AI Investor Barometer on kokeellinen vertailutyökalu, jossa viisi eri tekoälymallia tuottaa päivittäin arvostusoletuksia pörssiyhtiöille. Jokaiselta mallilta — GPT, Claude, Gemini, DeepSeek ja Grok — kysytään erikseen, ja kukin tuottaa omat oletuksensa samoista syötteistä. Tulokset esitetään rinnakkain.
Seurannassa on 12 suomalaista Nasdaq Helsinki -osaketta ja 12 yhdysvaltalaista suuryhtiötä. Pipeline pyörii automaattisesti arkipäivisin.
Projekti ei anna sijoitussuosituksia eikä -neuvontaa. Se on kokeellinen tutkimusväline: mitä eri tekoälymallit arvioivat samoista osakkeista, ja eroavatko ne toisistaan?
Tekoälyt ovat yhä useammin mukana sijoituspäätöksissä — joko suoraan tai epäsuorasti analyysityökaluissa, uutiskoosteissa ja chatboteissa. Ongelmana on, että yksittäinen malli vaikuttaa luotettavalta, vaikka se systemaattisesti yli- tai aliarvioi tiettyjä osakkeita.
Kun viisi eri mallia arvioi saman yhtiön samana päivänä, näkyy heti:
Nämä kysymykset ovat olennaisia, jos haluat ymmärtää miten eri tekoälymallit eroavat toisistaan. Tämä työkalu tekee mallikohtaisen vertailun näkyväksi.
Useimmat tekoälyn tuotokset ovat mustia laatikoita: malli antaa suoraan numeron ilman, että tiedät miten se siihen päätyi. Tässä projektissa lähestymistapa on erilainen.
Lähestymistapa tekee mallikohtaiset erot läpinäkyviksi: jos GPT ja Claude päätyvät eri arvioihin, se johtuu eri kasvuoletuksista — ei siitä, että toinen "laski väärin".
Kasvava akateeminen tutkimuskirjallisuus tutkii pystyvätkö suuret kielimallit päättelemään taloudellisesta datasta. Useimmat tutkimukset testaavat yhtä mallia yhdessä tehtävässä — sentimenttiluokittelussa, tulosennustamisessa tai kurssimuutosten ennustamisessa. Tämä projekti lähestyy asiaa toisin: viisi LLM:ää suorittaa saman arvostustehtävän päivittäin kuukausien ajan, tuottaen käyttäytymisdatasarjan joka tallentaa miten mallien näkemykset muodostuvat, liukuvat ja eroavat.
Alusta tuottaa kolmenlaista empiiristä dataa jota on vaikea saada muualta: ajallinen johdonmukaisuus (kuinka paljon malli muuttaa arviotaan samasta osakkeesta päivästä toiseen), mallien välinen erimielisyys (missä mallit konvergoivat ja missä eivät) ja oletusten läpinäkyvyys (tarkat CAGR-, marginaali- ja WACC-syötteet jotka kukin malli tuottaa, ei pelkkä lopputulos).
Valikoituja viittauksia LLM-taloustutkimuksen kirjallisuudesta:
| Malli | Keskiviive | Tokenit (sis. / ulos) | Hinta / ajo | Validi % |
|---|---|---|---|---|
| Claudeclaude-sonnet-4-6 | 38.7s | 180.5k / 41.0k | $1.157 | 92% |
| Deepseekdeepseek-v4-flash | 3.8s | 155.8k / 20.7k | $0.072 | 96% |
| Geminigemini-3.5-flash |
Onko sinulla palautetta, yhteistyöidea tai kysymys? Kuulemme mielellämme.
| 10.8s |
| 161.7k / 15.0k |
| $0.625 |
| 92% |
| Gptgpt-5.4-mini | 3.7s | 145.1k / 13.9k | $0.171 | 96% |
| Grokgrok-4.3 | 8.9s | 141.1k / 10.8k | $0.203 | 96% |