Anwendung vortrainierter Sprachmodelle in der modernen Finanzforschung

Heungmin Lee

No xds9n, OSF Preprints from Center for Open Science

Abstract: In den letzten Jahren haben sich vortrainierte Sprachmodelle (PLMs) zu einem leistungsstarken Werkzeug für Aufgaben der Verarbeitung natürlicher Sprache (NLP) entwickelt. In diesem Beitrag untersuchen wir das Potenzial dieser Modelle im Finanzsektor und die Herausforderungen, denen sie in diesem Bereich gegenüberstehen. Wir diskutieren auch die Interpretierbarkeit dieser Modelle und die ethischen Überlegungen, die mit ihrem Einsatz im Finanzwesen verbunden sind. Unsere Analyse zeigt, dass vortrainierte Sprachmodelle das Potenzial haben, die Art und Weise, wie Finanzdaten analysiert und verarbeitet werden, zu revolutionieren. Es ist jedoch wichtig, die Herausforderungen und ethischen Überlegungen im Zusammenhang mit ihrem Einsatz anzugehen, um sicherzustellen, dass sie auf verantwortungsvolle und nachvollziehbare Weise verwendet werden. Zukünftige Forschung wird sich auf die Entwicklung von Modellen konzentrieren, die mit der Volatilität von Finanzdaten umgehen, Verzerrungen in den Trainingsdaten mindern und interpretierbare Vorhersagen liefern können. Insgesamt glauben wir, dass die Zukunft der KI im Finanzwesen von der kontinuierlichen Entwicklung und dem Einsatz vortrainierter Sprachmodelle geprägt sein wird.

Date: 2023-02-01
New Economics Papers: this item is included in nep-ger
References: View complete reference list from CitEc
Citations:

Downloads: (external link)
https://osf.io/download/63dab0b86946a0025c7a472a/

Related works:
This item may be available elsewhere in EconPapers: Search for items with the same title.

Export reference: BibTeX RIS (EndNote, ProCite, RefMan) HTML/Text

Persistent link: https://EconPapers.repec.org/RePEc:osf:osfxxx:xds9n

DOI: 10.31219/osf.io/xds9n

Access Statistics for this paper

More papers in OSF Preprints from Center for Open Science
Bibliographic data for series maintained by OSF ().