JPMC bei AI for Finance von Artefact - Pionierarbeit für KI im Finanzwesen: von Reinforcement Learning zu LLMs für Dokumente & Quantitative Reasoning

Auf dem von Artefact veranstalteten “AI for Finance”-Gipfel wurden Einblicke in die bahnbrechende Arbeit von JP Morgan Chase im Bereich der KI für die Finanzbranche gewährt. Das in Paris ansässige, aber zu einem globalen Team gehörende Forschungsteam konzentriert sich auf eine Vielzahl von Themen wie Spieltheorie, Multi-Agenten-Verstärkungslernen (RL), quantitatives Denken und große Sprachmodelle (LLMs). Die Mathematik ist für die Entwicklung der KI von zentraler Bedeutung, und das Team arbeitet in verschiedenen Geschäftsbereichen wie Märkte, Investment Banking, Consumer Banking und Vermögensverwaltung zusammen.

Ein Kernelement der KI-Forschung von JP Morgan ist die Anwendung von Reinforcement Learning im Finanzbereich. RL wird eingesetzt, um langfristige Ziele durch dynamische Entscheidungsfindung zu maximieren, wobei kurzfristige Aktionen suboptimal erscheinen mögen, aber zum langfristigen Erfolg beitragen. RL wird beispielsweise bei der Portfolioabsicherung eingesetzt, um den Kauf von Optionen zu optimieren und dabei wichtige Faktoren wie Transaktionskosten zu berücksichtigen. Darüber hinaus trägt die Forschung im Bereich der Modellkalibrierung zur Verfeinerung von Preismodellen bei, indem finanzielle Trajektorien als kooperative Spieler innerhalb eines Spiels behandelt werden, was zu genaueren Ergebnissen führt.

Das Team erweitert außerdem die Grenzen des Multi-Agenten-Verstärkungslernens (MARL), um komplexe Finanzmärkte, wie den Devisenmarkt, zu modellieren. Durch die Simulation von Interaktionen zwischen mehreren RL-Agenten können wertvolle Einblicke in die Marktdynamik gewonnen werden. Jüngste Studien, darunter eine, die im Journal of Mathematical Finance veröffentlicht wurde, haben gezeigt, wie MARL-Agenten Fähigkeiten wie Preis-Warteschlangen entwickeln können, was ein tieferes Verständnis des Marktverhaltens durch diesen innovativen Ansatz ermöglicht.

Neben RL legt die KI-Forschung von JP Morgan einen starken Schwerpunkt auf die Entwicklung großer Sprachmodelle (LLMs). Ein bemerkenswertes Beispiel ist **Doc LLM**, ein Modell, das Dokumente durch die Integration von Text- und Rauminformationen verarbeitet und damit eine effizientere Alternative zu multimodalen Modellen darstellt. **Doc LLM** hat sich bei verschiedenen Aufgaben bewährt, da es umfangreichere Fähigkeiten zur Dokumentenanalyse bietet. Ein weiterer Durchbruch ist der Einsatz von Multi-Agenten-LLMs in der Softwareentwicklung, wo die Agenten die Ingenieure bei der Planung, Codierung und Überprüfung unterstützen und so die Vielseitigkeit von LLMs in realen Anwendungen jenseits der Texterstellung demonstrieren.

Eine einzigartige Anwendung der LLMs im Rahmen der Forschung des Teams ist ihre Bewertung bei der CFA-Prüfung (Chartered Financial Analyst). Die Modelle wurden sowohl in “Closed Book”- als auch in “Open Book”-Szenarien getestet. Während die Modelle die ersten beiden Stufen der CFA-Prüfung mit Bravour bestanden, hatten sie mit den komplexeren und begründungsintensiveren Aufgaben der dritten Stufe zu kämpfen. Diese Untersuchung hat sowohl die Fähigkeiten als auch die Grenzen von LLMs bei der Anwendung auf finanzielles Denken und komplexe Problemlösungen aufgezeigt.

Mit Blick auf die Zukunft ist die Zukunft des mathematischen Denkens mit LLMs ein Bereich von großem Interesse. Das Team konzentriert sich auf die Verfeinerung der Modelle, um komplexe mathematische Probleme zu bewältigen, die im Finanzbereich auftreten, wie z.B. bei der CFA-Prüfung. Sie arbeiten daran, die Fähigkeit der Modelle zu verbessern, mathematische Konzepte zu verallgemeinern und sie in einer Vielzahl von Kontexten anzuwenden. Der Optimismus wächst, dass KI bald eine entscheidende Rolle bei der Lösung fortgeschrittener mathematischer Herausforderungen in der Finanzbranche spielen wird.