Sistema basado en RAG genera resúmenes para inversores a partir de documentos de la SEC y datos macroeconómicos usando GPT-4o

Un estudio examina el uso de Modelos de Lenguaje Grande (LLM) para análisis fundamental procesando informes de empresas, datos macroeconómicos como el PIB y la inflación, y documentos de la Comisión de Bolsa y Valores de EE. UU. (SEC) de EDGAR. El sistema utiliza un enfoque de Generación Aumentada por Recuperación (RAG) para enviar datos preprocesados a través de una API al modelo GPT-4o.

Los investigadores escanearon datos relevantes de nueve empresas durante cuatro semanas, incorporando un documento de conocimiento inversor de ejemplo basado en los ciclos de Kitchin. Este proceso produjo resúmenes automáticos para cada empresa, que luego fueron evaluados por nueve inversores individuales respecto a su utilidad.

El estudio tiene como objetivo demostrar el potencial de los LLM en la automatización y mejora del análisis de fuentes complejas de datos financieros.