Enhancing the Efficiency and Accuracy of Underlying Asset Reviews in Structured Finance: The Application of Multi-agent Framework

本文探讨了将人工智能（AI）与传统资产审查流程相结合，提高结构化金融效率和准确性的可能性。结构化金融涉及将各种资产重组成MBS、ABS和CDO等证券，虽然增强了资本市场的效率，但也带来了重大的尽职调查挑战。本文使用开放源码和闭源大型语言模型（LLM），展示了AI可以有效地自动化贷款申请和银行对账单之间的信息核实。尽管GPT-4等闭源模型表现更佳，但像LLAMA3这样的开源模型提供了一种具有成本效益的替代方案。双代理系统进一步提高了准确性，但这也带来了更高的运营成本。本研究突出了AI在最小化手动错误和简化尽职调查方面的潜力，建议在金融文件分析和风险管理方面广泛应用AI。

本文旨在探索将人工智能与传统资产审查流程相结合，以提高结构融资中的效率和准确性。

使用大型语言模型（LLMs）自动化验证贷款申请和银行对账单之间的信息，提高结构融资的效率和准确性。

本文使用开源和闭源的LLMs，证明了人工智能可以有效地自动化验证贷款申请和银行对账单之间的信息。闭源模型表现更好，但开源模型提供了一种经济实惠的选择。双代理系统进一步提高了准确性，但这增加了运营成本。本研究强调了人工智能在金融文件分析和风险管理中的潜力。

最近的相关研究包括：1）使用自然语言处理技术自动化信贷评估；2）使用机器学习算法预测贷款违约风险；3）使用深度学习技术实现自动化财务报告分析。