ChatGPT應用市場分析1引言2023年5月13日，OpenAI宣布對其ChatGPTPlus用戶推出網絡瀏覽及插件功能。此次更新為ChatGPTPlus用戶帶來了巨大的變革，用戶可以通過網絡瀏覽功能獲取最新的信息，不再局限于處理到2021年為止的數據。此外，Plus用戶可以通過插件功能與現有平臺進行集成，可以訪問如Expedia，Kayak和Instacart等網絡服務的第三方插件，也可以指示ChatGPT在特定網站上執行任務。ChatGPT的第三方插件推出速度較快，截至2023年6月13日，已經有385個插件應用上線，同時OpenAI也在不斷改善插件的使用體驗，如目前已提供了插件的檢索功能，方便用戶快速找到所需要的插件。2部分辦公應用類插件介紹2.1WolframWolfram插件是由科學計算軟件開發商WolframResearch公司開發的應用插件。WolframResearch是一家全球知名的科學和技術公司，其產品包括Mathematica、WolframAlpha、WolframLanguage等。其中Mathematica是一款強大的數學軟件，被廣泛用于科學、工程、數學和計算領域。它提供了一種統一的接口，可以進行符號計算、數值計算、數據可視化和編程等多種任務。WolframAlpha是一個在線的計算知識引擎，可以理解自然語言輸入，對各種問題進行計算和回答。它的知識庫包括了數學、物理、化學、生物、地理、歷史等多個領域。Wolfram插件可以使用WolframAlpha和WolframCloud的強大計算和數據查詢能力，為用戶提供數學計算、物理、化學、生物、地理、歷史等不同領域的知識，同時也可以實現數據可視化和生成圖像。Wolfram插件的接入大大彌補了ChatGPT本身在數學運算等方面的不足。Wolfram插件大幅提升了ChatGPT在知識儲備方面的能力，但并非所有的數學計算都能準確完成。對于復雜度較高的數學問題，仍然需要通過其他途徑解決。2.2AskYourPDF&ChatWithPDFAskYourPDF插件設計用于從PDF文檔中快速提取信息。它通過接受用戶提供的PDFURL鏈接或文檔ID（doc_id）來工作。如果提供了URL，插件會首先驗證它是否是正確的URL。驗證URL后，插件將會下載PDF并將其內容存儲在向量數據庫中。如果用戶提供了doc_id，則直接從數據庫中檢索文檔。然后，插件掃描存儲的PDF，找到用戶查詢的答案或檢索特定細節。ChatWithPDF插件允許用戶加載和查詢PDF文檔或GoogleDrive文檔。用戶必須首先提供一個PDFURL進行處理。一旦PDF加載，用戶可以查詢、分析或提出問題，無需每次都指定PDF名稱。這兩個插件從功能來看相似度比較高，都可以解析讀取PDF文件，并且交互提問，但首先必須是公開可獲得的URL鏈接，因此我們測試將寧德時代2022年年報PDF文檔上傳至，并測試二者的使用效果（上傳文件后創建的是臨時URL，將在60分鐘后失效，以下鏈接為測試鏈接）。從測試結果來看，ChatWithPDF在解析PDF文件時遇到了問題，給出的回復存在明顯的數據錯誤，而AskYourPDF插件能精確提取財報信息并給出了準確的數據總結。此外，AskYourPDF也能較好的完成一定的內容整合和分析任務。AskYourPDF與ChatWithPDF是最早上線的兩款處理PDF文本的插件應用，后續陸續上線了多款含有類似功能的插件，不同的PDF文檔處理插件有不同的優勢和應用場景，用戶可以根據自己的需求選擇合適的插件來完成特定任務。2.3WebPilotWebPilot是一個用于訪問和交互網頁的工具。通過這個插件，ChatGPT可以訪問指定的網頁鏈接，獲取網頁的內容，然后根據用戶的需求進行處理，例如提取特定的信息，重寫內容，翻譯等。除瀏覽網頁檢索信息外，還可以使用WebPilot插件處理公開的PDF鏈接等，我們以近期熱度較高的論文《CanChatGPTForecastStockPriceMovements?ReturnPredictabilityandLargeLanguageModels》為例，嘗試通過WebPilot插件來總結論文信息并交互。3金融市場相關插件測試對比3.1PortfolioPilotPortfolioPilot是最早上線的一批插件之一，也是第一個上線的組合管理相關的插件。該插件是由GlobalPredictions公司開發的AI驅動的投資指導工具。它可以提供全面的投資組合評估，個性化的投資組合建議，以及獲取關于各種證券（如ETFs，股票，加密貨幣，債券和共同基金）的最新信息。此外，它還可以提供有關宏觀經濟趨勢的信息。我們以組合評估為例，輸入一個特定的資產組合，PortfolioPilot可以幫我們分析該組合的預期收益、行業及國家暴露情況、潛在風險以及對應的改進方案等等。其中，全球預測模型是GlobalPredictions公司開發的AI模型，該模型使用了一種復雜的機器學習方法來預測證券的預期收益和風險。這種方法結合了大量的數據，包括宏觀經濟數據、公司財務數據、市場數據和新聞情緒等，以生成對未來收益和風險的預測。其結果是否可信需要投資者自行評估或進行更為深入的了解，不過該插件確實可以解決普通投資者在實際投資過程中遇到的一些問題，對于將來國產大模型的應用落地可以提供一定的參考。此外，由于數據限制，目前無法提取和處理A股相關的證券信息。3.2BoolioInvestBoolioInvest是一個基于定量方法進行分析的全球股票價值分析工具，可以幫助用戶獲取特定國家和股票的詳細信息。Boolio插件的主要功能是通過"postApiStockSummary"方法，提供給定國家和股票的摘要信息。插件返回的信息包括當前價格、歷史價格、市值、交易量、股息等。該插件目前可以獲取A股上市公司的股票信息和分析結果。不過該插件不支持以組合的形式進行交互和信息提取，如想獲取大量股票的信息較為困難。從反饋的信息來看，BoolioInvest插件不僅提供了基礎的公司信息、財務信息、價格信息及風險信息等，同時也提供了不同定量模型給出的評分情況，然而與PortfolioPilot插件類似，這些定量模型的開發細節等均未提供，對于其結果的可信度如何，還需要投資者更深入的了解其策略細節，方可應用。3.3PortfoliosLabPortfoliosLab是一個用于分析股票、ETFs、基金、加密貨幣等的工具。它可以提供歷史性能、波動性、風險指標、夏普比率、最大回撤等詳細信息。我們以VanguardTotalStockMarketETF和VanguardS&P500ETF為例，通過PortfoliosLab提取兩只產品相應的數據信息。從數據覆蓋角度來看，PortfoliosLab也無法提取A股上市公司或基金產品的信息。以上三個插件有一定的相似性，但也有較大的區別，我們綜合對比了PortfolioPilot、PortfoliosLab和BoolioInvest三個插件的功能區別，可以看到，PortfolioPilot除了無法提供全球股票價值分析外，其他方面的功能性在三個插件中是最為完善的，相較而言具有明顯優勢。但不同的插件都有各自不同的應用場景，用戶可以根據特定的需求選擇使用不同的插件，以更好的實現目標。4使用Noteable插件完成復雜投資策略開發在報告《ChatGPT在擇時、風格、行業、選股中的應用實踐——ChatGPT應用探討系列之二》中我們曾利用ChatGPT的編程能力實現了部分投資策略，不過基于ChatGPT聊天窗生成的代碼無法直接運行，需要將代碼復制到本地運行及調試。Noteable插件的上線大大降低了投資者建立復雜模型的難度。Noteable插件允許用戶在聊天界面中直接創建、編輯和運行Jupyter筆記本。這個插件提供了一種新的、交互式的方式來進行數據分析和機器學習的工作，無需離開聊天界面。具體來看，該插件具有以下功能：1）創建和編輯筆記本：用戶可以創建新的Jupyter筆記本，并在其中添加和編輯代碼、Markdown或SQL單元。這使得用戶可以在一個統一的環境中進行編程和文檔編寫。2）運行代碼：用戶可以運行筆記本中的代碼單元，并在聊天界面中看到結果。這使得用戶可以快速地進行實驗和調試。3）管理項目和文件：用戶可以創建和管理項目，每個項目可以包含多個筆記本和數據文件。用戶還可以查看項目中的文件列表，以及每個文件的詳細信息。4）數據源管理：用戶可以查看和管理筆記本的數據源，這使得用戶可以方便地進行數據分析和機器學習任務。5）內核管理：用戶可以查看和管理他們的內核會話，包括啟動和關閉內核。6）用戶信息管理：用戶可以查看他們的Noteable賬戶信息，這對于調試權限問題非常有用。這些功能都是通過Noteable插件的各種命令來實現的，用戶可以在聊天界面中直接輸入這些命令來使用這些功能。4.1使用Noteable插件實現數據下載及可視化分析我們首先通過Noteable插件實現對納斯達克指數最近一年的表現進行EDA數據分析。除了通過API接口下載數據外，我們還可以將本地的數據上傳至Noteable平臺，再通過ChatGPT來完成策略的開發和實現。需要注意的是目前Noteable平臺只能上傳25個文件，且每個文件不超過100M，對于更大規模的數據，可以將數據上傳到Noteable支持的云存儲服務，如AmazonS3，GoogleCloudStorage，AzureBlobStorage等。然后在Noteable中配置數據源以訪問這些數據。或者如果數據存儲在數據庫中，如MySQL，PostgreSQL，MongoDB等，也可以在Noteable中配置數據庫連接。這將允許直接從Noteable查詢和處理數據庫中的數據，大幅提升了數據處理效率。4.2使用Noteable插件構建機器學習擇時模型通過Noteable插件可以實現大量模型的開發和測試，我們以擇時策略為例，通過Noteable來構建一個LTSM模型對滬深300指數的擇時策略。4.3使用Noteable插件訓練財務造假預測模型接下來我們通過Noteable插件完成一個簡單的財務造假預測模型的訓練。為此我們需要首先準備基礎數據，我們的造假樣本為2002年之后，A股市場被中國證監會、滬深兩市交易所公開確定為財務造假的上市公司。剔除IPO之前以及新股上市當年造假的數據，對于同一家上市公司連續多個年度造假的數據，僅保留其首次造假年份作為研究數據。此外，我們采用控制樣本匹配法，選取造假樣本當年同行業所在的上市公司（剔除被證監會、交易所處罰的公司）作為對照樣本。在特征指標篩選方面，我們結合公司參與年報財務造假的動機、常見的手段，重點以財務指標為研究對象，整理了包括審計師意見、