{"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\/de\/blog\/jpmc-at-ai-for-finance-by-artefact-pioneering-ai-in-finance-from-reinforcement-learning-to-llms-for-documents-quantitative-reasoning\/","title":{"rendered":"JPMC bei AI for Finance von Artefact - Pionierarbeit f\u00fcr KI im Finanzwesen: von Reinforcement Learning zu LLMs f\u00fcr Dokumente &amp; Quantitative Reasoning"},"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>AI for Finance Summit von Artefact - 17. September 2024 - Paris<\/p>\n<p>Die wichtigsten Erkenntnisse aus der Diskussion zwischen Nelson Vadori, Executive Director, J.P. Morgan AI Research bei JP Morgan Chase, und Akhilesh Kale, Partner US Financial Services Leader bei 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=\"YouTube-Videoplayer 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;\">\u00dcberblick \u00fcber die KI-Forschung und das globale Team von 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>Auf dem von Artefact veranstalteten \u201cAI for Finance\u201d-Gipfel wurden Einblicke in die bahnbrechende Arbeit von JP Morgan Chase im Bereich der KI f\u00fcr die Finanzbranche gew\u00e4hrt. Das in Paris ans\u00e4ssige, aber zu einem globalen Team geh\u00f6rende Forschungsteam konzentriert sich auf eine Vielzahl von Themen wie Spieltheorie, Multi-Agenten-Verst\u00e4rkungslernen (RL), quantitatives Denken und gro\u00dfe Sprachmodelle (LLMs). Die Mathematik ist f\u00fcr die Entwicklung der KI von zentraler Bedeutung, und das Team arbeitet in verschiedenen Gesch\u00e4ftsbereichen wie M\u00e4rkte, Investment Banking, Consumer Banking und Verm\u00f6gensverwaltung zusammen.<\/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;\">Die Rolle des Verst\u00e4rkungslernens bei der Finanzoptimierung<\/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>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 m\u00f6gen, 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 ber\u00fccksichtigen. Dar\u00fcber hinaus tr\u00e4gt 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 f\u00fchrt.<\/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;\">Multi-Agenten-Verst\u00e4rkungslernen auf den Finanzm\u00e4rkten<\/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>Das Team erweitert au\u00dferdem die Grenzen des Multi-Agenten-Verst\u00e4rkungslernens (MARL), um komplexe Finanzm\u00e4rkte, wie den Devisenmarkt, zu modellieren. Durch die Simulation von Interaktionen zwischen mehreren RL-Agenten k\u00f6nnen wertvolle Einblicke in die Marktdynamik gewonnen werden. J\u00fcngste Studien, darunter eine, die im Journal of Mathematical Finance ver\u00f6ffentlicht wurde, haben gezeigt, wie MARL-Agenten F\u00e4higkeiten wie Preis-Warteschlangen entwickeln k\u00f6nnen, was ein tieferes Verst\u00e4ndnis des Marktverhaltens durch diesen innovativen Ansatz erm\u00f6glicht.<\/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;\">Fortschrittliche Dokumentenverarbeitung und Softwareentwicklung mit 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>Neben RL legt die KI-Forschung von JP Morgan einen starken Schwerpunkt auf die Entwicklung gro\u00dfer 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 bew\u00e4hrt, da es umfangreichere F\u00e4higkeiten 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 \u00dcberpr\u00fcfung unterst\u00fctzen und so die Vielseitigkeit von LLMs in realen Anwendungen jenseits der Texterstellung demonstrieren.<\/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;\">Bewertung von LLMs bei der CFA-Pr\u00fcfung<\/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>Eine einzigartige Anwendung der LLMs im Rahmen der Forschung des Teams ist ihre Bewertung bei der CFA-Pr\u00fcfung (Chartered Financial Analyst). Die Modelle wurden sowohl in \u201cClosed Book\u201d- als auch in \u201cOpen Book\u201d-Szenarien getestet. W\u00e4hrend die Modelle die ersten beiden Stufen der CFA-Pr\u00fcfung mit Bravour bestanden, hatten sie mit den komplexeren und begr\u00fcndungsintensiveren Aufgaben der dritten Stufe zu k\u00e4mpfen. Diese Untersuchung hat sowohl die F\u00e4higkeiten als auch die Grenzen von LLMs bei der Anwendung auf finanzielles Denken und komplexe Probleml\u00f6sungen aufgezeigt.<\/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;\">Zukunft des mathematischen Denkens mit LLMs in Finanzen<\/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>Mit Blick auf die Zukunft ist die Zukunft des mathematischen Denkens mit LLMs ein Bereich von gro\u00dfem Interesse. Das Team konzentriert sich auf die Verfeinerung der Modelle, um komplexe mathematische Probleme zu bew\u00e4ltigen, die im Finanzbereich auftreten, wie z.B. bei der CFA-Pr\u00fcfung. Sie arbeiten daran, die F\u00e4higkeit der Modelle zu verbessern, mathematische Konzepte zu verallgemeinern und sie in einer Vielzahl von Kontexten anzuwenden. Der Optimismus w\u00e4chst, dass KI bald eine entscheidende Rolle bei der L\u00f6sung fortgeschrittener mathematischer Herausforderungen in der Finanzbranche spielen wird.<\/p>\n<\/div><\/div><\/div><\/div><\/article><\/p>","protected":false},"excerpt":{"rendered":"<p>Die wichtigsten Erkenntnisse aus der Diskussion zwischen Nelson Vadori, Executive Director, J.P. Morgan AI Research bei JP Morgan Chase, und Akhilesh Kale, Partner US Financial Services Leader bei 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\/de\/wp-json\/wp\/v2\/blog\/130296","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.artefact.com\/de\/wp-json\/wp\/v2\/blog"}],"about":[{"href":"https:\/\/www.artefact.com\/de\/wp-json\/wp\/v2\/types\/blog"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.artefact.com\/de\/wp-json\/wp\/v2\/media\/130297"}],"wp:attachment":[{"href":"https:\/\/www.artefact.com\/de\/wp-json\/wp\/v2\/media?parent=130296"}],"wp:term":[{"taxonomy":"blog-category","embeddable":true,"href":"https:\/\/www.artefact.com\/de\/wp-json\/wp\/v2\/blog-category?post=130296"},{"taxonomy":"blog-language","embeddable":true,"href":"https:\/\/www.artefact.com\/de\/wp-json\/wp\/v2\/blog-language?post=130296"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}