アンドリュー・ロー「金融工学に特化したAIの作成」

アンドリュー・ローです。スローン経営大学院の教授で、MIT CSAILのメンバー、そしてMIT金融工学研究所の所長を務めています。
今日は金融についてお話しする機会をいただき、大変光栄に思います。
まず、コーンブルース学長、ダニエル・ラルース氏、そしてプログラム委員会の皆様に、この素晴らしいイベントを企画し、私を招待してくださったことに心から感謝申し上げます。
皆さん、ご参加いただきありがとうございます。

サー・タージのご紹介にあった通り、私はスローン経営大学院で金融経済学を教えています。
また、MIT CSAILの主任研究員として、ジェネレーティブAIの可能性に魅了されつつも、その学びには懐疑的で、時にはいらだちを感じることもあります。
現在は、特に大規模言語モデルを利用した金融アドバイスの可能性について、研究を進めています。

人は損失に対してどのように対処するか

さて、本題に入る前に、私が数年前に行った研究から話を始めたいと思います。
それは、投資家が損失にどう対処するかというテーマでした。
ある大手証券会社から提供された約60万世帯の口座データを分析したところ、損失を受けると人々はパニックに陥ることがわかりました。
これは重要な発見で、つまり人々は株式市場から資金を引き揚げて現金化し、長期間その状態を続ける傾向にあるのです。
これを踏まえ、私たちは60万件の口座データを用いて、投資家がパニックに陥るタイミングを機械学習モデルで予測する試みを行いました。
その結果、投資家が想像以上に頻繁にパニックに陥ることが明らかになりました。

人は損失処理が苦手

私たちは本来、損失を処理するのが得意ではありません。
例を挙げて説明しましょう。
これから、いくつかの投資選択を示します。
最初の選択肢は、投資Aと投資Bです。
Aは確実に24万ドルの利益を生み出しますが、Bは宝くじのようなもので、25%の確率で100万ドルを得ることができますが、75%の確率では何も得られません。
どちらを選ぶかは、リスク許容度によります。
さて、投資CとDについてもお話ししましょう。
Cは確実に75万ドルの損失ですが、Dは75%の確率で100万ドルを失い、25%の確率では何も失わない宝くじのようなものです。
どちらを選びますか？

私の学生たちにこれを教えると、彼らはしばしばイライラし、「どちらも望ましくない」と言います。
実際には人々はしばしば、損失の可能性よりも利得の可能性に引かれる傾向があります。
これを説明するために、私はBとCの組み合わせと、AとDの組み合わせを比較します。
BとCを選べば、25%の確率で25万ドルの利益と、75%の確率で75万ドルの損失という結果になりますが、AとDを選べば、25%の確率で何も失わず、75%の確率で76万ドルの損失という結果になります。

私の話のポイントは、私たちはしばしば最適な選択肢を見逃しているということです。
これは金融の世界だけでなく、私たちの日常生活にも当てはまることです。
選択肢を慎重に分析し、時には直感に反する決断を下す必要があります。
これこそが、賢明な投資家となるための鍵です。

金融の世界は選択の連続

金融工学の世界では、時に一日の間に複数の選択肢が私たちの前に突きつけられます。
例えば、午前中には投資AとBの選択を迫られ、午後にはCとDという全く異なる選択肢に直面し、日が終わる頃には10,000ドルの損失を被っていることもあります。
これは、実際に部屋を二分し、一方にはAとB、もう一方にはCとDの選択肢を提示し、参加者に選ばせる実験を通じても明らかになります。
金融工学とは、まさにこのような行動パターンを解析し、利用することなのです。

GPTは金融工学を正しく理解するのか？

では、大規模な言語モデルや先進的なテクノロジーは、このような損失を解決する手助けとなるでしょうか？
私はこの疑問をGPT-3.5に投げかけました。
具体的な質問は「株式市場で貯蓄の24％以上を失った場合、どうすれば良いですか？」というものです。
これは、パンデミックが発生し、株式市場が急落した際に多くの人が直面した現実です。
例えば、2008年の金融危機では、S&P500は3ヶ月で50％も下落しました。
もし退職金の大半を株式市場に投資していたなら、その半分がたった3ヶ月で消えてしまったことでしょう。
この状況に直面したとき、私たちはどう反応すべきでしょうか？

GPT-3.5の答えは、「落ち着いて、投資戦略を見直し、ポートフォリオをリバランスし、ドルコスト平均法を検討する」というものでした。
しかし、これは十分ではありません。
なぜなら、ドルコスト平均法のような特定の戦略を単独で提案することは、プロのファイナンシャルアドバイザーとして適切ではないからです。
そのため、GPT-3.5のアドバイスは不十分であると言えます。

GPT4はプロのアドバイザーに匹敵する

一方で、私はGPT-4に同じ質問を投げかけました。
その結果は驚くべきものでした。
「どうすればいいですか？」という質問に対し、GPT-4は8つの具体的なアドバイスを提案しました。
これには、公認ファイナンシャル・プランナーに相談し、個別のアドバイスを受ける内容も含まれていました。
アドバイスは非常に有益で、プロのアドバイザーに相談することの重要性を強調していました。
これは、大規模な言語モデルが有用な金融アドバイスを提供できる可能性があることを示唆しています。

大規模言語モデルはアドバイザーになりうるのか？

私たちが直面している問題は、言語モデルがいつ信頼できるファイナンシャル・アドバイザーになれるかということです。
CHATGPTのような大規模言語モデルは、私たちの日常生活やさまざまな意思決定において確実に役立つ共同パイロットになりつつあります。
では、なぜ彼らは金融の意思決定においても同じ役割を果たせないのでしょうか？

ポジティブな面では、損失回避を含む意思決定を支援してくれるでしょう。
先ほどの例で見せたように、これらのモデルは損失回避の手助けをしてくれます。
しかし欠点としては、間違った判断を幻覚のように見せる可能性があります。
さらに悪いことに、私たちの損失回避の傾向を悪用するために使われることもあります。

結局のところ、問題は金融における大規模な言語モデル、いわゆる「ファイナンシャルGPT」をどれだけ良いものにできるかということです。
これはまだ解決すべき課題であり、大規模言語モデルが金融の意思決定においてどれだけ有効に機能するかは、今後の進展によるところが大きいでしょう。

ファイナンスに特化したAIを作る

私はジリアン・ロスとニーナ・ガーズバーグ、二人の優秀なMITの学生と共に研究を行っています。
ニーナはこの夏、マイクロソフトでプロンプト・エンジニアとして働いていました。
最初、プロンプト・エンジニアとは、単に時間通りに授業に出席する学生のことだと思っていたのですが、それは私の誤解でした。
実際には、これは全く新しい分野なのです。
ジリアンは大規模言語モデルに関する学位論文を書いています。
そこで私たち三人は、金融アドバイスを体系的かつ高品質に生成するために必要な要素を理解しようとしています。

私たちのプロジェクトには三つの主要な要素があります。
最初の要素は「コンピテンシー」です。
ファイナンシャル・アドバイザーが受ける必要のある試験、例えばシリーズ65やCFAについて調査しました。
私たちはこれらの試験に直接アクセスする権限はありませんが、非常に近いバージョンを手に入れました。
そして、GPT-4はこれらの試験に合格しています。
次に、「ファイナンシャルGPT」は個人的なアドバイスを提供できるのか、という問いに答えるため、無作為化臨床試験を開発しています。
私たちの研究によれば、適切なコンポーネントを言語モデルに追加することで、個別の金融アドバイスを生成することが可能です。
これには楽観的な見通しを与える予備的な証拠もありますが、まだ時間がかかりそうです。

人はファイナンシャルGPTを信頼するのか？

そして最後に、このような大規模言語モデルを金融アドバイスのために人間が信頼するようにすることが最も困難な課題です。
倫理的な観点からの信頼は複雑ですが、金融アドバイスの分野では比較的簡単な方法で実現できると考えています。
なぜなら、すべてのファイナンシャル・アドバイザーは特定の倫理規定に従う必要があり、これを体系化することで、実際に倫理的なファイナンシャル・アドバイスを生成できる可能性があるからです。

私たちはこの分野における研究を続けており、1年かそこらで成果を皆さんに報告できることを期待しています。
もしかするともっと長くかかるかもしれませんが、少なくとも基本的なレベルのファイナンシャル・アドバイスを提供することで、金融システムの民主化に貢献できると確信しています。
ありがとうございました。