IDEAS home Printed from https://ideas.repec.org/p/osf/osfxxx/4wku9.html
   My bibliography  Save this paper

Gebruik vooraf getrainde taalmodellen in AI-gestuurd financieel onderzoek

Author

Listed:
  • Daves, Daniel

Abstract

Vooraf getrainde taalmodellen (PLM's) hebben veel aandacht gekregen van NLP-onderzoekers als een belangrijke ontwikkeling in AI. Dit document beoordeelt het potentieel van PLM's in de financiële sector en de uitdagingen waarmee zij op dit gebied worden geconfronteerd. Het evalueert ook de transparantie van de modellen en ethische overwegingen met betrekking tot het gebruik ervan in de financiële wereld. Ons onderzoek geeft aan dat PLM's de mogelijkheid hebben om een revolutie teweeg te brengen in de manier waarop financiële gegevens worden geanalyseerd en verwerkt. Het is echter cruciaal om de uitdagingen en ethische zorgen te overwinnen om verantwoord en ethisch gebruik te garanderen. Toekomstig werk zal zich richten op het verbeteren van de modellen om de volatiliteit van financiële gegevens aan te pakken, vertekening van trainingsgegevens te verminderen en transparante voorspellingen te doen. Concluderend geloven wij dat de toekomst van AI in de financiële wereld afhankelijk is van de ontwikkeling en integratie van vooraf getrainde taalmodellen.

Suggested Citation

  • Daves, Daniel, 2023. "Gebruik vooraf getrainde taalmodellen in AI-gestuurd financieel onderzoek," OSF Preprints 4wku9, Center for Open Science.
    • Handle: RePEc:osf:osfxxx:4wku9
    DOI: 10.31219/osf.io/4wku9
    as

    Download full text from publisher

    File URL: https://osf.io/download/63e3e84502c50102a447d2ce/
    Download Restriction: no
    File URL: https://libkey.io/10.31219/osf.io/4wku9?utm_source=ideas
    LibKey link: if access is restricted and if your library uses this service, LibKey will redirect you to where you can use your library subscription to access this item
    ---><---

    More about this item

    Statistics

    Access and download statistics

    Corrections

    All material on this site has been provided by the respective publishers and authors. You can help correct errors and omissions. When requesting a correction, please mention this item's handle: RePEc:osf:osfxxx:4wku9. See general information about how to correct material in RePEc.

    If you have authored this item and are not yet registered with RePEc, we encourage you to do it here. This allows to link your profile to this item. It also allows you to accept potential citations to this item that we are uncertain about.

    We have no bibliographic references for this item. You can help adding them by using this form .

    If you know of missing items citing this one, you can help us creating those links by adding the relevant references in the same way as above, for each refering item. If you are a registered author of this item, you may also want to check the "citations" tab in your RePEc Author Service profile, as there may be some citations waiting for confirmation.

    For technical questions regarding this item, or to correct its authors, title, abstract, bibliographic or download information, contact: OSF (email available below). General contact details of provider: https://osf.io/preprints/ .

    Please note that corrections may take a couple of weeks to filter through the various RePEc services.

    IDEAS is a RePEc service. RePEc uses bibliographic data supplied by the respective publishers.