記事

その他

「ChatGPTで株価予測」が実現？ 金融分野の生成AI最新動向

「ChatGPTで株価予測」が実現？ 金融分野の生成AI最新動向

2023/05/10

中村ガクシ

リラ教授とタン准教授がシミュレートしたのは、ニュース報道翌日の株価パフォーマンス。決算発表を考えてもらえれば分かるようにこれはいわゆる株価予測とは違うのですが（決算前に、どんな決算になるかを考えるのが予測ですね）、こんなクルードな方式でも15ヶ月間リターンが+250%も出たとのことで（取引コスト10bps）、しかもシャープレシオが3以上と、ちょっと驚きを通り越してしまいます。

おそらくは、時価総額のごく小さな銘柄にはいかにミスプライシングが残されているかということが発見なのでしょう。

想像に難くありませんが、そのパフォーマンスは時価総額下位10%の銘柄に集中しています。NYSEの時価総額下位10%といえば$100m以下。その多くはペニーストックで出来高のない日も多く、取引金額は多くて$1m。

さて、この手の計算と現実の間には、常に流動性の制約があります。寄りオンリーの売買で実際にいくら張れるかについて簡単な試算をしてみましょう。

日次取引額の25%が寄りでの約定と仮定し、その20%までならティックアップしないとすると、張れるのは日次取引額の5%です。対象銘柄全体で平均日次取引額が$300kあるならトレード可能額は$15k。そして時価総額下位10%に属する300銘柄のうち、出来高がありかつその日にニュースが存在するのが150銘柄だとすると、合計$2m強しか張れないことに。

ちなみに上記の150銘柄という前提は、論文に使われている観察サンプル数の15ヶ月間46402件にマッチしますが、実際にはマイクロキャップ銘柄についてニュースが存在する日が全体の半数もあるとはとても思えず、さらに制約がある可能性は高そうです。（時価総額100億円以下の会社では、決算すらほとんど報道されませんよね）

投資とは、良い会社を安く買うこと。このシミュレーションは「ニュースがポジティブかネガティブか」だけを見ていて「株価が安いか高いか」は無視していますから、バリュエーションを組み合わせたストラテジーに仕立て上げたときにどうなるかに興味がひかれます。そのうえで、日計りではなくせめて数ヶ月スパンで、かつ大型株でパフォーマンスが出せるようなものが出てきたときには必ずや実用化されるでしょう。