目前AI正处于快速发展时期，不断影响各个行业。今天介绍以GPT-4为代表的大模型在财务分析中的运用。
芝加哥大学的研究人员通过实验证明，GPT-4在进行财务报表分析时，其准确度可与专业分析师相媲美，甚至超过专业分析师。
这一研究发布在了《利用大型语言模型进行财务报表分析》论文中。
这展示了 GPT-4 在金融分析领域的巨大潜力。
这一发现不仅在学术界引起了广泛的关注，也预示着金融决策和分析的未来有可能被彻底改写。
使用链式思维提示模拟人类分析
研究团队使用结构化的财务数据和“链式思维提示”（chain-of-thought，简称CoT）技术，引导 GPT-4 进行分析。
“链式思维提示”技术通过模拟人类分析师的思维过程，引导 GPT-4 逐步完成分析任务。包含以下几个步骤：
1. 识别趋势：GPT-4 首先识别财务数据中的长期和短期趋势。这些趋势可能包括收入增长、成本变化和利润率波动等。
2. 计算比率：接下来，GPT-4 计算关键的财务比率，如流动比率、速动比率和毛利率等。这些比率有助于评估公司的财务健康状况和运营效率。
3. 综合信息：最后，GPT-4 综合所有相关信息，形成对公司未来收益的预测。这一步骤类似于人类分析师综合各项数据形成结论的过程。
下图阐释了实验设计框架。研究人员基于Compustat年度数据，通过Compustat的平衡公式，构建了标准化的资产负债表和利润表。随后，将会计年度转换为相对年份t、t-1和t-2。
接着，向GPT-4 Turbo模型提供了去除敏感数据的结构化财务报表，并附上详尽的思维引导提示。
通过这些步骤，GPT-4 能够在没有上下文信息的情况下，利用纯粹的数字数据进行准确的财务预测。GPT-4 Turbo 在预测未来收益方向上准确率是60%，高于人类分析师预测的53-57%。
下图是测试结果，OpenAI的GPT-4模型在预测企业收益方面表现优于人类分析师。它达到了0.604的准确度和0.609的F1分数。
但是有专家对研究中使用的“人工神经网络（ANN）”模型作为基准表示质疑，认为其并不代表量化金融领域的最新水平。
未来发展
大模型在处理数字任务上仍然有很大的局限性。共同研究者Alex Kim表示：“尽管 LLMs 在文本任务中表现出色，但其对数字的理解主要依赖于叙述性上下文，缺乏深度的数字推理能力或人类思维的灵活性。”
GPT-4 的优势可能来自其庞大的数据集、以及识别模式与商业概念的能力——即使在信息不完全的情况下也能直观推理。
随着AI的迅速发展，金融分析师的角色可能会迎来转变。
虽然人类的专业知识和判断力不太可能立即被完全取代，但像GPT-4这样的大模型能够极大地增强和简化分析师的工作，可能会在未来几年重塑财务报表分析领域。
活水智能成立于北京，致力于通过AI教育、AI软件和社群提高知识工作者生产力。中国AIGC产业联盟理事。
活水现有AI线下工作坊等10+门课程，15+AI软件上线，多款产品在研。知识星球中拥有2600+成员，涵盖大厂程序员、公司高管、律师等各类知识工作者。在北、上、广、深、杭、重庆等地均有线下组织。
公众号：「活水智能」、「AI研究速递」
申明：本文未经允许，禁止转载，侵权必究