Studie: ChatGPT 4 schlägt professionelle Finanzanalysten
Forscher haben haben herausgefunden, dass Large-Language-Modelle (LLMs) erfolgreich Finanzberichte analysieren und künftige Gewinne vorhersagen können(öffnet im neuen Fenster) , wobei sie oft besser abschneiden als professionelle menschliche Analysten. Die von Alex G. Kim, Maximilian Muhn und Valeri V. Nikolaev von der University of Chicago durchgeführte Studie zeigt das Potenzial der KI im Bereich der Finanzanalyse.
Die Studie, bei der standardisierte und anonyme Finanzberichte durch GPT-4 ausgewertet wurden, ergab, dass die KI selbst ohne branchenspezifische Informationen in der Lage war, Gewinnänderungen genauer vorherzusagen als Finanzanalysten.
Darüber hinaus entdeckten die Forscher, dass die Vorhersagegenauigkeit des LLM mit der Leistung eines eng hinsichtlich Finanzdaten trainierten Lernmodells vergleichbar war. Diese Erkenntnis lässt vermuten, dass die Vorhersagen des LLM nicht nur auf seinem Trainingsgedächtnis beruhen, sondern vielmehr auf seiner Fähigkeit, nützliche Erkenntnisse über die zukünftige Leistung eines Unternehmens zu gewinnen.
Laut Venturebeat(öffnet im neuen Fenster) bestand eine der wichtigsten Neuerungen in der Studie in der Verwendung von Chain-of-thought-Aufforderungen(öffnet im neuen Fenster) , die GPT-4 dazu anleiteten, den analytischen Prozess eines Finanzanalysten zu emulieren, Trends zu erkennen, Kennzahlen zu berechnen und die Informationen zu einer Vorhersage zusammenzufassen. Diese verbesserte Version erreichte eine Genauigkeit von 60 Prozent bei der Vorhersage künftiger Gewinne, was deutlich über der Spanne von 53-57 Prozent der Prognosen menschlicher Analysten liegt.
Handelsstrategien, die auf GPT-Prognosen basieren, erzielen höhere Renditen
Die Studie untersuchte auch den wirtschaftlichen Nutzen der GPT-Prognosen, indem sie ihren Wert bei der Vorhersage von Aktienkursbewegungen analysierte. Dabei zeigte sich, dass Handelsstrategien, die auf den Vorhersagen der GPT basieren, im Vergleich zu Strategien, die auf anderen Modellen beruhen, einen höheren Sharpe-Quotienten(öffnet im neuen Fenster) und höhere Alphas aufweisen. Alpha steht für die Überschussrendite einer Anlage im Vergleich zur Rendite eines Benchmark-Index. Positive Alphas zeigen an, dass die Strategie besser als der Markt abschneidet.
Die Forscher betonen, dass ihre Ergebnisse darauf hindeuten, dass LLMs eine zentrale Rolle bei der Entscheidungsfindung einnehmen können, anstatt nur als Hilfsmittel zu dienen. Die Fähigkeit dieser KI-Modelle, komplexe Finanzdaten zu analysieren und genaue Vorhersagen zu treffen, könnte die Art und Weise ändern, wie Anleger und Börsenprofis künftig an die Analyse von Finanzberichten herangehen.
Die Autoren weisen jedoch auch darauf hin, dass weitere Forschung erforderlich ist, um die Grenzen und Beschränkungen von LLMs bei der Entscheidungsfindung im Finanzbereich vollständig zu verstehen.
Wie Venturebeat berichtet, warnen einige Experten davor, dass das in der Studie als Benchmark verwendete ANN-Modell (englisch artificial neural network) möglicherweise nicht dem neuesten Stand der Technik im Bereich der quantitativen Finanzen entspricht.
Nichtsdestotrotz zeigt die Fähigkeit eines Allzweck-Sprachmodells, mit der Leistung spezialisierter ML-Modelle gleichzuziehen und menschliche Experten zu übertreffen, das Potenzial von LLMs im Finanzbereich.