Начнем с того, что мы были не первыми. До нас эта идея приходила многим, например:
JPMorgan
использовал GPT для анализа стенограмм заседаний Федеральной резервной системы США с 1998 по 2022 год. Модель оценивала «ястребиность» или «голубиность» высказываний, создавая индекс настроений. Результаты показали, что анализ сентиментов при помощи GPT может предоставить ценные инсайты о тенденциях в монетарной политике, хотя и с некоторыми ограничениями в интерпретации нюансов.
Исследователи из университета Флориды
обнаружили, что GPT способен точно определять сентимент финансовых новостей. Модель также продемонстрировала способность прогнозировать движения фондового рынка на основе анализа новостей. Однако исследование выявило некоторые ограничения, связанные с обработкой сложных финансовых концепций.
В своем эксперименте Александр Жадан
использовал GPT для прогнозирования движений цен акций. Он обнаружил, что модель может давать правдоподобные оценки, основанные на исторических данных и новостях. Однако точность была недостаточно высокой для стабильной прибыльной торговли. Результаты указывают, на необходимость комбинирования прогнозов, полученных с помощью GPT, с традиционными методами финансового анализа, для достижения более надежных результатов.