ChatGPT是一个人工智能语言模型，可以用于自然语言处理和文本生成。它可以分析文本和语言，但不是一个专门分析股票的工具。要分析股票，需要使用专门的股票分析工具或软件，并进行相关数据的收集和分析。这些工具可以包括股票交易软件、财务数据分析软件、图表分析工具等。虽然ChatGPT无法直接分析股票，但它可以用于自然语言处理任务，如舆情分析、新闻摘要、预测分析等，可以帮助投资者更好地理解市场资讯和预测市场趋势。

ChatGPT在继续颠覆金融圈。

2023年4月，佛罗里达大学金融学院的Alejandro Lopez-Lira教授发表了论文“Can ChatGPT Forecast Stock Price Movements? Return Predictability and Large Language Models”。研究利用ChatGPT分析新闻标题对一只股票是利好还是利空，并预测次日股票回报。

该研究使用了2021年10月至2022年12月，CRSP（证券价格研究中心）公开的真实股市数据和新闻进行测试。由ChatGPT提供的“多空策略”交易建议，在此期间获得了超过500%的收益。这一出色表现与同期购买和持有标准普尔500 ETF的-12%回报率形成强烈对比。也就是说，ChatGPT的股票投资水平，已经超过了专业金融分析师和传统分析平台。

研究主要发现

Ø  ChatGPT的分析能力优于传统的股市情绪分析模型；

Ø  ChatGPT等大语言模型可能会对金融分析领域产生颠覆性，从根本上改变投资决策的方法；

Ø  ChatGPT等大语言模型可能会对金融界就业产生影响；

Ø  GPT-1、GPT-2以及其他基础类型的大语言模型都无法精准预测股市走势，只有GPT-3.5或以上版本的大语言模型才可以；

Ø  金融界应该积极探索ChatGPT等大语言模型与其他技术相结合使用，从而打造功能更强大的投资模型。

ChatGPT预测股市走势方法

该研究模型主要由数据、ChatGPT提问设置、实证设计、结果4大块组成。

数据：使用了CRSP的数据，包含纽交所、纳斯达克、美国证劵交易中心的股票每日收益、新闻标题/内容。时间范围是2021年10月至2022年12月。

ChatGPT提问设置：直接向ChatGPT提问上市公司的新闻，例如，Rimini Street在甲骨文的侵权案件中被罚款630,000美元，这个消息在短时间内，对甲骨文的股价是好还是坏？

ChatGPT的回答是：该消息对甲骨文的股价是有利的，因为罚款可能会增加投资者对甲骨文保护其知识产权能力的信心，从而增加用户对其产品和服务的需求。

而专业分析工具给出了负面消息，不利于甲骨文的股价。这充分体现了ChatGPT的拟人化分析能力。

实证设计：将ChatGPT的回答进行打分制，有利是1分；不利-1分；未知0分。如果一家上市公司在某一天有多个头条新闻，会将其得分平均计算。

然后会观察上市公司发布消息后其股价的波动情况，结合ChatGPT的评分进行线性回归分析，并将其与股票研究机构提供的分数进行比较。

结果：通过利用新闻标题数据和生成的评分制，发现ChatGPT的评估数据，与上市公司股票的每日回报之间存在很强的关联性。

这一结果说明，ChatGPT的评分对每日股市回报有显著预测能力。为了进一步研究ChatGPT的能力，将ChatGPT的评分与传统的数据分析平台进行了比较，发现远远高于传统股市情绪分析模型。

但实验的细节也表明，所谓的“大型语言模型”距离能够胜任金融行业的工作还有很长的路要走。例如，这个实验没有包括目标价格，也没有让模型做任何数学运算。事实上，正如微软(MSFT.US)在今年早些时候的一次公开演示中所了解到的那样，ChatGPT风格的技术经常会编造数字。由于已经存在私有的数据集，对新闻标题的情绪分析也早已被视为一种可行的交易策略。

这项研究也触及到了当前关于最先进人工智能的核心问题——AI大模型出现了人们不可预测的能力。这一被称之为"涌现"的现象的出现，在一定程度上是失控的。

与此同时，如果ChatGPT在不断训练过程中，可以越发准确的理解财经新闻，并判断它们将如何影响股价，华尔街精英们的工作面临的风险越来越大。

高盛曾在3月26日的一份报告中指出，他们预计约35%的金融工作将面临被人工智能取代的风险。该行交易员Rich Privorotsky感慨道：“我们的时间都是AI借给我们的。”

Lopez-Lira表示他也对实验结果颇感震惊，认为当前投资者尚未将ChatGPT的机器学习纳入他们的交易策略中：

从监管的角度来看，如果我们让ChatGPT只读取头条新闻，那么头条新闻将变得更加重要。我们需要思考是否每个人都应该使用像GPT这样的机器。同时，这肯定会对金融分析师的就业产生一些影响。

风险提示：通过人工智能模型构建选股策略是历史经验的总结，存在失效的可能。人工智能模型可解释程度较低，使用须谨慎。