大型语言模型在金融监管解释中的应用
计算与语言
2024-12-18 v2 软件工程
摘要
本研究探索了大型语言模型 (LLM) 作为解释复杂金融监管的分析工具的创新方法。主要目标是设计有效的提示词，引导 LLM 将冗长复杂的监管文本（例如巴塞尔三条资本要求法规）提炼为简洁的数学框架，再翻译为可执行代码。这种新方法旨在 streamlining global banking institutions 的金融报告和风险管理系统中监管要求的实施。进行了案例研究以评估 various LLMs 的性能，结果显示 GPT-4 在处理和收集必要信息方面以及执行数学计算方面优于其他模型。案例研究使用包括固定收益、股票、货币对和大宗商品在内的资产持仓进行数值模拟，演示了 LLM 如何有效实施巴塞尔三条资本充足性要求。
引用
@article{arxiv.2405.06807,
title = {Execution-Based Evaluation of Natural Language to Bash and PowerShell for Incident Remediation},
author = {Ngoc Phuoc An Vo and Brent Paulovicks and Vadim Sheinin},
journal= {arXiv preprint arXiv:2405.06807},
year = {2024}
}