Sebuah studi memeriksa penggunaan Model Bahasa Besar (LLM) untuk analisis fundamental dengan memproses laporan perusahaan, data makroekonomi seperti PDB dan inflasi, serta dokumen Komisi Sekuritas dan Bursa AS (SEC) dari EDGAR. Sistem ini memanfaatkan pendekatan Retrieval-Augmented Generation (RAG) untuk mengirim data yang telah diproses sebelumnya melalui API ke model GPT-4o.
Para peneliti memindai data yang relevan dengan sembilan perusahaan selama empat minggu, dengan menggabungkan dokumen pengetahuan investor contoh berdasarkan siklus Kitchin. Proses ini menghasilkan ringkasan otomatis untuk setiap perusahaan, yang kemudian dievaluasi oleh sembilan investor individu mengenai kegunaannya.
Studi ini bertujuan untuk menunjukkan potensi LLM dalam mengotomatisasi dan meningkatkan analisis sumber data keuangan yang kompleks.