使用 o1 和 o3-mini 建構自主財務分析師

使用 o1 和 o3-mini 建構自主財務分析師

Endex 正在開發一個自主的 AI 分析師，該分析師使用 OpenAI 的推理模型來檢索、合併和推理複雜的財務數據，超越簡單的搜尋結果，為投資專業人士提供結構化思考和深入分析。

財務工作流程中的精確度與推理

Endex 使用使用 OpenAI 推理模型的代理人來取代傳統的檢索增強生成（RAG），以反思數據、識別不一致性並將指標置於上下文。此方法確保了高風險財務決策所需的精確度，在 EBITDA 對賬中遺漏單一調整或「控制權變更條款」可能會顯著改變投資前景。

自主代理人可以處理財務報告、市場數據和公司特定知識，以執行以下任務：

  • 先例交易概覽：總結過去的交易以作為當前機會的基準。
  • 盈餘表現摘要：分析季度和年度結果。
  • 投資委員會 (IC) 備忘錄編寫：起草投資決策的核心文件。
  • 數據室盡職調查：審查機密文件以評估風險與機會。

這些代理人可以以電子郵件、文件、Excel 模型和投影片等格式輸出結果，使分析師能够追溯結論至其原始來源。

技術表現與自動化收益

整合 OpenAI 的 o 系列模型使 Endex 能在幾個關鍵領域實現更高的準確性和效率：

多步財務推理

OpenAI o1 已簡化複雜財務推理的流程。此前，Endex 依賴鏈式完成和多步驟驗證；o1 固有的推理能力使工作流程更加精簡，同時不犧牲準確性。

延遲與效率

透過使用 OpenAI o3-mini，Endex 將每輪的延遲降低至先前水平的三分之一。這種效率使得分析機密資訊套件（CIPs）和自動化財務模型對賬所需的詳細多步驟工作流程成為可能。

AI 驅動的交叉檢查

代理人現在可以識別財務數據中的差異，例如標註腳註中的重新編列並以有針對性的引用凸顯不一致之處，從而減少人類分析師的手動驗證負擔。

多模態分析

透過使用 Finance Agent Retrieval (FAR) 基準來衡量表格和圖表資料的情境使用，Endex 利用 o1 的視覺能力來處理投資者簡報、內部投影片、8-K 文件和 Excel 模型。

評估與模型優化

Endex 與 OpenAI 合作開發了一個嚴格的評估與測試框架，以追蹤诸如回應延遲、首個 token 生成時間和推理深度等指標。

此框架的主要發現包括：

  • 專家偏好：在盲測使用者測試中，財務專家有 70% 的時間偏好 OpenAI 的 o1 模型產生的回應，而非非推理模型。
  • 強化學習：Endex 對 GPT-4o mini 和 o1 系列進行了強化微調，以提升實體擷取和查詢意圖映射，特別是用於研究密集型任務，如先例交易分析。

"我們與 OpenAI 的合作解鎖了工具，可以根據專業人士所期望的推理和輸出樣式來定制模型行為。", says Pratham Soni, co-founder at Endex.

Sources