I Grandi Modelli Linguistici e le analisi finanziarie

LLM, Large Language Models. Cosa sono? Si tratta di una classe di modelli di intelligenza artificiale progettati per comprendere, generare e interagire con il linguaggio naturale. Questi modelli sono addestrati su enormi quantità di testo che permette loro di catturare una vasta gamma di conoscenze linguistiche e contesti.

Secondo quesito. I LLM possono essere utilizzati nel campo delle previsioni finanziarie? Pare proprio di sì. Ad affermarlo è il SSRN, Social Science Research Network, che nel maggio 2024 ha pubblicato una ricerca dal titolo “Financial Statement Analysis with Large Language Models”.

La ricerca ha utilizzato un grande modello linguistico (LLM) per capire se potesse analizzare i rendiconti finanziari come un analista umano. Fornendo al modello rendiconti standardizzati e anonimi, LLM è stato in grado di prevedere con maggiore precisione l’andamento degli utili rispetto agli analisti umani. Le previsioni del LLM sono risultate paragonabili a quelle di modelli di machine learning specializzati.

Lo studio ha esaminato, quindi, le capacità dei grandi modelli linguistici nell’analisi dei rendiconti finanziari, un compito che tradizionalmente richiede competenze numeriche, pensiero critico e ragionamento. Sebbene gli LLM siano già noti per la loro abilità nel trattare testi complessi, la loro efficacia nell’analisi di dati finanziari numerici è ancora in fase di valutazione.

Per testare queste capacità, il modello GPT-4.0 Turbo è stato impiegato per analizzare bilanci e prevedere se i guadagni di un’azienda aumentassero o diminuissero, senza fornire informazioni testuali aggiuntive.

Il processo di analisi ha implicato una standardizzazione dei bilanci e la rimozione di informazioni identificative, seguite da istruzioni specifiche sul modello per eseguire l’analisi finanziaria. I risultati del confronto con analisti umani sono stati impressionanti.
Gli analisti umani hanno ottenuto una precisione del 53% nel prevedere l’andamento dei guadagni a un mese, con previsioni a tre e sei mesi che hanno raggiunto una precisione del 56% e 57% rispettivamente. Il modello GPT ha superato queste prestazioni, soprattutto nel prevedere i rendimenti delle piccole imprese, con un alfa superiore del 12% annuo, quindi significativamente superiore rispetto al benchmark di riferimento.

I risultati di questo studio suggeriscono che gli LLM possono ‘democratizzare’ l’elaborazione delle informazioni finanziarie e svolgere un ruolo attivo nel prendere decisioni informate. In particolare, gli LLM possono:

Analizzare dati non-strutturati

possono analizzarne rapidamente grandi quantità e riconoscere schemi aziendali familiari, offrendo intuizioni preziose.

Emulare il ragionamento umano

possono formulare ipotesi basate su informazioni incomplete e gestire scenari mai visti prima, simili al ragionamento deduttivo umano.

Migliorare l'efficienza

possono eseguire calcoli complessi e fornire un’analisi preliminare che gli analisti umani possono poi approfondire, migliorando l’efficienza e riducendo i costi associati all’analisi finanziaria.

È evidente, che essendo tecnologie ancora “di confine” tutte le possibili implicazioni devono ancora essere indagate. In particolare, occorrerà comprendere quali eventuali “malfunzionamenti” e distorsioni si potrebbero verificare e trovare le modalità per individuarle e gestirle.

Nell’ambito dello studio è stata sviluppata una strategia di trading basata sulle previsioni di GPT, che ha prodotto indici di Sharpe e alfa superiori rispetto ad altre strategie basate su modelli di machine learning. Questo dimostra il potenziale di GPT non solo nell’analisi, ma anche nell’applicazione pratica delle previsioni finanziarie. Quindi, mentre ci sono ancora sfide da affrontare, i grandi modelli linguistici come GPT-4.0 Turbo rappresentano una tecnologia promettente per l’analisi finanziaria. Possono trasformare il modo in cui vengono effettuate le analisi e prese le decisioni nei mercati finanziari, integrando e migliorando le capacità degli analisti umani. Sebbene non possano ancora sostituire completamente gli analisti umani, il loro utilizzo può migliorare significativamente l’efficienza e l’accuratezza del processo decisionale finanziario.

L’integrazione di LLM nel settore finanziario rappresenta una rivoluzione per il ruolo del Chief Financial Officer. Questi strumenti possono trasformare il modo in cui vengono effettuate le analisi e prese le decisioni nei mercati finanziari. Sebbene ci siano ancora sfide da affrontare, i benefici potenziali sono enormi:

Innovazione continua

i CFO possono guidare l’innovazione all’interno delle loro organizzazioni, utilizzando l’AI, per esplorare nuove opportunità di crescita e sviluppo.

Decisioni basate sui dati

i CFO possono adottare un approccio più analitico e basato sui dati, migliorando la precisione delle loro decisioni strategiche.

Democratizzazione delle informazioni finanziarie

l’uso di LLM può rendere l’analisi finanziaria più accessibile, consentendo anche ai piccoli investitori di ottenere intuizioni di alta qualità.

L’adozione di strumenti, applicazioni e soluzioni di intelligenza artificiale, come appunto quella degli LLM, è un’ulteriore leva in mano ai CFO per consolidarsi come protagonisti di una trasformazione che, partendo dalla gestione della finanza, coinvolga tutti i processi aziendale rendendoli più efficienti ed efficaci.