Can ChatGPT Forecast Stock Price Movements? Return Predictability and Large Language Models

要約

我々は、ニュースヘッドラインのセンチメント分析を用いて、株式市場のリターンを予測するためのChatGPTや他の大規模言語モデルの可能性を検証する。我々はChatGPTを用いて、与えられたヘッドラインが企業の株価にとって良いニュースか、悪いニュースか、あるいは無関係なニュースかを示す。また、ChatGPTのスコアとその後の株式市場リターンには正の相関があることを実証しています。さらに、ChatGPTは従来のセンチメント分析手法よりも優れています。GPT-1、GPT-2、BERTのようなより基本的なモデルではリターンを正確に予測できないことが分かり、リターン予測可能性が複雑なモデルの新たな能力であることを示しています。ChatGPT-4のインプライド・シャープ・レシオはChatGPT-3よりも大きいが、後者のモデルの方がトータル・リターンは大きい。この結果は、投資の意思決定プロセスに高度な言語モデルを組み入れることで、より正確な予測が可能になり、定量的取引戦略のパフォーマンスが向上することを示唆しています。予測可能性は小型株に集中し、悪材料のある企業により顕著であり、市場の非効率性よりもむしろ裁定取引の限界の議論と一致する。

要約(オリジナル)

We examine the potential of ChatGPT, and other large language models, in predicting stock market returns using sentiment analysis of news headlines. We use ChatGPT to indicate whether a given headline is good, bad, or irrelevant news for firms’ stock prices. We then compute a numerical score and document a positive correlation between these “ChatGPT scores” and subsequent daily stock market returns. Further, ChatGPT outperforms traditional sentiment analysis methods. We find that more basic models such as GPT-1, GPT-2, and BERT cannot accurately forecast returns, indicating return predictability is an emerging capacity of complex models. ChatGPT-4’s implied Sharpe ratios are larger than ChatGPT-3’s; however, the latter model has larger total returns. Our results suggest that incorporating advanced language models into the investment decision-making process can yield more accurate predictions and enhance the performance of quantitative trading strategies. Predictability is concentrated on smaller stocks and more prominent on firms with bad news, consistent with limits-to-arbitrage arguments rather than market inefficiencies.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL