JPMC en AI for Finance by Artefact - Pioneering AI in Finance: from Reinforcement Learning to LLMs for Documents & Quantitative Reasoning

En la cumbre "AI for Finance", organizada por Artefact, se compartió información sobre el trabajo de vanguardia de JP Morgan Chase en AI para el sector financiero. Con sede en París, pero integrada en un equipo mundial, la investigación se centra en una amplia gama de temas, como la teoría de juegos, el aprendizaje por refuerzo (RL) multiagente, el razonamiento cuantitativo y los grandes modelos lingüísticos (LLM). Las matemáticas ocupan un lugar central en el desarrollo de AI, y el equipo colabora en diversas líneas de negocio, como mercados, banca de inversión, banca de consumo y gestión de activos.

Un elemento central de la investigación de JP Morgan AI es la aplicación del aprendizaje por refuerzo a las finanzas. El RL se utiliza para maximizar los objetivos a largo plazo mediante una toma de decisiones dinámica, en la que las acciones a corto plazo pueden parecer subóptimas pero contribuyen al éxito a largo plazo. Por ejemplo, el RL se aplica en la cobertura de carteras para optimizar las compras de opciones teniendo en cuenta consideraciones clave como los costes de transacción. Además, la investigación en calibración de modelos ayuda a perfeccionar los modelos de fijación de precios tratando las trayectorias financieras como jugadores cooperativos dentro de un juego, lo que conduce a resultados más precisos.

El equipo también está ampliando los límites del aprendizaje reforzado multiagente (MARL) para modelizar mercados financieros complejos, como el de divisas. La simulación de interacciones entre múltiples agentes de RL permite obtener valiosos conocimientos sobre la dinámica del mercado. Estudios recientes, entre ellos uno publicado en el Journal of Mathematical Finance, demuestran cómo los agentes MARL pueden desarrollar habilidades como la formación de colas de precios, proporcionando una comprensión más profunda del comportamiento del mercado a través de este enfoque innovador.

Además de la RL, la investigación de JP Morgan en AI hace especial hincapié en el desarrollo de grandes modelos lingüísticos (LLM). Un ejemplo notable es **Doc LLM**, un modelo que procesa documentos integrando información textual y espacial, ofreciendo una alternativa más eficiente a los modelos multimodales. El **Doc LLM** ha obtenido buenos resultados en diversas tareas al ofrecer capacidades más ricas de análisis de documentos. Otro avance es el uso de LLM multiagente en el desarrollo de software, donde los agentes ayudan a los ingenieros a planificar, codificar y revisar, lo que demuestra la versatilidad de los LLM en aplicaciones reales más allá de la generación de textos.

Una aplicación única de los LLM dentro de la investigación del equipo es su evaluación en el examen CFA (Analista Financiero Colegiado). Los modelos se sometieron a pruebas tanto a "libro cerrado" como a "libro abierto". Aunque los modelos superaron con éxito los dos primeros niveles del examen CFA, tuvieron dificultades con las tareas más complejas y de razonamiento más intensivo del tercer nivel. Esta investigación puso de relieve tanto las capacidades como las limitaciones de los LLM cuando se aplican al razonamiento financiero y a la resolución de problemas complejos.

De cara al futuro, el razonamiento matemático con LLM es un área de gran interés. El equipo se centra en perfeccionar los modelos para resolver problemas matemáticos complejos que surgen en el ámbito financiero, como los del examen CFA. Están trabajando para mejorar la capacidad de los modelos para generalizar conceptos matemáticos y aplicarlos en diversos contextos. Crece el optimismo ante la posibilidad de que AI desempeñe pronto un papel fundamental en la resolución de retos matemáticos avanzados en el sector financiero.