GPT-InvestAR开源框架：利用ChatGPT分析企业年报的股票投资策略

一 本文摘要

公开上市公司的年度报告包含了关于其财务状况的重要信息，可以帮助评估公司股价的潜在影响。然而，这些报告通常很长，分析起来非常繁琐，需要专业知识和经验。本文提出的方法利用大型语言模型（LLMs）分析公司的年度报告，构建了一个量化数据集，并结合历史股价数据训练了一个机器学习模型，结果显示在S&P500指数上表现出色，为未来研究提供了一个框架。

二 本文贡献

过去的传统分析方法通常需要分析人员具备多年的实践经验，以及对财务报表和行业知识的深入了解。这些分析方法对于整个公司群体的年度报告进行分析也更加困难，因为需要处理大量的文本数据和复杂的财务指标。

然而，近年来，大型语言模型（LLMs）的出现为简化这一分析过程提供了新的可能性。特别是像GPT-3.5（也被称为ChatGPT）这样的LLMs，其在自然语言处理和理解方面的强大能力使其成为处理大规模文本数据的理想选择。

LLMs具有深度学习算法和大量预训练的语言知识，使其能够理解和生成自然语言文本。相比传统方法，LLMs可以更快速地处理大量的年度报告，并从中提取有价值的信息。它们能够理解语义、上下文和情感，并能够从文本中捕捉重要的关键词和主题。

利用LLMs进行年度报告分析的优势在于它们可以自动提取关键信息，识别重要的财务指标、趋势和风险因素。这些模型还可以帮助发现可能影响公司股价的因素，如财务健康状况、市场竞争力、行业趋势等。通过将LLM生成的洞察力转化为结构化的数据集，可以更方便地进行后续的数据分析和机器学习建模。
与传统方法相比，利用LLMs进行年度报告分析具有以下优势：

• 自动化和高效性：LLMs可以自动处理大规模的年度报告，大大减少了分析人员的工作量和时间成本。
• 智能化的信息提取：LLMs能够理解语义和上下文，从年度报告中提取出关键信息和重要指标。
• 全面性和广度：LLMs可以同时处理多个公司的年度报告，提供对整个公司群体的综合分析。
• 提供新的洞察和视角：LLMs的强大语言理解能力可以帮助发现潜在的市场趋势、风险和机会，为投资决策提供新的洞察和视角。

三 本文方法

本文的方法是一种利用大模型的机器学习方法，用来帮助投资者更好地理解和利用公司的财务信息，以制定更明智的投资决策。该方法的主要步骤包括访问年度报告、文件嵌入、使用ChatGPT进行特征生成和标签创建。

首先，通过访问按市值排名的前1500家公司的历史10-K文件，构建一个数据集。这些文件包含了公司的财务和管理方面的详细信息。其次，通过文件嵌入技术，将文件中的关键信息转化为定长的向量表示，以便进行后续的分析和处理。

接下来，利用ChatGPT模型，提出特定的问题，以生成与公司财务健康相关的功能。ChatGPT基于提供的文本上下文和问题，回答问题并分配一个置信度分数作为特征。这些特征可以用于构建机器学习模型，进一步分析和预测股票的表现。

最后，通过计算股票的年回报率和与标准普尔500指数的比较，创建标签来评估股票的表现。同时，通过计算股票在连续两次报告之间的年度期间实现的最大回报率，提供了更全面的评估指标。

四 实验分析

本次实验的数据集包括市值前1500家公司的历史10-K报告。这些报告从2002年到2023年的时间跨度内从SEC的Edgar数据库中获取。数据集还包括用于计算目标值的股价数据。数据集被分为训练集和测试集，其中2002年到2017年的数据用于训练，2018年到2023年的数据用于测试。使用LLM输出作为特征训练的机器学习模型在前向测试中显示出相对于S&P500回报的有希望的超额表现。这表明利用LLMs对公司年度报告进行评估可以帮助预测未来表现最佳的股票。

五 总结展望

在这篇论文中，研究人员通过使用大型语言模型（LLM）如GPT-3.5生成的分数作为构建机器学习模型的有价值特征，展示了在不同时间框架下选择和构建目标变量的灵活性。研究证明，根据目标变量的选择，机器学习模型能够超越标准普尔500指数的基准收益。这对于许多使用短期交易策略生成Alpha的主动管理技术来说具有重要意义，因为这些技术通常会产生显著的交易成本，可能无法实现净利润。

此外，研究人员强调了继续探索定义目标变量的替代方法的潜力。通过进一步研究和实践，可以发现更多有效的目标变量定义方式，进一步提升机器学习模型的表现。这项研究为使用LLM进行较长时间范围的投资提供了新的见解，并展示了这种方法在避免过高交易成本的情况下可能带来的益处。