AI 炒股回报率 500%？内行揭秘玄机

AI 的龙卷风终于刮到了离钱最近的金融市场。

撰文：凯尔

 

一篇来自佛罗里达大学的研究报告震惊了金融圈：用 ChatGPT 对公司新闻进行情绪分析，并按此在股市做多、卖空，最高可获得超过 500% 的投资回报率。虽然坊间对这份报告中惊人的回报率数据有所怀疑，但金融界正在因 AI 的介入发生改变。

 

摩根大通、高盛等传奇投行钻营 AI 的消息连续曝光，而无论 500% 的收益率是否经得起推敲，它至少说明，GPT 的能力开始渗入金融市场最前端的环节——交易。在 Web3 资产管理和投研机构的高管 Rocky 眼中，AI 对「另类因子」的高效挖掘和优化已然发生。

 

在量化机构和对冲基金里，「另类因子」是所有策略因子中最稀有、珍贵的因子。它是指公司基本面、交易量、价格等常规因素之外的、影响行情的因素，比如社交舆情、市场情绪等。「顶级机构都在卷另类因子，」Rocky 解释，量价因子和基本面因子不可避免地走向同质化，另类因子会起到决定性的作用，能帮助机构出奇制胜。

 

作为通用大模型，GPT 想要直接用于量化投资还需使用者精细打磨，但新的大门已经打开。而对于普通人来说，借助 ChatGPT 高效地大量验证策略、分析数据后，也可以找到适合自己的生财之道。

 

AI 的龙卷风终于刮到了离钱最近的金融市场。

 

「500% 投资回报率」轰动世界

 

一直信奉科技力量的顶级投行摩根大通对 AI 出手了。5 月 26 日，摩根大通宣布正在研发名为「IndexGPT」的金融服务工具，利用云计算和人工智能进行证券的分析和选择，为客户提供智能化和个性化的投资建议。

 

这是摩根大通又一次明牌将 AI 加入到交易系统。

 

早在 2017 年，摩根大通就开始使用内部代号为 LOXM 的人工智能工具，让机器从过去几十亿条实盘和模拟盘的历史交易中归纳经验和教训，然后以最快的速度和最优价格执行交易指令，从交易规模和效率上超越人类。

 

2019 年，摩根大通更是网罗全球 AI 高手，开发「股票交易机器人」，主要功能包括生成投资报告、自动搜寻投资机会以及自动监控「报价请求」。当时，摩根大通称，自动化订单在过去几年中将交易执行成本降低了约 20％。

 

如果摩根大通早期的 AI 投入意在「降本」，当 GPT 展现出超能力时，这家投行开始用最前沿的 AI 技术提升自己的「钞能力」。从布局脉络看，AI 在摩根大通内部扮演的角色发生了重要改变——从投资助理蜕变为指导交易的操盘手。

 

摩根大通的新动作释放出 AI 深度介入金融业的信号，高盛、摩根士丹利也都被曝出在内部投入 AI 研发。

 

金融巨头搞 AI 的新闻在华尔街上演，并没引起大众注意。但来自佛罗里达大学金融系的一份研究报告，被人挑出亮点，一下打破了「AI 改变金融圈」这种常规叙事下的审美疲劳。

 

那份以「ChatGPT 能预测股价走势吗？」为题的高校研究报告，最初发布于今年 4 月 6 日，一开始也反响寥寥。直到 5 月份， Reddit 上的一名科技作者推荐了这篇报告，他认为，这是一份被主流媒体忽视的论文。

 

「500% 的投资回报率」入题后，瞬时引爆金融圈内外。

 

论文显示，佛罗里达大学的研究人员给不联网的 GPT-3.5 投喂了 2021 年 10 月至 2022 年 12 月的公开市场数据和新闻，这些数据通过网络爬虫获取，包含 4138 家上市公司相关的 67586 的标题，并排除了任何股票涨跌的头条，过滤掉了无意义的、热点话题、重复的新闻等内容。研究人员主要让 ChatGPT 来评估每个标题，并要求它判定是利好还是利空。

 

这是典型的情绪分析，也是 DE Shaw、Two Sigma 等知名对冲基金会采用的自动化交易策略的一部分。举个简单的例子，当一件事发生后，市场往往对其利多还是利空有分歧，准确的情绪分析有助于识别消息影响，做出正确的投资决策。

 

研究人员不厌其烦地让 ChatGPT 给出答案，最终他们得出了惊人的结论：擅长逻辑推理的 ChatGPT 表现优于其他所有情绪分析工具。借助 ChatGPT，研究人员回测了过去使用 ChatGPT 指导不同投资策略的回报表现，最终多空策略（买入有好消息的公司，卖空有坏消息的公司）收益率超过了 500%，做空策略回报率接近 400%，做多策略回报率大约为 50%。

 

由 ChatGPT 驱动的策略表现

 

在证券市场，上述的任何一个回报率，都足以秒杀全世界 99% 的投资经理。研究报告指出，同一时间段内购买并持有标准普尔 500 指数 ETF 的回报率为 -12%。

 

仅仅用 ChatGPT 进行情绪分析，就能带来如此高的回报率？这篇报告吸睛的同时也引发网友质疑，「如果你找到了一种能在不到 2 年内获得 500% 回报的策略，你会公开它吗？」还有人称，即便报告是真的，但一旦一种策略广为人知，它就不再有效，「天下没有免费的午餐。」

 

AI 升级另类因子「挖掘机」

 

外行看热闹，内行看门道，消息传到 Rocky 耳中，他兴奋极了。

 

Rocky 是一家 Web3 资产管理和投研机构的高管，他直言被佛罗里达大学的这份研究报告「惊呆了」，他认为，ChatGPT 的加入让「另类因子」的挖掘和优化有了质的飞跃，他给出结论：「交易员已死，AI+ 投资是未来。」

 

Rocky 解释，以前他们研究量化，有两点是最难的，第一个是数据源，第二个是策略因子。常见的策略因子包括量价因子和基本面因子，最后同质化都比较严重，「最终考验的是另类因子博弈。」

 

策略因子是量化机构中的常见概念。简单理解，机构拿到二级市场的成交数据、资讯舆情等数据后，会对它们清洗，然后将海量数据处理成一个个因子。这是一个从海量信息中找到影响市场的重要因素的过程。把这些因子融入到交易策略里，能帮交易员判断行情涨跌。

 

有效的策略因子意味着「金矿」，挖掘到了，回报就不是难事。

 

如 Rocky 所说，策略因子中，量价因子、基本面因子和另类因子三者在量化策略里的占比大致是 60%、20%、20%。其中量价因子基于市场成交量的数据挖掘而来，包括每分每秒的资产价格、资金流向、各类 K 线的技术指标等等；基本面因子则来源于财务报表、券商报告、分析师预期等等；而另类因子则是前两者之外的「秘密武器」，各家机构会利用自己独到的能力采集包括社交舆情、门店数据等影响价格的因素。佛罗里达大学研究人员让 ChatGPT 做的「情绪分析」就属此类。

 

常见的策略因子（红岸研究整理）

 

一般来说，量价因子和基本面因子，很难拉开机构间的差距，因为这些信息都是固定且公开的，而挖掘到另类因子更考验机构功力。「现在顶级对冲基金都在卷另类因子」，Rocky 告诉《元宇宙日爆》，高手对决，常规招式很难奏效，奇招才能致胜。

 

但另类因子的挖掘成本和难度远高于量价因子和基本面因子。

 

「就像在无边的沙滩上捡贝壳，需要非常耐心地一个个捡。通常某类的另类数据，只能覆盖到其中某些板块，哪怕挖掘到了，也只能获得这些板块上的收益。」蒙玺投资总经理李骧称，另类因子光数据收集就有一定门槛，因为它不是常规的数据，要么从第三方数据提供商购买，要么自己收集，甚至为了发现更优质的数据，机构还需要主动去挖掘有价值的数据供应商。

 

在采集到数据后，研究另类数据也不简单。「如何挖掘数据的内部逻辑，这一步也有较高门槛。」李骧说，这个过程非常精细，需要剔除各类噪音，找到内在逻辑，再进行因子组合，一系列操作完成后，才可能有不错的效果。

 

李骧把收集因子的过程比喻为「挖矿」：最开始把地表层面的一些矿、比较好收集的先收集进来，然后越挖越深。

 

在另类因子挖掘方面，往往是各大投资机构最费人力、财力也是最核心的工作，他们大批量地搜集情报，逐一分析价值，回测收益率、试错，庞杂的工作量后可能一无所获，收获有效的另类因子有时候还需要些运气成分。

 

如今，ChatGPT 的出现让挖掘另类因子的过程变得高效。「它文本到文本的功能很强大，比如我们利用自然语言处理技术，可以抓取网友对某一类股票，甚至某一只股票的观点。」李骧认为，GPT 的跨越式发展，可以提升一些辅助型工作的效率，比如在预测维度方面，「它对量化研究的增益是在数据收集端，利用 ChatGPT 可以更好地获取文本端信息。」

 

不过，GPT 更像一个通用大模型，并不偏向金融专业，这注定了它还不能即拿即用。Rocky 称，基于 GPT 大模型做的数据投喂，属于「普世模型「，无法满足金融横截面与时间序列数据的真实性、有效性、实时性，在数据清洗环节，还需要专业的小模型做预处理和标准化，这表明 ChatGPT 离专业量化之路还有距离。

 

但 Rocky 认为， ChatGPT 已经为机构们开辟了一条显而易见的门道，AI 可以成为交易员的高能助手。

 

普通人的财富机会来了？

 

佛罗里达大学的研究报告像是一个引子，足以让摩根大通们灵光乍现。AI 很可能成为交易市场中没有感情的「赚钱机器」，与真人展开金钱博弈。

 

那么，普通投资者能否借助 ChatGPT 这样的工具，参与量化交易，提升自己的收益回报？

 

对此，Rocky 觉得还不现实。他解释，做量化交易需要有金融工程专业背景，得具备高等数学、统计概念、金融知识、衍生品知识、金融法规等知识储备。同时，GPT 这个大模型数据库，没有实时性，必须从 Bloomberg 等处购买数据源，不然数据都是非实时的，没法参与博弈，「Bloomberg 一个终端就十几万美金了，门槛太高，散户用 GPT 跑个收益回测还可以，实战就别想了。」

 

金融市场波谲云诡，普通投资者对工具的使用应该尤其谨慎，一旦被高阶的工具识破底牌，恐怕会成为任人宰割的羔羊。不过，也有人提供了更适合普通人的投资思路，高收益恐怕做不到，但还是很有机会跑赢房贷利率。

 

小程序「阿牛数据」的创建者牛亦飞一直在从事低频量化交易，不久前，他做了一个实验，让 ChatGPT 写一个量化策略，并回测出收益率曲线。

 

牛亦飞给 ChatGPT 提供的策略逻辑是：从上证 50、创业板指、10 年国债这 3 个指数的 ETF 中，每天选出近 1 个月（22 个交易日）涨幅最大的那只，如果已经持有该基金则继续持仓，如果未持有，则清仓持有的基金全仓买入该基金，如果这 3 只基金近 1 个月都下跌就清仓。

 

用 ChatGPT 编写量化策略代码过程

 

很快，ChatGPT 给出了相应的策略代码和注释。「唯一不足的是没有给出数据源，好在我存有一份基金历史数据，引入数据运行后，果然可以看到每日持仓的结果了」。

 

随后，牛亦飞需要验证策略的历史表现，于是让 ChatGPT 生成回测程序，要求回测出策略的区间收益率、年化收益率、最大回撤等，几秒钟后，AI 就给出了程序代码，并把要求的指标的实现了。「不过，在仔细查看程序后，还是发现细节上存在一点瑕疵，例如没有考虑实际调仓时间等问题，不过整体完成度已经超过 90% 了。」

 

牛亦飞称，它又通过引导 AI 优化了程序，并手动简单魔改，回测程序就做好了。他用该程序回测了 2022 年使用上述策略的投资表现，最终得出区间收益率 9.18%，年化收益率 9.57%，最大回撤幅度 -12.25%。对比专业的统计工具，ChatGPT 出品的回测程序净值曲线几乎一模一样。

 

在这个案例中，牛亦飞是主动定了投资策略，并让 ChatGPT 做出自动化投资软件和回测程序，其实是把写代码的工作交给了 ChatGPT。当然，ChatGPT 写代码的高效率远远超过人类工程师，这使得普通投资者可以借此方法，高效地大量验证策略的有效性，进而不断优化交易策略，以提升收益率。

 

在牛亦飞的简单实践中，其投资年化收益达到 9.57%，远远高于一般的银行理财产品。牛亦飞向《元宇宙日爆》透露，除了让 ChatGPT 写代码外，他也在尝试用 AI 做数据分析、财报和公告分析等，让其给出交易信号。

 

李骧也认为，ChatGPT 将一定程度降低量化行业的门槛。有人如果对量化行业感兴趣，即使没有从业经验，只是在交易上有些想法，也可以借助 ChatGPT 的能力部分参与进来。「但是，从这种状态到成长为一个非常专业的量化机构核心研究员，将策略做得很精致、细节做得很完美，依然有很长一段路要走。」