Artefact 举办的人工智能金融峰会 - 2024 年 9 月 17 日 - 巴黎
摩根大通摩根人工智能研究部执行总监 Nelson Vadori 和 Artefact 美国金融服务领导合伙人 Akhilesh Kale 讨论的主要内容。.
摩根大通人工智能研究和全球团队概览
在 Artefact 主办的 “金融人工智能 ”峰会上，与会者分享了摩根大通在金融业人工智能方面的前沿工作。摩根大通总部位于巴黎，但却是全球团队的一部分，其研究重点是博弈论、多代理强化学习（RL）、定量推理和大型语言模型（LLM）等各种课题。数学是人工智能发展的核心，该团队在市场、投资银行、消费银行和资产管理等多个业务领域开展合作。.
强化学习在金融优化中的作用
摩根大通人工智能研究的一个核心要素是将强化学习应用于金融领域。强化学习用于通过动态决策最大限度地实现长期目标，其中短期行为可能看似次优，但却有助于长期成功。例如，RL 被应用于投资组合对冲，以优化期权购买，同时考虑到交易成本等关键因素。此外，模型校准研究将金融轨迹视为博弈中的合作者，有助于完善定价模型，从而得出更准确的结果。.
金融市场中的多代理强化学习
该团队还在推动多代理强化学习（MARL）的发展，以模拟复杂的金融市场，如外汇（FX）市场。通过模拟多个 RL 代理之间的互动，可以获得对市场动态的宝贵见解。最近的研究（包括发表在《数理金融期刊》上的一项研究）证明了 MARL 代理如何发展价格排队等技能，通过这种创新方法加深了对市场行为的理解。.
利用法学硕士推进文件处理和软件开发
除RL外，摩根大通的人工智能研究还非常重视大型语言模型（LLM）的开发。一个显著的例子是**Doc LLM**，这是一个通过整合文本和空间信息来处理文档的模型，为多模态模型提供了一个更高效的替代方案。**Doc LLM**通过提供更丰富的文档分析能力，在各种任务中表现出色。另一项突破涉及在软件开发中使用多代理 LLM，由代理协助工程师进行规划、编码和审查，展示了 LLM 在文本生成之外的实际应用中的多功能性。.
在特许金融分析师考试中评估法学硕士
LLM 在团队研究中的一个独特应用是其在 CFA（特许金融分析师）考试中的评估。这些模型在 “闭卷 ”和 “开卷 ”两种情况下进行了测试。虽然模型在通过特许金融分析师考试的前两级考试时表现出色，但在应对第三级考试中更为复杂和推理密集型的任务时却显得力不从心。这项研究强调了 LLM 在应用于金融推理和复杂问题解决时的能力和局限性。.
金融学法学硕士数学推理的未来
展望未来，使用 LLM 进行数学推理是一个备受关注的领域。该团队专注于改进模型，以处理金融领域出现的复杂数学问题，如特许金融分析师考试中出现的问题。他们正在努力提高模型概括数学概念的能力，并将其应用于各种情况。越来越多的人乐观地认为，人工智能将很快在解决金融业的高级数学难题方面发挥关键作用。.
