Die­ses Open-Access-Buch bie­tet einen Über­blick über den aktu­el­len Stand der Erstel­lung finan­zi­el­ler Argu­men­te und finan­zi­el­ler Tex­te und stellt die Gedan­ken der Autoren zum Ent­wurf für NLP im Finanz­we­sen im Zeit­al­ter der Agent-KI dar. Finanz­do­ku­men­te ent­hal­ten zahl­rei­che kau­sa­le Schluss­fol­ge­run­gen und sub­jek­ti­ve Mei­nun­gen. In einem frü­he­ren Buch, “From Opi­ni­on Mining to Finan­cial Argu­ment Mining” (Sprin­ger, 2021), dis­ku­tier­te der Erst­au­tor das Ver­ständ­nis von Finanz­do­ku­men­ten in fein­kör­ni­ger Wei­se, ins­be­son­de­re von sol­chen, die Mei­nun­gen ent­hal­ten. Das Buch hob meh­re­re zukünf­ti­ge Rich­tun­gen her­vor, wie etwa das Finanz-Argu­ment-Mining, mul­ti­mo­da­les Mei­nungs­ver­ständ­nis und Ana­ly­se-Gene­rie­rung, und nahm eine lan­ge Rei­se für die­se The­men vor­weg. Doch seit 2022 haben ChatGPT und gro­ße Sprach­mo­del­le (Lar­ge Lan­guage Modells, LLMs) viel­ver­spre­chen­de Fort­schrit­te gemacht, was die Autoren moti­viert hat, die­ses zwei­te Buch zum The­ma der finan­zi­el­len Ver­ar­bei­tung natür­li­cher Spra­che (NLP) zu schreiben.

Agen­ten­ba­sier­te KI-Sys­te­me wer­den seit der Ein­füh­rung von LLMs weit­hin dis­ku­tiert. Die­ses Buch zielt dar­auf ab, For­scher und Prak­ti­ker mit den neu­es­ten Metho­den, Kon­zep­ten und Rah­men­wer­ken für die Ent­wick­lung, den Ein­satz und die Bewer­tung von KI-Agen­ten aus­zu­stat­ten, die über Fähig­kei­ten in mul­ti­mo­da­lem Ver­ständ­nis, Ent­schei­dungs­fin­dung und Inter­ak­ti­on ver­fü­gen. Sie legt einen beson­de­ren Schwer­punkt auf men­schen­zen­trier­te Ent­schei­dungs­fin­dung und Mul­ti­agen­ten-Koope­ra­ti­on bei Finanz­an­wen­dun­gen. Das Buch unter­sucht die gegen­wär­ti­ge Land­schaft und dis­ku­tiert zukünf­ti­ge For­schungs- und Entwicklungsrichtungen.

Die­ses Buch rich­tet sich an ein brei­tes Publi­kum – von Stu­den­ten bis hin zu erfah­re­nen For­schern im Bereich KI und Finan­zen – und bie­tet einen Über­blick über die jüngs­ten Trends im Bereich Agent AI für das Finanz­we­sen. Es bie­tet den Stu­den­ten eine Grund­la­ge, um das Gebiet zu ver­ste­hen und ihre For­schungs­rich­tung zu bestim­men, und lädt erfah­re­ne For­scher ein, sich an Dis­kus­sio­nen über offe­ne For­schungs­fra­gen zu betei­li­gen, die von expe­ri­men­tel­len Pilot­er­geb­nis­sen bestimmt werden.

Obwohl sich die­ses Buch auf Finanz­an­wen­dun­gen kon­zen­triert, kön­nen die dis­ku­tier­ten Kon­zep­te und Metho­den auch auf ande­re Anwen­dun­gen in der rea­len Welt ange­wen­det wer­den, indem domä­nen­spe­zi­fi­sche Merk­ma­le inte­griert wer­den. Die Autoren freu­en sich auf neue Erkennt­nis­se und neu­ar­ti­ge Erwei­te­run­gen, die auf den vor­ge­schla­ge­nen Ideen beruhen.

Quel­le: Agent AI for Finan­ce. From Finan­cial Argu­ment Mining to Agent-Based Modeling