Institutional Money, Ausgabe 1 | 2024

unterschiedliche Lexika“) . Die Unterschiede in der Einschät- zung sind deutlich und bemerkenswert. Da stellt sich natür- lich die Frage, ob sich die neuen Wortlisten auch in einer höheren Prognosekraft niederschlagen. Auswertung der Lexika-Performance Um das herauszufinden, haben die Autoren für die jeweili- gen Lexika die Verhältnisse von Good News (Anm.: News Ratio Good,NRG) und Bad News (News Ratio Bad,NRB) zur Gesamtzahl der Headlines indexiert (siehe Chart „Good & Bad News gemäß ChatGPT“) und untersucht, in welcher Korrelation diese Verhältniszahlen zu den tatsächlichen Ent- wicklungen des US-Aktienmarktes stehen. Die Ergebnisse sind verblüffend, weil sie potenziell ein neues Licht auf das Verhalten von Investoren werfen (siehe Tabelle „Wie gute und schlechte Nachrichten mit den Märkten korrelieren“ ). „Empirisch finden wir, dass ein hoher Anteil an guten Nachrichten positiv mit zeitgleichen Markterträgen korre- liert und signifikant darauf hinweist, dass in den nächsten sechs Monaten nach dem Zeitraum von Januar 1996 bis Dezember 2022 hohe Renditen zu erwarten sind.Das R 2 der Regression auf die Marktexzessrendite für den nächsten Unterschiedliche Modelle – unterschiedliche Lexika Die Signalwörter von ChatGPT, humanen Wortlisten und der BERT-AI unterscheiden sich deutlich. Die Wortdiagramme stellen die stärksten positiven und negativen Signalwörter dar, die durch die jeweiligen Lexikonmodelle identifiziert wurden. ChatGPT und BERT erarbeiten die Liste nach einem entsprechenen Prompt, die Wortliste in der Mitte geht auf menschliche Forschung aus dem Jahr 2011 zurück. Quelle: „ChatGPT, Stockmarket Predictability (…)“, Chen et al. 238 N o . 1/2024 | institutional-money.com PRODUKTE & STRATEGIEN | ChatGPT-Update