Automatisert Aksjeanalyse med GPT

Abstract

Etter flere år med stor vekst og utallige nye bruksområder, kan vi være sikre på at kunstig intelligens er kommet for å bli. Ettersom det har utviklet seg nye teknologier med kunstig intelligens, synes vi det er svært spennende å undersøke mulighetene for nyere metoder for predikering av finansmarkedet. Historisk sett har prediksjon av aksjemarkedet vært en utfordrende og kompleks oppgave, og det er i teorien ofte beskrevet som et forsøk på å forutse en uforutsigbar fremtid. Med fremveksten av maskinlæring, presenterer kunstig intelligens en unik mulighet til å automatisere og forbedre analyseprosessene for aksjemarkedet. I denne oppgaven ser vi nærmere på om kunstig intelligens kan brukes til å predikere aksjemarkedet. Dette gjøres gjennom å be Generative Pre-trained Transformer (GPT) analysere innhold i årsrapporter. Målet er å undersøke om det er mulig å oppnå en meravkastning sammenlignet med indeksen på Oslo Børs. Datamaterialet som studeres er hentet fra databasen i TITLON i tidsperioden 2010 og 2011. På bakgrunn av dette har vi formulert følgende problemstilling for undersøkelsen vår: Hvor effektivt er GPT som et verktøy for å predikere avkastningen basert på årsrapporter for selskaper notert på Oslo Børs? Oppgaven undersøker også hvorvidt GPT er i stand til å identifisere selskaper med positive eller negative forutsetninger for fremtidig vekst. Informasjon fra årsrapportene er brukt som grunnlag for at GPT skal gi karakterer til de ulike selskapene. Karakterskalaen går fra 0-10, der 10 er høyeste karakter og 0 er laveste karakter. Det er anvendt en kvantitativ metode for å besvare problemstillingen og forskningsspørsmålene. Karakterene blir flere steder kategorisert i karaktergruppe 1, 2 og 3. Karakter 0-3 er karaktergruppe 1, karakter 4-6 er karaktergruppe 2 og karakter 7-10 er karaktergruppe 3. I 2010 opplevde børsen en positiv utvikling, men 2011 var et år preget av negative resultater. Dette reflekterer de generelle markedsforholdene i de respektive årene. Figurene i analysedelen illustrerer at GPT har en evne til å identifisere både underpresterende selskaper og de som klarer seg bedre, selv om det ikke resulterer i meravkastning sammenlignet opp mot Oslo Børs.