Financial Statement Analysis with Large Language Models

我们调查了一个LLM是否能够像专业的人类分析师一样成功地进行财务报表分析。我们向GPT4提供标准化和匿名的财务报表，并指示该模型分析它们以确定未来收益的方向。即使没有任何叙述性或行业特定的信息，LLM在预测收益变化方面的能力超过了金融分析师。在分析师往往难以应对的情况下，LLM表现出相对优势。此外，我们发现LLM的预测准确性与最先进的狭义训练的机器学习模型的表现相当。LLM的预测不是来自其训练记忆。相反，我们发现LLM生成关于公司未来表现的有用叙述性见解。最后，我们基于GPT的预测的交易策略比基于其他模型的策略产生更高的夏普比率和阿尔法。总的来说，我们的结果表明LLM可能在决策制定中发挥核心作用。

评估GPT-4在财务报表分析中的表现，探究其是否能够像人类分析师一样准确预测未来收益变化。

GPT-4在没有行业特定信息的情况下，通过对标准化和匿名财务报表的分析，可以比人类分析师更准确地预测未来收益变化。LLM生成的有用的叙述性见解是预测正确的原因之一。

论文使用了标准化和匿名的财务报表，发现GPT-4在预测未来收益变化方面比人类分析师表现更好，尤其是在分析师难以处理的情况下。研究还发现GPT-4生成了有用的叙述性见解，而且基于GPT-4的预测的交易策略比其他模型的策略具有更高的夏普比率和alpha值。

最近的相关研究包括使用深度学习模型进行财务报表分析的研究，例如“Deep Learning for Financial Statement Analysis”和“Financial Statement Analysis using Text Mining: A Survey”。