論文の概要: Can ChatGPT Forecast Stock Price Movements? Return Predictability and Large Language Models
- arxiv url: http://arxiv.org/abs/2304.07619v5
- Date: Wed, 11 Sep 2024 21:23:04 GMT
- ステータス: 処理完了
- システム内更新日: 2024-09-13 22:51:28.624083
- Title: Can ChatGPT Forecast Stock Price Movements? Return Predictability and Large Language Models
- Title(参考訳): ChatGPTは株価変動を予測できるか? 予測可能性と大規模言語モデル
- Authors: Alejandro Lopez-Lira, Yuehua Tang,
- Abstract要約: ニュース見出しを用いて,ChatGPTのような大規模言語モデル(LLM)の株価変動を予測する能力について述べる。
我々は,情報容量制約,過小反応,制限対アビタージュ,LLMを組み込んだ理論モデルを構築した。
- 参考スコア(独自算出の注目度): 51.3422222472898
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: We document the capability of large language models (LLMs) like ChatGPT to predict stock price movements using news headlines, even without direct financial training. ChatGPT scores significantly predict out-of-sample daily stock returns, subsuming traditional methods, and predictability is stronger among smaller stocks and following negative news. To explain these findings, we develop a theoretical model incorporating information capacity constraints, underreaction, limits-to-arbitrage, and LLMs. The model generates several key predictions, which we empirically test: (i) it establishes a critical threshold in AI capabilities necessary for profitable predictions, (ii) it demonstrates that only advanced LLMs can effectively interpret complex information, and (iii) it predicts that widespread LLM adoption can enhance market efficiency. Our results suggest that sophisticated return forecasting is an emerging capability of AI systems and that these technologies can alter information diffusion and decision-making processes in financial markets. Finally, we introduce an interpretability framework to evaluate LLMs' reasoning, contributing to AI transparency and economic decision-making.
- Abstract(参考訳): 本稿では,ChatGPT のような大規模言語モデル (LLM) によるニュース見出しによる株価変動の予測能力について述べる。
チャットGPTのスコアは、従来の手法を仮定し、サンプル外1日当たりのリターンを著しく予測し、より小さな株の間で予測可能性が強くなり、ネガティブなニュースが続く。
これらの知見を説明するため,情報容量の制約,過小反応,制限対アビトラージュ,LLMを組み込んだ理論的モデルを構築した。
モデルはいくつかの重要な予測を生成し、それを経験的にテストします。
i)黒字予測に必要なAI能力において重要なしきい値を確立すること。
(II)高度なLCMだけが複雑な情報を効果的に解釈できることを示し、
三 LLM の普及により市場効率が向上するおそれがある。
我々の結果は、洗練されたリターン予測はAIシステムの新たな能力であり、これらの技術は金融市場の情報拡散や意思決定プロセスを変えることができることを示唆している。
最後に、LLMの推論を評価するための解釈可能性フレームワークを導入し、AIの透明性と経済的な意思決定に寄与する。
関連論文リスト
- A Hybrid Deep Learning Framework for Stock Price Prediction Considering the Investor Sentiment of Online Forum Enhanced by Popularity [0.5893124686141782]
最先端のディープラーニング技術を用いて、オンラインフォーラムから抽出した投資家の感情に基づく株価予測が可能になった。
株価予測のための新しいハイブリッドディープラーニングフレームワークを提案する。
論文 参考訳(メタデータ) (2024-05-17T07:18:08Z) - Diffusion Variational Autoencoder for Tackling Stochasticity in
Multi-Step Regression Stock Price Prediction [54.21695754082441]
長期的地平線上での多段階の株価予測は、ボラティリティの予測に不可欠である。
多段階の株価予測に対する現在の解決策は、主に単一段階の分類に基づく予測のために設計されている。
深層階層型変分オートコーダ(VAE)と拡散確率的手法を組み合わせてセック2seqの株価予測を行う。
本モデルでは, 予測精度と分散性の観点から, 最先端の解よりも優れていることを示す。
論文 参考訳(メタデータ) (2023-08-18T16:21:15Z) - The Wall Street Neophyte: A Zero-Shot Analysis of ChatGPT Over
MultiModal Stock Movement Prediction Challenges [8.974167670273316]
ChatGPTはウォールストリート・ネオファイト(Wall Street Neophyte)であり、ストックムーブメントの予測に成功している。
ChatGPTは、Chain-of-Thoughtの戦略とツイートを含む可能性にもかかわらず、パフォーマンスは依然として劣っている。
論文 参考訳(メタデータ) (2023-04-10T04:31:00Z) - Consistency Analysis of ChatGPT [65.268245109828]
本稿では,ChatGPTとGPT-4の論理的一貫した行動に対する信頼性について検討する。
その結果,両モデルとも言語理解能力と推論能力が向上しているように見えるが,論理的に一貫した予測が得られないことが示唆された。
論文 参考訳(メタデータ) (2023-03-11T01:19:01Z) - Can ChatGPT Understand Too? A Comparative Study on ChatGPT and
Fine-tuned BERT [103.57103957631067]
チャットGPTは、人間の質問に対する流動的で高品質な応答を生成できるため、大きな注目を集めている。
そこで我々は,ChatGPTの理解能力を,最も人気のあるGLUEベンチマークで評価し,より詳細な4種類のBERTスタイルのモデルと比較した。
2)ChatGPTは,感情分析や質問応答タスクにおいて,BERTと同等のパフォーマンスを達成している。
論文 参考訳(メタデータ) (2023-02-19T12:29:33Z) - Transformer-Based Deep Learning Model for Stock Price Prediction: A Case
Study on Bangladesh Stock Market [0.0]
本稿では、ダッカ証券取引所(DSE)に上場する8銘柄の価格変動を予測するためのトランスフォーマーモデルの適用に焦点を当てる。
本実験は,ほとんどの株式において有望な結果と許容される根平均二乗誤差を示すものである。
論文 参考訳(メタデータ) (2022-08-17T14:03:28Z) - HiSA-SMFM: Historical and Sentiment Analysis based Stock Market
Forecasting Model [3.6704226968275258]
本研究の目的は、企業の金融株の将来を精度良く予測することである。
感情分析の分野での既存の研究を分析した結果、株価の動きとニュース記事の発行との間には強い相関関係があることが判明した。
論文 参考訳(メタデータ) (2022-03-10T17:03:38Z) - Stock Price Prediction Under Anomalous Circumstances [81.37657557441649]
本稿では,異常な状況下での株価の変動パターンを捉えることを目的とする。
ARIMAとLSTMのモデルは、シングルストックレベル、業界レベル、一般市場レベルでトレーニングします。
2016年から2020年にかけての100社の株価に基づいて、平均予測精度は98%に達した。
論文 参考訳(メタデータ) (2021-09-14T18:50:38Z) - Stock price prediction using BERT and GAN [0.0]
本稿では、株価を予測するための最先端の手法の集合体を提案する。
これはGoogle for Natural Language Processing (NLP)によって事前訓練されたトランスフォーマーモデルであるBERTのバージョンを使用している。
その後、GAN(Generative Adversarial Network)は、Apple Inc.の株価を、技術指標、さまざまな国の株価指数、いくつかの商品、そして歴史的価格と評価スコアを用いて予測する。
論文 参考訳(メタデータ) (2021-07-18T18:31:43Z) - REST: Relational Event-driven Stock Trend Forecasting [76.08435590771357]
既存の手法の欠点に対処するために,rest(relational event-driven stock trend forecasting)フレームワークを提案する。
第1の欠点を是正するため,我々は,株価の文脈をモデル化し,異なる状況下での株価に対する事象情報の影響を学ぶことを提案する。
第2の欠点に対処するために,ストックグラフを構築し,関連する株からイベント情報の影響を伝達する新しい伝播層を設計する。
論文 参考訳(メタデータ) (2021-02-15T07:22:09Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。