ChatGPT peut produire des prévisions quantitatives !
Dans notre précédent article « ChatGPT : embarquement pour le meilleur et le pire », nous avions vu que cet agent conversationnel développé par Open AI est un outil d’une redoutable efficacité. « On peut demander à ChatGPT tout ou presque : écriture d’un poème, d’un discours, d’un article, d’une chanson, dans presque toutes les langues. Il peut aider aussi à écrire des codes et des programmes qui peuvent être utilisés par des cybercriminels et des escrocs en ligne pour générer des mails d’arnaques et de « phishing » et accentuer ainsi les menaces de « ransomware » par exemple ». Et pourrait-il fournir des prévisions quantitatives à partir d’un historique d’une variable dont on cherche la prévision ? C’est l’objet de ce post
Peu d’exemples pour le moment, mais oui ChatGPT peut produire une prévision quantitative
Dans un article intitulé « Creating a stock price forecasting system with Chat GPT » c’est-à-dire « Création d’un système de prévision du cours des actions avec Chat GPT », l’auteur du post souhaitait construire un système de prédiction du cours des actions, et il a voulu tester ChatGPT pour savoir s’il est capable d’une telle démarche et quelle pourrait-être la performance des prévisions.
Pour cela, il a soumis au chatbot la question suivante : « Comment créer un script Python qui fait une prédiction sur le prix futur d’une action ? « et a demandé un exemple de script. Et voici le script qu’il a obtenu :
En examinant le résultat, l’auteur a remarqué que le script charge un fichier qu’il devait générer. Il a remarqué aussi que le script récupérait bien des ensembles de données. Il savait qu’avec Python comment organiser cet ensemble de données, mais le script généré seul ne fonctionnerait pas.
Il a aussi remarqué que le script a utilisé un modèle linéaire pour la prédiction. Mais il était très sceptique sur les prévisions compte tenu de la structure des données qui ne se prêtait pas à un tel modèle.
Intéressant, mais pas satisfaisant
Il a soumis une autre requête à ChatGPT pour obtenir le même script avec un un modèle de réseau de neurones :
Comme on peut le voir dans le second script, le code est très similaire mais il utilise le modèle de réseau neuronal au lieu du modèle de régression linéaire.
En conclusion, l’auteur remarque que les scripts que ChatGPT a générés sont assez bons. Ils permettent de générer une bonne structure sur laquelle travailler, bien qu’il considère que la personne qui implémente le script doit avoir les connaissances nécessaires pour interpréter le code généré.