大規模言語モデルによるファンダメンタル分析の拡張：投資家向けブリーフを生成するRAGベースのシステム
この研究では、GPT-4oと検索拡張生成（RAG）を用いて、企業報告書、マクロ経済データ、SEC提出書類を処理し、投資家向けブリーフを自動生成する方法を探求しています。システムは4週間にわたり9社をスキャンし、9人の個人投資家が評価を行いました。
新たな研究では、大規模言語モデル（LLM）をファンダメンタル分析に応用する可能性が探求され、検索拡張生成（RAG）に基づくシステムが投資家向けブリーフを自動生成できることが示されました。この研究はBartosz Ziółko氏とKacper Dobrzeniewski氏によって行われ、arXivプレプリント（arXiv:2607.09121）として公開されており、計算言語学、人工知能、ポートフォリオ管理、取引と市場のミクロ構造など複数の分野にわたります。
研究チームはOpenAIのGPT-4oモデルを活用し、APIを通じて前処理されたデータを入力しました。データソースには、企業の財務報告書、GDP成長率やインフレ変化といったマクロ経済指標、米国証券取引委員会（SEC）のEDGARデータベースからの規制文書が含まれます。さらに、キッチンサイクル（Kitchin cycles）に基づく投資家知識ベースのサンプルを作成し、モデルが経済サイクルの投資への潜在的影響を理解できるようにしました。
4週間の実験期間中、システムは9つの代表的な企業を継続的にスキャンし、日次または週次の投資家向けブリーフを自動生成しました。これらのブリーフには、企業のファンダメンタルズの変化、マクロ経済イベント、規制文書の重要情報が含まれます。その後、ブリーフは9人の独立した個人投資家に送付され、意思決定支援における自動分析手法の実際の価値が評価されました。
初期的な結果によれば、RAGと組み合わせたLLMは構造化データと非構造化データを効果的に統合し、深みと適時性を備えた分析ブリーフを生成できることが示されました。従来の手動分析と比較して、この手法は情報処理時間を大幅に短縮しつつ、高い情報精度を維持します。研究者らは、将来の研究方向として、検索戦略の最適化、データソースの拡大、ニュースやソーシャルメディアの感情分析などのマルチモーダルデータの統合を挙げています。
この研究のコードとデータはまだ公開されていませんが、論文では技術アーキテクチャと評価プロセスが詳細に説明されています。定量投資家やフィンテック開発者にとって、この作業は先端AI技術をファンダメンタル分析に適用する具体的な道筋を示しており、投資分析ツールのインテリジェント化を促進する可能性があります。