当 ChatGPT 问世后，其不凡的语言分析能力，立刻在多个行业的引起了广泛关注，投资界也不例外，ChatGPT 能否应用于投资选择，也成为了广泛讨论的话题。

最近，来自加拿大多伦多大学、印度孟买理工学院的研究者，联手对此进行了一次试验，他们设计了不同的 Prompt 来考验 ChatGPT 的股选能力 , 并将其与经典投资组合优化模型进行了比较实验。

论文标题：《基于 Chat GPT 的投资组合选择》

结果发现，ChatGPT 不但展现出了不俗的选股才能，而且在与传统的量化投资方式结合时，还能够酿造出更佳的投资组合。

(资料图)

这样的结果，无疑为人们打开了一扇大门，AI 与量化投资技术合体，或许能成就更智能的投资决策。

01 基本思路

此次试验的目标，是利用 ChatGPT 广泛的训练数据来识别最 " 流行 " 或 " 表现最佳 " 的股票 , 并通过量化金融技术 ( 如投资组合优化 ) 改进 ChatGPT 建议的策略。

在试验过程中，研究人员假设，训练数据中某只股票的提及频率和情感倾向可能会影响 ChatGPT 的选择推荐。

为了验证这样的假设，研究者以 GPT-4 为实验对象，对其提出了一个要求，要其在来自标普 500 的股票中，抽取一定数量的股票（分别为 15、30、45 为一组），形成一套股票组合，并要求这套组合的盈利水平必须超越标普 500。

GPT-4 选择的 45 种股票组合

为了获得更加多元化的结果，研究者对这一要求重复提问了 30 次。

之后，研究者先从 GPT 给的那三个股票池里分别搭建两个不同的投资组合。第一个组合是等权组合，就是每个股票的占比都是相同的 , 比如股票池有 15 只股票，那么每个股票就占总数的 1/15。

第二个组合是让 GPT 自己决定每个股票的权重分配。研究者对 GPT 说：假设你要用这几只股票做个理论投资组合，并且目标是超越标普 500 指数的话，你会怎么分配它们的权重比较合适呢？然后还要解释一下你这么分配的原因和策略。

这样，GPT 就会考虑不同股票的行业、市值大小、增长潜力啥的，给出它的权重分配方案。这个被我们称为 GPT 加权组合。GPT 给的具体权重分配方案，就可以用上图的饼状图表示。

之后，研究人员发，随着投资组合的股票数目变多，GPT 的加权组合中，股票的行业分布也变得更加均匀了。

虽然 " 信息技术 " 行业仍然是最大的部分，但比重有所下降，其他像工业、能源、通信服务等行业的股票占比都有所提高。这让投资组合的风险分散开来了，也能抓住更多不同市场的机会。

在得到了两种不同的投资组合，即一般的等权组合，和 GPT-4 自己选的加权组合后，研究人员会根据投资组合优化的算法，计算这两种股票组合的收益和风险。

02 优化投资组合

为了计算投资组合的预期收益和风险，研究人员需要用到历史的数据来进行统计分析。

在这里，实验使用的是过去 5 年中每周的股票价格和收益率的数据。

研究团队把过去 5 年中 , 每只股票每周的实际收益率都计算出来 , 然后取算术平均值 , 就可以得到这只股票的期望收益率。把所有选中的股票的期望收益率都计算出来，就可以组成一个期望收益率的向量。

同时，为了体现各个股票之间的相互关系，研究团队还要计算出一个叫做 " 协方差矩阵 " 的数据。

" 协方差矩阵 " 看起来很高端 , 但其内涵其实可以用一句话简单地概括：

假设我们投资了股票 A 和股票 B。如果过去一段时间里 , 当 A 股上涨时 ,B 股也常常上涨 , 那么我们就说 A 和 B 正相关；反之就是负相关。

计算每个股票组合的协方差矩阵，就可以量化它们之间的风险相关系数，从而得出股票组合整体的风险状况。

拿到这两份数据之后，研究者通过投资组合优化模型去计算，看看怎样的组合可以在给定的风险水平下，获得最大的预期收益。

在计算过程中，研究者将不同的股票组合的风险 / 收益情况，绘制成了一张效率曲线图，这条线上每个点代表一组不同的股票组合，其中纵坐标代表收益，横坐标代表风险。

GPT 所选股票的效率前沿线

在比较过程中，团队将 GPT-4 选择的权重组合，与效率曲线图中风险最小的组合、收益最大的组合在长、中、短三个周期内分别进行了比较，以对比二者的实际收益率。

之后，再拿二者的收益率和标普 500 指数做比较。看看哪些组合能在与大盘的比较中胜出。

通过全面地评估两种组合在不同周期的实际投资表现，就可以找到最优的投资策略。

由此，研究者就可以检验 ChatGPT 选股是否真的能带来超额收益。

03 结论

就经过了实际的比对、分析后，研究团队得出了如下结论：

ChatGPT 选股的组合整体表现较好

实验比较了两类组合，一类是 GPT-4 根据历史数据选出来的加权组合，另一类是纯粹通过数学模型优化出来的等权组合。

结果发现 ,GPT-4 选股的组合 , 无论选 15 只股票还是 30 只、45 只 , 它的整体回报率都高于那些纯粹用数学模型算出来的股票组合。

这说明 ChatGPT 选股有一定的优势 , 可能因为它综合分析了很多历史信息 , 而不仅仅是简单的数据统计。

股票组合胜在 " 精简 "

研究团队还发现，ChatGPT 选出来的 15 只股票组合 , 比它选出的 30 只和 45 只组合回报率更高更稳定。这说明成功的投资不在于选择很多股票来分散风险 , 关键是要选到基本面好、潜力大的优质股票。一个选股准确的股票组合，即使只有十几只股票，也可以战胜更多元化但是股票质量不齐的大组合。

15 只股票组合的投资回报率

ChatGPT 组合风险收益平衡

在股票投资中，往往存在着 " 风险越大，收益越大 " 的事实。然而，GPT-4 自己设定权重的组合 , 从始至终都没有出现 " 高风险、高收益 " 的极端组合，而是在收益和风险之间实现了较好的平衡 ,

ChatGPT 既没有追求极端收益带来的高风险 , 也没有过度规避风险而收益太低的问题。这可能是比较适合普通投资者的选择。

ChatGPT 与量化投资结合最佳

研究者最后发现 , 除了个别股票外，大多数根据 GPT-4 选股然后做优化的组合 , 其实际收益率都超过了标普 500 指数。

这说明 , 利用 ChatGPT 这类新的 AI 技术来辅助投资决策，其实整体上还是可能战胜市场的。

但单纯依靠 ChatGPT 提供的投资建议可能还不够可靠，因为 ChatGPT 可能擅长选择股票 , 但分配权重和控制风险可能还需人工调整。

研究团队最后得出的关键结论是：如果能够结合 ChatGPT 的投资思路，然后用传统的量化投资模型进一步优化，这样实际的投资表现会最好。

04 启示

在上述实验中，ChatGPT 通过自身强大的语义分析能力，从大量数据中，找到了那些评价积极的备选股票。通过这种方式投资，收益率比很多基准收益要高。

然而，研究者发现，直接完全相信 ChatGPT 的投资建议还是有风险的 , 它给的意见可能不全面。

因为 ChatGPT 可能很擅长根据历史信息判断哪些股票值得买入 , 但具体该买入多少股却不一定能算得准。

而在这方面，量化投资则可以通过精确计算，来得到最优的股票权重分配方案。

因此，结合两者优势 , 既发挥 ChatGPT 股票选择的能力 , 又利用量化模型优化权重 , 这样才会达到最佳的投资效果。

通过这个研究 , 我们可以看到 , 在新兴的生成式 AI 时代，人们将有可能通过 AI 使自身的投资决策更加高效、可靠。

而这种将新兴的人工智能与传统的量化技术相结合的方式，也对其他行业的 AI 应用提供了一个可供借鉴的思路。

标签