ChatGPT 4 besser als professionelle Finanzanalysten

Die Forscher nutzten ChatGPT-4, um standardisierte und anonyme Finanzberichte zu bewerten und die Ergebnisse waren bemerkenswert. Ohne spezifische Branchenkenntnisse zu benötigen, sagte GPT-4 Gewinnveränderungen genauer voraus als menschliche Analysten. Darüber hinaus ergab die Studie, dass die Vorhersagegenauigkeit von GPT-4 mit der von spezialisierten Finanzmodellen vergleichbar war, was darauf hindeutet, dass die Vorhersagen der KI nicht nur von ihren Trainingsdaten abhängen, sondern auch von ihrer Fähigkeit, wertvolle Erkenntnisse über die zukünftige Leistung eines Unternehmens abzuleiten.

Eine der wichtigsten Innovationen der Studie war die Verwendung von "Chain-of-Thought"-Anweisungen. Diese Aufforderungen leiteten GPT-4 dazu an, den analytischen Prozess menschlicher Finanzanalysten nachzuahmen, einschließlich der Identifizierung von Trends, der Berechnung von Kennzahlen und der Zusammenfassung von Informationen zu Vorhersagen. Diese fortgeschrittene Version von GPT-4 erreichte eine Genauigkeit von 60 % bei der Vorhersage zukünftiger Gewinne und übertraf damit deutlich die für menschliche Analysten typische Spanne von 53-57 %.

Die Studie untersuchte auch den wirtschaftlichen Nutzen der GPT-4-Vorhersagen, indem sie deren Auswirkungen auf die Börsenstrategien analysierte. Es zeigte sich, dass Handelsstrategien, die auf den Vorhersagen von GPT-4 basieren, zu höheren Renditen und besseren Sharpe Ratios führten als solche, die auf anderen Modellen basieren. Dies deutet darauf hin, dass KI-gesteuerte Strategien die Marktbenchmarks übertreffen können, wie die positiven Alpha-Werte zeigen.

Die Forscher betonten, dass ihre Ergebnisse darauf hindeuten, dass LLMs eine zentrale Rolle in der finanziellen Entscheidungsfindung spielen könnten, anstatt nur als Hilfsmittel zu dienen. Die Fähigkeit dieser KI-Modelle, komplexe Finanzdaten zu analysieren und genaue Vorhersagen zu treffen, könnte die Art und Weise revolutionieren, wie Investoren und Marktexperten an die Analyse von Finanzberichten herangehen.

Die Studie fordert jedoch auch weitere Forschung, um die Grenzen und Einschränkungen von LLMs bei der Entscheidungsfindung in der Finanzwelt vollständig zu verstehen. Einige Experten weisen darauf hin, dass das künstliche neuronale Netzwerk (ANN), das in der Studie als Benchmark verwendet wurde, möglicherweise nicht die neuesten Fortschritte im quantitativen Finanzwesen widerspiegelt.

Trotz dieser Vorbehalte zeigt die Studie das große Potenzial von Allzweck-LLMs im Finanzsektor, die die Leistung von spezialisierten maschinellen Lernmodellen und menschlichen Experten erreichen oder übertreffen können. Dieser Durchbruch unterstreicht den transformativen Einfluss, den KI auf Finanzanalysen und Entscheidungsfindung haben kann.