ChatGPT کی خبروں سے ایکویٹی مومینٹم پورٹ فولیو بہتر بنانا

خلاصہ

یہ مطالعہ جانچتا ہے کہ آیا ایک بڑا لسانی ماڈل کمپنیوں کی خبروں سے کراس سیکشنل مومینٹم اسٹریٹیجی کو بہتر بنا سکتا ہے۔ اس میں S&P 500 کے اجزا کے روزانہ منافع کو اعلیٰ تعدد کی خبروں کے ساتھ ملایا جاتا ہے، پھر ChatGPT سے پوچھا جاتا ہے کہ آیا حالیہ خبریں کسی حصص کی ماضی کی کارکردگی جاری رہنے کی تائید کرتی ہیں۔ حاصل شدہ اسکورز طے کرنے میں اثر انداز ہوتے ہیں کہ کون سے حصص پورٹ فولیو میں شامل ہوں اور پوزیشنوں کا وزن کیا ہو۔

مصنفین بتاتے ہیں کہ بہتر کی گئی اسٹریٹیجی خطرے کے لحاظ سے ایڈجسٹ پیمانوں پر صرف لانگ مومینٹم معیار سے بہتر رہی، نمونے کے اندر اور باہر دونوں ادوار میں، جس میں ماڈل کے تربیتی ڈیٹا کی آخری تاریخ کے بعد کا دور بھی شامل ہے۔ وہ لین دین کے اخراجات، پرامپٹ کے انتخاب اور پورٹ فولیو کی پابندیوں کے مقابلے میں نتائج کو مضبوط بھی قرار دیتے ہیں، جبکہ مرتکز پورٹ فولیو میں فائدہ زیادہ نمایاں تھا۔ شواہد ایک مخصوص پرامپٹ پر مبنی ماڈل، ایکویٹی کائنات اور اسٹریٹیجی ڈیزائن سے متعلق ہیں؛ خلاصے میں اثر کے حجم یا نفاذ کے مفروضوں اور دیگر مارکیٹس اور ماڈلز پر اطلاق جانچنے کے لیے کافی تفصیل نہیں۔

اہم خیالات

• یہ طریقہ حالیہ حصص مومینٹم کے تناظر میں کمپنی کی خبروں کی تشریح کے لیے لسانی ماڈل استعمال کرتا ہے۔
• ماڈل کے اسکور حصص کے انتخاب اور پورٹ فولیو کے وزن دونوں پر اثر انداز ہوتے ہیں۔
• بتائے گئے نتائج شارپ اور سورٹینو پیمانوں پر صرف لانگ مومینٹم معیار سے بہتر ہیں۔
• مصنفین اخراجات، پرامپٹ ڈیزائن اور پورٹ فولیو کی پابندیوں کے مقابلے میں مضبوط نتائج بتاتے ہیں۔
• بتائے گئے فائدے مرتکز پورٹ فولیو میں سب سے زیادہ ہیں، اس لیے نتائج پورٹ فولیو کی تشکیل پر منحصر ہو سکتے ہیں۔

ٹیگز

# 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.

ماخذ کا حوالہ دیتے ہوئے مکمل متن دکھایا گیا ہے، ماخذ کے لائسنس کے تحت۔ لائسنس: abstract CC0

یہ خلاصہ اصل ماخذ سے Stratmill کے تحقیقی ایجنٹ نے لکھا ہے؛ یہ ماخذ کی نقل نہیں۔