Naujajame SSRN žurnale laisvai paskelbtame tyrime nustatyta, kad didelės kalbos modeliai (LLM) su dideliais kontekstiniais langais, pavyzdžiui, GPT-4 ir „Claude 3“, gali sėkmingai atlikti finansinių ataskaitų analizę, padedančią nustatyti būsimų pajamų kryptį.
Tyrime nustatyta, kad dirbtinis intelektas parodė „santykinį pranašumą prieš žmones analitikus situacijose, kai analitikai paprastai patiria sunkumų“.
LLM pasiekė puikius rezultatus
Tyrėjai taip pat nustatė, kad bendrieji LLM galėjo pasiekti tokius pat gerus rezultatus kaip ir siaurai apmokyti šiuolaikiniai mašininio mokymosi modeliai, kurie buvo apmokyti skaityti finansines ataskaitas.
Be to, jie nustatė, kad LLM galėjo atlikti prognozes, kurios duoda didesnį Šarpo koeficientą, pagal kurį lyginama investicijų grąža ir jų rizika – kuo didesnis Šarpo koeficientas, tuo geriau.
Atsižvelgdamas į šiuos rezultatus, tyrėjas nustatė, kad LLM gali atlikti pagrindinį vaidmenį priimant sprendimus, kai reikia pasirinkti investicijas. Įdomu tai, kad GPT-4 sugebėjo aplenkti žmogiškuosius investuotojus remdamasi vien tik finansinėmis ataskaitomis, be jokio konteksto, kurį būtų žinoję investuojantys žmonės.
Tyrėjai taip pat teigė, kad LLM prognozės nėra gautos iš mokomosios atminties, o „generuoja naudingas pasakojimo įžvalgas apie būsimus įmonės veiklos rezultatus“.
Siūlomas „ChatGPT“ botas
Investuotojams, kurie mano, kad šis darbas vertas dėmesio, tyrėjai sukūrė „ChatGPT“ botą, kuriuo gali naudotis „ChatGPT Plus“ prenumeratoriai, kad galėtų pateikti finansines ataskaitas ir gauti analizę.
Jei norite nemokamai analizuoti finansines ataskaitas, „Claude 3“ suteikia galimybę įkelti dokumentus ir užduoti klausimus apie duomenis.
Nors tyrėjai gali svarstyti, ar LLM gali pakeisti žmones investuotojus, kitas kokybinis pokytis, atsiradus šioms priemonėms, yra tas, kad investuotojai mėgėjai, kurie gali neišmanyti finansinių dokumentų subtilybių, gali geriau suprasti, kas vyksta su įvairiomis įmonėmis.
Taip patskaitykite
