Can Large Language Models Beat Wall Street? Unveiling the Potential of AI in Stock Selection

本文介绍了一种新型的AI驱动框架——MarketSenseAI，利用GPT-4的先进推理能力进行可扩展的股票选择。MarketSenseAI采用思维链和上下文学习方法来分析广泛的数据来源，包括市场价格动态、财经新闻、公司基本面和宏观经济报告，模拟知名金融投资团队的决策过程。本文详细介绍了MarketSenseAI的开发、实施和经验验证，重点关注其提供具有说服力的投资信号（买入、持有、卖出）的能力。本研究的一个显著特点是不仅将GPT-4用作预测工具，还将其用作评估器，揭示了AI生成的解释对建议的投资信号的可靠性和接受度的重要影响。在对标普100股票进行广泛的实证评估中，MarketSenseAI的表现超过了基准指数13％，达到了40％的回报，同时保持了与市场可比的风险水平。这些结果展示了大型语言模型在复杂的金融决策中的功效，并标志着将AI整合到金融分析和投资策略中的重要进展。本研究为金融AI领域做出了贡献，提出了一种创新的方法，强调了AI在革新传统金融分析投资方法方面的变革潜力。

本文旨在引入MarketSenseAI，一种利用GPT-4的先进推理能力进行可扩展股票选择的新型AI驱动框架。该框架旨在模拟知名金融投资团队的决策过程，结合思维链和上下文学习方法，分析包括市场价格动态、财经新闻、公司基本面和宏观经济报告在内的多种数据源，提供可行的投资信号（买入、持有、卖出）并给出充分的解释。

MarketSenseAI利用GPT-4作为预测和评估工具，实现了复杂金融决策的自动化。相比当前领域的研究，该框架的创新之处在于使用了大型语言模型作为评估工具，并且通过提供可解释性的投资信号，提高了其可靠性和接受度。

本文提出的MarketSenseAI框架在S&P 100股票的实证评估中，相对于基准指数表现出13%的超额收益，并取得了高达40%的回报率，同时保持了与市场相当的风险水平。该框架的亮点在于使用了GPT-4作为评估工具，并提供了可解释性的投资信号，这在金融分析和投资策略中具有革命性的潜力。

最近在这个领域中，还有一些相关的研究，例如：'Deep Learning for Stock Selection Based on Financial News and Reports'，'A Survey of Deep Learning for Stock Market Prediction'等。