Can Large Language Models Beat Wall Street? Unveiling the Potential of AI in Stock Selection

要約

本稿では、GPT-4の高度な推論を活用した、金融市場における銘柄選択のための革新的なフレームワークであるMarketSenseAIを紹介する。思考の連鎖(Chain of Thought)と文脈内学習(In-Context Learning)を統合することで、MarketSenseAIは市場動向、ニュース、ファンダメンタルズ、マクロ経済要因を含む多様なデータソースを分析し、専門家の投資意思決定をエミュレートする。このフレームワークの開発、実装、検証について詳しく説明し、実用的で解釈可能な投資シグナルを生成する能力を強調する。本研究の特筆すべき点は、GPT-4を予測メカニズムおよびシグナル評価ツールとして採用し、AIが生成した説明がシグナルの精度、信頼性、受容性に大きな影響を与えることを明らかにしたことである。MarketSenseAIは、15ヶ月間にわたるS&P100銘柄を対象とした実証実験を通じて、市場全体と同程度のリスク・プロファイルを維持しながら、10%から30%の超過アルファを提供し、期間中に最大72%の累積リターンを達成するなど、卓越したパフォーマンスを実証した。我々の調査結果は、金融の意思決定における大規模言語モデルの変革の可能性を浮き彫りにし、金融分析と投資戦略へのジェネレーティブAIの統合における大きな飛躍を示しました。

要約(オリジナル)

This paper introduces MarketSenseAI, an innovative framework leveraging GPT-4’s advanced reasoning for selecting stocks in financial markets. By integrating Chain of Thought and In-Context Learning, MarketSenseAI analyzes diverse data sources, including market trends, news, fundamentals, and macroeconomic factors, to emulate expert investment decision-making. The development, implementation, and validation of the framework are elaborately discussed, underscoring its capability to generate actionable and interpretable investment signals. A notable feature of this work is employing GPT-4 both as a predictive mechanism and signal evaluator, revealing the significant impact of the AI-generated explanations on signal accuracy, reliability and acceptance. Through empirical testing on the competitive S&P 100 stocks over a 15-month period, MarketSenseAI demonstrated exceptional performance, delivering excess alpha of 10% to 30% and achieving a cumulative return of up to 72% over the period, while maintaining a risk profile comparable to the broader market. Our findings highlight the transformative potential of Large Language Models in financial decision-making, marking a significant leap in integrating generative AI into financial analytics and investment strategies.

arxiv情報

著者 Georgios Fatouros,Konstantinos Metaxas,John Soldatos,Dimosthenis Kyriazis
発行日 2024-04-04 13:18:55+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, DeepL

カテゴリー: 68T07, 68T50, 91G10, 91G15, cs.AI, cs.CE, cs.CL, cs.LG, I.2.1, q-fin.CP パーマリンク