Dlaczego proszenie ChatGPT o analizę spółki to kiepski pomysł

To bardzo słuszne pytanie, które słyszymy wręcz nieustannie. Skoro ogólnodostępny chatbot potrafi sprawnie streścić trudną książkę, napisać szkic umowy i przygotować działający kod, to dlaczego by go nie poprosić o rozłożenie na czynniki pierwsze giełdowej spółki? Odpowiedź wcale nie tkwi w tym, że duże modele językowe są kiepskie – bo w swoich zadaniach bywają wręcz fenomenalne. Chodzi o to, że solidna analiza inwestycyjna wymaga bezwzględnej rzetelności, do której ogólne boty nie zostały zaprojektowane. Właśnie ta granica pomiędzy „brzmi sensownie”, a „jest tak w rzeczywistości” to przestrzeń, w której łatwo podjąć złe decyzje finansowe.

Przeanalizujmy, gdzie dokładnie pojawiają się problemy, gdy poprosisz powszechnie dostępnego bota o wcielenie się w rolę eksperta od giełdy. Następnie opowiem Ci, jak musi wyglądać cały proces analityczny, żeby warto było oprzeć na nim poważne inwestycje.

Wymyślanie głupot staje się bardzo groźne przy liczbach#

O halucynacjach w świecie dużych modeli językowych mówi się sporo – to momenty, w których maszyna stanowczo wygłasza wnioski niepoparte faktami. W luźnej konwersacji taki wymyślony fakt to tylko drobna uciążliwość. Jednak w analizie spółek to potężny dyskwalifikujący błąd.

System, który z uśmiechem wymyśla realnie wyglądające przychody, marże lub cytat z dyrektora z niedawnej telekonferencji, nie robi małej literówki. Produkuje liczbę, na bazie której Ty jako czytelnik możesz chcieć zagrać rynkowo, a ta liczba kompletnie mija się z prawdą. Słowa wokół tych statystyk brzmią wspaniale i fachowo, bo to do płynności języka algorytmy optymalizowane są najbardziej. Oprogramowanie nie włączy też nagle czerwonej lampki i nie powie „ej, akurat tę statystykę wziąłem z kosmosu”. Musisz to wiedzieć z góry, co mija się przecież z celem pytania.

Ten problem bywa znacznie poważniejszy przy twardych danych niż przy opisach. Jeśli system w luźnym tekście nieco odbiegnie od tematu, jako czytelnik dość szybko zauważysz rozbieżność. Jednak gdy po cichu zmieni ułamek w marży zysku netto i poda to pewnym tonem, łatwo przejdziesz nad tym do porządku dziennego – a to błąd, który może Cię sporo kosztować.

Co więcej, tego braku nie rozwiążesz precyzyjnym promptem. To cecha wbudowana w sposób działania uniwersalnych modeli językowych. Układają one słowo za słowem, sugerując się największym prawdopodobieństwem i nie zważając na wymóg zgodności z dokumentem giełdowym. Pisanie do bota: „proszę Cię, bądź bardzo ostrożny z cyframi” nic tutaj nie pomoże.

Ograniczony czasowo trening sprawia, że wiedza o spółkach staje się bezużyteczna#

Drugi, nie mniej ryzykowny problem polega na tym, czym tak naprawdę karmione są te maszyny. Baza wiedzy każdego ogólnodostępnego AI ma swój punkt odcięcia i tkwi w mroźni informacji uciętej w konkretnym momencie w przeszłości.

A to oznacza, że pytając czat o kondycję danej spółki, możesz na ekranie zobaczyć piękny raport opisujący firmę w kształcie, w jakim była np. półtora roku temu. Dyrektor zarządzający, którego chwali za innowacyjność, być może od miesięcy tam nie pracuje. Bardzo obiecująca sekcja firmy właśnie została sprzedana, a fenomenalne plany strategiczne cicho wycofano w ostatnim kwartale. Co więcej, bot ani trochę się przy tym nie zawaha i opowie Ci to wszystko w czasie teraźniejszym z pełnym spokojem.

Analizowanie rynków kapitałowych z definicji kręci się wokół najświeższych wydarzeń. Spostrzeżenia prezesa wyrwane z kontekstu dawnych strategii bywają już kompletnie bezwartościowe. Skoro program nie potrafi uczciwie przyznać, że czegoś po prostu nie wie, ani tym bardziej sięgnąć po najnowszy raport giełdowy na żywo, to do profesjonalnego tradingu nie przydaje się w ogóle – bez względu na to, jak naukowym językiem do Ciebie pisze.

Najgorsza sytuacja to ta, w której system posiada w głowie jedynie urywki najnowszych newsów z Twittera i samodzielnie łata luki tym, „co brzmi bardzo profesjonalnie”, zamiast prawdą.

Żadnego oparcia w źródłach u SEC czy zapisach konferencji z zarządem#

Trzeci powód jest chyba najbardziej elementarny. Uniwersalny asystent nie jest po prostu połączony z dokumentami, o które cała ta zabawa się opiera. Odpowiadając, przetwarza mieszankę tego, na czym się uczył: postów w social media, ogólnych blogów, zajawek rynkowych i strzępków historycznych wypowiedzi. Zupełnie zatraca tu różnicę pomiędzy oficjalnym źródłem a zwykłym opiniotwórczym komentarzem krążącym w sieci.

A przecież praca z twardymi materiałami, takimi jak formularz 10-K, kwartalny 10-Q, czy transkrypcje z earnings calls to serce wiarygodnej analizy giełdowej. Cała luźna otoczka to często domysły, na których tworzą się puste, rynkowe mity inwestorów z TikToka.

Typowy, ogólny asystent nie powie Ci szczerze, który fragment wynika twardo z raportu do SEC, a co jest tylko powtórzoną plotką. Zamiast otwierać, czytać i cytować papier spółki w oparciu o bieżącą sekundę, generuje po prostu bloki opisów uderzająco podobne do tych prawdziwych. Nieraz faktycznie uda mu się idealnie uchwycić sedno. Czasem mija się delikatnie z prawdą. A czasami potrafi popłynąć w wizjach w sposób, który sprawdzisz i odkłamiesz dopiero po ręcznym i niezwykle męczącym dłubaniu w setkach stron sprawozdania finansowego – tracąc czas, który zaoszczędzić miała maszyna.

Pisaliśmy już zresztą o tym w tekście opisującym czym tak naprawdę jest dobry raport analityczny. Założenie bez jasnego źródła i logicznej podkładki nie staje się przez samo ładne brzmienie dobrą tezą dla rynku.

Czym musi różnić się specjalistyczny asystent AI dla analizy spółek#

Rozwiązaniem nie jest wcale czekanie na lepszą wersję Twojego ulubionego chatu. Rynek potrzebuje po prostu Zupełnie innego mechanizmu. Takiego, który od podstaw budowany jest wyłącznie w jednym, ściśle określonym i rygorystycznym rygorze twardej metodologii finansowej.

Jak funkcjonuje analityczny workflow oparty na sprawdzalnych materiałach, w przeciwieństwie do swobodnego modelu LLM?

• Pobiera najświeższy i oficjalny raport firmy. Nie kombinuje, co powinno znaleźć się w 10-K dla danej branży. Otwiera realny, weryfikowalny plik w amerykańskiej bazie SEC EDGAR czy spisaną rozmowę na żywo i analizuje konkrety bezpośrednio na nim.
• Robi przejrzyste przypisy do każdej wypowiadanej tezy. Przychód powinien mieć bezpośredni link kierujący do linijki, w której jest umiejscowiony. Wypowiedź zarządu to odesłanie do pliku audio i konkretnego nazwiska prezesa. Opinia, której nie poprzesz dowodem, to przecież tylko domysł.
• Zasada absolutnego braku "dopowiadania braków". Jeżeli w pliku giełdowym firma o czymś milczy, asystent pisze krótko i jasno – brak tego w dokumentacji. Opcja kreatywnego uzupełnienia luk by brzmiało piękniej po prostu nie istnieje.
• Skupia się na dzisiejszym obrazie. Jeśli model ignoruje gorszy, zeszłotygodniowy wynik za najświeższy kwartał, to jest to po prostu w błąd wprowadzające. Silnik musi zmuszać się do wyszukiwania ostatnich, twardych faktów na rynku.
• Wiedza o finansach przekuta w dobre rozróżnianie, a nie kreatywność w układaniu cyfr. Wiedza, na czym polega rotacja zapasów to rzetelność ekspercka – samodzielne wymyślanie cyferek w to miejsce to igranie ze stratą inwestycyjną.

Powyższe wytyczne nie są po to, by uspokoić kogoś wrażliwego z rynków nadzorczych. Są niezbędne po to, by każdy wniosek po prostu dało się zweryfikować. Kiedy nie zgadzasz się z wysuniętą na ekranie oceną asystenta, możesz jednym przyciskiem odpalić link, sprawdzić twardy dokument i zadecydować sam na jego podstawie. To zresztą uczciwa umowa z każdym poważnym czytelnikiem i inwestorem. Uniwersalne modele AI na ten moment kompletnie nie są w stanie spełniać takich warunków.

Do jakich prac powszechne AI faktycznie robi świetną robotę w inwestowaniu?#

To, co napisałem, wcale nie wyklucza pomocy ogólnych maszyn u tradera. Są genialne w niektórych czynnościach.

Bardzo przydają się choćby przy tłumaczeniu zawiłych definicji z języka akademickiego na zrozumiały. Skomplikowane wskaźniki rentowności, skróty EBITDA w obcej nomenklaturze, zawiłości w budowach firm pod parasolem (tzw. spółki SPAC) – w rzuceniu tego chatbotowi i wygenerowaniu tłumaczenia znajdziesz same profity. Tu model błyszczy niesamowicie, odpowiedź potrafi zredagować celująco, a wiedza o ogólnych definicjach nie potrafi się szybko „zdezaktualizować”.

Sprawdzą się rewelacyjnie w redagowaniu przydługich opowieści, które skopiujesz z 10-K we własnym zakresie i podrzucisz z prośbą o streszczenie czy przekład. Jeśli to Ty sam trzymasz rękę na pulsie świeżych wiadomości SEC – ryzyko wybuchnięcia pomyłki zmniejsza się niesamowicie, ponieważ algorytm skupi się na redakcji, a nie szukaniu wiedzy na zewnątrz.

Tym, w czym z kolei ogólny model leży na obu łopatkach jest to bycie samemu sobie rzetelnym analitykiem. Asystentem szukającym mądrze po bazach SEC, wnikającym w nie i czytającym bez zająknięcia setki stron, rezygnując z chęci do domyślania się tam, gdzie brakuje oczywistych liczb. Mylenie tego potężnego asystenta językowego z merytorycznym analitykiem bardzo szybko staje się źródłem strat przy otwieraniu pozycji na brokerze w oparciu o urokliwy tekst ułożony przez algorytm.

Chcesz przeanalizować działający w praktyce system oparty na pracy wprost z dokumentem w dłoni – zajrzyj na naszą stronę na której gromadzimy gotowe raporty analityczne. Każda ważniejsza statystyka to odnośnik wprost na giełdę, wypowiedź to czysty link do CEO tłumaczącego wady – a to o czym pominęli, system uczciwie uznaje jako brak, zamiast wymyślać co też firma miała na myśli.