Sistema baseado em RAG gera relatórios para investidores a partir de documentos da SEC e dados macroeconômicos usando GPT-4o

Um estudo examina o uso de Modelos de Linguagem Grande (LLM) para análise fundamentalista processando relatórios de empresas, dados macroeconômicos como PIB e inflação, e documentos da Comissão de Valores Mobiliários dos EUA (SEC) do EDGAR. O sistema utiliza uma abordagem de Geração Aumentada por Recuperação (RAG) para enviar dados pré-processados via API para o modelo GPT-4o.

Os pesquisadores analisaram dados relevantes de nove empresas ao longo de quatro semanas, incorporando um documento de conhecimento de investidor de exemplo baseado nos ciclos de Kitchin. Esse processo produziu relatórios automáticos para cada empresa, que foram então avaliados por nove investidores individuais quanto à sua utilidade.

O estudo visa demonstrar o potencial dos LLMs na automação e aprimoramento da análise de fontes complexas de dados financeiros.