L'analisi del sentiment su Twitter di ChatGPT correla con i movimenti azionari di Microsoft e Google
Uno studio disponibile su arXiv esamina la capacità di ChatGPT di prevedere i movimenti del mercato azionario valutando il sentiment su Twitter. Classificato sotto Finanza Quantitativa e Finanza Statistica, la ricerca si concentra su Microsoft e Google, classificando i tweet come positivi, negativi o neutri in relazione ai prezzi delle azioni. I risultati indicano una relazione positiva tra l'analisi del sentiment di ChatGPT e la performance azionaria del giorno di negoziazione successivo per queste aziende. L'articolo sottolinea la versatilità di ChatGPT e l'importanza dell'IA nelle previsioni di mercato. Identificato come 2311.06273, fornisce riferimenti tramite Semantic Scholar e menziona arXivLabs per iniziative sperimentali. Sebbene evidenzi il potenziale dei modelli di IA avanzati per gli investitori, sottolinea la correlazione piuttosto che la causalità. Non vengono dichiarati conflitti di interessi o fonti di finanziamento.
Fatti principali
- L'articolo intitolato 'Potential of ChatGPT in predicting stock market trends based on Twitter Sentiment Analysis' è pubblicato su arXiv.
- L'articolo appare nelle categorie Finanza Quantitativa e Finanza Statistica.
- Lo studio indaga la capacità di ChatGPT di prevedere i movimenti del mercato azionario utilizzando esclusivamente tweet sui social media e analisi del sentiment.
- La ricerca si concentra su come i tweet influenzano i valori azionari di Microsoft e Google.
- ChatGPT viene utilizzato per classificare i tweet come aventi un effetto positivo, negativo o neutro.
- I risultati rivelano un legame positivo tra le valutazioni di ChatGPT e i risultati azionari del giorno successivo per entrambe le aziende.
- La ricerca enfatizza la crescente importanza dell'IA nelle previsioni dei mercati finanziari.
- L'articolo è disponibile su arXiv con identificatore 2311.06273 e include riferimenti tramite Semantic Scholar.
Entità
Istituzioni
- Microsoft
- arXiv
- arXivLabs
- Semantic Scholar