Um zu untersuchen, ob GPT-4 individuell zugeschnittene Portfolioempfehlungen geben kann, hat das Forscherteam insgesamt 48 hypothetische Anlegerprofile gesammelt. Bei den von GPT-4 vorgeschlagenen Produkten handelte es sich ausschließlich um kostengünstige Exchange Traded Funds (ETFs), die von namhaften Vermögensverwaltern geführt werden. Als Vergleichsmaßstab dienten Portfoliovorschläge aus der automatisierten Finanzberatung eines etablierten US-amerikanischen Finanzberatungsunternehmens.
Die Ergebnisse der Studie zeigen laut Hornuf, dass GPT-4 Portfoliovorschläge in ähnlichen Regionen und Anlageklassen macht wie professionelle Anlageberater. GTP-4 sei dabei auch in der Lage, die Risikotoleranz, den Anlagehorizont und das Alter des Anlegerprofils zu berücksichtigen. „GPT-4 wurde nicht spezifisch für die Finanzberatung trainiert, liefert aber dennoch sehr vernünftige Ergebnisse für diese Aufgabe ab“, fasst Hornuf die Ergebnisse der Studie zusammen.
Auch Folgestudien hat der Finanzwirtschaftler bereits im Blick: „In einem nächsten Schritt möchten wir Large Language Models auch in Robotern implementieren und testen, ob dies die Anlageentscheidung eines Investierenden beeinflusst. Wir vermuten, dass sich Investierende vor einem Roboter weniger als Experten ausgeben, um ein positives Selbstkonzept zu erhalten. In der Folge gehen sie vermutlich weniger Risiken ein und treffen insgesamt eine bessere Anlageentscheidung.“
