Il sogno di sostituire gli esseri umani nella finanza potrebbe diventare realtà

ChatGPT è l'app in più rapida crescita di tutti i tempi, guadagnando più di 100 milioni di utenti solo due mesi dopo il suo lancio a novembre. Consente agli utenti di avere conversazioni simili a quelle umane che includono risposte ragionevoli e spesso corrette a tutti i tipi di domande. Come gli esseri umani, può chiedere maggiori informazioni e spiegare il ragionamento.

Stiamo assistendo alla prima ricerca accademica sull'uso di ChatGPT nella finanza. Due studi recenti fanno sembrare la GPT una tecnologia promettente sia per migliorare il processo decisionale sugli investimenti sia per spiegare le sue decisioni. Forse il sogno a lungo coltivato di sostituire gli esseri umani nella finanza si sta avverando.

A dicembre avevo scritto che "una macchina instancabile, in grado di digerire tutte le informazioni e immune ai pregiudizi dovrebbe essere chiaramente superiore agli esseri umani quando si tratta di investire. Solo che non lo è". La gestione finanziaria è stata uno dei primi obiettivi della ricerca sull’intelligenza artificiale, o AI, perché sembrava un compito facile e altamente gratificante. Ma finora l’intelligenza artificiale ha avuto successo solo in applicazioni di nicchia nel settore finanziario.

GPT sta per Generative Pre-trained Transformer, un'idea vecchia di cinque anni che potrebbe cambiare le regole del gioco nelle applicazioni di intelligenza artificiale. In generale, esistono tre approcci per estrarre informazioni utili dai dati. Con i dati strutturati, come i numeri contabili o lo storico dei prezzi, puoi applicare statistiche e modelli formali. Con dati completamente non strutturati – serie di bit che potrebbero essere fotografie, misurazioni fisiche, testo o qualsiasi altra cosa – esistono algoritmi in grado di estrarre modelli e prevedere input futuri.

La lingua è da qualche parte nel mezzo. Esiste una struttura, nel senso che solo alcune combinazioni di lettere sono parole comprensibili, e ci sono regole grammaticali per mettere insieme le parole. Ma ci sono eccezioni alle regole e sfumature oltre il testo letterale. Hai bisogno di molta conoscenza del dominio e del contesto per comprendere il testo. C’è una vecchia storia – è stata fatta risalire al 1956, epoca in cui era già vecchia – su un lavoratore dell’intelligenza artificiale che ha creato un programma per tradurre dall’inglese al russo. Ha dato la frase "lontano dagli occhi, lontano dal cuore" da tradurre in russo, quindi ha tradotto il russo in inglese e ha ottenuto "idiota invisibile". Non ci sono regole del linguaggio che ci dicano che la frase è un aforisma sull’oblio piuttosto che la descrizione di un individuo, ma nessun madrelingua commetterebbe l’errore.

I modelli GPT rappresentano l’approccio più attuale per lavorare con i dati linguistici, ma il commercio e gli investimenti quantitativi utilizzano da molti anni modelli linguistici più rozzi. Un ricercatore umano legge attentamente e lentamente informazioni rilevanti come dichiarazioni aziendali, notizie, sondaggi e rapporti di ricerca. I computer possono leggere grandi quantità di informazioni in molte lingue e giungere a conclusioni immediate. Ciò è essenziale per il trading ad alta frequenza quando essere un millisecondo prima per determinare se il titolo di una notizia è una buona o una cattiva notizia per un prezzo azionario è il nome del gioco.

La maggior parte dei modelli linguistici utilizzati oggi nella finanza quantitativa li trattano come dati strutturati. Gli algoritmi cercano determinate parole o semplicemente misurano il numero di parole in un titolo o in un comunicato stampa. Alcuni algoritmi cercano determinati modelli o strutture. Ma nessuno dei maggiori cerca di comprendere il significato del testo, e nessuno di loro sa spiegare perché giungono alle loro conclusioni o tengono ulteriori conversazioni sull’argomento.

Ora arrivano due articoli intitolati "Can ChatGPT Decipher Fedspeak?" e "ChatGPT può prevedere i movimenti dei prezzi delle azioni?" Non stiamo parlando della presa di SkyNet su Wall Street, ma se ChatGPT batte i modelli più vecchi – molti dei quali trattano il linguaggio come strutturato – nel prendere decisioni rapide su testi brevi.

Il primo articolo chiedeva a ChatGPT di determinare se una singola frase di una dichiarazione della Federal Reserve fosse “colonista” (suggerendo che la banca centrale era più propensa a tagliare piuttosto che aumentare i tassi di interesse) o “falca” (suggerendo il contrario). Un algoritmo di trading ad alta frequenza potrebbe valutare ogni frase del comunicato della Fed e utilizzare il risultato insieme ad altri dati per negoziare futures sui fondi federali o altri strumenti prima che gli analisti umani finiscano di leggere la prima parola del comunicato.