Uma Pesquisa sobre Modelos de Linguagem de Grande Escala para Aplicações Financeiras: Progresso, Perspectivas e Desafios

Avanços recentes em modelos de linguagem de grande escala (LLMs) desbloquearam novas oportunidades para aplicações de aprendizado de máquina no domínio financeiro. Esses modelos demonstraram capacidades notáveis em entender contexto, processar grandes quantidades de dados e gerar conteúdos preferidos por humanos. Nesta pesquisa, exploramos a aplicação de LLMs em várias tarefas financeiras, concentrando-nos em seu potencial para transformar práticas tradicionais e impulsionar a inovação. Fornecemos uma discussão sobre o progresso e as vantagens dos LLMs em contextos financeiros, analisando suas tecnologias avançadas, bem como capacidades prospectivas em compreensão contextual, flexibilidade de aprendizado por transferência, detecção de emoções complexas, etc. Em seguida, destacamos esta pesquisa para categorizar a literatura existente em áreas chave de aplicação, incluindo tarefas linguísticas, análise de sentimentos, séries temporais financeiras, raciocínio financeiro, modelagem baseada em agentes e outras aplicações. Para cada área de aplicação, abordamos metodologias específicas, como análise textual, análise baseada em conhecimento, previsão, aumento de dados, planejamento, suporte à decisão e simulações. Além disso, uma coleção abrangente de conjuntos de dados, ativos de modelo e códigos úteis associados a aplicações convencionais é apresentada como recursos para pesquisadores e profissionais. Finalmente, delineamos os desafios e oportunidades para pesquisas futuras, enfatizando particularmente uma série de aspectos distintivos nessa área. Esperamos que nosso trabalho possa ajudar a facilitar a adoção e o desenvolvimento adicional de LLMs no setor financeiro.