使用2021年10月至2022年12月美国CRSP公开的股市新闻进行预测

Step1：
提供给chatGPT期间所有的新闻 标题 ，并且让chatGPT对这篇新闻的标题进行评分，评分越低的就看跌，评分高的看涨。
使用的prompt是：

“Forget all your previous instructions. Pretend you are a financial
expert. You are a financial expert with stock recommendation
experience. Answer “YES” if good news, “NO” if bad news, or “UNKNOWN”
if uncertain in the first line. Then elaborate with one short and
concise sentence on the next line. Is this headline good or bad for
the stock price of company name in the term term?”

这里大概翻译下就是：“忘了之前的提示，假装你是个金融专家，然后对所有的新闻标题进行评价，如果是好消息就回答YES，坏消息就回答NO，其他消息回答UNKNOWN，然后评价这个新闻对相关的股票价格是好还是坏。”
Step2：
利用chatGPT对股票给出的评分，构建一个多空投资组合。每天换仓，做多chatGPT看好的股票，做空chatGPT不看好的股票。如果该新闻在市场收盘前披露，就以收盘价交易。如果该新闻在市场收盘后交易，就以第二天开盘价交易。

图中，表现最好的蓝线就是这个多空组合的收益，就是新闻中年化500%的来源，第二的红线是空头收益，绿线是多头收益，黑线是所有新闻等权组合的baseline

在本研究中，我们考察了大型语言模型ChatGPT在利用新闻标题情感分析预测股市收益方面的潜力。我们的研究结果表明，ChatGPT优于来自领先供应商的传统情感分析方法。通过展示LLMs在金融经济学中的价值，我们为人工智能和自然语言处理在该领域的应用提供了越来越多的文献。

疑点：
本文没有训练环节，只是使用chatGPT做预测，作者说之所以预测2021年10月之后的新闻，是因为chatGPT的训练集是2021年10月之前。这里我存疑的地方在于，openai很可能对chatGPT进行了“强化学习”，就是说openai使用的训练数据可能超过了2021年10月，那么他的预测结果也就用了未来数据。

问题：
本文给出的收益回测结果是纯多空收益，并没有考虑任何费用和交易情况，那么就有以下几个实盘或者模拟盘回测会出现的情况可以明显看出，这个投资组合的收益几乎全来源于空头收益，而空头收益在实盘中是需要大打折扣的，因为美股的short机制在09年改革后，就不能裸卖空了，就是说你想做空必须得先借券。而出现明显利空新闻的股票的借券是非常困难的。这些股票基本都是“hard to borrow”的股票，首先不一定有券，即使有券的借券费率非常高，甚至远超A股融券费用。除了借券费用以外，交易手续费commission，SEC Fee,资本利得税等等各种税费，这不是一个小数。完全没有考虑能否成交或者冲击成本，论文中假设的成交都是完美成交，在实盘操作中不可能有这种情况，随着持仓组合的金额变大，冲击成本会越来越高，这也是很多小的策略上不去规模的重要原因。

1、未来的研究可以探索LLMs（大语言模型）与其他机器学习技术和定量模型的集成，以创建结合不同方法优势的混合系统。通过利用各种方法的互补能力，研究人员可以进一步提升人工智能驱动模型在金融经济学中的预测能力。