Искусственный интеллект в ближайшем будущем может стать неотъемлемой частью финансовой индустрии. Согласно предстоящему исследованию из Университета Чикаго Бут Школы Бизнеса, большие языковые модели (LLM), тип искусственного интеллекта, обученный понимать и генерировать контент, могут превзойти определенных финансовых аналитиков в прогнозировании будущих доходов. Исследователи поделились своими предварительными результатами в неотредактированном черновике. С использованием цепочки рассуждений, которая декомпозирует сложные задачи рассуждения на более мелкие шаги, эти модели, особенно генеративные предварительно обученные трансформеры (GPT), показали точность 60, 4%. Это на 7 процентных пунктов выше, чем средний прогноз аналитиков, согласно исследованию. Особенно важно то, что языковые модели были обеспечены только балансовым отчетом и отчетом о прибылях и убытках, без каких-либо дополнительных нарративов или контекста. Исследование выявило, что с помощью простых инструкций модели могут анализировать финансовые отчеты и делать прогнозы будущих доходов, сравнимых с согласованными прогнозами аналитиков в их первый месяц работы. Исследователи написали, что эти результаты указывают на потенциал GPT в выполнении финансового анализа лучше, чем у человеческих аналитиков, даже без конкретного нарративного контекста. Они подчеркнули важность анализа пошагового анализа, который позволяет модели следовать типичным шагам, выполняемым аналитиками. Отчет также обнаружил, что прогнозы языковой модели были более ценными, когда присутствовали аналитические пристрастия или неэффективности, такие как несогласованность мнений. Однако, как и у людей, прогнозы GPT не являются идеальными. Точность была ниже для малых фирм, фирм с более высокими показателями рычагов, фирм с убытками или фирм с изменчивыми доходами.

В таких случаях контекст имеет большее значение, и прогнозы могут быть менее точными. Хотя и GPT, и аналитики сталкиваются с трудностями в прогнозировании для малых или убыточных фирм, аналитики, как правило, лучше оснащены для работы с сложными финансовыми обстоятельствами. Аналитики включают в свои расчеты мягкую информацию и внешний контекст, выходящий за рамки финансовых отчетов, что способствует их экспертизе. Отчет заключил, что потенциал LLM, таких как GPT, для демократизации обработки финансовой информации заслуживает внимания инвесторов и регуляторов. Языковые модели могут стать не только инструментом для инвесторов; они могут активно участвовать в принятии решений. Однако авторы предупредили, что производительность ИИ может отличаться в реальных сценариях. Еще предстоит увидеть, насколько ИИ может значительно улучшить принятие решений людей на финансовых рынках. Авторы отметили, что GPT и аналитики являются дополняющими, а не взаимозаменяемыми.