Toepassing van voorgetrainde taalmodellen in modern financieel onderzoek

Heungmin Lee

No fv683, OSF Preprints from Center for Open Science

Abstract: In de afgelopen jaren zijn voorgetrainde taalmodellen (PLM's) naar voren gekomen als een krachtig hulpmiddel voor natuurlijke taalverwerkingstaken (NLP). In dit artikel onderzoeken we het potentieel van deze modellen in de financiële sector en de uitdagingen waarmee ze in dit domein worden geconfronteerd. We bespreken ook de interpreteerbaarheid van deze modellen en de ethische overwegingen die gepaard gaan met hun inzet in de financiële wereld. Onze analyse laat zien dat vooraf getrainde taalmodellen het potentieel hebben om de manier waarop financiële gegevens worden geanalyseerd en verwerkt radicaal te veranderen. Het is echter belangrijk om de uitdagingen en ethische overwegingen die gepaard gaan met de inzet ervan aan te pakken om ervoor te zorgen dat ze op een verantwoorde en toerekenbare manier worden gebruikt. Toekomstig onderzoek zal zich richten op het ontwikkelen van modellen die de volatiliteit van financiële gegevens aankunnen, vertekening in de trainingsgegevens verminderen en interpreteerbare voorspellingen geven. Over het algemeen zijn we van mening dat de toekomst van AI in de financiële wereld zal worden bepaald door de voortdurende ontwikkeling en inzet van vooraf getrainde taalmodellen.

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

Downloads: (external link)
https://osf.io/download/63dab2e32781fc028d00a56f/

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:fv683

DOI: 10.31219/osf.io/fv683

Access Statistics for this paper

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