• Alpesh Patel hat mit der Fähigkeit von chatgpt experimentiert, gute Aktien von der NYSE und der Nasdaq auszuwählen.
• Er stellte fest, dass mit den richtigen Eingabeaufforderungen und den richtigen Daten phänomenale Entscheidungen getroffen werden konnten.
• Aber es ist nicht nur etwas, das man anschauen kann, es ist ein Prozess.

Der Wettlauf um die neueste und beste Technologie für den Aktienhandel beschleunigte sich, als die US-amerikanische Börsenaufsichtsbehörde 1998 elektronische Kommunikationsnetze (ECNs) oder Computer genehmigte, die es Händlern ermöglichten, Wertpapiere zu kaufen und zu verkaufen, ohne eine Börse zu nutzen.

Seitdem sind Fondsmanager, Investoren und Händler gleichermaßen auf der Suche nach dem beste Werkzeuge sich einen Vorsprung am Markt zu verschaffen.

Alpesh Patel, der CEO einer Private-Equity-Firma namens Praefinium, ist vor fast zwei Jahrzehnten auf diesen Zug aufgesprungen. Im Jahr 2004 entwickelte er einen proprietären Algorithmus zur Aktienbewertung und -auswahl, der zu einem Plugin in ShareScope, einem Aktiendatenterminal, wurde. Laut ShareScope erzielte sein Tool namens Alpesh Patel Special Edition seit seiner Einführung bis 2021 eine Rendite von bis zu 1.214 %. Sein Benchmark, der FTSE All-Share Index, stieg im gleichen Zeitraum um 92 %.

Jetzt fügt die künstliche Intelligenz eine weitere Technologieebene hinzu, die Anlegern und Händlern ein neues Werkzeug an die Hand gibt. Auch Patel springt auf: Er experimentiert mit Möglichkeiten, das große Sprachmodell von ChatGPT zu nutzen, um den Aktienauswahlprozess zu optimieren.

In einem früheren Interview mit Insider teilte er vorläufige Ergebnisse von zwei Tests mit, die er mit dem LLM von GPT-4 durchgeführt hatte. Bei einem handelte es sich um einen Walk-Forward-Test, bei dem das LLM aufgefordert wurde, fünf Aktien auszuwählen, von denen es erwartete, dass sie sich im Jahr 2022 gut entwickeln würden, da nur Daten bis 2021 vorlagen gut in den nächsten 12 Monaten. Er speiste die LLM-Daten über ein Terminal ein und forderte es auf, seine Ergebnisse durch wissenschaftliche Spitzenliteratur und Fondsmanager zu filtern.

„Was wir wirklich wollten, was wir nicht bekamen, und ich schätze, Sie konnten es auch nicht bekommen, ist eine Kristallkugel, die in die Zukunft blickte und sagte: ‚Hier sind die Aktien, die sich in den nächsten 12 Jahren fantastisch entwickeln werden.‘ Monate‘“, sagte Patel. „Und das ist der Fehler, den die Leute machen. Sie denken, dass die KI ihnen das bieten wird. Und das kann sie natürlich nicht.“

Die wichtigsten Erkenntnisse aus den ersten Experimenten waren, dass GPT-4 zwei Dinge tun kann: Ihre Hausaufgaben bestätigen und Ihnen etwas sagen, was Sie sonst aufgrund der von Ihnen zugeschriebenen Daten möglicherweise übersehen hätten. Eine weitere Sache, die er lernte, war, dass die richtige Eingabeaufforderung einer der wichtigsten Schritte war.

Patel setzte seine Experimente mit diesem neuen Bewusstseinsrahmen fort.

Auf dem Wissen aufbauen

In seinen früheren Experimenten haben Patel und sein Team Teile der Bestandsdaten manuell in das Textfeld von ChatGPT eingefügt. Dies schränkte die Datenmenge ein, die verwendet werden konnte. In einem neueren Experiment verwendete er Julius AI, ein Tool, das eine Verbindung zu Tabellenkalkulationen herstellt und Informationen mithilfe von LLMs wie GPT-4 interpretieren und analysieren kann. Mithilfe von Julius AI konnte Patel Daten für über 6.800 Aktien eingeben, um zu sehen, ob sich die Ergebnisse oder die Genauigkeit ändern würden.

Die hochgeladenen Aktien und Fonds waren alle an der Nasdaq und der New York Stock Exchange notiert. Die Kennzahlen, die Patel eingab, basierten auf den Fundamentaldaten des Unternehmens, die seiner Meinung nach bei der Aktienauswahl wichtig waren. Zu den Daten gehörte das Wert-/Wachstumsrating von Alpesh, bei dem es sich um eine proprietäre Bewertung von 10 für Unternehmen handelt, die auf der Gewichtung ihrer Bewertungen (Aktienkurs/Gewinn), Wachstum, Dividendenrenditen und Preisdynamik, Cash-Rendite auf das investierte Kapital (CROCI %) und Preis basiert % vor 6 Monaten, unter anderem Sortino Ratio, Return Alpha %, Volatilität % und PEG.

Anschließend bat er das LLM von ChatGPT über Julius.ai, Namen auszuwählen, von denen erwartet wurde, dass sie in den folgenden sechs Monaten bis Juni gut abschneiden würden.

Prompt:

Als sachkundiger Börsenanalyst mit ähnlichen Fachkenntnissen wie Warren Buffett besteht Ihre Aufgabe darin, die gegebenen Daten zu analysieren und Empfehlungen für die 10 besten Aktien abzugeben, in die Sie investieren sollten. Bitte beachten Sie bei Ihrer Antwort die folgenden Richtlinien: 1. Basieren Sie Ihre Empfehlungen auf einer gründlichen Analyse und Verständnis der Literatur und der Faktoren, die die Aktienmärkte beeinflussen. Integrieren Sie Ihr Wissen über Markttrends, Unternehmensfundamentaldaten und Anlegerstimmung. 2. Bewerten Sie die bereitgestellten Daten sorgfältig und berücksichtigen Sie dabei Faktoren wie Finanzberichte, historische Performance, Branchentrends und alle anderen relevanten Informationen, die sich auf das Potenzial der Aktien auswirken könnten. 3. Wenn Sie Ihre Empfehlungen abgeben, erläutern Sie die Gründe für jede Auswahl und heben Sie Schlüsselindikatoren oder Faktoren hervor, die Ihre Entscheidung unterstützen. Erwägen Sie, das Wachstumspotenzial, die Wettbewerbsvorteile der Aktien und etwaige Risiken oder Herausforderungen zu besprechen. Bitte beachten Sie, dass Sie zwar darauf abzielen sollten, auf Grundlage Ihrer Analyse die zehn besten Aktien bereitzustellen, der Aktienmarkt jedoch komplex und Volatilität unterliegt. Ihre Empfehlungen sollten gut begründet und datenbasiert sein. Denken Sie jedoch daran, dass Investitionen immer mit einem gewissen Risiko verbunden sind.

Antwort:

Basierend auf den Kriterien, die Warren Buffett für die Aktienauswahl verwenden könnte, sind hier die zehn besten Aktien, in die man investieren sollte:

Broadcom Inc

Cisco Systems Inc

Patel forderte daraufhin acht weitere Namen an, um seine ursprüngliche Anfrage von zehn Aktien zu erfüllen, aber das LLM antwortete, dass es diese nicht bereitstellen könne, da nur zwei der Unternehmen seine Filterkriterien erfüllten.

Prompt:

Ich möchte, dass Sie sich alle Datenspalten ansehen und nicht nur das, was Warren Buffett für wichtig hält, sondern auch die führende wissenschaftliche Literatur zu Aktienkursbewegungen verwenden und diese Faktoren oder Kennzahlen nach ihrer Bedeutung in den Daten gewichten, um herauszufinden, welche 10 davon wichtig sind Die besten Aktien für die nächsten 6 Monate.

Antwort:

Basierend auf einer gewichteten Bewertung, die verschiedene Kennzahlen und deren Bedeutung gemäß der führenden wissenschaftlichen Literatur zu Aktienkursbewegungen berücksichtigt, sind hier die Top-10-Aktien für die nächsten 6 Monate:

apple Inc

UnitedHealth-Gruppe

Johnson & Johnson

Exxon Mobil Corp

Visa Inc

Tesla Inc

Walmart Inc

Taiwan Halbleiterfertigung

Procter & Gamble Co

Eli Lilly & Co

Die durchschnittliche Rendite dieser Aktien zwischen Januar und Juni betrug 23,20 %.

Als Patel darum bat, die Liste auf 20 Aktien zu erweitern, fügte es hinzu:

Chevron Corp

Mastercard Inc

Home Depot Inc (The)

Pfizer Inc

AbbVie Inc

Merck & Co Inc

Coca Cola Co (Die)

Pepsico Inc

Broadcom Inc

Alibaba Group Holding Ltd

Dadurch sanken die Gesamtgewinne auf fast 12 %, was vor allem auf einen Rückgang der Pfizer-Aktie um 28,5 % zurückzuführen war.

Unter jeder Antwort veröffentlicht Julius AI Python-Code, der zeigt, wie die Ausgabe berechnet wurde. Basierend auf der sichtbaren Gleichung erstellte das LLM ein proprietäres Bewertungssystem, das die Summe jeder Metrik gewichtete, um ihre Bedeutung gemäß „führender akademischer Literatur zu Aktienkursbewegungen“ widerzuspiegeln. Es wurde ein zweistufiges Bewertungssystem verwendet, das Kennzahlen wie dem Alpesh-Wert-/Wachstumsrating und dem CROCI eine um 0,05 höhere Gewichtung verleiht als anderen Kennzahlen wie Volatilität oder Marktkapitalisierung.

Patel erkannte auch, dass die Überprüfung, wie das LLM seinen Output berechnet, ein entscheidender Schritt im Prozess ist, da eine falsche Formel zu einer anderen Liste von Aktien führen könnte, die möglicherweise nicht so zufriedenstellend ist. Rahul Sonwalkar, der Gründer von Julius AI, stellte fest, dass das Tool über umfassende Kenntnisse komplexer Algorithmen von der Prognose bis zur Regression verfügt und diese innerhalb von Sekunden auf umfangreiche Datenblätter anwenden kann. Das Programm kann versuchen, ein Problem aus verschiedenen Blickwinkeln anzugehen.

Als Patel darum bat, ein ausgefeilteres Gewichtungssystem zu verwenden, empfahl es den Einsatz weiterer maschineller Lernverfahren, die dabei helfen könnten, die optimalen Gewichtungen für jede Metrik zu ermitteln.

Im Vergleich dazu hatte Patel eine Liste mit 69 Aktien, die er manuell aus derselben Tabelle ausgewählt hatte und die seinen Kriterien entsprachen. Zwischen Januar und Juni erzielten sie eine durchschnittliche Rendite von 20,54 %. Allerdings hatte er für alle Positionen einen theoretischen Stop-Loss von 25 % festgelegt, der die Verluste bei Aktien, deren Kurs weiter fiel, begrenzte. Dies ist der Standardprozentsatz, den er in seiner realen Strategie verwendet.

Patel kam zu dem Schluss, dass es an der Börse keine Garantien gibt, egal ob ein menschlicher Analyst oder eine KI die Aktien auswählt.

Bezüglich der Fähigkeit von ChatGPT, eine Aktienauswahl zu treffen, muss noch viel mehr Arbeit und Tests durchgeführt werden, einschließlich der Bereitstellung weiterer Daten zu jeder Aktie.

Insgesamt sagt Patel, dass es einige „phänomenale“ Aktienauswahlen gab – aber das sei nicht etwas, das man einfach so ansieht, sagte er.

„Wenn Sie bereit sind, die Daten zu erhalten, stellen Sie die Fragen und fassen Sie sie in etwa so zusammen: Sie haben die Aktienauswahl, Sie haben die Antworten. Sie können grundsätzlich einen Fondsmanager ersetzen, wenn Sie möchten“, sagte Patel .