Application de modèles de langage pré-entraînés dans la recherche financière moderne

Heungmin Lee

No 4fprx, OSF Preprints from Center for Open Science

Abstract: Ces dernières années, les modèles de langage pré-entraînés (PLM) sont devenus un outil puissant pour les tâches de traitement du langage naturel (TAL). Dans cet article, nous examinons le potentiel de ces modèles dans le secteur financier et les défis auxquels ils sont confrontés dans ce domaine. Nous discutons également de l'interprétabilité de ces modèles et des considérations éthiques associées à leur déploiement en finance. Notre analyse montre que les modèles de langage pré-entraînés ont le potentiel de révolutionner la manière dont les données financières sont analysées et traitées. Cependant, il est important de relever les défis et les considérations éthiques associés à leur déploiement pour s'assurer qu'ils sont utilisés de manière responsable et responsable. Les recherches futures se concentreront sur le développement de modèles capables de gérer la volatilité des données financières, d'atténuer les biais dans les données de formation et de fournir des prévisions interprétables. Dans l'ensemble, nous pensons que l'avenir de l'IA dans la finance sera façonné par le développement et le déploiement continus de modèles de langage pré-entraînés.

Date: 2023-02-01
References: View complete reference list from CitEc
Citations:

Downloads: (external link)
https://osf.io/download/63da9b511e9686023eb2564e/

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:4fprx

DOI: 10.31219/osf.io/4fprx

Access Statistics for this paper

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