Niezwykle trudno jest analizować historyczne wydarzenia, tendencje rynkowe, zmienność cen danych instrumentów, doszukiwanie się podobieństw, cykliczności itp., W dzisiejszym artykule sprawdzimy czy sztuczna inteligencja jest nam w stanie pomóc przeanalizować jak na przestrzeni lat zmieniały się ceny danych instrumentów, jakie możemy zauważyć korelacje między zmiennościami oraz jak (na przykładzie miesiąca marca) możemy przewidywać wahania cen w przyszłości.
W dzisiejszym artykule pytamy Chat GPT o to:
- Jakie instrumenty finansowe rosły w marcu w ostatnich 10 latach?
- Jakie instrumenty finansowe spadały w marcu w ostatnich 10 latach?
- Jakie surowce rosły w marcu w ostatnich 10 latach?
Jakie instrumenty finansowe rosły w marcu w ostatnich 10 latach?
Pierwsze pytanie jakie kierujemy do sztucznej inteligencji to to, jak wyglądała zmienność na rynkach finansowych w miesiącu marcu w latach ubiegłych, oczywiście jak wnioskujecie z pytania zapytaliśmy tylko o instrumenty które rosły, a właściwie których wartość rosła. Jak wiemy rynki finansowe poddawane są cyklom, niektóre z instrumentów rosną w poszczególnych przedziałach czasowych, chcieliśmy dowiedzieć się od Chat GPT, czy można na przestrzeni lat zauważyć jakąś powtarzalność, korelacje między danymi okresami.
Niestety jak widzimy z odpowiedzi niewiele da się wywnioskować, sztuczna inteligencja odpowiada nam na pytanie nie tym o wzrostach cen instrumentów a o spadkach i o to wcale nie o konkretnych spółkach czy indeksach, surowcach czy walutach a ogólnie o danych instrumentach. Wypowiedź nie jest precyzyjna ale może pomóc nam w analizie rynku i cykliczności.
Jakie instrumenty finansowe spadały w marcu w ostatnich 10 latach?
Kolejnym pytaniem jakie zadaliśmy Chat GPT dotyczyło spadków a ostatnich latach, także w miesiącu marcu. Sztuczna inteligencja wymieniła najważniejsze wydarzenia w ciągu ostatnich lat jakie miały miejsce w marcu, które wpłynęły na notowania poszczególnych instrumentów. Może to okazać się przydatne we wstępnej analizie, niestety wnioskując po odpowiedzi Chatu, więcej szczegółów i weryfikacje prawdziwości informacji i tak musimy zrobić sami.
Czy chat okazuje się tutaj przydatny?
W pewnym sensie ułatwia nam sprawę, ale tak jak wspomniałam konieczne będzie zweryfikowanie czy podane przez bota informacje aby na pewno są prawdziwe, druga kwestia jest taka iż sztuczna inteligencja odnosi się jedynie to poszczególnych instrumentów jak akcje obligacje, surowce - nie wskazuje ona na zwiększone lub znacznie odstające od pozostałych pod względem spadków nazwy spółek, surowców czy innych instrumentów.
Jakie surowce rosły w marcu w ostatnich 10 latach?
Poniżej zamieszczam odpowiedź jaką otrzymaliśmy od Chat GPT na zadane przez nas pytanie. Jak widzimy sztuczna inteligencja odnosi się jedynie do surowców takich jak ropa naftowa, metale szlachetne oraz ogólnie do surowców przemysłowych takich jak aluminium oraz cynk.
W przypadku ropy naftowej mamy tutaj informacje o wzrostach ropy brent w marcu 2011 roku, kiedy to wzrost był na poziomie 7,9%, kolejnym dużym wzrostem ceny brent jest marzec 2015 kiedy to widzimy przyrost ceny o 5,1%.
Kolejnymi surowcami, które zostały wskazane są złoto i srebro, gdzie w marcu 2012 roku cena złota wzrosła o 6,6% ze względu na obawy dotyczące spowolnienia gospodarczego w Chinach oraz z uwagi na słabość amerykańskiej walut.
W marcu 2020 roku cena srebra wzrosła zaś o 11,4% ze względu na popyt na bezpieczne aktywa w związku z pandemią COVID-19.
Kolejnymi i ostatnimi już aktywami które wymienia nam Chat GPT są surowce przemysłowe, takie jak aluminium i cynk oraz miedź.
W marcu 2010 roku cena miedzi wzrosła o 7,2% z powodu na ożywienia gospodarczego w Chinach i rosnącego popytu na surowiec jakim była miedź.
W marcu 2014 roku cena aluminium wzrosła o 4,4% z uwagi na spadek podaży spowodowany zamknięciem rafinerii w Brazylii.
Analizowanie przeszłości i przeszłych zmienności cen, trendów i tendencji może być bardzo przydatne w procesie dokonywania decyzji inwestycyjnych. Dzięki temu możemy dokładnie zbadać, jakie surowce, akcje lub inne instrumenty finansowe wzrosły, czy spadły w przeszłości w danym okresie czasu i co wpłynęło na te zmiany.
Taka analiza może nam pomóc w zrozumieniu, jakie czynniki mogą wpłynąć na dany rynek w przyszłości i jakie są realistyczne oczekiwania co do zysków. Dokładna analiza przeszłych zmienności może pomóc inwestorom w wyznaczaniu poziomów wsparcia i oporu, co jest bardzo ważne dla określenia potencjalnych punktów wejścia i wyjścia z inwestycji. Czy Chat GPT okazał się tutaj przydatny? Sugestie sztucznej inteligencji mogą okazać się pomocne w pierwszym przesiewie instrumentów, kolejny krok czyli głębsza analiza została już raczej do dokonania nam samym.
