Генеративные нейросети — один из самых перспективных сегментов рынка с высоким потенциалом роста. Как их применяют в финансовой сфере, рассказывают аналитики А-Клуба.

Рынок генеративного ИИ

Скорость развития генеративных нейронных сетей (GenAI), к числу которых относятся ChatGPT и Midjourney — одна из главных интриг 2025 года. Взрывной рост GenAI в последние годы вывел ожидания относительно его места в мире на уровень, который был характерен для Интернета, блокчейна и виртуальной реальности. По оценке Deloitte, не менее 70% компаний в той или иной степени используют генеративный ИИ. А объём рынка чипов, используемых для генеративных нейросетей, достигает почти $50 млрд. BCG ожидает, что в 2025 году до 12% всех данных будут генерироваться с помощью GenAI.

Ряд экспертов ожидает сохранения темпов роста рынка GenAI выше 40% в следующем десятилетии. Этому будет способствовать растущий спрос и активное внедрение нейросетей в процессы реальной экономики. Другие, и к их числу принадлежит директор Google Сундар Пичаи, считают ажиотаж вокруг генеративного ИИ избыточным, не ожидая, что в 2025 году он сможет кардинально изменить жизнь людей. В частности, из-за высоких расходов при обучении нейросетей. В любом случае GenAI является одним из самых перспективных сегментов рынка с высоким потенциалом роста.

Механизм работы GenAI

Генеративные сети работают на основе загруженных в них данных: обрабатывают их, а затем, после обучения, генерируют контент в виде текстов, изображений, видео и т.д. Качество работы ИИ возрастает с увеличением объёма данных для обучения.

Как работает генеративная нейросеть

Источник: А-Клуб, Яндекс

Благодаря способности обрабатывать большие массивы данных, GenAI используется в медицине, при оптимизации бизнес-процессов, создании контента в сфере развлечений и искусства и т.д.

Примеры использования генеративного ИИ

Источник: А-Клуб, Ростелеком, Microsoft

Применение в финансовой сфере

ChatGPT – это одна из самых продвинутых генеративных нейросетей в мире, которая в том числе может использоваться при проведении важных финансовых исследований.

Один из наиболее распространённых вариантов использования ChatGPT – анализ тональности («настроения») текста. К примеру, это касается анализа пресс-релизов центральных банков, когда важно определить, является риторика регулятора жёсткой или мягкой. В недавнем исследовании, опубликованном в научном журнале Банка России, рассматривалось влияние тона пресс-релиза ЦБ на инфляционные ожидания населения (Ерохин, Клачкова, 2024). Для анализа тона («ястребиная» или «голубиная» риторика) использовался ChatGPT: авторы загрузили в него тексты пресс-релизов и задали вопрос, насколько жёсткий сигнал в них содержится. Схематично это выглядит следующим образом.

Источник: «Влияние удобочитаемости и тональности текстов Банка России на инфляционные ожидания» (Ерохин, Клачкова, 2024)

В результате ChatGPT довольно точно распознавал риторику, содержащуюся в пресс-релизах. Благодаря нейросети исследователи смогли количественно выразить степень жёсткости риторики в том или ином релизе регулятора. Было показано, что жёсткий сигнал в релизах ЦБ ведет к небольшому повышению инфляционных ожиданий в России.

Возможность использования ChatGPT для глубокого анализа текстов создаёт определённый потенциал для прогнозирования процентных ставок и цен финансовых активов. Однако в этом направлении нейросеть всё ещё действует не самым успешным образом.

Исследователи из Шеффилдской школы бизнеса прогнозировали решения Банка Англии по процентной ставке на основе анализа заявлений его руководителей. С помощью ChatGPT оценивалась жёсткость риторики каждого члена совещания перед вынесением решения. Эта методика позволила верно спрогнозировать около 30% решений по ставке. При этом работ, посвящённых использованию ChatGPT при прогнозировании, пока немного. Сейчас нейросеть лишь один из дополнительных инструментов, который можно использовать при решении этой задачи, именно в контексте анализа текстовых документов — новостей, заявлений руководства, пресс-релизов и т.д.

Важность «тональности» финансовых новостей трудно переоценить, поскольку позитивные и негативные новости, как правило, служат драйверами изменения динамики на рынке. Это особенно актуально для рынков, на которых основными инвесторами являются физические лица, например, для российского.

В условиях постоянного потока большого числа новостей становится очень важно автоматически распознавать «настроение» в них, чтобы понимать общий рыночный сентимент. Раньше при решении этой задачи исследователи формировали списки «позитивных» и «негативных» слов (например, если в новости встречалось словосочетание «высокая доходность», то новость классифицировалась как позитивная). Этот подход является ограниченным и трудозатратным. С появлением развитого GenAI задача определения сентимента постепенно упрощается - нейросеть сама определяет тональность и делает это довольно качественно.

Что будет дальше

Генеративный ИИ является одним из самых перспективных сегментов мирового рынка, а его использование, в том числе наиболее известной нейросети ChatGPT, всё чаще применяется в финансовых исследованиях. К примеру, уже сейчас ИИ достаточно хорошо обучен, чтобы верно оценивать риторику ЦБ в пресс-релизах. ChatGPT может быть использован для более полного понимания сигналов со стороны регулятора, поскольку может обрабатывать большое число пресс-релизов и выявлять в них определённые закономерности.

Что касается прогнозирования ставок и цен на активы, то здесь нейросеть пока действует недостаточно качественно, но число исследований в этом направлении, вероятно, будет увеличиваться. Поэтому использование ChatGPT и других лингвистических нейросетей при анализе большого числа высказываний представителей ЦБ, корпоративных отчётов и новостей при правильном формировании запроса действительно полезно. А вот полагаться на «мнение» нейросети при принятии конкретных инвестиционных решений из-за низкой точности инструмента пока не стоит.

Данила Телепнёв, инвестиционный аналитик

А-Клуб