自打ChatGPT横空出世，就有头脑灵活的人开始钻研怎么用它赚钱。
用来写文案，用来生成艺术品，用来制作网课。只有你想不到，没有AI做不到。
当然，离钱最近的还是金融投资。
不论是交易员还是散户，都想凭借强大AI的加持，在波谲云诡的二级市场“杀”出一条血路。
AI究竟会成为人手一个的巴菲特，还是一把新鲜出炉的割韭菜镰刀，整个行业都在观望。
回报率超500%?
今年最先引发热潮的，是美国佛罗里达大学的一项研究。
研究员为ChatGPT提供了大量有关上市公司的新闻标题，让ChatGPT用情感分析判断这些事件对公司股价是有利、不利，还是不相关。再通过复杂的计算公式制成“ChatGPT指数”，与真实的股市回报作对比。
随后，研究员根据ChatGPT提供的“多空策略”交易建议炒股，即购买有好消息的公司并卖空有坏消息的公司，在一年左右的时间间隔内获得了超过500%的收益，与同期购买并持有标准普尔500ETF的-12%回报率形成强烈对比。
对于这项结果，业内有一些看法。
量化私募从业人员梁嘉(化名)称，早在这项研究之前，就已经有很多针对新闻标题进行情感分析的算法了。除了新闻标题，公司公告、研报等文本也是很多这类分析的重要数据来源。
和传统的情感分析相比，ChatGPT拥有更高级的语言理解能力和推理能力，所以其显著性更高，预测也更为准确。
这个优势在研究中也有体现。
当研究员就“Rimini Street 在针对 Oracle 的案件中被罚款 63 万美元”这一新闻标题询问对Oracle公司股价的影响时，头部新闻分析工具Ravenpack打出了-0.52 的负面情感评分。
但ChatGPT却将其视为一个正面信号，认为“对Rimini Street的罚款可能会增加投资者对 Oracle保护其知识产权能力的信心，并增加其产品和服务的需求”。
由此可以看出，相较传统工具ChatGPT在理解自然语言时，对上下文及其含义有更深刻的思考。
美国纽约拍摄的摩根大通标志 图源新华社
华尔街的AI“军备竞赛”
学术界刚刚丢完炸弹，业内就有人忍不住要下实盘。
据外媒报道，五月中旬一家名为Autopilot的金融服务公司在公司原有的投资组合之外，新建了一个ChatGPT主导的投资计划，并交给它5万美元初始资金，想看看ChatGPT能否战胜对冲基金。
其核心与佛罗里达大学研究项目相同，让AI分析1万篇新闻和100家公司的报告，然后构建一个由20只股票组成的投资基金，每周更新一到两次持仓。
最初选择的股票包括伯克希尔·哈撒韦、亚马逊、dr.horton和Davita Health等。两周后，该投资组合上涨了约2%，基本上和大盘持平。
在这场实验中，有超过2.5万交易员下场，共押注了1514万美元，平均每人押注近600美元，并且数字还在不断增长之中，可见大家对AI投资热情之高。
这把AI革命燃起来的火也烧到了华尔街。
根据咨询公司Evident的数据，在最热情高涨的银行中，空缺职位招聘约四成与AI相关，例如AI数据工程师和量化类岗位，还有AI治理和道德类岗位。
“华尔街一哥”摩根大通近日被曝正在开发类似ChatGPT的人工智能服务“IndexGPT”，为客户选股，可能是第一家向客户推出这类服务的老牌金融机构。
此外，包括高盛和摩根士丹利在内的多家银行已经开始在内部对ChatGPT进行测试;德意志银行在用AI扫描富裕客户的投资组合;荷兰国际用来筛选潜在违约对象……每一家都在摩拳擦掌地准备拥抱新技术。
那么，AI真的准备好了吗?
交易员在美国纽约证券交易所内工作 图源新华社
“韭菜镰刀”还是“散户之光”?
就ChatGPT而言，业内普遍还是将其当作决策的辅助工具。
梁嘉认为，在量化投资方面，目前ChatGPT的局限就在于它没有办法产生自己的策略灵感。
当研究员有一个好的投资想法，ChatGPT可以通过高效的数据收集和处理能力、编程能力、文本分析能力等来加速这个想法的实现，但是想法本身才是投资赚钱的关键。
另外，相对于需要处理海量信息的量化研究员，做“深度”的细分领域研究员专注于个别几只股票，他们可以通过经验判断、线下调研等方式来做更深入的研究，可能对这类工具的依赖也会更轻。
投资中产生的“羊群效应”也是业内人士所担心的问题。
短线交易的底层逻辑是“零和博弈”，如果未来大家都用相似的大模型投资工具做短线投资，很有可能因为某些新闻事件就一窝蜂地集中投资，导致策略失效，大家都难以获得很好的回报。
而长线交易则需要投资者有更加综合的判断能力和行业经验，以ChatGPT目前的水平是很难达到这种程度的。
但对于普通股民来说，ChatGPT的出现可能成为一个强大的赋能。
原先很多投资分析手段技术门槛较高，对散户们不太友好。但是有了ChatGPT后，散户们可以通过工具学习来检验、实现自己好的投资想法，可能会改变证券交易现有的模式。
不过可以肯定是，随着不断探索和开发为金融行业量身定制的大语言模型，金融决策过程的准确性和效率将大幅提升。
至于谁能在技术迭代后笑傲股海，这又是二级市场不可预测的魅力所在了。