JPMC en AI for Finance por Artefact - Pioneros en AI en finanzas: del aprendizaje por refuerzo a los LLM para documentos y razonamiento cuantitativo

En la cumbre “IA para las finanzas” organizada por Artefact, se compartió información sobre el trabajo de vanguardia de JP Morgan Chase en IA para el sector financiero. Con sede en París pero formando parte de un equipo global, la investigación se centra en una amplia gama de temas, entre los que se incluyen la teoría de juegos, el aprendizaje por refuerzo (RL) de múltiples agentes, el razonamiento cuantitativo y los grandes modelos de lenguaje (LLM). Las matemáticas son fundamentales para el desarrollo de la IA, y el equipo colabora en varias líneas de negocio, como mercados, banca de inversión, banca de consumo y gestión de activos.

Un elemento central de la investigación en IA de JP Morgan 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 por refuerzo multiagente (MARL) para modelizar mercados financieros complejos, como el mercado de divisas (FX). Simulando las interacciones entre múltiples agentes de RL, se pueden obtener valiosos conocimientos sobre la dinámica del mercado. Estudios recientes, incluido uno publicado en el Journal of Mathematical Finance, demostraron 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 en IA de JP Morgan 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. **Doc LLM** ha obtenido buenos resultados en diversas tareas al proporcionar capacidades de análisis de documentos más ricas. Otro avance implica el uso de LLM multiagente en el desarrollo de software, donde los agentes ayudan a los ingenieros en la planificación, codificación y revisión, mostrando la versatilidad de los LLM en aplicaciones del mundo real 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 probaron tanto en escenarios “a libro cerrado” como “a libro abierto”. Mientras que los modelos sobresalieron en la superación de los dos primeros niveles del examen CFA, tuvieron dificultades con las tareas más complejas y de razonamiento intensivo que se encuentran en el 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 futuro del razonamiento matemático mediante LLM es un área de gran interés. El equipo está centrado en perfeccionar los modelos para manejar problemas matemáticos complejos que surgen en el ámbito financiero, como los que se encuentran en el examen CFA. Están trabajando para mejorar la capacidad de los modelos para generalizar conceptos matemáticos y aplicarlos en diversos contextos. Existe un creciente optimismo de que la IA desempeñará pronto un papel fundamental en la resolución de retos matemáticos avanzados dentro de la industria financiera.