2023年5月5日上午，伟德客户端資本金融系2023年第四期金融學讀書研讨會通過騰訊會議的方式成功舉行，李大夜老師以及2022級金融專碩和學碩的同學參加了此次研讨會。本期讀書會以李大夜老師推薦的研究主題為框架，2022級劉澳、曾恩童、成澤浩三位同學為本次讀書會進行了主題報告，李大夜老師進行了點評。
首先，劉澳同學介紹了ChatGPT和大語言模型，作為文章的背景和鋪墊。ChatGPT是OpenAI基于GPT（generative pre-trained transformer）架構開發的一個大規模語言模型，是迄今為止開發的最為先進的自然語言處理（NLP）模型之一，在大量文本數據的語料庫中進行訓練，以了解自然語言的結構和模式。GPT（生成預訓練轉換器）架構是一種用于自然語言處理任務的深度學習算法，它基于Transformer架構，具有語言翻譯、文本總結、問題回答和文本完成等能力，在一系列自然語言處理任務中都表現先進的性能。ChaGPT類大模型人工智能有廣泛的應用場景，包括金融領域，因此，本文十分具有前瞻性的讨論ChatGPT在預測股票市場收益方面的能力。
在文獻内容闡述過程中，曾恩童同學介紹數據來源和研究方法。本文使用了證券價格研究中心（CRSP）的每日回報和Raven Pack的新聞标題兩個主要數據集進行分析。使用包括在紐約證券交易所(NYSE)、美國證券交易商協會自動報價(NASDAQ)和美國證券交易所(AMEX)上市的所有股票代碼為10或11的普通股為樣本。使用在2021年10月份到2022年12月份之間的數據。使用RavenPack提供的“相關性分數”作為新聞與特定公司的相關程度的指标。在訓練ChatGPT對股票回報進行預測時，作者要求ChatGPT扮演一個有股票推薦經驗的金融專家的角色，評估給定的新聞标題及其對公司股票價格短期走勢的潛在影響并輸出評分，展示ChatGPT作為一種語言模型在金融分析任務中的能力。
成澤浩同學介紹了文章的實證過程和結論。回歸結果顯示，ChatGPT的情緒分數對每日股市收益表現出了統計學上的顯著預測能力。通過利用新聞标題數據生成的情緒分數，我們發現ChatGPT做出的評價和我們樣本中的股票在随後每日的回報之間有很強的關聯性。同時，本文将ChatGPT的性能與傳統情感分析方法（如RavenPack）進行比較，研究結果表明，ChatGPT優于RavenPack等傳統情感分析方法。
本文的主要影響有以下四點：一是本文強調了繼續探索和發展為金融行業定制的LLMs的重要性；二是未來的研究方向應重點關注LLMs預測能力的形成機制；三是未來的研究可以探讨LLMs對市場動态的潛在影響；四是未來的研究可以探索LLMs與其他機器學習算法和定量模型的結合，結合不同方法的優勢以創建混合系統。
三位同學發言結束後，李大夜老師進行補充與點評。李大夜老師指出，我們從有效市場假說出發，認為市場價格是有效的，所有已知信息已經實時體現在價格上。但是實際上，市場有時候反應不足，而我們利用ChatGPT能夠加速市場信息在價格上的體現，可能構建一個套利策略，這個策略本身可以提高股票市場的效率。以後一個新聞出現，量化程序将保證它會以秒級的速度體現在價格上，随着大型語言模型越來越聰明，也必然會使整個市場的定價效率越來越高。以後市場的資金的配置效率，某種程度上也是被人工智能的發展所決定的。
在講解與交流的過程中，同學們都有了很大的收獲，并且以通貨膨脹目标制的原理、設計實施以及優勢和不足有了更深刻的理解。相信本次的讀書會的分享能為同學們今後的學習以及畢業論文的撰寫帶來新的靈感和知識儲備。
文、圖/資本金融系
