LLM模型在金融市場更重要,分析師職涯未來呈現兩極化分佈|專家論點【Howie Su】

作者:Howie Su(產業分析師)

Double Exposure Image of Business and Finance – Businessman with report chart up forward to financial profit growth of stock market investment.

LLM開始進軍金融產業並帶來不小衝擊

大型語言模型(LLM)現在已經逐漸滲透到各種產業並帶來不小衝擊,金融業可能是下一個重頭戲,大型語言模型由與數百萬或數十億個參數相關的人工神經網路組成,並根據大量數據進行訓練(無論是自監督學習還是半監督學習技術),以理解與重組資訊,而金融業出於多種原因開始利用這些工具,包括預測股市、金融教育、經濟預測、交易策略、情緒分析和風險管理。而在模型類別上,分別由ChatGPT、BloombergGPT、FinGPT 可在金融領域扮演重要角色,而這三個LLM模型未來將對金融領域帶來變革,同時讓金融研究員的角色兩極化:強者更強,弱者可能被替代掉。

模型一:ChatGPT

美國佛羅里達大學金融系的兩位教授認為,在金融產業使用大型語言模型能夠更精準地預測股票市場的結果,並且有利於交易策略。在這項研究中,兩位教授使用 ChatGPT 「透過新聞標題的情緒分析來預測股市回報。」他們發現,與 BERT、GPT-1 和 GPT-2 等模型相比,ChatGPT 表現最好,只有像 ChatGPT 這樣的更先進的模型才能分析大量數據以成功預測股市。ChatGPT 架構使用多層神經網路對自然語言的結構和模式進行建模,使用無監督學習方法,在大量文本數據上進行了預訓練,例如維基百科文章或網頁。在這項研究中,兩位教授使用了從證券價格研究中心每日收益、新聞頭條和 RavenPack 中提取的數據集,而預測效果相當不錯,當它吃進更多資料時,未來在證券市場的預測可能越來越強。

模型二:BloombergGPT

BloombergGPT是彭博資訊的語言模型,2023年3月,彭博社發布了自己的大型語言模型,稱為BloombergGPT,該模型主要專門為金融產業開發、包含500億參數,根據彭博社發表的一篇研究論文,專有的 BloombergGPT 由從彭博資料源提取的 3630 億個數據集組成,研究人員在金融特定自然語言處理 (NLP)上驗證 BloombergGPT,他們發現 BloombergGPT 與 GPT-NeoX、OPT66B、BLOOM176B 和 GPT-3 等 LLM 相比,BloombergGPT 表現最好。彭博機器學習產品和研究團隊負責人 Gideon Mann表示:「受益於四十年來收集的金融文件與數據,公司能夠建立一個大型、特定領域的資料集,以訓練適合金融業應用的大型語言模型」。

彭博的BloombergGPT測試結果讓人滿意。(資料來源:彭博)

模型三,FinGPT

與具備專有知識的 BloombergGPT 不同,FinGPT 是一個開源的 LLM,也是專門為金融產業開發的,FinGPT 為 Finblox 於 2023 年 3 月發布的人工智智慧金融顧問,而Finblox 是一款由 Dragonfly 和紅杉支持的加密貨幣交易應用程式。該組織的目標是使金融領域的大型語言模型民主化。Finblox執行長 Peter Hoang指出,公司的使命是為用戶提供知識和工具,以提升在未來財務狀況的掌握度,公司盡可能讓每個人都能獲得金融知識與普惠金融服務,FinGPT 借助友善的使用者界面和客製化的建議來吸引使用者,長期目標為建立一個金融生態系,來自哥倫比亞大學和紐約大學(上海)的研究團隊認為,FinGPT 可以為研究人員和用戶提供為金融行業開發大型言模型需要的資源,FinGPT 的數據集來源為財經新聞、社交媒體、文件、趨勢和學術機構。

分析師職涯怎麼走?

同為金融資訊提供者,如果分析師的功能多半為搜集資料,則其搜集速度自然無法與人工智慧模型較量,除了付費的資料庫外,許多公開資訊源已經無法形成分析結果的差異性,加上投資法人本身也能夠使用相關模型來協助資料查找、比較、推演,加上許多財經網紅也能做類似的事情時,分析師的角色可能大幅弱化。身為一個資訊提供者,金融分析師未來必須著重在產業人脈的建立,以及大局觀的掌握上,資訊落差在這十年來快速降低,無論是服務特定客戶、深耕特定產業連結,或是善用人機協作來避免自己不受取代,都是可以思考的方向。

瀏覽 1,139 次

覺得不錯的話就分享出去吧!

發佈留言

Back to top button