ChatGPT в мире финансов: всё серьёзно
Рынок генеративного ИИ
Скорость развития генеративных нейронных сетей (GenAI), к числу которых относятся ChatGPT и Midjourney – одна из главных интриг 2025 года. Взрывной рост GenAI в последние годы вывел ожидания по поводу его места в мире на уровень, который был характерен для Интернета, блокчейна и виртуальной реальности. По оценкам Deloitte, не менее 70% компаний в той или иной степени используют генеративный ИИ. А объем рынка чипов, используемых для генеративных нейросетей, достигает почти 50 миллиардов долларов США. BCG ожидает, что в 2025 году до 12% всех данных будут генерироваться с помощью GenAI.
Многие ожидают сохранения темпов роста рынка GenAI выше 40% в следующем десятилетии. Этому будет способствовать растущий спрос и активное внедрение нейросетей в процессы реальной экономики. Другие, и к их числу принадлежит директор Google Сундар Пичаи, считают ажиотаж вокруг генеративного ИИ избыточным, не ожидая, что последний в 2025 году кардинально изменит жизнь людей. В пользу этого мнения выступает необходимость нести очень высокие расходы при обучении нейросетей. В любом случае, GenAI остается одним из самых перспективных сегментов рынка с высоким потенциалом роста.
Механизм работы GenAI
Генеративные сети работают следующим образом: они принимают «на вход» огромные массивы информации, обрабатывают их, а затем, после такого обучения, генерируют контент в виде текстов, изображений, видео и т.д. Таким образом, нейросеть действует на основе загруженных в нее данных. Качество работы ИИ возрастает с увеличением объема данных для обучения.
Как работает генеративная нейросеть
Источник: А-Клуб, Яндекс
Благодаря способности обрабатывать большие массивы данных, GenAI используется в медицине, при оптимизации бизнес-процессов, создании контента в сферах развлечений и искусства и т.д. Некоторые примеры использования генеративного ИИ приведены ниже.
Примеры использования генеративного ИИ
Источник: А-Клуб, Ростелеком, Microsoft
ChatGPT и риторика ЦБ
Наш интерес привлекла тема применения GenAI в финансовой сфере. Вообще говоря, известный многим ChatGPT – это одна из самых продвинутых генеративных нейронных сетей в мире, которая в том числе может использоваться при проведении важных финансовых исследований.
Один из наиболее распространенных вариантов использования ChatGPT – анализ тональности («настроения») текста. К примеру, это касается анализа пресс-релизов центральных банков, когда важно определить, является риторика регулятора жесткой или мягкой. В недавнем исследовании, опубликованном в научном журнале Банка России, рассматривалось влияние тона пресс-релиза ЦБ на инфляционные ожидания населения (Ерохин, Клачкова, 2024). Для анализа тона («ястребиная» или «голубиная» риторика) использовался ChatGPT – авторы загрузили в него тексты пресс-релизов и задали вопрос, насколько жесткий сигнал в них содержится. Схематично это выглядит следующим образом.
В результате ChatGPT довольно точно распознавал риторику, содержащуюся в пресс-релизах. Благодаря нейросети исследователи смогли количественно выразить степень жесткости риторики в том или ином релизе регулятора. Было показано, что жесткий сигнал в релизах ЦБ ведет к небольшому повышению инфляционных ожиданий в России.
Возможность использования ChatGPT для глубокого анализа текстов создает определенный потенциал для прогнозирования процентных ставок и цен финансовых активов. Однако в этом направлении нейросеть все еще действует не самым успешным образом. Исследователи из Шеффилдской школы бизнеса прогнозировали решения Банка Англии по процентной ставке на основе анализа заявлений его руководителей. С помощью ChatGPT оценивалась жесткость риторики каждого члена совещания перед вынесением решения. Эта методика позволила верно спрогнозировать около 30% решений по ставке. При этом количество работ, посвященных использованию ChatGPT при прогнозировании, остается небольшим. Сейчас нейросеть является лишь одним из дополнительных инструментов, который можно использовать при решении этой задачи, притом именно в контексте анализа текстовых документов - новостей, заявлений руководства, пресс-релизов и т.д.
Позитивные и негативные новости, как правило, служат драйверами для изменения динамики на рынке. В условиях постоянного потока новостей становится важно автоматически распознавать “настроение” в них, чтобы оценить общий рыночный сентимент. Раньше при решении этой задачи исследователи формировали списки “позитивных” и “негативных” слов (например, если в новости встречалось словосочетание “высокая доходность”, то новость классифицировалась как позитивная). Этот подход является ограниченным и трудозатратным. С появлением развитого GenAI задача определения сентимента постепенно упрощается - нейросеть сама определяет тональность, притом делает это довольно качественно.
Резюме
Генеративный ИИ является одним из самых перспективных сегментов мирового рынка, а его использование, в том числе использование наиболее известной нейросети ChatGPT, становится все более частой практикой в финансовых исследованиях. К примеру, уже сейчас ИИ достаточно хорошо обучен, чтобы верно оценивать риторику ЦБ в пресс-релизах. ChatGPT может быть использован для более полного понимания сигналов со стороны регулятора, поскольку может обрабатывать большое число пресс-релизов и выявлять в них определенные закономерности.
Что же касается прогнозирования ставок и цен на активы, то здесь нейросеть пока действует недостаточно качественно – но число исследований в этом направлении, вероятно, будет увеличиваться. Поэтому использование ChatGPT и других лингвистических нейросетей при анализе большого числа высказываний представителей ЦБ, корпоративных отчетов и новостей при правильном формировании запроса действительно полезно. А вот полагаться на “мнение” нейросети при принятии конкретных инвестиционных решений все еще не стоит ввиду низкой точности инструмента.
Не является индивидуальной инвестиционной рекомендацией. Упоминаемые в статье финансовые инструменты могут не подходить соответствующему Клиенту.