StockGPT: A GenAI Model for Stock Prediction and Trading

本文介绍了一种名为StockGPT的自回归“数字”模型，该模型直接在美国股票日收益的历史数据上进行预训练。将每个收益序列视为一系列标记，该模型擅长理解和预测高度复杂的股票收益动态。StockGPT不依赖于使用历史股价的手工制作交易模式，而是通过其注意机制自动学习预测未来收益的隐藏表示。在2001年至2023年的测试样本中，使用StockGPT预测形成的每日再平衡的多空组合年化收益率为119％，夏普比率为6.5。基于StockGPT的投资组合完全解释了动量和长期/短期反转，消除了手工制作基于价格的策略的需求，并包含了大多数领先的股票市场因素。这凸显了生成AI在超越人类进行复杂的金融投资决策方面的巨大潜力，并说明了大型语言模型的注意机制在应用于完全不同的领域时的有效性。

本文旨在介绍一种基于自然语言生成模型的预测股票收益的方法，通过学习历史数据的隐藏表示来预测未来的股票收益。同时，该方法也旨在消除手工制定的基于历史股价的交易策略的需求。

本文提出了一种基于自然语言生成模型的预测股票收益的方法，将每个收益序列视为一个令牌序列，并通过注意力机制自动学习预测未来收益的隐藏表示。实验结果表明，该方法在预测股票收益方面表现出色，且能够消除动量和长期/短期反转等现象，同时也包含了大多数领先的股市因子。

本文设计了实验来验证该方法的有效性，使用了2001年到2023年的测试样本，并构建了一个基于预测结果的每日再平衡的多空投资组合，其年化收益率为119%，夏普比率为6.5。此外，该方法还能够消除一些股票市场上的现象，如动量和长期/短期反转等。

近期的相关研究包括使用机器学习方法预测股票市场的研究，如《A Deep Learning Approach to Predicting Stock Market Returns》和《Stock Price Prediction with Deep Learning Using Financial News》等。