在本研究中，我们探讨了大型语言模型（LLMs）在公司基础分析中的应用，尤其是基于公司报告以及描述宏观经济状况（如GDP和通胀变化）的数据和文档的分析。这些数据包括向美国证券交易委员会（SEC）提交的文件，这些文件可以在EDGAR数据库中找到。
我们对这些数据进行了预处理，并通过API将其发送到gpt-4o模型，采用类似于检索增强生成（RAG）的机制。我们还准备了一份文档，描述了基于基钦周期的投资者知识示例。在为期四周的时间里，我们扫描了9家公司相关的重要数据。
通过使用LLM，我们生成了关于这些公司的自动简报，并将其发送给九位参与者，这些参与者是个人投资者，以评估这种数据分析方法的有效性。
博主点评： 本研究展示了大型语言模型在基础分析中的潜力，尤其是在自动化生成投资者简报方面。利用RAG机制提升数据处理效率，能够为投资者提供更为精准的信息，助力决策过程的优化。有效的预处理与模型应用是成功的关键。