論文の概要: Augmenting Fundamental Analysis with Large Language Models: A RAG-Based System for Generating Investor Briefs

• arxiv url: http://arxiv.org/abs/2607.09121v1
• Date: Fri, 10 Jul 2026 06:20:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-13 14:47:12.798287
• Title: Augmenting Fundamental Analysis with Large Language Models: A RAG-Based System for Generating Investor Briefs
• Title（参考訳）: 大規模言語モデルによる基礎的分析の強化--RAGに基づく投資家ブリーフ生成システム
• Authors: Bartosz Ziółko, Kacper Dobrzeniewski,
• Abstract要約: 本研究では,Large Language Models (LLMs) が企業の基本分析にもたらす機会について,その報告に基づいて検討する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In this study, we examine the opportunities brought by Large Language Models (LLMs) to various aspects of fundamental analysis of companies based on their reports as well as data and documents describing macroeconomic situation like GDP and inflation changes as well as documents filled to the U.S. Securities and Exchange Commission (SEC) which can be found in EDGAR. We were preprocessing those data and than sending via API to gpt-4o model in a Retrieval-Augmented Generation (RAG) like regime. We prepared as well a document describing an exemplar investor knowledge based on Kitchin cycles. We were scanning data important for analysis of 9 companies for 4 weeks. Using LLM we were producing automatic briefs about them. They were sent to nine participants who are individual investors to evaluate usefulness of such approach to data analysis.
• Abstract（参考訳）: 本研究では,大規模言語モデル(LLMs)が企業の基本分析にもたらす機会と,GDPやインフレの変化といったマクロ経済状況を示すデータや文書,EDGARに見られる米国証券取引委員会(SEC)の文書について検討する。 私たちはこれらのデータを前処理し、API経由でgpt-4oモデルに送るのではなく、Retrieval-Augmented Generation(RAG)のようなレギュレーションで送信しました。 また,キチンサイクルに基づく既存投資家の知識を記述した文書も準備した。 私たちは4週間、9社の分析に重要なデータをスキャンしていました。 LLMを使って、彼らについての自動ブリーフィングを作成しました。 データ分析のアプローチの有用性を評価するために、個人投資家である9人の参加者に送られた。

関連論文リスト

• CryptoBench: A Dynamic Benchmark for Expert-Level Evaluation of LLM Agents in Cryptocurrency [60.83660377169452]
  本稿では,Large Language Model (LLM)エージェントの現実的能力を厳格に評価するために設計された,最初の専門家による動的ベンチマークであるCryptoBenchを紹介する。 検索と予測のための汎用エージェントベンチマークとは異なり、プロの暗号分析は特定の課題を提示する。
  論文  参考訳（メタデータ） (2025-11-29T09:52:34Z)
• MiMIC: Multi-Modal Indian Earnings Calls Dataset to Predict Stock Prices [0.21301560294088315]
  本研究では,マルチモーダル予測モデルの導入による企業決算の株価への影響について検討する。 決算報告書のテキストデータと付随するプレゼンテーションの画像や表を用いて株価の変動を予測する。 本稿では,定量的変数をテキストおよび視覚的モーダル性から導出した予測信号と統合する多モーダル分析フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-04-12T15:31:40Z)
• Multi-modal Retrieval Augmented Multi-modal Generation: Datasets, Evaluation Metrics and Strong Baselines [63.22096609916707]
  M$2$RAG(Multi-modal Retrieval Augmented Multi-modal Generation)は、基礎モデルのマルチモーダルWebコンテンツ処理を可能にする新しいタスクである。 潜在的な影響にもかかわらず、M$2$RAGは、包括的な分析と高品質なデータリソースを欠いている。
  論文  参考訳（メタデータ） (2024-11-25T13:20:19Z)
• Using Large Language Models to Enrich the Documentation of Datasets for Machine Learning [1.8270184406083445]
  大規模言語モデル(LLM)を用いて,文書から次元を自動的に抽出する戦略について検討する。 当社のアプローチは、データパブリッシャや実践者がマシン可読なドキュメントを作成するのに役立ちます。 我々は、我々のアプローチを実装するオープンソースツールと、実験のコードと結果を含むレプリケーションパッケージをリリースした。
  論文  参考訳（メタデータ） (2024-04-04T10:09:28Z)
• Numerical Claim Detection in Finance: A New Financial Dataset, Weak-Supervision Model, and Market Analysis [4.575870619860645]
  ファイナンシャルドメインにおけるクレーム検出タスクのための新たな財務データセットを構築した。 本稿では,対象物の専門家(SME)の知識を集約関数に組み込んだ,新たな弱スーパービジョンモデルを提案する。 ここでは、利益の急落と楽観的な指標への回帰の依存を観察する。
  論文  参考訳（メタデータ） (2024-02-18T22:55:26Z)
• Assessing Privacy Risks in Language Models: A Case Study on Summarization Tasks [65.21536453075275]
  我々は要約作業に焦点をあて、会員推測(MI)攻撃について調査する。 テキストの類似性や文書修正に対するモデルの抵抗をMI信号として活用する。 我々は、MI攻撃から保護するための要約モデルの訓練と、プライバシとユーティリティの本質的にのトレードオフについて議論する。
  論文  参考訳（メタデータ） (2023-10-20T05:44:39Z)
• GPT-InvestAR: Enhancing Stock Investment Strategies through Annual Report Analysis with Large Language Models [1.8429319600068685]
  上場企業の年次報告書には、財務状況に関する重要な情報が含まれている。 金融の専門家は、これらの文書から価値ある情報を比較的早く抽出することに精通している。 本稿では,Large Language Models(LLMs)の能力を活用した全企業の年次報告書作成プロセスの簡素化を目的とする。
  論文  参考訳（メタデータ） (2023-09-06T17:18:55Z)
• Topological Data Analysis for Portfolio Management of Cryptocurrencies [13.56420397397044]
  本研究は,6年間の市場データをカバーする1500以上の暗号通貨からなる投資ポートフォリオを構築する方法を提案する。 トポロジカルデータ解析(TDA: Topological Data Analysis)は、トポロジカル構造の観点からデータセットを分析する手法である。
  論文  参考訳（メタデータ） (2020-09-07T18:30:36Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。