StockGPT: modelización autorregresiva de rendimientos para carteras de acciones

Resumen

StockGPT trata los rendimientos diarios de las acciones como secuencias de tokens numéricos y entrena un modelo autorregresivo para predecir rendimientos futuros. Su mecanismo de atención busca aprender patrones temporales directamente de los historiales de rendimientos, sin tener que especificar manualmente señales convencionales basadas en precios. El artículo evalúa las predicciones mediante carteras largas-cortas reajustadas diaria o mensualmente.

La evaluación descrita utiliza un periodo reservado y encuentra que las carteras basadas en el modelo abarcan efectos de impulso y de reversión tanto a corto como a largo plazo. Los autores también informan de alfas estadísticamente significativas respecto a los principales factores bursátiles. Estos resultados sugieren que el modelo puede captar patrones de rendimiento más allá de las referencias seleccionadas. La descripción proporcionada no incluye detalles sobre la construcción de carteras, cifras de rendimiento ajustadas al riesgo, costes de transacción ni pruebas fuera de la muestra indicada, por lo que no establece cómo funcionaría el enfoque en otros periodos o después de los costes de implementación.

Ideas clave

• StockGPT modela los rendimientos bursátiles como secuencias de tokens en una tarea de predicción autorregresiva.
• Su mecanismo de atención aprende patrones de los historiales de rendimientos sin señales de precios diseñadas manualmente.
• Se prueban carteras largas-cortas formadas con sus predicciones, con frecuencia diaria o mensual.
• El artículo informa de exposición a patrones de impulso y reversión, así como de alfas significativas ajustadas por factores.

Etiquetas

# StockGPT: A GenAI Model for Stock Prediction and Trading


# StockGPT: A GenAI Model for Stock Prediction and Trading









This paper introduces StockGPT, an autoregressive ``number'' model trained and tested on 70 million daily U.S.\ stock returns over nearly 100 years. Treating each return series as a sequence of tokens, StockGPT automatically learns the hidden patterns predictive of future returns via its attention mechanism. On a held-out test sample from 2001 to 2023, daily and monthly rebalanced long-short portfolios formed from StockGPT predictions yield strong performance. The StockGPT-based portfolios span momentum and long-/short-term reversals, eliminating the need for manually crafted price-based strategies, and yield highly significant alphas against leading stock market factors, suggesting a novel AI pricing effect. This highlights the immense promise of generative AI in surpassing human in making complex financial investment decisions.

Se muestra íntegramente con atribución según la licencia de la fuente. Licencia: abstract CC0

Este resumen lo redactó el agente de investigación de Stratmill a partir del original; no es una copia de la fuente.