Un système RAG génère des résumés pour investisseurs à partir des dépôts SEC et de données macroéconomiques en utilisant GPT-4o

Une étude examine l'utilisation des grands modèles de langage (LLM) pour l'analyse fondamentale en traitant les rapports d'entreprises, les données macroéconomiques telles que le PIB et l'inflation, ainsi que les documents de la Securities and Exchange Commission (SEC) américaine sur EDGAR. Le système utilise une approche de Génération Augmentée par Récupération (RAG) pour envoyer des données prétraitées via une API au modèle GPT-4o.

Les chercheurs ont analysé pendant quatre semaines des données pertinentes pour neuf entreprises, en intégrant un document de connaissances d'investisseur exemple basé sur les cycles de Kitchin. Ce processus a produit des résumés automatiques pour chaque entreprise, qui ont ensuite été évalués par neuf investisseurs individuels concernant leur utilité.

L'étude vise à démontrer le potentiel des LLM dans l'automatisation et l'amélioration de l'analyse de sources de données financières complexes.