ChatGPT pode decodificar discurso do Fed e prever movimentos de ações a partir das manchetes

A primeira onda de pesquisas acadêmicas aplicando o ChatGPT ao mundo das finanças está chegando — e a julgar pelos primeiros resultados, o hype dos últimos meses é justificado.

Dois novos artigos foram publicados este mês que empregaram o chatbot de inteligência artificial em tarefas relevantes para o mercado – um para decifrar se as declarações do Federal Reserve eram hawkish ou dovish e outro para determinar se as manchetes eram boas ou ruins para uma ação.

O ChatGPT passou em ambos os testes, sugerindo um passo potencialmente importante no uso da tecnologia para transformar resmas de texto de artigos de notícias em tweets e discursos em sinais de negociação.

Esse processo não é novidade em Wall Street, é claro, onde os quants há muito usam o tipo de modelo de linguagem que sustenta o chatbot para informar muitas estratégias. Mas as descobertas apontam para que a tecnologia desenvolvida pela OpenAI atinja um novo patamar em termos de análise de nuance e contexto.

“É um dos raros casos em que o hype é real”, disse Slavi Marinov, chefe de aprendizado de máquina da Man AHL, que usa a tecnologia conhecida como processamento de linguagem natural para ler textos como transcrições de ganhos e postagens do Reddit há anos.

No primeiro artigo, intitulado Can ChatGPT Decipher Fedspeak? (O ChatGPT pode decifrar os discursos do Fed?), dois pesquisadores do próprio Fed descobriram que o ChatGPT chegou mais perto dos humanos em descobrir se as declarações do banco central eram dovish ou hawkish. Anne Lundgaard Hansen e Sophia Kazinnik, do Fed de Richmond, mostraram que superou um modelo comumente usado do Google chamado BERT e também classificações baseadas em dicionários.

O ChatGPT conseguiu até mesmo explicar suas classificações das declarações de política do Fed de uma forma que lembrava o próprio analista do banco central, que também interpretou a linguagem para atuar como uma referência humana para o estudo.

Veja esta frase de uma declaração de maio de 2013: “As condições do mercado de trabalho mostraram alguma melhora nos últimos meses, no geral, mas a taxa de desemprego continua elevada”. O robô explicou que a linha é dovish porque sugere que a economia ainda não está totalmente recuperada. Isso foi semelhante à conclusão do analista – Bryson, descrito no jornal como “um homem de 24 anos, conhecido por sua inteligência e curiosidade”.

No segundo estudo, o ChatGPT pode prever os movimentos dos preços das ações? Previsibilidade de retorno e grandes modelos de linguagem, Alejandro Lopez-Lira e Yuehua Tang, da Universidade da Flórida, levaram o ChatGPT a fingir ser um especialista financeiro e interpretar manchetes de notícias corporativas. Eles usaram notícias após o final de 2021, período que não foi contemplado nos dados de treinamento do chatbot.

O estudo descobriu que as respostas dadas pelo ChatGPT mostraram um link estatístico para os movimentos subsequentes da ação, um sinal de que a tecnologia foi capaz de analisar corretamente as implicações das notícias.

Em um exemplo sobre se a manchete “Rimini Street multou US$ 630.000 em processo contra a Oracle” era boa ou ruim para a Oracle, o ChatGPT explicou que era positivo porque a penalidade “poderia potencialmente aumentar a confiança do investidor na capacidade da Oracle de proteger sua propriedade intelectual e aumentar a demanda por seus produtos e serviços.”

Para os quants mais sofisticados, agora é quase comum usar o NLP para avaliar a popularidade de uma ação no Twitter ou para incorporar as últimas manchetes sobre uma empresa. Mas os avanços demonstrados pelo ChatGPT parecem destinados a abrir mundos inteiros de novas informações e tornar a tecnologia mais acessível a uma comunidade mais ampla de profissionais de finanças.

Para Marinov, embora não haja surpresas, as máquinas agora podem ler quase tão bem quanto as pessoas, mas o ChatGPT pode potencialmente acelerar todo o processo.

Quando o Man AHL estava construindo os modelos pela primeira vez, o fundo de hedge quant estava rotulando manualmente cada frase como positiva ou negativa para um ativo para dar às máquinas um projeto para interpretar o idioma. A empresa com sede em Londres transformou todo o processo em um jogo que classificava os participantes e calculava o quanto eles concordavam em cada frase, para que todos os funcionários pudessem se envolver.

Os dois novos artigos sugerem que o ChatGPT pode realizar tarefas semelhantes mesmo sem ser especificamente treinado. A pesquisa do Fed mostrou que esse chamado aprendizado zero-shot já supera as tecnologias anteriores, mas ajustá-lo com base em alguns exemplos específicos o tornou ainda melhor.

“Antes você tinha que rotular os dados você mesmo”, disse Marinov, que também foi cofundador de uma startup de PNL. “Agora você pode complementar isso com o design do prompt certo para o ChatGPT.”

Por Bloomberg/Justina Lee