第6章 ChatGPT也能量化投资(第3/3 页)

其中复杂的因果关系；

其次，金融市场交易受不同投资者不同情绪与心态的影响较大，俗话说人心难测，chatGpt未必能精准掌握各类交易人群的情绪与心态变化。

而且量化工程师在构建量化系统，快速的程序迭代，以及有针对性的解决实际交易环节的问题上具备优势，这些都是直接影响投资收益的关键因素，但都是chatGpt无法做到的。

（三）chatGpt的不足之处

chatGpt之所以被众多欧美投资机构用于辅助研发新的投资策略，一个重要原因是它能对海量数据进行分析挖掘，找到不少不为投资者所知的投资规律。

目前，chatGpt覆盖的数据达到约1750亿个变量，涵盖过去数十年的各类文本和资料。

但与此同时，chatGpt在投资策略建模方面所面临的最大挑战，恰恰就是数据太多。

具体而言，一是数据越多，干扰越大。

如果chatGpt所自动生成的量化投资模型过多聚焦在那些干扰数据上，可能会导致其投资成效大打折扣；

二是chatGpt在对海量数据进行分析挖掘时，往往可能会忽视某些金融市场交易常识与投资准则和经济学原理，令相关投资策略面临潜在的投资风险。

因此，越来越多欧美投资机构都在尝试派遣程序员先过滤掉某些干扰数据，再使用chatGpt进行投资策略建模；

或者在chatGpt开展数据分析挖掘环节，通过技术手段先植入相关金融市场交易常识与投资准则，提升投资策略的业绩可预测性。

三、总结

金融机构在利用chatGpt技术逐步赋能场景方面，有着巨大的想象空间。

在智能营销、智能客服、风险识别、代码编程等方面都是chatGpt较好的应用方向。

但是目前chatGpt并不能进行量化投资。

因为投资策略一个重要特点是时效性，不断变化的宏观和微观事件对金融市场都会造成巨大的影响。

而chatGpt依赖于网络上已有的海量文本数据，具有一定的滞后性。

所以，要将chatGpt等人工智能技术应用在投资策略建模以获得稳健的超额回报，还需相当长的时间来训练模型。

但是，这并不意味着程序员与chatGpt互不兼容。

一方面chatGpt的海量数据分析挖掘能力，为程序员处理各类信息数据并提升投资效率提供巨大的帮助，从而降低私募基金的运营成本和效率。

另一方面程序员也能在chatGpt自动生成的投资模型时介入，过滤掉干扰信息，增加策略因子，使投资模型更加完善。

鉴于目前chatGpt在量化投资领域的应用时间较短，本文的分析也只是基于目前所了解到的信息，难免有纰漏。

随着chatGpt不断的自主学习和迭代，也许在不久的未来chatGpt在量化投资领域会为我们创造更多的价值。

目前chatGpt3.5版本是开放并免费的，chatGpt4.0版本是每个月20美元的收费，国内也有百度的文心一言、讯飞的星火等大模型已经上市，感兴趣的小伙伴也可以自己使用尝试下。