"Can ChatGPT Overcome Behavioral Biases in the Financial Sector? Classify-and-Rethink: Multi-Step Zero-Shot Reasoning in the Gold Investment"
연구 배경:
대규모 언어 모델(LLM)이 다양한 분야에서 뛰어난 능력을 보여주면서 상당한 관심을 받고 있다.
실증적 자산 가격 결정 분야에서 ChatGPT가 미래 주식 수익률을 예측하거나 투자에 유용한 정보를 생성하는 데 유망한 역할을 한다는 연구가 등장했다.
행동 경제학에서 프레임 효과는 동일한 객관적 문제에 대해 서로 다른 설명이 다른 결정으로 이어질 수 있는 현상을 지칭하며, 투자 과정에서 바람직하지 않은 결과가 발생하지 않도록 주의 깊게 관리해야 한다.
기존 연구는 감성 분류나 주제 인식에 초점을 맞추었지만, LLM을 활용하여 투자 의견을 생성하고, 행동 편향을 극복하는 방법에 대한 연구는 부족하다.
분석 방법:
LLM(ChatGPT)을 사용하여 금 관련 뉴스의 감성을 평가하고, 행동 재무 관점에서 "분류 및 재고(Classify-and-Rethink)" 프롬프트 전략을 설계한다.
"분류 및 재고" 프롬프트 접근 방식이 프레임 효과를 효과적으로 극복하고 초과 수익을 촉진하는지 실험적으로 검증한다.
LLM 기반 프롬프트를 사용하여 생성된 투자 의견을 바탕으로 금 투자 전략을 구축하고, Yield, Sharpe 비율 등의 성과 지표를 측정하여 평가한다.
다양한 프롬프트 설계를 비교하여 "분류 및 재고" 전략이 다른 설계보다 우수한 수익률과 Sharpe 비율을 나타내는 것을 확인한다.
LLM이 재무 텍스트를 대규모로 분석할 때 행동 편향을 완화하는 데 투자자에게 신뢰할 수 있는 수단을 제공하는지 평가한다.
매수 및 매도 종목 선별 방법:
본 연구에서 ChatGPT를 활용하여 매수(BUY) 및 매도(SELL) 종목을 선별하는 방법은 다음과 같이 요약할 수 있다.
1. 데이터 준비:
* Bloomberg 및 Wall Street Journal의 트위터 계정에서 수집한 뉴스 트윗을 활용한다.
* 각 트윗이 특정 기업과 관련된 RIC(Refinitiv Instrument Code) 정보를 포함하는지 확인한다.
* 이러한 데이터셋을 구축하는 이유는, 챗GPT가 과거에 학습한 패턴을 기반으로 미래 주가 움직임을 예측하는 데 필요한 정보(시장 심리, 경제 상황 등)를 담고 있기 때문이다.
2. ChatGPT 프롬프트 엔지니어링:
* ChatGPT에게 "당신은 금융 전문가이며, 뉴스 기반 거래 전략을 사용하는 전문 데이 트레이더입니다. 트위터에 게시된 Bloomberg 및 Wall Street Journal의 뉴스 기사를 분석하여 단기적으로 매수 또는 매도할 미국 상장 개별 주식을 선택하십시오."와 같은 프롬프트를 제공한다.
* ChatGPT에게 생성되는 목록의 형식을 JSON 형식으로 지정하도록 안내한다: BUY:[TICKER1,TICKER2] 및 SELL:[TICKER3,TICKER4].
* 각 매수 및 매도 목록에는 최소 100개의 미국 개별 주식 티커 심볼이 포함되어야 한다고 명시하고, 매수 목록은 상승 가능성이 높은 순서대로, 매도 목록은 하락 가능성이 높은 순서대로 나열하도록 지시한다.
* ChatGPT가 한 번에 처리할 수 있는 토큰 수 제한을 고려하여 뉴스 기사를 여러 배치로 분할하고, 각 배치에 대해 독립적으로 매수/매도 목록을 생성하도록 했다.
3. 신호 생성:
* ChatGPT가 생성한 매수 목록에 나타나는 주식은 BUY 신호를 받고, 매도 목록에 나타나는 주식은 SELL 신호를 받는다.
* 특정 주식이 여러 번 나타나는 경우, SUM_BUY 및 SUM_SELL 신호를 사용하여 각 주식에 대한 총 매수 또는 매도 횟수를 계산한다.
* NET_BUY 신호는 SUM_BUY에서 SUM_SELL을 뺀 값으로 계산되며, 매수 강도를 나타낸다.
* NET_SELL 신호는 SUM_SELL에서 SUM_BUY를 뺀 값으로 계산되며, 매도 강도를 나타낸다.
4. 포트폴리오 구성:
* 본 연구에서는 등가중 포트폴리오 및 신호 가중 포트폴리오를 구성하여 분석했다.
* 등가중 포트폴리오는 단순히 BUY 또는 SELL 신호를 받은 주식을 동일한 비중으로 매수 또는 공매도한다.
* 신호 가중 포트폴리오는 SUM_BUY, SUM_SELL, NET_BUY, NET_SELL과 같은 신호의 강도에 따라 각 주식의 비중을 다르게 부여하여 구성된다.
Classify-and-Rethink 전략의 효과:
Classify-and-Rethink (CAR) 전략은 챗GPT를 사용하여 투자 의견을 생성할 때 프레임 효과를 효과적으로 완화하는 데 기여한다. 프레임 효과는 동일한 정보라도 제시 방식에 따라 다른 판단을 내리는 경향을 의미하며, 투자 결정에 부정적인 영향을 미칠 수 있다. CAR 전략은 뉴스를 분류하고, 초기 점수를 매긴 다음, 장기적인 관점에서 점수의 적절성을 재고하는 과정을 통해 챗GPT가 편향되지 않은 합리적인 판단을 내리도록 유도한다.
실험 결과, CAR 전략을 사용한 경우 기존 프롬프트 디자인보다 높은 수익률과 Sharpe 비율을 달성했다. 이는 CAR 전략이 더 나은 투자 결정을 이끌어낼 수 있음을 시사한다.
챗GPT 기반 투자 전략의 수익성:
본 연구에서 제안된 챗GPT 기반 금 투자 전략은 수익성이 있는 것으로 나타났다.
다양한 프롬프트 엔지니어링 기법을 적용하여 생성된 신호를 기반으로 포트폴리오를 구성하고 백테스팅을 수행한 결과, CAR 전략을 사용한 경우가 가장 높은 수익률과 Sharpe 비율을 달성했다.
요약하자면, 이 연구는 챗GPT가 프레임 효과와 같은 행동 편향을 극복하고, 텍스트 기반 데이터에서 유용한 투자 정보를 추출할 수 있는 잠재력을 보여준다. 또한, CAR 전략은 챗GPT 기반 투자 전략의 성과를 향상시키는 효과적인 방법임을 시사하기 시작했다.
