LLMs de finanzas vs analistas financieros humanos

El Impacto de los Modelos de Lenguaje Grande (LLMs) en el Análisis Financiero: Un Estudio Comparativo

El análisis financiero, una disciplina esencial en la toma de decisiones en los mercados, ha dependido históricamente de la habilidad y experiencia de los analistas humanos para evaluar estados financieros y predecir el rendimiento futuro de las empresas. Sin embargo, un reciente estudio realizado por investigadores de la Universidad de Chicago ha revelado que los Modelos de Lenguaje Grande (LLMs, por sus siglas en inglés) como GPT-4 están comenzando a superar a los analistas humanos en esta tarea crítica.

Una Nueva Era en el Análisis Financiero

El estudio se centró en analizar la capacidad de GPT-4 para predecir la dirección de las ganancias futuras de las empresas, es decir, si estas aumentarán o disminuirán en el siguiente período fiscal. A GPT-4 se le proporcionaron estados financieros estandarizados y anónimos, sin ningún tipo de información narrativa o contextual que normalmente acompañaría a estos documentos. Este enfoque permitió una evaluación pura de la habilidad del modelo para analizar datos numéricos.

Resultados Clave del Estudio

1. Precisión del Modelo: Sin ninguna ayuda contextual, GPT-4 logró una precisión del 60.35% en la predicción de la dirección de las ganancias futuras. Este resultado es notablemente superior a la precisión del 52.71% alcanzada por los analistas humanos, quienes tradicionalmente han sido considerados como la referencia en esta área. La diferencia de casi 8 puntos porcentuales destaca la capacidad de los LLMs para procesar y analizar datos financieros de manera efectiva.

2. Comparación con Analistas Humanos: Los analistas financieros lograron una precisión del 52.71% cuando se les pidió que predijeran las ganancias futuras basándose en estados financieros recién publicados. Este resultado está alineado con estudios previos que subrayan la dificultad inherente de predecir las ganancias debido a su volatilidad. Sin embargo, al comparar este desempeño con el de GPT-4, se evidencia una clara ventaja del modelo de lenguaje.

3. Mejora a través de la Cadena de Pensamiento (CoT): El estudio también exploró el uso de un enfoque de "Cadena de Pensamiento" (Chain-of-Thought, CoT) para guiar a GPT-4 a través de un proceso de análisis similar al que seguiría un analista humano. Este método mejoró significativamente la precisión del modelo, llevándola al 60.35%, lo que subraya la importancia de estructurar el razonamiento del modelo para replicar el análisis humano.

4. Comparación con Modelos Especializados de Aprendizaje Automático: Además de superar a los analistas humanos, GPT-4 fue comparado con modelos especializados de aprendizaje automático, como las redes neuronales artificiales (ANNs). Mientras que el modelo ANN alcanzó una precisión del 60.45%, GPT-4 logró una precisión muy cercana del 60.31%, lo que demuestra que un modelo de lenguaje generalista puede competir al mismo nivel que un modelo especializado en predicción de ganancias.

5. Desempeño Fuera de la Muestra: Para garantizar que GPT-4 no estaba usando información de su entrenamiento, se realizaron pruebas con datos de 2022 para predecir las ganancias de 2023, un período posterior a su corte de entrenamiento. En este escenario, GPT-4 mantuvo una precisión del 58.96%, lo que confirma la robustez de su capacidad predictiva incluso en contextos fuera de muestra.

Implicaciones del Estudio para el Futuro del Análisis Financiero

Los resultados de este estudio sugieren que los LLMs como GPT-4 podrían transformar significativamente el campo del análisis financiero. Aunque los analistas humanos aún tienen una ventaja en situaciones que requieren una interpretación contextual y el uso de información blanda, los LLMs ofrecen una ventaja considerable en términos de velocidad y capacidad para procesar grandes volúmenes de datos numéricos.

El estudio también indica que estos modelos no solo pueden complementar el trabajo de los analistas humanos, sino que, en algunos casos, podrían asumir un papel más central en el análisis financiero. A medida que la tecnología de LLMs continúa evolucionando, es probable que veamos una mayor integración de estas herramientas en el proceso de toma de decisiones en los mercados financieros.

En resumen, el estudio demuestra que GPT-4 no solo puede competir con los analistas humanos en la predicción de cambios en las ganancias, sino que en muchos casos, puede superarlos. Este desarrollo subraya el potencial de los LLMs para cambiar la forma en que se realiza el análisis financiero, haciéndolo más rápido, preciso y accesible. A medida que estas tecnologías continúan mejorando, su rol en la toma de decisiones financieras está destinado a expandirse, redefiniendo el trabajo de los analistas y la estructura de los mercados financieros.

Este post se basa en los hallazgos del estudio "Financial Statement Analysis with Large Language Models" realizado por Alex G. Kim, Maximilian Muhn y Valeri V. Nikolaev en mayo de 2024. Si estás interesado en explorar más sobre cómo los LLMs están cambiando el panorama financiero, te recomendamos leer el estudio completo.

Modelos de Lenguaje

Aquí tienes algunos ejemplos de Modelos de Lenguaje Grande (LLMs) que se utilizan actualmente en diversos campos, junto con sus enlaces oficiales:

1. GPT-4 de OpenAI

 - Descripción: GPT-4 es uno de los modelos más avanzados de OpenAI, utilizado para una amplia gama de aplicaciones, desde la generación de texto hasta el análisis de datos. Es conocido por su capacidad para manejar tareas complejas de procesamiento del lenguaje natural (NLP).

 - Enlace: [OpenAI GPT-4](https://openai.com/gpt-4)

2. Gemini 1.5 de Google DeepMind

 - Descripción: Gemini 1.5 es un modelo de lenguaje grande desarrollado por Google DeepMind, que se destaca por su capacidad en tareas de comprensión y generación de texto, con aplicaciones en análisis de datos, búsqueda de información, y más.

 - Enlace: [Google DeepMind](https://www.deepmind.com/research)

3. Claude de Anthropic

 - Descripción: Claude es un LLM desarrollado por Anthropic, diseñado para ser más seguro y alineado con los valores humanos. Se utiliza en aplicaciones que requieren generación de texto, asistencia conversacional y más.

 - Enlace: [Anthropic Claude](https://www.anthropic.com/product)

4. LLaMA 2 de Meta

 - Descripción: LLaMA 2 (Large Language Model Meta AI) es un modelo de lenguaje desarrollado por Meta (anteriormente Facebook). Está diseñado para ser eficiente y es utilizado en investigación y aplicaciones de procesamiento del lenguaje natural.

 - Enlace: [LLaMA 2](https://ai.facebook.com/blog/llama-2/)

5. PaLM 2 de Google

 - Descripción: PaLM 2 (Pathways Language Model) es un modelo de lenguaje grande de Google, diseñado para comprender y generar texto de manera efectiva. Es utilizado en aplicaciones como Google Bard y otras plataformas de Google.

 - Enlace: [Google PaLM 2](https://ai.google/discover/palm)

6. Cohere Command R

 - Descripción: Command R es un modelo de lenguaje desarrollado por Cohere, especializado en tareas de búsqueda y recuperación de información, además de otras aplicaciones de NLP.

 - Enlace: [Cohere Command R](https://cohere.com/command)

7. Mistral

 - Descripción: Mistral es una empresa que desarrolla modelos de lenguaje de alto rendimiento, conocidos por su eficiencia en términos de tamaño y capacidades. Mistral 7B es uno de sus modelos destacados.

 - Enlace: [Mistral AI](https://www.mistral.ai/)

Estos modelos están en el corazón de muchas innovaciones en inteligencia artificial y procesamiento del lenguaje natural, con aplicaciones que van desde chatbots hasta análisis de grandes volúmenes de texto y más.

Karina Rasic es una destacada experta en estrategia y finanzas corporativas. Es fundadora de Legalify.app y Makebusinessesflow.com. Se destaca por haber sido nombrada asesora y miembro del consejo directivo de varias startups colaborando así con el diseño del modelo de negocios para el levantamiento de capital. Además es inversora ángel en etapas pre-seed y seed con foco en empresas lideradas por mujeres. Su enfoque principal es ayudar a las empresas con las que trabaja a mejorar sus beneficios en base al diseño de una estrategia financiera sólida. Puedes contactarla en contact@makebusinessesflow.com o puedes reservar una cita.