人工智能如何改變投資方式

2023年6月15日
  • 系統化投資

重點

  • 隨著ChatGPT等生成式人工智能(「AI」)平台面世,使人們更加關注人工智能及自然語言技術的最新發展。
  • 這些人工智能平台透過Transformer模型技術創建了大量模擬真人的文字輸出,同樣地,此技術亦可作為輔助投資決策的依據。
  • 貝萊德系統分析透過變換模型技術,力求提高自然語言處理(「NLP」)分析各類數據中的準確度及精確性,從而發掘具潛在價值的投資觀點。

人工智能(「AI」)或機器模擬人類智慧的技術已經發展了數十年。生成式人工智能是相關領域最新突破,其擁有創造原創觀點及內容的能力,因此備受關注。2022年年底,OpenAI向公眾發佈旗下人工智能平台「ChatGPT」。ChatGPT採用先進的語言技術創建模擬真人的文字輸出,揭示生成式人工智能的最新發展。ChatGPT的普及速度冠絶所有網上應用程式,短短五天就達到100萬用戶(圖1)。

圖1:ChatGPT相對其他網上應用程式更快達到100萬用戶

網上應用程式達到100萬用戶所需時間

Chart shows the length of time that online applications have taken to reach one million users. ChatGPT, OpenAI’s artificial intelligence tool, only took five days to reach one million users, making it the fastest of any online application.

資料來源:Statista,數據來自經Business Insider/LinkedIn發佈的公司公告,截至2023年1月24日。Kickstarter以100萬支持者作為衡量標準,Airbnb以100萬晚預訂量作為衡量標準,Instagram以100萬次下載量作為衡量標準。

此顛覆性平台建基於什麼技術?ChatGPT是建基於生成式經預先訓練Transformer模型(generative pre-trained transformer, 簡稱「GPT」)技術的大型語言模型(「LLM」)。大型語言模型使用來自網站、書籍、學術出版物及其他公開數據集等大量數據進行訓練。這些模型經訓練後,能夠按前既定的上文下理預測文本中下個詞語,並從過程中獲取語言技能、世界知識以及基本推理技能。與此同時,在Chat GPT向公眾發佈當日,貝萊德系統分析認可了一份投資觀點,當中正運用與大型語言模型相同的Transformer模型技術。下文將探討我們如何透過這些模型來提高投資能力。

人工智能時代的投資

數十年來,我們一直在各類文本來源上應用自然語言處理(「NLP」)技術,包括經紀分析報告、企業業績會議、監管文件及網上新聞文章。當進行大規模分析時,各個別見解可整合成綜合觀點,為我們的回報預測提供依據。我們提取及理解投資觀點的能力越強,可帶來的投資優勢亦越大。

早期投資信號透過情緒分析,追蹤文件內的正面及負面詞語的數量,並根據詞語數量給予整體情緒評分。雖然這些信號能發揮作用,但其設計目的並不考慮可能影響文本含義的句子結構及語義等細微差異。隨著時間推移,研究創新不斷提高文本分析的精細程度。例如,機器學習的進步幫助我們根據輸入文本的類型,確定需要追蹤的最相關詞語。

我們的方法目前已演變為應用建基於Transformer模型的大型語言模型(與ChatGPT類同)。Transformer模型屬於一種神經網絡架構,能夠處理長序列元素(例如句子中的詞語),分析每個詞語之間的關係,並注意最關鍵的重點(圖2)。此方法與其他文本分析方法不同,後者僅限於按順序處理資料,往往會過度強調相鄰詞語,而可能忽略相距較遠詞語之間的重要聯繫。因此,建基於Transformer模型的分析模型往往能夠更精準地理解文本。正如ChatGPT可使用此技術預測句子的下個詞語並產生模擬真人的文字內容,我們亦可利用有關技術改進投資預測。

圖2:Transformer模型架構透過考慮句子中詞語之間的相互作用及識別最重要的關係,從而對文本進行更準確的分析

使用Transformer架構進行文本分析的假設示例

Image illustrates how transformer architecture enables more accurate text analysis by measuring interactions between words and identifying the most important relationships. This image shows the varying levels of relevance between the word “company” and other words in the sentence.

資料來源:貝萊德系統分析,僅供參考,截至2023年6月。

大型語言模型在訓練時使用了大量輸入數據。因此,ChatGPT能夠執行多種任務,並準確地模擬人類推理,並具有廣泛的應用範圍。相比之下,我們投資過程使用的大型語言模型旨在完成特定投資任務,例如預測企業業績會議後的市場反應。因此,我們的模型以較小規模的輸入數據進行訓練,但預期在執行經訓練及微調的特定任務時能夠提供非常準確的結果。圖3顯示了我們的業績會議模型與OpenAI大型GPT模型在預測會議後市場的反應方面的表現。儘管GPT-4版本的準確度較GPT-3.5版本顯著提高,但兩個OpenAI模型的預測表現均低於我們為此特定用途進行訓練及微調的獨有模型。

圖3:貝萊德系統分析的業績會議模型經微調後,能夠精確預測業績會議後的市場反應

預測業績公佈後市場反應的準確度

Image shows the level of accuracy of a Systematic Model designed to predict the market reaction following quarterly earnings calls vs. OpenAI’s GPT model. This illustrates how when used in investing, our models are trained on a smaller set of data inputs but are expected to deliver a high level of a

貝萊德系統分析,截至2023年5月。此分析基於200個業績會議的樣本。分析計算了每個模型的預測,並根據未來3天股票回報來比較回報表現(正或負)。準確度以每個模型預測正確的比率計算。

找出人工智能領域的贏家

人工智能改革我們的投資方式,亦影響市場上的投資機會。圖4顯示了旨在捕捉人工智能時代下贏家的專有投資觀點的表現。目前為止,由於市場獎勵小部分應用人工智能的創新企業,同時懲罰較傳統的媒體同業,可見人工智能的首階段影響已反映在市場定價上。長遠而言,我們預計ChatGPT及相關技術將成為催化因素,推動人工智能更廣泛地應用在各行業的商業模式。

圖4:小部分應用人工智能的創新企業在科技領域取得龐大收益

人工智能投資觀點累計回報

This chart shows the performance of an investment insight designed to identify the companies positioned to benefit from new AI technologies. Currently, the market is rewarding a small subset of AI innovators.

貝萊德系統分析,截至2023年5月。該圖顯示貝萊德系統分析定義為涉足人工智能技術的科技行業公司。僅供參考,並不代表所示行業過去或未來表現。

尖端投資創新

作為系統分析投資者,我們致力保持在市場資訊上的優勢,專注創造超額回報。多年以來,我們一直研究人工智能、機器學習及自然語言處理技術,並將這些技術納入至投資過程。1 最近面世的ChatGPT使大眾認識到人工智能領域的最新突破,引起對該主題的憧憬及關注。相對可能較少人知道人工智能的預測能力亦可應用於投資領域。這些技術提升了貝萊德系統分析在數據分析及預測投資成果方面的能力,使我們能緊貼尖端創新技術,並革新了我們的投資方式。

Raffaele Savi
貝萊德系統分析主動型股票投資團隊
Jeff Shen博士
系統分析主動型股票聯席主管
Yaki Tsaig
系統分析主動型股票研究科學家