為了獲得更加多元化的結果，研究者對這一要求重復提問了30次。之后，研究者先從GPT給的那三個股票池里分別搭建兩個不同的投資組合。第一個組合是等權組合，就是每個股票的占比都是相同的,比如股票池有15只股票，那么每個股票就占總數的1/15。第二個組合是讓GPT自己決定每個股票的權重分配。研究者對GPT說：假設你要用這幾只股票做個理論投資組合，并且目標是超越標普500指數的話，你會怎么分配它們的權重比較合適呢？然后還要解釋一下你這么分配的原因和策略。這樣，GPT就會考慮不同股票的行業、市值大小、增長潛力啥的，給出它的權重分配方案。這個被我們稱為GPT加權組合。GPT給的具體權重分配方案，就可以用上圖的餅狀圖表示。

之后，研究人員發，隨著投資組合的股票數目變多，GPT的加權組合中，股票的行業分布也變得更加均勻了。雖然“信息技術”行業仍然是最大的部分，但比重有所下降，其他像工業、能源、通信服務等行業的股票占比都有所提高。這讓投資組合的風險分散開來了，也能抓住更多不同市場的機會。在得到了兩種不同的投資組合，即一般的等權組合，和GPT-4自己選的加權組合后，研究人員會根據投資組合優化的算法，計算這兩種股票組合的收益和風險。

2

優化投資組合

為了計算投資組合的預期收益和風險，研究人員需要用到歷史的數據來進行統計分析。在這里，實驗使用的是過去5年中每周的股票價格和收益率的數據。研究團隊把過去5年中,每只股票每周的實際收益率都計算出來,然后取算術平均值,就可以得到這只股票的期望收益率。把所有選中的股票的期望收益率都計算出來，就可以組成一個期望收益率的向量。

同時，為了體現各個股票之間的相互關系，研究團隊還要計算出一個叫做“協方差矩陣”的數據。“協方差矩陣”看起來很高端,但其內涵其實可以用一句話簡單地概括：假設我們投資了股票A和股票B。如果過去一段時間里,當A股上漲時,B股也常常上漲,那么我們就說A和B正相關；反之就是負相關。計算每個股票組合的協方差矩陣，就可以量化它們之間的風險相關系數，從而得出股票組合整體的風險狀況。

拿到這兩份數據之后，研究者通過投資組合優化模型去計算，看看怎樣的組合可以在給定的風險水平下，獲得最大的預期收益。在計算過程中，研究者將不同的股票組合的風險/收益情況，繪制成了一張效率曲線圖，這條線上每個點代表一組不同的股票組合，其中縱坐標代表收益，橫坐標代表風險。在比較過程中，團隊將GPT-4選擇的權重組合，與效率曲線圖中風險最小的組合、收益最大的組合在長、中、短三個周期內分別進行了比較，以對比二者的實際收益率。之后，再拿二者的收益率和標普500指數做比較。看看哪些組合能在與大盤的比較中勝出。通過全面地評估兩種組合在不同周期的實際投資表現，就可以找到最優的投資策略。由此，研究者就可以檢驗ChatGPT選股是否真的能帶來超額收益。3

結論

就經過了實際的比對、分析后，研究團隊得出了如下結論：

ChatGPT選股的組合整體表現較好實驗比較了兩類組合，一類是GPT-4根據歷史數據選出來的加權組合，另一類是純粹通過數學模型優化出來的等權組合。結果發現,GPT-4選股的組合,無論選15只股票還是30只、45只,它的整體回報率都高于那些純粹用數學模型算出來的股票組合。這說明ChatGPT選股有一定的優勢,可能因為它綜合分析了很多歷史信息,而不僅僅是簡單的數據統計。

股票組合勝在“精簡”研究團隊還發現，ChatGPT選出來的15只股票組合,比它選出的30只和45只組合回報率更高更穩定。這說明成功的投資不在于選擇很多股票來分散風險,關鍵是要選到基本面好、潛力大的優質股票。一個選股準確的股票組合，即使只有十幾只股票，也可以戰勝更多元化但是股票質量不齊的大組合。ChatGPT組合風險收益平衡在股票投資中，往往存在著“風險越大，收益越大”的事實。然而，GPT-4自己設定權重的組合,從始至終都沒有出現“高風險、高收益”的極端組合，而是在收益和風險之間實現了較好的平衡,ChatGPT既沒有追求極端收益帶來的高風險,也沒有過度規避風險而收益太低的問題。這可能是比較適合普通投資者的選擇。ChatGPT與量化投資結合最佳研究者最后發現,除了個別股票外，大多數根據GPT-4選股然后做優化的組合,其實際收益率都超過了標普500指數。這說明,利用ChatGPT這類新的AI技術來輔助投資決策，其實整體上還是可能戰勝市場的。但單純依靠ChatGPT提供的投資建議可能還不夠可靠，因為ChatGPT可能擅長選擇股票,但分配權重和控制風險可能還需人工調整。

研究團隊最后得出的關鍵結論是：如果能夠結合ChatGPT的投資思路，然后用傳統的量化投資模型進一步優化，這樣實際的投資表現會最好。4

啟示

在上述實驗中，ChatGPT通過自身強大的語義分析能力，從大量數據中，找到了那些評價積極的備選股票。通過這種方式投資，收益率比很多基準收益要高。然而，研究者發現，直接完全相信ChatGPT的投資建議還是有風險的,它給的意見可能不全面。因為ChatGPT可能很擅長根據歷史信息判斷哪些股票值得買入,但具體該買入多少股卻不一定能算得準。而在這方面，量化投資則可以通過精確計算，來得到最優的股票權重分配方案。因此，結合兩者優勢,既發揮ChatGPT股票選擇的能力,又利用量化模型優化權重,這樣才會達到最佳的投資效果。

通過這個研究,我們可以看到,在新興的生成式AI時代，人們將有可能通過AI使自身的投資決策更加高效、可靠。而這種將新興的人工智能與傳統的量化技術相結合的方式，也對其他行業的AI應用提供了一個可供借鑒的思路。