Quant Strats 2025: 4 способи інтеграції LLM у кількісні фінанси

Quant Strats 2025: 4 способи інтеграції LLM у кількісні фінанси

1. Копілот для прискорення щоденних робочих процесів

Найпопулярніший випадок використання AI – це прискорення процесу робочого процесу та продуктивності, “особливо з точки зору кодування та аналітики”, – сказав Еван Рейх, керівник стратегії даних та пошуку в управлінні фондом Верції. “Якщо ви пишете код з нуля, я також не знаю, що ви робите”.

Це також допомагає фінансовим аналітикам реорганізувати дані. “Скажіть, що ви хочете, щоб щось швидко було досліджено на основі необроблених даних постачальника, і це у такому вигляді, як XML або JSON, і я не пам’ятаю, як з голови, як писати цей конкретний аналізатор. Тепер ви можете отримати код, змінити його, реалізувати його та Voilá, у вас є невеликий кадр даних “, – сказав Євген Мікулет, керівник стратегії даних у світі.

Незалежно від того, чи AI будує покоління, що перевищує пошук, для чатів чи ловлять помилки програмування, “я бачив принаймні від 20% до 30% підвищення продуктивності, якщо ці інструменти реалізуються правильно”,-сказав Алі.

«З Copilot все, що зайняло б 10 – 15 хвилин, зараз займають секунди. Я думаю, що всі ми отримали користь від цього інструменту », – сказав Ендрю Гельфанд, керівник Quant та Long/короткий капітал альфа -захоплення в Balyasny Asset Management.

Ці виплати за продуктивність є “зміною ігор для менших компаній”, – додав Петтер Колм, професор Інституту математичних наук Курантського університету Нью -Йоркського університету. “Якщо ви невелика компанія, ви не можете витратити занадто багато часу на роботу з окремими клієнтами. У вас немає персоналу, який може сидіти там і робити Q&A цілий день », – сказав він. Але тепер, LLM можуть взяти на себе цю ручну праці.

Пов'язаний: Банки можуть створювати ефективні стратегії даних в епоху штучного інтелекту.

2. Автоматизація розкриває більш повну картину даних

Можливість аналізу та вживання великих обсягів інформації також допомагає великим фінансовим установам мінного даного даних, які раніше не були доступні. Гартнер оцінює, що понад 80% сьогоднішніх даних підприємства неструктуровані. І AI допомагає командам проаналізувати ці неструктуровані дані, які часто є у вигляді “документів, нотаток, електронних листів або PDF -файлів”, – сказав Гельфанд.

«Багато даних раніше не було доступним. Подумайте про електронні листи, можливо, надіслані від фундаментального аналітика до менеджера портфоліо, підкреслюючи щось із символами або графіком. Ми робимо хороший процес у інтерпретації цих текстових даних набагато краще », – сказав Гельфанд. Цей “стенограма” починає виявляти більш нюансовану, повну картину.

Експерти заявили, що ці інновації допомагають працівникам стати кращими науковцями. Але командам все ж потрібно перевірити дані та проаналізувати їх за допомогою контролю. “Майте стандартизовану анкету з питань належної ретельності, мають хороший набір метаданих, документації, посібників користувачів тощо”, – сказав Річ Браун, глобальний керівник ринкових даних у Jain Global. Браун також наголосив на тестуванні даних та складанням управління даними в суміш.

Дізнайтеся: Чи можуть агенти штучного інтелекту справді полегшити робочі навантаження для великих підприємств?

3. AI дозволяє точне прогнозування та аналіз настроїв

Обробляючи величезну кількість фінансових новин, дзвінків за прибутки та дані соціальних медіа, AI допомагає командам визначити зміни ринкових настроїв у режимі реального часу. Моделі з обробки природних мов також можуть витягувати інформацію, щоб торговці та аналітики могли приймати більш точні інвестиційні рішення.

“Ви додаєте адаптер до великої мовної моделі, яка виводить прогнози повернення безпосередньо. Тепер, коли ви налагоджуєте таку модель, ви тренуєте її на етикетках, які безпосередньо пов'язані з корпоративними прибутками »,-сказав Колм.

Академічні та фінансові моделі встановили, що цей метод забезпечує набагато кращі показники та дозволяє фірмам фільтрувати дані масового ринку індивідуально.

“Далі я хочу побачити, чи може агентний АІ впорядкувати процес інвестиційних досліджень”, – сказав Алі. “Крім того, більше підходів до побудови моделі в керованому даними, а не нав'язування структури, а потім вписуйте в неї дані”.

Клацніть на банер нижче для фінансової експертизи щодо навігації щодо дотримання нормативних норм.