编辑｜阿尔法工场
当问世后，其不凡的语言分析能力，立刻在多个行业的引起了广泛关注，投资界也不例外，能否应用于投资选择，也成为了广泛讨论的话题。
最近，来自加拿大多伦多大学、印度孟买理工学院的研究者，联手对此进行了一次试验，他们设计了不同的来考验的股选能力,并将其与经典投资组合优化模型进行了比较实验。
结果发现，不但展现出了不俗的选股才能，而且在与传统的量化投资方式结合时，还能够酿造出更佳的投资组合。
这样的结果，无疑为人们打开了一扇大门，AI与量化投资技术合体，或许能成就更智能的投资决策。
01 基本思路
此次试验的目标，是利用广泛的训练数据来识别最“流行”或“表现最佳”的股票,并通过量化金融技术(如投资组合优化)改进建议的策略。
在试验过程中，研究人员假设，训练数据中某只股票的提及频率和情感倾向可能会影响的选择推荐。
为了验证这样的假设，研究者以GPT-4为实验对象，对其提出了一个要求，要其在来自标普500的股票中，抽取一定数量的股票（分别为15、30、45为一组），形成一套股票组合，并要求这套组合的盈利水平必须超越标普500。
GPT-4选择的45种股票组合
为了获得更加多元化的结果，研究者对这一要求重复提问了30次。
之后，研究者先从GPT给的那三个股票池里分别搭建两个不同的投资组合。第一个组合是等权组合，就是每个股票的占比都是相同的,比如股票池有15只股票，那么每个股票就占总数的1/15。
第二个组合是让GPT自己决定每个股票的权重分配。研究者对GPT说：假设你要用这几只股票做个理论投资组合，并且目标是超越标普500指数的话，你会怎么分配它们的权重比较合适呢？然后还要解释一下你这么分配的原因和策略。
这样，GPT就会考虑不同股票的行业、市值大小、增长潜力啥的，给出它的权重分配方案。这个被我们称为GPT加权组合。GPT给的具体权重分配方案，就可以用上图的饼状图表示。
之后，研究人员发，随着投资组合的股票数目变多，GPT的加权组合中，股票的行业分布也变得更加均匀了。
虽然“信息技术”行业仍然是最大的部分，但比重有所下降，其他像工业、能源、通信服务等行业的股票占比都有所提高。这让投资组合的风险分散开来了，也能抓住更多不同市场的机会。
在得到了两种不同的投资组合，即一般的等权组合，和GPT-4自己选的加权组合后，研究人员会根据投资组合优化的算法，计算这两种股票组合的收益和风险。
02 优化投资组合
为了计算投资组合的预期收益和风险，研究人员需要用到历史的数据来进行统计分析。
在这里，实验使用的是过去5年中每周的股票价格和收益率的数据。
研究团队把过去5年中,每只股票每周的实际收益率都计算出来,然后取算术平均值,就可以得到这只股票的期望收益率。把所有选中的股票的期望收益率都计算出来，就可以组成一个期望收益率的向量。
同时，为了体现各个股票之间的相互关系，研究团队还要计算出一个叫做“协方差矩阵”的数据。
“协方差矩阵”看起来很高端,但其内涵其实可以用一句话简单地概括：
假设我们投资了股票A和股票B。如果过去一段时间里,当A股上涨时,B股也常常上涨,那么我们就说A和B正相关；反之就是负相关。
计算每个股票组合的协方差矩阵，就可以量化它们之间的风险相关系数，从而得出股票组合整体的风险状况。
拿到这两份数据之后，研究者通过投资组合优化模型去计算，看看怎样的组合可以在给定的风险水平下，获得最大的预期收益。
在计算过程中，研究者将不同的股票组合的风险/收益情况，绘制成了一张效率曲线图，这条线上每个点代表一组不同的股票组合，其中纵坐标代表收益，横坐标代表风险。
GPT所选股票的效率前沿线
在比较过程中，团队将GPT-4选择的权重组合，与效率曲线图中风险最小的组合、收益最大的组合在长、中、短三个周期内分别进行了比较，以对比二者的实际收益率。
之后，再拿二者的收益率和标普500指数做比较。看看哪些组合能在与大盘的比较中胜出。
通过全面地评估两种组合在不同周期的实际投资表现，就可以找到最优的投资策略。
由此，研究者就可以检验选股是否真的能带来超额收益。
03 结论
就经过了实际的比对、分析后，研究团队得出了如下结论：
选股的组合整体表现较好
实验比较了两类组合，一类是GPT-4根据历史数据选出来的加权组合，另一类是纯粹通过数学模型优化出来的等权组合。
结果发现,GPT-4选股的组合,无论选15只股票还是30只、45只,它的整体回报率都高于那些纯粹用数学模型算出来的股票组合。
这说明选股有一定的优势,可能因为它综合分析了很多历史信息,而不仅仅是简单的数据统计。
股票组合胜在“精简”
研究团队还发现，选出来的15只股票组合,比它选出的30只和45只组合回报率更高更稳定。这说明成功的投资不在于选择很多股票来分散风险,关键是要选到基本面好、潜力大的优质股票。一个选股准确的股票组合，即使只有十几只股票，也可以战胜更多元化但是股票质量不齐的大组合。
15只股票组合的投资回报率
组合风险收益平衡
在股票投资中，往往存在着“风险越大，收益越大”的事实。然而，GPT-4自己设定权重的组合,从始至终都没有出现“高风险、高收益”的极端组合，而是在收益和风险之间实现了较好的平衡,
既没有追求极端收益带来的高风险,也没有过度规避风险而收益太低的问题。这可能是比较适合普通投资者的选择。
与量化投资结合最佳
研究者最后发现,除了个别股票外，大多数根据GPT-4选股然后做优化的组合,其实际收益率都超过了标普500指数。
这说明,利用这类新的AI技术来辅助投资决策，其实整体上还是可能战胜市场的。
但单纯依靠提供的投资建议可能还不够可靠，因为可能擅长选择股票,但分配权重和控制风险可能还需人工调整。
研究团队最后得出的关键结论是：如果能够结合的投资思路，然后用传统的量化投资模型进一步优化，这样实际的投资表现会最好。
04 启示
在上述实验中，通过自身强大的语义分析能力，从大量数据中，找到了那些评价积极的备选股票。通过这种方式投资，收益率比很多基准收益要高。
然而，研究者发现，直接完全相信的投资建议还是有风险的,它给的意见可能不全面。
因为可能很擅长根据历史信息判断哪些股票值得买入,但具体该买入多少股却不一定能算得准。
而在这方面，量化投资则可以通过精确计算，来得到最优的股票权重分配方案。
因此，结合两者优势,既发挥股票选择的能力,又利用量化模型优化权重,这样才会达到最佳的投资效果。
通过这个研究,我们可以看到,在新兴的生成式AI时代，人们将有可能通过AI使自身的投资决策更加高效、可靠。
而这种将新兴的人工智能与传统的量化技术相结合的方式，也对其他行业的AI应用提供了一个可供借鉴的思路。
相关文章
