跳至正文
返回文库全部文档

StockGPT：股票投资组合的自回归收益建模

文章 arXiv papers · 作者: Dat Mai
阅读原文

总结

StockGPT 将每日股票收益视为数字词元序列，并训练自回归模型预测未来收益。其注意力机制旨在直接从收益历史中学习时间模式，无需手动指定传统的价格信号。论文使用每日或每月再平衡的多空投资组合评估预测结果。

报告的评估采用留出期数据，发现基于该模型的投资组合涵盖动量以及短期和长期反转效应。作者还报告称，相对于主要股票市场因子，阿尔法在统计上显著。这些结果表明，该模型可能捕捉到所选基准之外的收益模式。所提供的描述没有给出投资组合构建细节、风险调整后表现数据、交易成本或所述样本期之外的测试，因此无法据此确定该方法在其他时期或计入实施成本后的表现。

核心观点

  • StockGPT 将股票收益建模为词元序列，并将预测作为自回归任务。
  • 其注意力机制从收益历史中学习模式，无需人工设计价格信号。
  • 论文以每日和每月再平衡频率测试根据其预测构建的多空投资组合。
  • 论文报告了对动量和反转模式的敞口，以及显著的因子调整后阿尔法。

标签

股票美国市场机器学习动量均值回归投资组合构建
全文
# 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.

在遵守原作品许可的前提下，附作者信息全文展示。 许可协议: abstract CC0

此摘要由 Stratmill 研究智能体根据原文撰写，并非原文副本。