Large Language Model in Financial Regulatory Interpretation

要約

この研究では、複雑な金融規制を解釈するための分析ツールとしての大規模言語モデル (LLM) の革新的な使用法を調査します。
主な目的は、LLM がバーゼル III 自己資本規制などの冗長で複雑な規制文書を、後で実行可能なコードに変換できる簡潔な数学的フレームワークに抽出する際に役立つ効果的なプロンプトを設計することです。
この新しいアプローチは、世界的な銀行機関の財務報告およびリスク管理システムにおける規制義務の実施を合理化することを目的としています。
さまざまな LLM のパフォーマンスを評価するためにケース スタディが実施され、必要な情報の処理と収集、および数学的計算の実行において GPT-4 が他のモデルよりも優れていることが実証されました。
このケーススタディでは、債券、株式、通貨ペア、コモディティを含む資産保有に関する数値シミュレーションを利用して、LLM がどのようにしてバーゼル III の自己資本比率要件を効果的に実装できるかを実証しました。
キーワード: 大規模言語モデル、プロンプト エンジニアリング、金融における LLM、バーゼル III、最低資本要件、LLM 倫理

要約(オリジナル)

This study explores the innovative use of Large Language Models (LLMs) as analytical tools for interpreting complex financial regulations. The primary objective is to design effective prompts that guide LLMs in distilling verbose and intricate regulatory texts, such as the Basel III capital requirement regulations, into a concise mathematical framework that can be subsequently translated into actionable code. This novel approach aims to streamline the implementation of regulatory mandates within the financial reporting and risk management systems of global banking institutions. A case study was conducted to assess the performance of various LLMs, demonstrating that GPT-4 outperforms other models in processing and collecting necessary information, as well as executing mathematical calculations. The case study utilized numerical simulations with asset holdings — including fixed income, equities, currency pairs, and commodities — to demonstrate how LLMs can effectively implement the Basel III capital adequacy requirements. Keywords: Large Language Models, Prompt Engineering, LLMs in Finance, Basel III, Minimum Capital Requirements, LLM Ethics

arxiv情報

提供元, 利用サービス

arxiv.jp, Google