{"id":130296,"date":"2024-08-05T11:03:29","date_gmt":"2024-08-05T10:03:29","guid":{"rendered":"https:\/\/www.artefact.com\/?post_type=blog&#038;p=130296"},"modified":"2024-10-29T09:02:39","modified_gmt":"2024-10-29T09:02:39","slug":"jpmc-at-ai-for-finance-by-artefact-pioneering-ai-in-finance-from-reinforcement-learning-to-llms-for-documents-quantitative-reasoning","status":"publish","type":"blog","link":"https:\/\/www.artefact.com\/br\/blog\/jpmc-at-ai-for-finance-by-artefact-pioneering-ai-in-finance-from-reinforcement-learning-to-llms-for-documents-quantitative-reasoning\/","title":{"rendered":"JPMC at AI for Finance by Artefact - Pioneirismo em IA em finan\u00e7as: do aprendizado por refor\u00e7o aos LLMs para documentos e racioc\u00ednio quantitativo"},"content":{"rendered":"<p><div class=\"fusion-fullwidth fullwidth-box fusion-builder-row-1 fusion-flex-container nonhundred-percent-fullwidth non-hundred-percent-height-scrolling\" style=\"--link_color: var(--awb-color6);--awb-border-radius-top-left:0px;--awb-border-radius-top-right:0px;--awb-border-radius-bottom-right:0px;--awb-border-radius-bottom-left:0px;--awb-background-color:var(--awb-color1);--awb-flex-wrap:wrap;\" ><div class=\"fusion-builder-row fusion-row fusion-flex-align-items-flex-start fusion-flex-content-wrap\" style=\"max-width:calc( 1440px + 20px );margin-left: calc(-20px \/ 2 );margin-right: calc(-20px \/ 2 );\"><div class=\"fusion-layout-column fusion_builder_column fusion-builder-column-0 fusion_builder_column_1_1 1_1 fusion-flex-column\" style=\"--awb-bg-size:cover;--awb-width-large:100%;--awb-margin-top-large:0px;--awb-spacing-right-large:10px;--awb-margin-bottom-large:0px;--awb-spacing-left-large:10px;--awb-width-medium:100%;--awb-order-medium:0;--awb-spacing-right-medium:10px;--awb-spacing-left-medium:10px;--awb-width-small:100%;--awb-order-small:0;--awb-spacing-right-small:10px;--awb-spacing-left-small:10px;\"><div class=\"fusion-column-wrapper fusion-column-has-shadow fusion-flex-justify-content-flex-start fusion-content-layout-column\"><div class=\"fusion-text fusion-text-1 description\" style=\"--awb-text-color:var(--awb-color5);--awb-text-font-family:&quot;PT Serif&quot;;--awb-text-font-style:normal;--awb-text-font-weight:400;\"><p>C\u00fapula de IA para finan\u00e7as por Artefact - 17 de setembro de 2024 - Paris<\/p>\n<p>Principais aprendizados da discuss\u00e3o entre Nelson Vadori, diretor executivo da J.P. Morgan AI Research na JP Morgan Chase, e Akhilesh Kale, s\u00f3cio l\u00edder de servi\u00e7os financeiros dos EUA na Artefact.<\/p>\n<\/div><\/div><\/div><\/div><\/div><article class=\"fusion-fullwidth fullwidth-box fusion-builder-row-2 fusion-flex-container nonhundred-percent-fullwidth non-hundred-percent-height-scrolling\" style=\"--link_color: var(--awb-color6);--awb-border-radius-top-left:0px;--awb-border-radius-top-right:0px;--awb-border-radius-bottom-right:0px;--awb-border-radius-bottom-left:0px;--awb-background-color:var(--awb-color1);--awb-flex-wrap:wrap;\" ><div class=\"fusion-builder-row fusion-row fusion-flex-align-items-flex-start fusion-flex-justify-content-center fusion-flex-content-wrap\" style=\"max-width:calc( 1440px + 20px );margin-left: calc(-20px \/ 2 );margin-right: calc(-20px \/ 2 );\"><div class=\"fusion-layout-column fusion_builder_column fusion-builder-column-1 fusion_builder_column_1_1 1_1 fusion-flex-column\" style=\"--awb-bg-size:cover;--awb-width-large:100%;--awb-margin-top-large:0px;--awb-spacing-right-large:10px;--awb-margin-bottom-large:0px;--awb-spacing-left-large:10px;--awb-width-medium:100%;--awb-order-medium:0;--awb-spacing-right-medium:10px;--awb-spacing-left-medium:10px;--awb-width-small:100%;--awb-order-small:0;--awb-spacing-right-small:10px;--awb-spacing-left-small:10px;\"><div class=\"fusion-column-wrapper fusion-column-has-shadow fusion-flex-justify-content-flex-start fusion-content-layout-column\"><div class=\"fusion-video fusion-youtube\" style=\"--awb-max-width:670px;--awb-max-height:377px;--awb-align-self:center;--awb-width:100%;\"><div class=\"video-shortcode\"><div class=\"fluid-width-video-wrapper\" style=\"padding-top:56.27%;\" ><iframe title=\"Reprodutor de v\u00eddeo do YouTube 1\" src=\"https:\/\/www.youtube.com\/embed\/fFhk3Olj8Ac?wmode=transparent&autoplay=0\" width=\"670\" height=\"377\" allowfullscreen allow=\"autoplay; clipboard-write; encrypted-media; gyroscope; picture-in-picture;\"><\/iframe><\/div><\/div><\/div><div class=\"fusion-title title fusion-title-1 fusion-sep-none fusion-title-text fusion-title-size-two\" style=\"--awb-text-color:var(--awb-color6);--awb-margin-bottom-small:8px;--awb-font-size:30px;\"><h2 class=\"fusion-title-heading title-heading-left fusion-responsive-typography-calculated\" style=\"font-family:&quot;PT Serif&quot;;font-style:normal;font-weight:700;margin:0;letter-spacing:1.6px;font-size:1em;--fontSize:30;line-height:1.47;\">Vis\u00e3o geral da equipe global e de pesquisa de IA do JP Morgan<\/h2><\/div><div class=\"fusion-text fusion-text-2\" style=\"--awb-font-size:20px;--awb-line-height:1.6;--awb-letter-spacing:var(--awb-typography4-letter-spacing);--awb-text-transform:var(--awb-typography4-text-transform);--awb-text-color:var(--awb-color5);--awb-text-font-family:var(--awb-typography4-font-family);--awb-text-font-weight:var(--awb-typography4-font-weight);--awb-text-font-style:var(--awb-typography4-font-style);\"><p>Na c\u00fapula \u201cAI for Finance\u201d, organizada pela Artefact, foram compartilhados insights sobre o trabalho de ponta do JP Morgan Chase em IA para o setor financeiro. Com sede em Paris, mas fazendo parte de uma equipe global, a pesquisa se concentra em uma gama diversificada de t\u00f3picos, incluindo teoria dos jogos, aprendizagem por refor\u00e7o de v\u00e1rios agentes (RL), racioc\u00ednio quantitativo e modelos de linguagem ampla (LLMs). A matem\u00e1tica \u00e9 fundamental para o desenvolvimento da IA, e a equipe colabora com v\u00e1rias linhas de neg\u00f3cios, como mercados, bancos de investimento, bancos de consumo e gerenciamento de ativos.<\/p>\n<\/div><div class=\"fusion-title title fusion-title-2 fusion-sep-none fusion-title-text fusion-title-size-two\" style=\"--awb-text-color:var(--awb-color6);--awb-margin-bottom-small:8px;--awb-font-size:30px;\"><h2 class=\"fusion-title-heading title-heading-left fusion-responsive-typography-calculated\" style=\"font-family:&quot;PT Serif&quot;;font-style:normal;font-weight:700;margin:0;letter-spacing:1.6px;font-size:1em;--fontSize:30;line-height:1.47;\">O papel do aprendizado por refor\u00e7o na otimiza\u00e7\u00e3o financeira<\/h2><\/div><div class=\"fusion-text fusion-text-3\" style=\"--awb-font-size:20px;--awb-line-height:1.6;--awb-letter-spacing:var(--awb-typography4-letter-spacing);--awb-text-transform:var(--awb-typography4-text-transform);--awb-text-color:var(--awb-color5);--awb-text-font-family:var(--awb-typography4-font-family);--awb-text-font-weight:var(--awb-typography4-font-weight);--awb-text-font-style:var(--awb-typography4-font-style);\"><p>Um elemento central da pesquisa de IA do JP Morgan \u00e9 a aplica\u00e7\u00e3o do aprendizado por refor\u00e7o \u00e0s finan\u00e7as. A RL \u00e9 usada para maximizar as metas de longo prazo por meio da tomada de decis\u00f5es din\u00e2micas, em que as a\u00e7\u00f5es de curto prazo podem parecer sub\u00f3timas, mas contribuem para o sucesso de longo prazo. Por exemplo, a RL \u00e9 aplicada em hedging de portf\u00f3lio para otimizar a compra de op\u00e7\u00f5es, levando em conta considera\u00e7\u00f5es importantes como custos de transa\u00e7\u00e3o. Al\u00e9m disso, a pesquisa em calibra\u00e7\u00e3o de modelos ajuda a refinar os modelos de precifica\u00e7\u00e3o, tratando as trajet\u00f3rias financeiras como jogadores cooperativos em um jogo, o que leva a resultados mais precisos.<\/p>\n<\/div><div class=\"fusion-title title fusion-title-3 fusion-sep-none fusion-title-text fusion-title-size-two\" style=\"--awb-text-color:var(--awb-color6);--awb-margin-bottom-small:8px;--awb-font-size:30px;\"><h2 class=\"fusion-title-heading title-heading-left fusion-responsive-typography-calculated\" style=\"font-family:&quot;PT Serif&quot;;font-style:normal;font-weight:700;margin:0;letter-spacing:1.6px;font-size:1em;--fontSize:30;line-height:1.47;\">Aprendizagem por refor\u00e7o multiagente em mercados financeiros<\/h2><\/div><div class=\"fusion-text fusion-text-4\" style=\"--awb-font-size:20px;--awb-line-height:1.6;--awb-letter-spacing:var(--awb-typography4-letter-spacing);--awb-text-transform:var(--awb-typography4-text-transform);--awb-text-color:var(--awb-color5);--awb-text-font-family:var(--awb-typography4-font-family);--awb-text-font-weight:var(--awb-typography4-font-weight);--awb-text-font-style:var(--awb-typography4-font-style);\"><p>A equipe tamb\u00e9m est\u00e1 ampliando os limites da aprendizagem por refor\u00e7o de v\u00e1rios agentes (MARL) para modelar mercados financeiros complexos, como o mercado de c\u00e2mbio (FX). Ao simular intera\u00e7\u00f5es entre v\u00e1rios agentes de RL, \u00e9 poss\u00edvel obter percep\u00e7\u00f5es valiosas sobre a din\u00e2mica do mercado. Estudos recentes, incluindo um publicado no Journal of Mathematical Finance, demonstraram como os agentes MARL podem desenvolver habilidades como enfileiramento de pre\u00e7os, proporcionando uma compreens\u00e3o mais profunda do comportamento do mercado por meio dessa abordagem inovadora.<\/p>\n<\/div><div class=\"fusion-title title fusion-title-4 fusion-sep-none fusion-title-text fusion-title-size-two\" style=\"--awb-text-color:var(--awb-color6);--awb-margin-bottom-small:8px;--awb-font-size:30px;\"><h2 class=\"fusion-title-heading title-heading-left fusion-responsive-typography-calculated\" style=\"font-family:&quot;PT Serif&quot;;font-style:normal;font-weight:700;margin:0;letter-spacing:1.6px;font-size:1em;--fontSize:30;line-height:1.47;\">Avan\u00e7o no processamento de documentos e desenvolvimento de software com LLMs<\/h2><\/div><div class=\"fusion-text fusion-text-5\" style=\"--awb-font-size:20px;--awb-line-height:1.6;--awb-letter-spacing:var(--awb-typography4-letter-spacing);--awb-text-transform:var(--awb-typography4-text-transform);--awb-text-color:var(--awb-color5);--awb-text-font-family:var(--awb-typography4-font-family);--awb-text-font-weight:var(--awb-typography4-font-weight);--awb-text-font-style:var(--awb-typography4-font-style);\"><p>Al\u00e9m da RL, a pesquisa de IA do JP Morgan enfatiza muito o desenvolvimento de modelos de linguagem grandes (LLMs). Um exemplo not\u00e1vel \u00e9 o **Doc LLM**, um modelo que processa documentos integrando informa\u00e7\u00f5es textuais e espaciais, oferecendo uma alternativa mais eficiente aos modelos multimodais. O **Doc LLM** teve um bom desempenho em v\u00e1rias tarefas, oferecendo recursos mais avan\u00e7ados de an\u00e1lise de documentos. Outro avan\u00e7o envolve o uso de LLMs multiagentes no desenvolvimento de software, em que os agentes auxiliam os engenheiros no planejamento, na codifica\u00e7\u00e3o e na revis\u00e3o, demonstrando a versatilidade dos LLMs em aplica\u00e7\u00f5es do mundo real al\u00e9m da gera\u00e7\u00e3o de texto.<\/p>\n<\/div><div class=\"fusion-title title fusion-title-5 fusion-sep-none fusion-title-text fusion-title-size-two\" style=\"--awb-text-color:var(--awb-color6);--awb-margin-bottom-small:8px;--awb-font-size:30px;\"><h2 class=\"fusion-title-heading title-heading-left fusion-responsive-typography-calculated\" style=\"font-family:&quot;PT Serif&quot;;font-style:normal;font-weight:700;margin:0;letter-spacing:1.6px;font-size:1em;--fontSize:30;line-height:1.47;\">Avalia\u00e7\u00e3o de LLMs no exame CFA<\/h2><\/div><div class=\"fusion-text fusion-text-6\" style=\"--awb-font-size:20px;--awb-line-height:1.6;--awb-letter-spacing:var(--awb-typography4-letter-spacing);--awb-text-transform:var(--awb-typography4-text-transform);--awb-text-color:var(--awb-color5);--awb-text-font-family:var(--awb-typography4-font-family);--awb-text-font-weight:var(--awb-typography4-font-weight);--awb-text-font-style:var(--awb-typography4-font-style);\"><p>Uma aplica\u00e7\u00e3o exclusiva dos LLMs na pesquisa da equipe \u00e9 sua avalia\u00e7\u00e3o no exame CFA (Chartered Financial Analyst). Os modelos foram testados em cen\u00e1rios de \u201clivro fechado\u201d e \u201clivro aberto\u201d. Embora os modelos tenham se destacado na aprova\u00e7\u00e3o dos dois primeiros n\u00edveis do exame CFA, eles tiveram dificuldades com as tarefas mais complexas e de racioc\u00ednio intensivo encontradas no terceiro n\u00edvel. Esta pesquisa destacou os recursos e as limita\u00e7\u00f5es dos LLMs quando aplicados ao racioc\u00ednio financeiro e \u00e0 solu\u00e7\u00e3o de problemas complexos.<\/p>\n<\/div><div class=\"fusion-title title fusion-title-6 fusion-sep-none fusion-title-text fusion-title-size-two\" style=\"--awb-text-color:var(--awb-color6);--awb-margin-bottom-small:8px;--awb-font-size:30px;\"><h2 class=\"fusion-title-heading title-heading-left fusion-responsive-typography-calculated\" style=\"font-family:&quot;PT Serif&quot;;font-style:normal;font-weight:700;margin:0;letter-spacing:1.6px;font-size:1em;--fontSize:30;line-height:1.47;\">Futuro do racioc\u00ednio matem\u00e1tico com LLMs em Finan\u00e7as<\/h2><\/div><div class=\"fusion-text fusion-text-7\" style=\"--awb-font-size:20px;--awb-line-height:1.6;--awb-letter-spacing:var(--awb-typography4-letter-spacing);--awb-text-transform:var(--awb-typography4-text-transform);--awb-text-color:var(--awb-color5);--awb-text-font-family:var(--awb-typography4-font-family);--awb-text-font-weight:var(--awb-typography4-font-weight);--awb-text-font-style:var(--awb-typography4-font-style);\"><p>Olhando para o futuro, o futuro do racioc\u00ednio matem\u00e1tico usando LLMs \u00e9 uma \u00e1rea de grande interesse. A equipe est\u00e1 concentrada em refinar os modelos para lidar com problemas matem\u00e1ticos complexos que surgem no dom\u00ednio financeiro, como os encontrados no exame CFA. Eles est\u00e3o trabalhando para aprimorar a capacidade dos modelos de generalizar conceitos matem\u00e1ticos e aplic\u00e1-los em diversos contextos. H\u00e1 um otimismo crescente de que a IA logo desempenhar\u00e1 um papel fundamental na solu\u00e7\u00e3o de desafios matem\u00e1ticos avan\u00e7ados no setor financeiro.<\/p>\n<\/div><\/div><\/div><\/div><\/article><\/p>","protected":false},"excerpt":{"rendered":"<p>Principais aprendizados da discuss\u00e3o entre Nelson Vadori, diretor executivo da J.P. Morgan AI Research na JP Morgan Chase, e Akhilesh Kale, s\u00f3cio l\u00edder de servi\u00e7os financeiros dos EUA na Artefact.<\/p>","protected":false},"featured_media":130297,"parent":0,"template":"","meta":{"_acf_changed":false,"ep_exclude_from_search":false},"blog-category":[21930],"blog-language":[2991],"class_list":["post-130296","blog","type-blog","status-publish","has-post-thumbnail","hentry","blog-category-finance","blog-language-en"],"acf":[],"_links":{"self":[{"href":"https:\/\/www.artefact.com\/br\/wp-json\/wp\/v2\/blog\/130296","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.artefact.com\/br\/wp-json\/wp\/v2\/blog"}],"about":[{"href":"https:\/\/www.artefact.com\/br\/wp-json\/wp\/v2\/types\/blog"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.artefact.com\/br\/wp-json\/wp\/v2\/media\/130297"}],"wp:attachment":[{"href":"https:\/\/www.artefact.com\/br\/wp-json\/wp\/v2\/media?parent=130296"}],"wp:term":[{"taxonomy":"blog-category","embeddable":true,"href":"https:\/\/www.artefact.com\/br\/wp-json\/wp\/v2\/blog-category?post=130296"},{"taxonomy":"blog-language","embeddable":true,"href":"https:\/\/www.artefact.com\/br\/wp-json\/wp\/v2\/blog-language?post=130296"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}