Análise de Sentimentos no Contexto Financeiro: Explorando Large Language Models e suas Aplicações
Análise financeira de sentimentos; Large language models
A análise de sentimentos no contexto financeiro é uma parte crítica do Processamento de Linguagem Natural com aplicações que vão desde análise de mercado, gestão de risco, assessoria de investimento, avaliações de risco até atendimento ao cliente. Ajustar e retreinar as Large Language Models (LLMS) para esse fim já se mostrou promissor, sendo os dados o produto mais valioso nesse processo. Os ajustes são de fundamental importância, já que eles podem dar o contexto necessário para as LLMs atuarem na sua melhor forma. Esse trabalho se propõe a estudar LLMs e suas aplicações comparadas a outros métodos no mercado financeiro. Objetivo: o objetivo deste trabalho é investigar: (i) como LLMs se comportam no contexto financeiro, (ii) métodos de melhoria e fine-tuning, (iii) comparar LLMs ajustadas no mercado financeiro e avaliar os resultados, (iv) testar com dados passados. Método: Num primeiro momento, foram analisados LLMs em dois banco de dados conhecidos, FiQA-2018 e sentiment140. Posteriormente será feito análises utilizando ações passadas de empresas. Resultados Preliminares: Todas as LLMs melhoradas mostraram-se superiores a LLMs cruas. Os próximos passos são avaliar como essas LLMs podem ajudar na assessoria de investimentos, utilizando técnicas de backtesting. Discussão: A partir da análise dos resultados, ressalta-se o uso de LLMs no contexto financeiro. Os resultados deste estudo têm o potencial para avançar o estudo de LLMs na academia brasileira e no desenvolvimento de ferramentas de tomada de decisões e estratégias de negociações.