Can ChatGPT forecast stock price movements? Return predictability and large language models
ChatGPT 能否预测股价走势？收益可预测性与大语言模型AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要核心是新闻标题对股票收益与后续漂移的可预测性，并涉及价格效率与套利限制，直接对应收益预测与资产定价两个方向。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
ChatGPT 能否预测股价走势？收益可预测性与大语言模型
- 研究问题
- 摘要关注的问题是：未经金融专项训练的大语言模型（如 ChatGPT）能否仅凭新闻标题预测股市反应，以及这种预测能力是否体现在初始反应与随后的价格漂移上。
- 方法与思路
- 作者使用知识截止日期之后的新闻标题，让 GPT-4 对标题打分，考察其与组合-日层面初始市场反应及后续漂移的关系，并比较不同模型规模的表现；同时构建一个纳入 LLM 技术、信息处理能力约束、反应不足与套利限制的理论模型来解释发现。
- 材料陈述的贡献
- 摘要称 GPT-4 能捕捉初始市场反应，非可交易的初始反应组合-日命中率约为 90%；GPT-4 评分显著预测后续漂移，尤其在小盘股和负面新闻中；预测能力随模型规模上升；策略收益随 LLM 采用率提高而下降，与价格效率改善一致。
- 阅读关注点
- 阅读全文时应核对：样本期与知识截止日期的界定、命中率与漂移预测的具体度量与统计检验、模型规模比较的设计、策略收益与 LLM 采用率的识别方式，以及理论模型中各假设与实证结果的对应关系。
- 阅读边界
- 仅凭摘要无法判断识别策略是否可信、结果是否稳健、是否存在数据窥探或样本选择问题，也无法核实具体数值与理论模型的推导；摘要未说明模型版本、提示设计、样本量与显著性水平等细节。
原文摘要
We document the capability of large language models (LLMs) like ChatGPT to predict stock market reactions from news headlines without direct financial training. Using post-knowledge-cutoff headlines, GPT-4 captures initial market responses, achieving approximately 90% portfolio-day hit rates for the non-tradable initial reaction. GPT-4 scores also significantly predict the subsequent drift, especially for small stocks and negative news. Forecasting ability generally increases with model size, suggesting that financial reasoning is an emerging capacity of complex LLMs. Strategy returns decline as LLM adoption rises, consistent with improved price efficiency. To rationalize these findings, we develop a theoretical model that incorporates LLM technology, information-processing capacity constraints, underreaction, and limits to arbitrage.