一篇來自佛羅里達大學的研究報告震驚了金融圈：用ChatGPT對公司新聞進行情緒分析，並按此在股市做多、賣空，最高可獲得超過500%的投資回報率。雖然坊間對這份報告中驚人的回報率數據有所懷疑，但金融界正在因AI的介入發生改變。
摩根大通、高盛等傳奇投行鑽營AI的消息連續曝光，而無論500%的收益率是否經得起推敲，它至少說明，GPT的能力開始滲入金融市場最前端的環節——交易。在Web3資產管理和投研機構的高管Rocky眼中，AI對“另類因子”的高效挖礦和優化已然發生。
在量化機構和對沖基金裡，“另類因子”是所有策略因子中最稀有、珍貴的因子。它是指公司基本面、交易量、價格等常規因素之外的、影響行情的因素，比如社交輿情、市場情緒等。 “頂級機構都在成交量另類因子，”Rocky解釋，量價因子和基本面因子不可避免地走向同質化，另類因子會起到決定性的作用，能幫助機構出奇制勝。
作為通用大模型，GPT想要直接用於量化投資還需使用者精細打磨，但新的大門已經打開。而對於普通人來說，借助ChatGPT高效地大量驗證策略、分析數據後，也可以找到適合自己的生財之道。
AI的龍成交量風終於刮到了離錢最近的金融市場。
“500%投資回報率”轟動世界
一直信奉科技力量的頂級投行摩根大通對AI出手了。 5月26日，摩根大通宣布正在研發名為“IndexGPT”的金融服務工具，利用雲計算和人工智能進行證券的分析和選擇，為客戶提供智能化和個性化的投資建議。
這是摩根大通又一次明牌將AI加入到交易系統。
早在2017年，摩根大通就開始使用內部代號為LOXM的人工智能工具，讓機器從過去幾十億條實盤和模擬盤的歷史交易中歸納經驗和教訓，然後以最快的速度和最優價格執行交易指令，從交易規模和效率上超越人類。
2019年，摩根大通更是網羅全球AI高手，開發“股票交易機器人”，主要功能包括生成投資報告、自動搜尋投資機會以及自動監控“報價請求”。當時，摩根大通稱，自動化訂單在過去幾年中將交易執行成本降低了約20％。
如果摩根大通早期的AI投入意在“降本”，當GPT展現出超能力時，這家投行開始用最前沿的AI技術提升自己的“鈔能力”。從佈局脈絡看，AI在摩根大通內部扮演的角色發生了重要改變——從投資助理蛻變為指導交易的操盤手。
摩根大通的新動作釋放出AI深度介入金融業的信號，高盛、摩根士丹利也都被曝出在內部投入AI研發。
金融巨頭搞AI的新聞在華爾街上演，並沒引起大眾注意。但來自佛羅里達大學金融系的一份研究報告，被人挑出亮點，一下打破了“AI改變金融圈”這種常規敘事下的審美疲勞。
那份以“ChatGPT能預測股價走勢嗎？”為題的高校研究報告，最初發佈於今年4月6日，一開始也反響寥寥。直到5月份， Reddit上的一名科技作者推薦了這篇報告，他認為，這是一份被主流媒體忽視的論文。
“500%的投資回報率”入題後，瞬時引爆金融圈內外。
論文顯示，佛羅里達大學的研究人員給不聯網的GPT-3.5投餵了2021年10月至2022年12月的公開市場數據和新聞，這些數據通過網絡爬蟲獲取，包含4138家上市公司相關的67586的標題，並排除了任何股票漲跌的頭條，過濾掉了無意義的、熱點話題、重複的新聞等內容。研究人員主要讓ChatGPT來評估每個標題，並要求它判定是利好還是利空。
這是典型的情緒分析，也是DE Shaw、Two Sigma 等知名對沖基金會採用的自動化交易策略的一部分。舉個簡單的例子，當一件事發生後，市場往往對其利多還是利空有分歧，準確的情緒分析有助於識別消息影響，做出正確的投資決策。
研究人員不厭其煩地讓ChatGPT給出答案，最終他們得出了驚人的結論：擅長邏輯推理的ChatGPT 表現優於其他所有情緒分析工具。借助ChatGPT，研究人員回測了過去使用ChatGPT指導不同投資策略的回報表現，最終多空策略（買入有好消息的公司，賣空有壞消息的公司）收益率超過了500%，做空策略回報率接近400%，做多策略回報率大約為50%。
由ChatGPT 驅動的策略表現
在證券市場，上述的任何一個回報率，都足以秒殺全世界99%的投資經理。研究報告指出，同一時間段內購買並持有標準普爾500指數ETF的回報率為-12%。
僅僅用ChatGPT進行情緒分析，就能帶來如此高的回報率？這篇報告吸睛的同時也引發網友質疑，“如果你找到了一種能在不到2 年內獲得500% 回報的策略，你會公開它嗎？”還有人稱，即便報告是真的，但一旦一種策略廣為人知，它就不再有效，“天下沒有免費的午餐。”
AI升級另類因子“挖礦機”
外行看熱鬧，內行看門道，消息傳到Rocky耳中，他興奮極了。
Rocky是一家Web3資產管理和投研機構的高管，他直言被佛羅里達大學的這份研究報告“驚呆了”，他認為，ChatGPT的加入讓“另類因子”的挖礦和優化有了質的飛躍，他給出結論：“交易員已死，AI+投資是未來。”
Rocky解釋，以前他們研究量化，有兩點是最難的，第一個是數據源，第二個是策略因子。常見的策略因子包括量價因子和基本面因子，最後同質化都比較嚴重，“最終考驗的是另類因子博弈。”
策略因子是量化機構中的常見概念。簡單理解，機構拿到二級市場的成交數據、資訊輿情等數據後，會對它們清洗，然後將海量數據處理成一個個因子。這是一個從海量信息中找到影響市場的重要因素的過程。把這些因子融入到交易策略裡，能幫交易員判斷行情漲跌。
有效的策略因子意味著“金礦”，挖礦到了，回報就不是難事。
如Rocky所說，策略因子中，量價因子、基本面因子和另類因子三者在量化策略裡的佔比大致是60%、20%、20%。其中量價因子基於市場成交量的數據挖礦而來，包括每分每秒的資產價格、資金流向、各類K線的技術指標等等；基本面因子則來源於財務報表、券商報告、分析師預期等等；而另類因子則是前兩者之外的“秘密武器”，各家機構會利用自己獨到的能力採集包括社交輿情、門店數據等影響價格的因素。佛羅里達大學研究人員讓ChatGPT做的“情緒分析”就屬此類。
常見的策略因子（紅岸研究整理）
一般來說，量價因子和基本面因子，很難拉開機構間的差距，因為這些信息都是固定且公開的，而挖礦到另類因子更考驗機構功力。 “現在頂級對沖基金都在成交量另類因子”，Rocky告訴《元宇宙日爆》，高手對決，常規招式很難奏效，奇招才能致勝。
但另類因子的挖礦成本和難度遠高於量價因子和基本面因子。
“就像在無邊的沙灘上撿貝殼，需要非常耐心地一個個撿。通常某類的另類數據，只能覆蓋到其中某些板塊，哪怕挖礦到了，也只能獲得這些板塊上的收益。”蒙璽投資總經理李驤稱，另類因子光數據收集就有一定門檻，因為它不是常規的數據，要么從第三方數據提供商購買，要么自己收集，甚至為了發現更優質的數據，機構還需要主動去挖礦有價值的數據供應商。
在採集到數據後，研究另類數據也不簡單。 “如何挖礦數據的內部邏輯，這一步也有較高門檻。”李驤說，這個過程非常精細，需要剔除各類噪音，找到內在邏輯，再進行因子組合，一系列操作完成後，才可能有不錯的效果。
李驤把收集因子的過程比喻為“挖礦”：最開始把地表層面的一些礦、比較好收集的先收集進來，然後越挖越深。
在另類因子挖礦方面，往往是各大投資機構最費人力、財力也是最核心的工作，他們大批量地蒐集情報，逐一分析價值，回測收益率、試錯，龐雜的工作量後可能一無所獲，收穫有效的另類因子有時候還需要些運氣成分。
如今，ChatGPT的出現讓挖礦另類因子的過程變得高效。 “它文本到文本的功能很強大，比如我們利用自然語言處理技術，可以抓取網友對某一類股票，甚至某一隻股票的觀點。”李驤認為，GPT的跨越式發展，可以提升一些輔助型工作的效率，比如在預測維度方面，“它對量化研究的增益是在數據收集端，利用ChatGPT可以更好地獲取文本端信息。”
不過，GPT更像一個通用大模型，並不偏向金融專業，這注定了它還不能即拿即用。 Rocky稱，基於GPT大模型做的數據投餵，屬於“普世模型“，無法滿足金融橫截面與時間序列數據的真實性、有效性、實時性，在數據清洗環節，還需要專業的小模型做預處理和標準化，這表明ChatGPT離專業量化之路還有距離。
但Rocky認為， ChatGPT已經為機構們開闢了一條顯而易見的門道，AI可以成為交易員的高能助手。
普通人的財富機會來了？
佛羅里達大學的研究報告像是一個引子，足以讓摩根大通們靈光乍現。 AI很可能成為交易市場中沒有感情的“賺錢機器”，與真人展開金錢博弈。
那麼，普通投資者能否借助ChatGPT這樣的工具，參與量化交易，提升自己的收益回報？
對此，Rocky覺得還不現實。他解釋，做量化交易需要有金融工程專業背景，得具備高等數學、統計概念、金融知識、衍生品知識、金融法規等知識儲備。同時，GPT這個大模型數據庫，沒有實時性，必須從彭博社等處購買數據源，不然數據都是非實時的，沒法參與博弈，“彭博社一個終端就十幾萬美金了，門檻太高，散戶用GPT跑個收益回測還可以，實戰就別想了。”
金融市場波譎雲詭，普通投資者對工具的使用應該尤其謹慎，一旦被高階的工具識破底牌，恐怕會成為任人宰割的羔羊。不過，也有人提供了更適合普通人的投資思路，高收益恐怕做不到，但還是很有機會跑贏房貸利率。
小程序“阿牛數據”的創建者牛亦飛一直在從事低頻量化交易，不久前，他做了一個實驗，讓ChatGPT寫一個量化策略，並回測出收益率曲線。
牛亦飛給ChatGPT提供的策略邏輯是：從上證50、創業板指、10年國債這3個指數的ETF中，每天選出近1個月（22個交易日）漲幅最大的那隻，如果已經持有該基金則繼續持倉，如果未持有，則清倉持有的基金全倉買入該基金，如果這3只基金近1個月都下跌就清倉。
用ChatGPT編寫量化策略代碼過程
很快，ChatGPT給出了相應的策略代碼和註釋。 “唯一不足的是沒有給出數據源，好在我存有一份基金歷史數據，引入數據運行後，果然可以看到每日持倉的結果了”。
隨後，牛亦飛需要驗證策略的歷史表現，於是讓ChatGPT生成回測程序，要求回測出策略的區間收益率、年化收益率、最大回撤等，幾秒鐘後，AI就給出了程序代碼，並把要求的指標的實現了。 “不過，在仔細查看程序後，還是發現細節上存在一點瑕疵，例如沒有考慮實際調倉時間等問題，不過整體完成度已經超過90%了。”
牛亦飛稱，它又通過引導AI優化了程序，並手動簡單魔改，回測程序就做好了。他用該程序回測了2022年使用上述策略的投資表現，最終得出區間收益率9.18%，年化收益率9.57%，最大回撤幅度-12.25%。對比專業的統計工具，ChatGPT出品的回測程序淨值曲線幾乎一模一樣。
在這個案例中，牛亦飛是主動定了投資策略，並讓ChatGPT做出自動化投資軟件和回測程序，其實是把寫代碼的工作交給了ChatGPT。當然，ChatGPT寫代碼的高效率遠遠超過人類工程師，這使得普通投資者可以藉此方法，高效地大量驗證策略的有效性，進而不斷優化交易策略，以提升收益率。
在牛亦飛的簡單實踐中，其投資年化收益達到9.57%，遠遠高於一般的銀行理財產品。牛亦飛向《元宇宙日爆》透露，除了讓ChatGPT寫代碼外，他也在嘗試用AI做數據分析、財報和公告分析等，讓其給出交易信號。
李驤也認為，ChatGPT將一定程度降低量化行業的門檻。有人如果對量化行業感興趣，即使沒有從業經驗，只是在交易上有些想法，也可以藉助ChatGPT的能力部分參與進來。 “但是，從這種狀態到成長為一個非常專業的量化機構核心研究員，將策略做得很精緻、細節做得很完美，依然有很長一段路要走。”
資訊來源：由0x資訊編譯自8BTC。版權歸作者所有，未經許可，不得轉載