Los modelos de lenguajes grandes (LLM), como ChatGPT y Google Gemini, se destacan por entrenarse en grandes conjuntos de datos para generar respuestas informativas a las indicaciones.Yi Cao, profesor asistente de contabilidad en la Facultad de Negocios Donald G. Costello de la Universidad George Mason, y Long Chen, profesor asociado y presidente de área de contabilidad en Costello, están explorando activamente cómo los inversores individuales pueden utilizar los LLM para obtener información sobre el mercado dela vertiginosa variedad de datos disponibles sobre las empresas.

Su nuevopapel de trabajo, apareciendo enRevista Electrónica SSRNy en coautoría con Jennifer Wu Tucker de la Universidad de Florida y Chi Wan de la Universidad de Massachusetts Boston, examina la capacidad de la IA para identificar "empresas pares" o competidores en el mercado de productos en una industria.

Cao explica la importancia de seleccionar pares relacionando este proceso con el mercado inmobiliario."El mercado de capitales es similar al mercado inmobiliario en el sentido de que el valor de una empresa está parcialmente determinado por el valor de sus pares. En el mercado inmobiliario, fijamos el precio de una casa en función del valor de propiedades comparables en el vecindario, olos llamados 'comps.'En nuestro artículo, nuestro objetivo es aprovechar el poder de los LLM para identificar comparaciones para evaluar el valor de la empresa".

Esta tarea es al menos tan difícil como esencial.Se necesita mucho tiempo, habilidad y esfuerzo para recopilar, agregar y gestionar datos para seleccionar pares.Sin embargo, los investigadores razonaron que los LLM podrían hacer gran parte del trabajo pesado de agregación y análisis de datos para los inversores individuales, y producir una lista de pares comparable en validez a la identificada por los expertos humanos.

"La ventaja está en la capacidad de utilizar toda la información potencialmente disponible para que al menos funcione tan bien como otros métodos tradicionales que pueden ayudarnos a los inversores e investigadores", dice Cao.

Para el estudio, Chen y Cao emplearon a Bard de Google, ahora conocido como "Gemini", como su LLM de elección porque "Bard tiene una mayor capacidad para utilizar sus datos previos al entrenamiento, que posiblemente son más grandes que los de ChatGPT y con más parámetros." dice Cao.

Después de definir la "competencia en el mercado de productos" y formular una sugerencia para Bard, los investigadores le indicaron a Bard que limitara su conjunto de conocimientos a un año específico dentro del período 1981-2023, para evitar un "sesgo de anticipación", es decir, información futura.mezclando los resultados.

Limitaron las empresas focales a empresas grandes que cotizan en bolsa, ya que hay menos datos disponibles para empresas más pequeñas o privadas.En total, el conjunto de datos comprendía más de 300.000 años-empresa focales.

En promedio, el LLM podría generar alrededor de siete empresas pares para una empresa focal, un número similar a las recomendaciones de la SEC sobre cómo las empresas deben revelar sus segmentos.

Luego, los investigadores compararon el desempeño del LLM con las listas generadas por tres expertos humanos para un conjunto de 40 empresas líderes de software informático.La superposición promedio fue de poco más del 40%, mayor de lo esperado.

También compararon las listas de pares identificadas por IA con dos sistemas alternativos para identificar pares: los códigos de Clasificación Industrial Estándar (SIC) del gobierno federal y la Clasificación Industrial de Redes basada en Texto (TNIC), que compara empresas en función de similitudes lingüísticas en su 10-K.limaduras.La producción del LLM se superpuso significativamente con la del TNIC.Además, los pares identificados por el LLM generalmente encajaban mejor que los de SIC y TNIC, ya que sus rendimientos bursátiles mensuales se acercaban más a los de la empresa focal.

Pero TNIC superó al LLM en la identificación de pares para empresas medianas dentro de la muestra, lo que indica que no es un caso claro de superioridad universal del LLM.

"Necesitamos comprender que los LLM son en realidad una herramienta nueva y muy poderosa, incomparable en su eficiencia, capacidad para procesar grandes cantidades de información a bajo costo y accesibilidad al público en general", señala Cao.

"Es especialmente beneficioso para los inversores individuales, ya que todas las preocupaciones sobre costes de las que estamos hablando son especialmente relevantes para ellos", añade Chen.

Respecto al futuro de LLM, Chen afirma: "Siempre hay costos y beneficios asociados con el uso de IA generativa. No está claro si los sistemas actuales pronto quedarán obsoletos".Cuando se le preguntó acerca de la adopción por parte de la SEC de una herramienta de inteligencia artificial para los inversores, Chen enfatiza que los usuarios deben comprender los pros y los contras de usar la IA para emitir juicios informados "porque la IA no puede ser considerada responsable de la información que proporciona o de cómo se utiliza"."

Chen concluye: "Necesitamos adoptar esta nueva tecnología, pero debemos reconocer que aún no se encuentra en un estado perfecto. La competencia para mejorar la tecnología es feroz. Nuestros hallazgos podrían representar simplemente el límite inferior de la efectividad de la tecnología".

Más información:Yi Cao et al, ¿Puede la IA generativa ayudar a los inversores?Una evaluación de empresas pares generadas por máquinas,Revista Electrónica SSRN(2024).DOI: 10.2139/ssrn.4761624