Sonhos de substituir humanos nas finanças podem se tornar realidade

O ChatGPT é o aplicativo de crescimento mais rápido de todos os tempos, conquistando mais de 100 milhões de usuários apenas dois meses após seu lançamento em novembro. Ele permite que os usuários tenham conversas semelhantes às humanas, que incluem respostas razoáveis ​​e muitas vezes corretas para todos os tipos de perguntas. Como os humanos, pode pedir mais informações e explicar o raciocínio.

Agora estamos vendo a primeira pesquisa acadêmica sobre o uso do ChatGPT em finanças. Dois estudos recentes fazem do GPT uma tecnologia promissora tanto para melhorar a tomada de decisões de investimento quanto para explicar suas decisões. Talvez o antigo sonho de substituir os humanos nas finanças esteja se tornando realidade.

Em dezembro, escrevi que "uma máquina incansável capaz de digerir todas as informações e imune a preconceitos deveria ser claramente superior aos humanos quando se trata de investir. Só que não é". A gestão financeira foi um dos primeiros objetivos da pesquisa de inteligência artificial, ou IA, porque parecia uma tarefa fácil e altamente recompensadora. Mas até agora, a IA teve sucesso apenas em aplicações de nicho em finanças.

GPT significa Transformador pré-treinado generativo, uma ideia de cinco anos que pode mudar o jogo em aplicativos de IA. De forma muito ampla, existem três abordagens para extrair informações úteis dos dados. Com dados estruturados, como números contábeis ou históricos de preços, você pode aplicar estatísticas e modelos formais. Com dados completamente não estruturados – séries de bits que podem ser fotografias ou medições físicas ou texto ou qualquer outra coisa – existem algoritmos que podem extrair padrões e prever entradas futuras.

A linguagem está em algum lugar no meio. Existe estrutura, o que significa que apenas certas combinações de letras são palavras inteligíveis, e existem regras gramaticais para encadear as palavras. Mas há exceções às regras e nuances além do texto literal. Você precisa de muito conhecimento de domínio e contexto para entender o texto. Há uma velha história – remonta a 1956, época em que já era antiga – sobre um trabalhador de IA que construiu um programa para traduzir entre inglês e russo. Ela deu a frase "fora da vista, fora da mente" para traduzir para o russo e, em seguida, traduziu o russo de volta para o inglês e obteve "idiota invisível". Não há regras de linguagem que nos digam que a frase é um aforismo sobre o esquecimento, e não uma descrição de um indivíduo, mas nenhum falante nativo cometeria o erro.

Os modelos GPT são a abordagem atual mais quente para trabalhar com dados de linguagem, mas o comércio quantitativo e o investimento usaram modelos de linguagem mais rudimentares por muitos anos. Um pesquisador humano lê informações relevantes, como declarações da empresa, notícias, pesquisas e relatórios de pesquisa com cuidado e lentamente. Os computadores podem ler grandes quantidades de informações em vários idiomas e chegar a conclusões instantâneas. Isso é essencial para negociações de alta frequência, quando chegar um milissegundo mais cedo para determinar se uma manchete de notícias é boa ou ruim para o preço de uma ação é o nome do jogo.

A maioria dos modelos de linguagem usados ​​em finanças quantitativas hoje os tratam como dados estruturados. Os algoritmos procuram determinadas palavras ou apenas medem o número de palavras em um título ou comunicado de imprensa. Alguns algoritmos procuram certos padrões ou estruturas. Mas nenhum dos principais tenta entender o significado do texto, e nenhum deles consegue explicar por que chega a suas conclusões ou continua conversando sobre o assunto.

Agora vêm dois artigos intitulados "Can ChatGPT Decipher Fedspeak?" e "O ChatGPT pode prever movimentos de preços de ações?" Não estamos falando sobre a SkyNet assumir o controle de Wall Street, mas se o ChatGPT supera os modelos mais antigos - muitos dos quais tratam a linguagem como estruturada - na tomada de decisões rápidas sobre textos curtos.

O primeiro artigo pediu ao ChatGPT para determinar se uma frase individual de uma declaração do Federal Reserve era "dovish" (sugerindo que o banco central tinha mais probabilidade de cortar do que aumentar as taxas de juros) ou "hawkish" (sugerindo o oposto). Um algoritmo de negociação de alta frequência pode classificar cada frase no comunicado do Fed e usar a saída junto com outros dados para negociar futuros de fundos federais ou outros instrumentos antes que os analistas humanos tenham terminado de ler a primeira palavra do comunicado.