Balyasny资产管理公司的应用人工智能团队一直在忙着构建一系列AI-based机器人。

　　让底层的生成型人工智能模型具备财务知识，提高了机器人的成功率。

　　两位应用人工智能的成员概述了这一突破如何加速了公司对人工智能的使用。

　　感谢您的报名!转到时事通讯偏好

　　本文是华尔街顶级科技项目系列报道的一部分。

　　Balyasny资产管理公司(Balyasny Asset Management)的人工智能团队一直在表达自己的雄心壮志，即打造一个相当于分析师的人工智能，而最近开发的一款名为Deep Research的工具正让它离这一目标更近一步。

　　Deep Research由该对冲基金的应用人工智能团队构建，帮助分析师和投资组合经理在交易前回答复杂的问题，研究股票。他们还用它来衡量全球市场事件对投资组合或一系列股票的影响。

　　本文仅对Business Insider订阅者开放。成为业内人士，现在就开始阅读。有账户吗?．

　　在最近的一个例子中，一位投资组合经理要求深度研究公司寻找供应链受到关税影响的公司。该工具扫描了2万多份文件，确定了120家可能存在风险的公司，并在大约一个小时内提供了一份报告，其中包括对每家公司的解释。

　　应用人工智能团队的数据和分析主管、Deep research背后的首席执行官陈芳告诉Business Insider，目标是将部分研究过程自动化，“从几天、几周到几分钟、几小时”。

　　应用人工智能团队希望继续提升机器人的能力。方说，该团队希望有一天能向投资组合经理提供交易建议，而不仅仅是总结并链接回原始文件，就像高级分析师为他们的项目经理所做的那样。Balyasny通过训练模型了解金融和市场中常用词汇的上下文，对其生成式人工智能工具进行了强化。根据该公司的说法，它的检索系统比OpenAI的模型显示最有用的文档的频率高60%，OpenAI的模型是根据通用数据而不是华尔街的信息进行训练的。

　　应用人工智能团队的研究主管彼得·安德森在接受商业内幕网采访时表示:“在这些事情即将成为可能的时候，存在着某种拐点，首先尝试并做到这一点有点像淘金热。”

　　目前，Deep Research在大约50个投资团队中处于测试阶段。这些团队通过向应用人工智能团队发送研究问题来进行深度研究实验。目标是在第四季度之前在全公司范围内发布该工具，所有170多个投资团队都可以通过一个直观的平台直接访问该工具，而不需要应用人工智能团队作为中间人。

　　想象一下，一位股票分析师想知道微软对其预期收益给出了什么样的指导，以及在过去五年里，微软的表现是好于预期还是逊于预期。

　　安德森说:“从概念上讲，这个问题非常简单。”他在谷歌担任高级研究科学家近四年后，于今年3月加入了这家对冲基金。但幕后的真相是什么呢?

　　“这里有500万份文件，信息都在里面。这就是我们面临的挑战，”安德森说。

　　该工具从一个包含约500万份文件的数据库中提取信息，包括SEC备案文件、收益记录、第三方研究和市场数据，以及Balyasny的内部分析和备忘录。根据问题的复杂程度，深度研究使用了数百或数千个文档。

　　但文档检索系统的首席执行官安德森表示，模型检索这些信息的方式与OpenAI公司的ChatGPT等许多现成模型不同，后者不适应金融术语，如股票、对冲、期权和其他在金融环境之外可能具有完全不同含义的词汇。

　　Balyasny的研究人员对开源模型进行了财务条款和常见研究问题的训练。该公司表示，与没有进行财务培训相比，让这些模型具备财务知识使人工智能提供最有用文件的频率提高了60%。

　　性能的提高使Balyasny能够进行更深入的分析，现在支撑着该对冲基金的其他一些生成式人工智能工具，包括Deep Research。