芝大论文证明GPT-4选股准确率高达60%，分析师要下岗？【看点】

芝大论文证明GPT-4选股准确率高达60%，分析师要下岗？AI大牛质疑数据污染

近期，一篇来自芝加哥大学的论文引起了业界专家们的广泛关注。该研究揭示，借助GPT-4进行的股票选择，不仅超越了人类投资者，还战胜了许多专为金融市场设计的机器学习模型。尤其令人惊讶的是，该语言模型能在缺乏上下文说明的情况下，精准解析财务报表中的数字信息。论文详细内容可通过链接查阅：https://papers.ssrn.com/sol3/papers.cfm?abstract_id=4835311。

研究指出，GPT-4在预测收益变动方面，相较于经验老到的金融分析师更为精准，尤其在面对那些常使人犯难、影响预测准确性的复杂情况时，AI展现出了显著优势。它所提供的预测并非单纯回顾训练数据，而是能够提出具有前瞻性的分析，预示企业未来的发展潜力。GPT-4的卓越表现体现在更高的夏普比率和阿尔法值上，获得了如沃顿商学院Ethan Mollick教授的高度评价，同时也引发了公众对股市操作主体是否会由人转为AI的讨论。

不过，这份研究也遭遇了质疑，部分研究者认为其成果可能是训练数据污染所致。知名AI专家田渊栋也推测，GPT-4的超常表现可能源于其接触到了未来股价信息，从而在针对2021年后股票样本的选择中表现出色。验证这一点的方法相对直接，即更改股票历史记录并进行测试。芝大论文证明GPT-4选股准确率高达60%，分析师要下岗？AI大牛质疑数据污染！

研究聚焦于如何利用大型语言模型(LLM)进行财务报表分析(FSA)，以此评估其在决策中的作用。FSA旨在理解企业财务状况及盈利能力的可持续性，需要深入分析数据趋势和比率，结合批判性思维和复杂判断，通常由专业金融分析师执行。实验中，GPT-4 Turbo的任务是在不提供任何文本信息的前提下，仅凭财务报表预测公司收益走势。尽管预期LLM因缺乏直觉、行业认知及复杂推理能力而表现不佳，但结果却令人意外——它不仅超越了人类分析师，还在某些情况下优于专门的神经网络模型。