl der Wörter in einer Überschrift oder Pressemitteilung. Manche Algorithmen suchen nach bestimmten Mustern oder Strukturen. Aber keiner der Großen versucht, die Bedeutung des Textes zu verstehen, und keiner von ihnen kann erklären, warum er zu seinen Schlussfolgerungen gelangt oder weitere Gespräche zu diesem Thema führt.

Jetzt kommen zwei Artikel mit dem Titel „Kann ChatGPT Fedspeak entschlüsseln?“ und „Kann ChatGPT Aktienkursbewegungen vorhersagen?“ Es geht nicht darum, dass SkyNet die Wall Street übernimmt, sondern darum, ob ChatGPT ältere Modelle – von denen viele Sprache als strukturiert betrachten – bei der schnellen Entscheidungsfindung bei kurzen Texten übertrifft.

Im ersten Papier wurde ChatGPT gebeten, festzustellen, ob ein einzelner Satz aus einer Erklärung der Federal Reserve „locker“ (was darauf hindeutet, dass die Zentralbank die Zinssätze eher senken als erhöhen würde) oder „hawkish“ (was das Gegenteil vermuten lässt) war. Ein Hochfrequenzhandelsalgorithmus könnte jeden Satz in der Fed-Mitteilung bewerten und die Ausgabe zusammen mit anderen Daten verwenden, um Federal Funds Futures oder andere Instrumente zu handeln, bevor die menschlichen Analysten das erste Wort in der Mitteilung zu Ende gelesen haben.

In dieser Studie konnte ChatGPT die Schlussfolgerungen menschlicher Analysten eindeutig besser abgleichen als wörterbuchbasierte Modelle, die nur nach bestimmten Wörtern suchten. Als die Forscher ChatGPT verfeinerten, indem sie ihm ein zusätzliches Training zu Fed-Aussagen mit Feedback dazu gaben, wie Menschen die Aussagen bewerteten, stimmte es mit menschlichen Forschern etwa so oft überein, wie zwei menschliche Forscher miteinander übereinstimmten. Und seine Begründungen für seine Entscheidungen waren plausibel.

Dies ist für den Handel nicht unmittelbar nützlich. In dem Papier wurde weder offengelegt, wie schnell das Modell lief, noch, ob die Gesamtinterpretationen der gesamten Veröffentlichungen der Fed gut mit den allgemeinen Schlussfolgerungen der Menschen übereinstimmten (ob sie mit der Realität übereinstimmten, ist nicht der Punkt, da Hochfrequenzhändler versuchen, den Markt mit neuen Erkenntnissen zu übertreffen Konsens, nicht an die theoretisch richtige Stelle). Aber es deutet darauf hin, dass GPT-Modelle möglicherweise die Wende zum tatsächlichen Verstehen von Sprache geschafft haben. Wenn das wahr ist – und eine Studie beweist nichts –, können sie auf ein viel breiteres Spektrum an Texten angewendet werden, um Thesen zu formulieren, wie zum Beispiel, dass die Inflation in den nächsten 12 Monaten wahrscheinlich weiterhin ein Problem sein wird und keine Blitzsignale Hochfrequenzhandel. Und statt binärer Kauf-/Verkaufssignale kann ChatGPT ein Gespräch mit einem menschlichen Analysten führen, um Investitionsentscheidungen zu verbessern. Wenn dies schließlich zu funktionieren scheint, kann eine zukünftige Generation von GPT-Modellen auf der gesamten Geschichte von Texten und finanziellen Preisbewegungen trainiert werden.

Das zweite Papier ist für den Handel direkter relevant. Mithilfe von ChatGPT wurden Schlagzeilen als gut oder schlecht für die Aktienkurse bewertet. Es wurde die Strategie getestet, eine Aktie mit guten Nachrichten bei Eröffnung zu kaufen, nachdem die Schlagzeile veröffentlicht wurde, und bei Handelsschluss zu verkaufen; oder bei Eröffnung verkaufen und bei Schluss zurückkaufen, wenn die Schlagzeile schlecht war.

Die Ergebnisse sind nicht schlüssig. Das ChatGPT-Signal hatte eine Korrelation von 0,01 mit der Rohaktienrendite des nächsten Tages. Um ein Signal zu bewerten, müssen Sie es jedoch mit der Residualrendite nach Anpassung an die Marktrendite und möglicherweise bekannte Faktoren vergleichen. Eine Korrelation von 0,01 könnte in Kombination mit anderen Signalen wertvoll sein, vielleicht aber auch nicht. Die getestete Strategie erzielte zwar von Oktober 2021 bis Dezember 2022 positive Renditen ohne Transaktionskosten, die Autoren liefern jedoch keine Daten darüber, ob sie eine Marktstrategie übertraf und auch nicht, ob die positive Rendite statistisch signifikant war. Ein gemeldeter Bruttogewinn von 0,13 % pro Trade deutet darauf hin, dass die Transaktionskosten möglicherweise nicht ausgeglichen werden.

Die Autoren berichten auch von einer Regression, die zukünftige Informationen einbezieht, sodass sie nicht zur Bewertung der Wirksamkeit von Entscheidungen auf der Grundlage der zu diesem Zeitpunkt bekannten Informationen verwendet werden kann. Das ChatGPT-Signal liefert keine zusätzlichen Informationen zu den von den Autoren angegebenen drei Dezimalstellen, obwohl es einen kleinen positiven Wert zu haben scheint. Aber nicht schlüssig zu sein bedeutet nicht, dass man scheitert. Die Studie ergab, dass ChatGPT besser war als beliebte alternative Modelle, und die Forschung zu GPT und anderen großen Sprachmodellen wird fortgesetzt.

GPT ist ein KI-Tool, das mit Menschen zusammenarbeiten, von ihnen lernen und ihnen etwas beibringen kann, anstatt eine unverständliche Blackbox zu sein. Zumindest scheint es bereit zu sein, ältere Algorithmen zu ersetzen und den Einsatz von KI sowohl beim quantitativen als auch beim qualitativen Investieren zu erhöhen. Es ist noch weit davon entfernt, die Wall Street zu übernehmen, aber es gibt keinen Grund zu der Annahme, dass dies nicht möglich ist.

Mehr aus der Bloomberg-Meinung:

• Nicht einmal KI ist heutzutage in der Lage, den Markt zu schlagen: Aaron Brown

• Wenn wir die KI pausieren würden, würden wir uns nur selbst schaden: Tyler Cowen

• So etwas wie künstliche Intelligenz gibt es nicht: Parmy Olson

Diese Kolumne spiegelt nicht unbedingt die Meinung der Redaktion oder von Bloomberg LP und seinen Eigentümern wider.

Aaron Brown ist ehemaliger Geschäftsführer und Leiter der Finanzmarktforschung bei AQR Capital Management. Er ist Autor von „The Poker Face of Wall Street“. Möglicherweise ist er an den Bereichen beteiligt, über die er schreibt.

Weitere Geschichten wie diese finden Sie auf Bloomberg.com/opinion

©2023 Bloomberg LP