一篇来自佛罗里达大学的研究报告震惊了金融圈：用ChatGPT对公司新闻进行情绪分析，并按此在股市做多、卖空，最高可获得超过500%的投资回报率。虽然坊间对这份报告中惊人的回报率数据有所怀疑，但金融界正在因AI的介入发生改变。

摩根大通、高盛等传奇投行钻营AI的消息连续曝光，而无论500%的收益率是否经得起推敲，它至少说明，GPT的能力开始渗入金融市场最前端的环节——交易。在Web3资产管理和投研机构的高管Rocky眼中，AI对“另类因子”的高效挖掘和优化已然发生。

在量化机构和对冲基金里，“另类因子”是所有策略因子中最稀有、珍贵的因子。它是指公司基本面、交易量、价格等常规因素之外的、影响行情的因素，比如社交舆情、市场情绪等。“顶级机构都在卷另类因子，”Rocky解释，量价因子和基本面因子不可避免地走向同质化，另类因子会起到决定性的作用，能帮助机构出奇制胜。

作为通用大模型，GPT想要直接用于量化投资还需使用者精细打磨，但新的大门已经打开。而对于普通人来说，借助ChatGPT高效地大量验证策略、分析数据后，也可以找到适合自己的生财之道。

AI的龙卷风终于刮到了离钱最近的金融市场。

“500%投资回报率”轰动世界

一直信奉科技力量的顶级投行摩根大通对AI出手了。5月26日，摩根大通宣布正在研发名为“IndexGPT”的金融服务工具，利用云计算和人工智能进行证券的分析和选择，为客户提供智能化和个性化的投资建议。

这是摩根大通又一次明牌将AI加入到交易系统。

早在2017年，摩根大通就开始使用内部代号为LOXM的人工智能工具，让机器从过去几十亿条实盘和模拟盘的历史交易中归纳经验和教训，然后以最快的速度和最优价格执行交易指令，从交易规模和效率上超越人类。

2019年，摩根大通更是网罗全球AI高手，开发“股票交易机器人”，主要功能包括生成投资报告、自动搜寻投资机会以及自动监控“报价请求”。当时，摩根大通称，自动化订单在过去几年中将交易执行成本降低了约20％。

如果摩根大通早期的AI投入意在“降本”，当GPT展现出超能力时，这家投行开始用最前沿的AI技术提升自己的“钞能力”。从布局脉络看，AI在摩根大通内部扮演的角色发生了重要改变——从投资助理蜕变为指导交易的操盘手。

摩根大通的新动作释放出AI深度介入金融业的信号，高盛、摩根士丹利也都被曝出在内部投入AI研发。

金融巨头搞AI的新闻在华尔街上演，并没引起大众注意。但来自佛罗里达大学金融系的一份研究报告，被人挑出亮点，一下打破了“AI改变金融圈”这种常规叙事下的审美疲劳。

那份以“ChatGPT能预测股价走势吗？”为题的高校研究报告，最初发布于今年4月6日，一开始也反响寥寥。直到5月份， Reddit上的一名科技作者推荐了这篇报告，他认为，这是一份被主流媒体忽视的论文。

“500%的投资回报率”入题后，瞬时引爆金融圈内外。

论文显示，佛罗里达大学的研究人员给不联网的GPT-3.5投喂了2021年10月至2022年12月的公开市场数据和新闻，这些数据通过网络爬虫获取，包含4138家上市公司相关的67586的标题，并排除了任何股票涨跌的头条，过滤掉了无意义的、热点话题、重复的新闻等内容。研究人员主要让 ChatGPT来评估每个标题，并要求它判定是利好还是利空。

这是典型的情绪分析，也是DE Shaw、Two Sigma 等知名对冲基金会采用的自动化交易策略的一部分。举个简单的例子，当一件事发生后，市场往往对其利多还是利空有分歧，准确的情绪分析有助于识别消息影响，做出正确的投资决策。

研究人员不厌其烦地让ChatGPT给出答案，最终他们得出了惊人的结论：擅长逻辑推理的ChatGPT 表现优于其他所有情绪分析工具。借助ChatGPT，研究人员回测了过去使用ChatGPT指导不同投资策略的回报表现，最终多空策略（买入有好消息的公司，卖空有坏消息的公司）收益率超过了500%，做空策略回报率接近400%，做多策略回报率大约为50%。

由 ChatGPT 驱动的策略表现

在证券市场，上述的任何一个回报率，都足以秒杀全世界99%的投资经理。研究报告指出，同一时间段内购买并持有标准普尔500指数ETF的回报率为-12%。

仅仅用ChatGPT进行情绪分析，就能带来如此高的回报率？这篇报告吸睛的同时也引发网友质疑，“如果你找到了一种能在不到 2 年内获得 500% 回报的策略，你会公开它吗？”还有人称，即便报告是真的，但一旦一种策略广为人知，它就不再有效，“天下没有免费的午餐。”

AI升级另类因子“挖掘机”

外行看热闹，内行看门道，消息传到Rocky耳中，他兴奋极了。

Rocky是一家Web3资产管理和投研机构的高管，他直言被佛罗里达大学的这份研究报告“惊呆了”，他认为，ChatGPT的加入让“另类因子”的挖掘和优化有了质的飞跃，他给出结论：“交易员已死，AI+投资是未来。”

Rocky解释，以前他们研究量化，有两点是最难的，第一个是数据源，第二个是策略因子。常见的策略因子包括量价因子和基本面因子，最后同质化都比较严重，“最终考验的是另类因子博弈。”

策略因子是量化机构中的常见概念。简单理解，机构拿到二级市场的成交数据、资讯舆情等数据后，会对它们清洗，然后将海量数据处理成一个个因子。这是一个从海量信息中找到影响市场的重要因素的过程。把这些因子融入到交易策略里，能帮交易员判断行情涨跌。

有效的策略因子意味着“金矿”，挖掘到了，回报就不是难事。

如Rocky所说，策略因子中，量价因子、基本面因子和另类因子三者在量化策略里的占比大致是60%、20%、20%。其中量价因子基于市场成交量的数据挖掘而来，包括每分每秒的资产价格、资金流向、各类K线的技术指标等等；基本面因子则来源于财务报表、券商报告、分析师预期等等；而另类因子则是前两者之外的“秘密武器”，各家机构会利用自己独到的能力采集包括社交舆情、门店数据等影响价格的因素。佛罗里达大学研究人员让ChatGPT做的“情绪分析”就属此类。

常见的策略因子（红岸研究整理）

一般来说，量价因子和基本面因子，很难拉开机构间的差距，因为这些信息都是固定且公开的，而挖掘到另类因子更考验机构功力。“现在顶级对冲基金都在卷另类因子”，Rocky告诉《元宇宙日爆》，高手对决，常规招式很难奏效，奇招才能致胜。

但另类因子的挖掘成本和难度远高于量价因子和基本面因子。

“就像在无边的沙滩上捡贝壳，需要非常耐心地一个个捡。通常某类的另类数据，只能覆盖到其中某些板块，哪怕挖掘到了，也只能获得这些板块上的收益。”蒙玺投资总经理李骧称，另类因子光数据收集就有一定门槛，因为它不是常规的数据，要么从第三方数据提供商购买，要么自己收集，甚至为了发现更优质的数据，机构还需要主动去挖掘有价值的数据供应商。

在采集到数据后，研究另类数据也不简单。“如何挖掘数据的内部逻辑，这一步也有较高门槛。”李骧说，这个过程非常精细，需要剔除各类噪音，找到内在逻辑，再进行因子组合，一系列操作完成后，才可能有不错的效果。

李骧把收集因子的过程比喻为“挖矿”：最开始把地表层面的一些矿、比较好收集的先收集进来，然后越挖越深。

在另类因子挖掘方面，往往是各大投资机构最费人力、财力也是最核心的工作，他们大批量地搜集情报，逐一分析价值，回测收益率、试错，庞杂的工作量后可能一无所获，收获有效的另类因子有时候还需要些运气成分。

如今，ChatGPT的出现让挖掘另类因子的过程变得高效。“它文本到文本的功能很强大，比如我们利用自然语言处理技术，可以抓取网友对某一类股票，甚至某一只股票的观点。”李骧认为，GPT的跨越式发展，可以提升一些辅助型工作的效率，比如在预测维度方面，“它对量化研究的增益是在数据收集端，利用ChatGPT可以更好地获取文本端信息。”

不过，GPT更像一个通用大模型，并不偏向金融专业，这注定了它还不能即拿即用。Rocky称，基于GPT大模型做的数据投喂，属于“普世模型“，无法满足金融横截面与时间序列数据的真实性、有效性、实时性，在数据清洗环节，还需要专业的小模型做预处理和标准化，这表明ChatGPT离专业量化之路还有距离。

但Rocky认为， ChatGPT已经为机构们开辟了一条显而易见的门道，AI可以成为交易员的高能助手。

普通人的财富机会来了？

佛罗里达大学的研究报告像是一个引子，足以让摩根大通们灵光乍现。AI很可能成为交易市场中没有感情的“赚钱机器”，与真人展开金钱博弈。

那么，普通投资者能否借助ChatGPT这样的工具，参与量化交易，提升自己的收益回报？

对此，Rocky觉得还不现实。他解释，做量化交易需要有金融工程专业背景，得具备高等数学、统计概念、金融知识、衍生品知识、金融法规等知识储备。同时，GPT这个大模型数据库，没有实时性，必须从Bloomberg等处购买数据源，不然数据都是非实时的，没法参与博弈，“Bloomberg一个终端就十几万美金了，门槛太高，散户用GPT跑个收益回测还可以，实战就别想了。”

金融市场波谲云诡，普通投资者对工具的使用应该尤其谨慎，一旦被高阶的工具识破底牌，恐怕会成为任人宰割的羔羊。不过，也有人提供了更适合普通人的投资思路，高收益恐怕做不到，但还是很有机会跑赢房贷利率。

小程序“阿牛数据”的创建者牛亦飞一直在从事低频量化交易，不久前，他做了一个实验，让ChatGPT写一个量化策略，并回测出收益率曲线。

牛亦飞给ChatGPT提供的策略逻辑是：从上证50、创业板指、10年国债这3个指数的ETF中，每天选出近1个月（22个交易日）涨幅最大的那只，如果已经持有该基金则继续持仓，如果未持有，则清仓持有的基金全仓买入该基金，如果这3只基金近1个月都下跌就清仓。