Les ChatGPT et GPT-4 sont-ils des solveurs polyvalents pour l'analyse de texte financier ? Une étude portant sur plusieurs tâches typiques

Les modèles linguistiques à grande échelle (LLM) les plus récents, tels que ChatGPT et GPT-4, ont démontré des capacités exceptionnelles en tant que modèles généralistes, atteignant des performances de pointe sur une large gamme de tâches de traitement du langage naturel (NLP) avec très peu ou pas d’adaptation. Quelle est leur efficacité dans le domaine financier ? Comprendre cette question fondamentale aurait un impact significatif sur de nombreuses tâches analytiques financières ultérieures. Dans cet article, nous menons une étude empirique et fournissons des preuves expérimentales concernant leurs performances sur une variété de problèmes d’analyse de texte financier, en utilisant huit jeux de données de référence provenant de cinq catégories de tâches. Nous mettons en évidence tant les forces que les limites des modèles actuels en les comparant aux approches finement ajustées de pointe ainsi qu’aux modèles pré-entraînés spécifiques au domaine récemment publiés. Nous espérons que cette étude contribuera à mieux comprendre les capacités des modèles existants dans le domaine financier et à faciliter leurs améliorations futures.