Can ChatGPT Forecast Stock Price Movements? Return Predictability and Large Language Models

可预测性 标题 股票市场 情绪分析 计算机科学 投资决策 金融经济学 计量经济学 库存(枪支) 经济 行为经济学 人工智能 地理 数学 业务 财务 统计 广告 考古 背景(考古学)
作者
Alejandro Lopez-Lira,Yuehua Tang
出处
期刊:Social Science Research Network [Social Science Electronic Publishing]
被引量:277
标识
DOI:10.2139/ssrn.4412788
摘要

We examine the potential of ChatGPT, a large language model, in predicting stock market returns using sentiment analysis of news headlines. We use ChatGPT to indicate whether a given headline is good, bad, or irrelevant news for firms' stock prices. We then compute a numerical score and document a positive correlation between these "ChatGPT scores" and subsequent daily stock market returns. Further, ChatGPT outperforms traditional sentiment analysis methods. Our results suggest that incorporating advanced language models into the investment decision-making process can yield more accurate predictions and enhance the performance of quantitative trading strategies.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
侠客岛完成签到,获得积分10
1秒前
SciGPT应助zzn采纳,获得50
1秒前
无极微光应助啊啊啊采纳,获得20
2秒前
2秒前
3秒前
小趴菜完成签到,获得积分10
4秒前
SDNUDRUG发布了新的文献求助10
4秒前
黎日新发布了新的文献求助10
4秒前
小金羊完成签到,获得积分10
4秒前
5秒前
5秒前
5秒前
XING发布了新的文献求助10
5秒前
adeline925发布了新的文献求助10
5秒前
Sansan Jia发布了新的文献求助10
6秒前
dark完成签到,获得积分10
6秒前
7秒前
shengse发布了新的文献求助10
7秒前
思源应助高临霖采纳,获得10
7秒前
科研通AI6.1应助Erik采纳,获得10
7秒前
8秒前
123完成签到,获得积分10
8秒前
8秒前
xiaowu完成签到,获得积分10
9秒前
六六发布了新的文献求助10
9秒前
赘婿应助liu采纳,获得10
10秒前
10秒前
10秒前
BK完成签到,获得积分20
10秒前
10秒前
哈哈发布了新的文献求助10
11秒前
12秒前
12秒前
冷艳的灭龙完成签到,获得积分10
12秒前
12秒前
13秒前
13秒前
高临霖完成签到,获得积分10
13秒前
13秒前
逆风尿三丈完成签到,获得积分20
13秒前
高分求助中
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
PowerCascade: A Synthetic Dataset for Cascading Failure Analysis in Power Systems 2000
Metallurgy at high pressures and high temperatures 2000
Various Faces of Animal Metaphor in English and Polish 800
The SAGE Dictionary of Qualitative Inquiry 610
Signals, Systems, and Signal Processing 610
An Introduction to Medicinal Chemistry 第六版习题答案 600
热门求助领域 (近24小时)
化学 材料科学 医学 生物 纳米技术 工程类 有机化学 化学工程 生物化学 计算机科学 物理 内科学 复合材料 催化作用 物理化学 光电子学 电极 细胞生物学 基因 无机化学
热门帖子
关注 科研通微信公众号,转发送积分 6342240
求助须知:如何正确求助?哪些是违规求助? 8157470
关于积分的说明 17147947
捐赠科研通 5398496
什么是DOI,文献DOI怎么找? 2859570
邀请新用户注册赠送积分活动 1837554
关于科研通互助平台的介绍 1687402