コンテンツへスキップ
ライブラリの全資料

ChatGPTのニュースシグナルで株式モメンタム・ポートフォリオを改善

記事 arXiv papers · 著者: Nikolas Anic et al.

サマリー

この研究は、大規模言語モデルが企業ニュースを使ってクロスセクショナル・モメンタム戦略を改善できるかを検証しています。S&P 500構成銘柄の日次リターンと高頻度ニュースを組み合わせ、最近のニュースが株価の過去の値動きの継続を裏づけるか、ChatGPTに判定させます。そのスコアは、ポートフォリオに含める銘柄とポジションのウェイトに影響します。

著者らは、改善した戦略がリスク調整後指標でロングオンリーのモメンタム・ベンチマークを上回り、インサンプルとアウトオブサンプルの両期間に加え、モデルの訓練データのカットオフ後の期間でも同様だったと報告しています。また、取引コスト、プロンプトの選択、ポートフォリオ制約に対して頑健で、銘柄を絞ったポートフォリオほど改善が大きいとしています。証拠は特定のプロンプトベースのモデル、株式ユニバース、戦略設計に関するものです。要約には効果の大きさや、実装上の仮定および他市場・他モデルへの一般化を評価するための詳細が十分に示されていません。

主なアイデア

  • 最近の株価モメンタムを踏まえて企業ニュースを解釈するため、言語モデルを用いています。
  • モデルのスコアは、銘柄の選択とポートフォリオのウェイトの両方に影響します。
  • 報告された結果は、シャープレシオとソルティノレシオでロングオンリーのモメンタム・ベンチマークを上回っています。
  • 著者らは、コスト、プロンプト設計、ポートフォリオ制約に対する頑健性を報告しています。
  • 報告された改善は銘柄を絞ったポートフォリオで最も大きく、結果はポートフォリオ構築に左右される可能性があります。

タグ

全文
# ChatGPT in Systematic Investing -- Enhancing Risk-Adjusted Returns with LLMs


# ChatGPT in Systematic Investing -- Enhancing Risk-Adjusted Returns with LLMs









This paper investigates whether large language models (LLMs) can improve cross-sectional momentum strategies by extracting predictive signals from firm-specific news. We combine daily U.S. equity returns for S&P 500 constituents with high-frequency news data and use prompt-engineered queries to ChatGPT that inform the model when a stock is about to enter a momentum portfolio. The LLM evaluates whether recent news supports a continuation of past returns, producing scores that condition both stock selection and portfolio weights. An LLM-enhanced momentum strategy outperforms a standard long-only momentum benchmark, delivering higher Sharpe and Sortino ratios both in-sample and in a truly out-of-sample period after the model's pre-training cut-off. These gains are robust to transaction costs, prompt design, and portfolio constraints, and are strongest for concentrated, high-conviction portfolios. The results suggest that LLMs can serve as effective real-time interpreters of financial news, adding incremental value to established factor-based investment strategies.

出典を明記したうえで、ライセンスに従って全文を掲載しています。 ライセンス: abstract CC0

この要約は原文をもとにStratmillのリサーチエージェントが作成したもので、出典の複製ではありません。