論文の概要: Is GPT4 a Good Trader?
- arxiv url: http://arxiv.org/abs/2309.10982v1
- Date: Wed, 20 Sep 2023 00:47:52 GMT
- ステータス: 処理完了
- システム内更新日: 2023-09-21 17:44:04.384449
- Title: Is GPT4 a Good Trader?
- Title(参考訳): GPT4は良いトレーダーか?
- Authors: Bingzhe Wu
- Abstract要約: 大規模言語モデル(LLM)は、様々な計画や推論タスクにおいて重要な機能を示している。
本研究は,GPT-4の古典的貿易理論理解の忠実さと,そのコードインタプリタ能力を実世界の貿易データ分析に適用する能力について検討することを目的とする。
- 参考スコア(独自算出の注目度): 12.057320450155835
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Recently, large language models (LLMs), particularly GPT-4, have demonstrated
significant capabilities in various planning and reasoning tasks
\cite{cheng2023gpt4,bubeck2023sparks}. Motivated by these advancements, there
has been a surge of interest among researchers to harness the capabilities of
GPT-4 for the automated design of quantitative factors that do not overlap with
existing factor libraries, with an aspiration to achieve alpha returns
\cite{webpagequant}. In contrast to these work, this study aims to examine the
fidelity of GPT-4's comprehension of classic trading theories and its
proficiency in applying its code interpreter abilities to real-world trading
data analysis. Such an exploration is instrumental in discerning whether the
underlying logic GPT-4 employs for trading is intrinsically reliable.
Furthermore, given the acknowledged interpretative latitude inherent in most
trading theories, we seek to distill more precise methodologies of deploying
these theories from GPT-4's analytical process, potentially offering invaluable
insights to human traders.
To achieve this objective, we selected daily candlestick (K-line) data from
specific periods for certain assets, such as the Shanghai Stock Index. Through
meticulous prompt engineering, we guided GPT-4 to analyze the technical
structures embedded within this data, based on specific theories like the
Elliott Wave Theory. We then subjected its analytical output to manual
evaluation, assessing its interpretative depth and accuracy vis-\`a-vis these
trading theories from multiple dimensions. The results and findings from this
study could pave the way for a synergistic amalgamation of human expertise and
AI-driven insights in the realm of trading.
- Abstract(参考訳): 近年,大規模言語モデル (LLM) ,特に GPT-4 は,様々な計画および推論タスク \cite{cheng2023gpt4,bubeck2023sparks} において重要な機能を示している。
これらの進歩によって、既存の因子ライブラリと重複しない量的因子の自動設計に、GPT-4の能力を利用する研究者の関心が高まっている。
これらの研究とは対照的に, GPT-4の古典的トレーディング理論の理解と, そのコードインタプリタ能力を実世界のトレーディングデータ解析に適用する能力について検討する。
このような探索は、基礎となるロジック GPT-4 が本質的に信頼できるかどうかを明らかにするのに役立っている。
さらに、ほとんどの貿易理論に固有の解釈緯度を考えると、我々はこれらの理論をGPT-4の分析過程からより正確な手法で展開し、人間のトレーダーに価値ある洞察を与えようとしている。
この目的を達成するため、上海証券取引所などの特定資産の特定期間から毎日のキャンドルスティック(K線)データを選択した。
細心の注意深いプロンプトエンジニアリングを通じて、エリオット波理論のような特定の理論に基づいて、このデータに埋め込まれた技術構造を分析するようにgpt-4を誘導した。
次に分析結果を手動で評価し,その解釈的深さと精度 vis-\`a-vis これらの貿易理論を多次元から評価した。
この研究の結果と結果は、人間の専門知識の相乗的アマルガメーションと、取引領域におけるAI主導の洞察の道を開く可能性がある。
関連論文リスト
- Using GPT-4 to guide causal machine learning [5.953513005270839]
確立されたGPT-4(Turbo)に着目し,その性能を最も制約のある条件下で評価する。
その結果, GPT-4 グラフは評価カテゴリーで最も正確であることがわかった。
GPT-4と因果MLのペアリングは、この制限を克服し、実際のデータからグラフィカル構造を学習し、ドメインの専門家によって特定されたものとより密に一致することを示す。
論文 参考訳(メタデータ) (2024-07-26T08:59:26Z) - Assessing the Effectiveness of GPT-4o in Climate Change Evidence Synthesis and Systematic Assessments: Preliminary Insights [0.0]
GPT-4oは最先端の大規模言語モデル(LLM)である
我々は,GPT-4oによる気候変動適応に関する科学的文献からの抽出の有効性を評価した。
その結果,GPT-4oは低熟練タスクでは高い精度が得られるが,利害関係者の識別や適応応答の深さ評価などの中高熟練タスクでは信頼性が低いことが示唆された。
論文 参考訳(メタデータ) (2024-07-02T13:14:57Z) - InFoBench: Evaluating Instruction Following Ability in Large Language
Models [57.27152890085759]
Decomposed Requirements following Ratio (DRFR) は、命令に従うLarge Language Models (LLM) 能力を評価するための新しい指標である。
InFoBenchは500の多様な命令と2250の分解された質問を複数の制約カテゴリに分けたベンチマークである。
論文 参考訳(メタデータ) (2024-01-07T23:01:56Z) - Gemini vs GPT-4V: A Preliminary Comparison and Combination of
Vision-Language Models Through Qualitative Cases [98.35348038111508]
本稿では,Google の Gemini と OpenAI の GPT-4V(ision) の2つのパイオニアモデルについて,詳細な比較研究を行った。
分析の核となるのは、各モデルの視覚的理解能力である。
両モデルのユニークな強みとニッチを照らし出した。
論文 参考訳(メタデータ) (2023-12-22T18:59:58Z) - The Dawn of LMMs: Preliminary Explorations with GPT-4V(ision) [121.42924593374127]
我々は,最新のモデルであるGPT-4Vを分析し,LMMの理解を深める。
GPT-4Vは、任意にインターリーブされたマルチモーダル入力を処理するという前例のない能力により、強力なマルチモーダルジェネラリストシステムとなっている。
GPT-4Vの、入力画像に描かれた視覚マーカーを理解するユニークな能力は、新しい人間とコンピュータの相互作用方法をもたらす。
論文 参考訳(メタデータ) (2023-09-29T17:34:51Z) - Can GPT-4 Support Analysis of Textual Data in Tasks Requiring Highly
Specialized Domain Expertise? [0.8924669503280334]
GPT-4は、アノテーションガイドラインによって誘導され、十分に訓練された法学生のアノテーションと同等に実行される。
ガイドラインでは,GPT-4の予測を解析し,欠陥を識別・緩和する方法を実証した。
論文 参考訳(メタデータ) (2023-06-24T08:48:24Z) - Is GPT-4 a Good Data Analyst? [67.35956981748699]
我々は、GPT-4を、広範囲のドメインのデータベースでエンドツーエンドのデータ分析を行うためのデータ分析であると考えている。
我々は,複数の専門家データアナリストとGPT-4のパフォーマンスを体系的に比較するために,タスク固有の評価指標を設計する。
実験の結果, GPT-4はヒトに匹敵する性能を示した。
論文 参考訳(メタデータ) (2023-05-24T11:26:59Z) - LLMs for Knowledge Graph Construction and Reasoning: Recent Capabilities and Future Opportunities [66.36633042421387]
知識グラフ(KG)の構築と推論のための大規模言語モデル(LLM)の評価。
我々は,LLMと外部ソースを用いたマルチエージェントベースのアプローチであるAutoKGを提案し,KGの構築と推論を行う。
論文 参考訳(メタデータ) (2023-05-22T15:56:44Z) - GPT-4 Technical Report [116.90398195245983]
GPT-4は大規模なマルチモーダルモデルであり、画像やテキストの入力を受け取り、テキスト出力を生成することができる。
試験受験者の上位10%のスコアで模擬試験に合格するなど、さまざまな専門的、学術的なベンチマークで人間レベルのパフォーマンスを示す。
論文 参考訳(メタデータ) (2023-03-15T17:15:04Z)
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。