FinGPT, una IA financiera diseñada para aprender del mercado

Un equipo de investigadores de la Universidad de Columbia y la Universidad de Nueva York (Shanghai) ha diseñado un nuevo modelo de inteligencia artificial llamado FinGPT.

Este modelo de inteligencia artificial está optimizado para tareas financieras y promete revolucionar el sector financiero.

En lugar de recurrir a costosos modelos propietarios, FinGPT utiliza eficientemente modelos de lenguaje preentrenados y métodos de adaptación de bajo rango para ofrecer una solución más accesible y dinámica.

Al utilizar inteligentemente los datos y aprender de las reacciones del mercado, el  nuevo modelo está configurado para ser una fuerza revolucionaria en el sector financiero. Veamos como funciona.

Comprendiendo el enfoque de FinGPT

FinGPT se presenta como un framework de inteligencia artificial de código abierto diseñado específicamente para facilitar el acceso a modelos de lenguaje optimizados para tareas financieras.

Estos modelos pueden ser utilizados para una amplia gama de aplicaciones en el sector financiero, ofreciendo una solución más asequible y flexible para empresas y profesionales.

A diferencia de modelos propietarios costosos como BloombergGPT, que requieren de acceso a datos financieros exclusivos y una inversión significativa para su entrenamiento, FinGPT se basa en modelos de lenguaje pre-entrenados.

Cuando estos modelos se combinan con la técnica de afinación específica de FinGPT, proporcionan resultados optimizados para la manipulación y generación de texto financiero.

La innovación central de este enfoque es el uso del método de adaptación de bajo rango eficiente, o LoRA. Con este método, el equipo de FinGPT ha logrado reducir el número de parámetros entrenables de 6.17 mil millones a tan solo 3.67 millones.

Esta reducción significa que el proceso de afinación del modelo es más rápido y menos intensivo computacionalmente, lo cual tiene dos grandes ventajas.

Por un lado, hace que el modelo sea más accesible para empresas de todos los tamaños, y por otro, permite que el modelo se actualice con mayor frecuencia y, por lo tanto, responda de manera más efectiva a las fluctuaciones y tendencias del mercado financiero.

La importancia de los datos de alta calidad

El éxito de cualquier modelo de inteligencia artificial se basa en gran medida en la calidad de los datos de los que se alimenta.

Por ello el equipo detrás de FinGPT se ha enfocado en la creación de un robusto sistema de tuberías de datos automatizado, diseñado para obtener información de alta calidad de una serie de fuentes confiables.

Estas fuentes incluyen, entre otras, Yahoo Finance, Bloomberg, Twitter, Reddit, y Google Trends.

Cada una de estas plataformas proporciona datos únicos y valiosos, desde información financiera tradicional hasta el sentimiento de los usuarios en las redes sociales.

Además, el equipo ha implementado procesos para garantizar que los datos extraídos sean de la más alta calidad. Este es un paso crucial que implica limpieza, formateo y verificación de los datos.

Al eliminar el ruido y la información no relevante, y al asegurar que los datos estén correctamente formateados, el equipo puede garantizar que el modelo de lenguaje sólo se alimente de los datos más precisos y relevantes.

Estos datos procesados se introducen luego en los modelos de lenguaje utilizando el framework de FinGPT. Esto asegura que el modelo pueda generar resultados precisos y útiles a partir de los datos de entrada.

Es este enfoque riguroso y detallado hacia los datos lo que realmente distingue al nuevo modelo.

Mientras que otros modelos pueden depender de datos genéricos o de menor calidad, FinGPT coloca un énfasis especial en la importancia de los datos de alta calidad para la precisión y la eficacia del modelo.

FinGPT: Un modelo dinámico y actualizado

Una de las principales ventajas de FinGPT es su dinamismo y capacidad de adaptación.

Al contrario que otros modelos que requieren un entrenamiento completo, lo que consume mucho tiempo y recursos, este se basa en modelos de lenguaje pre-entrenados.

Mediante un proceso de ajuste fino, conocido como “fine-tuning”, estos modelos se adaptan a tareas específicas en el dominio financiero.

Gracias a la eficiente metodología de adaptación de bajo rango (LoRA), el ajuste fino se realiza de manera rápida y con menos recursos computacionales.

Esto no solo permite una puesta en marcha más rápida, sino que también posibilita que el modelo se mantenga al día con las tendencias actuales del mercado.

Para ello se usa una solución creativa para el etiquetado de datos. En lugar de requerir un etiquetado manual, el modelo utiliza las reacciones del mercado de valores a las noticias como etiquetas.

Esto significa que si una noticia lleva a un aumento en el precio de las acciones, se considera “positiva”, y viceversa.

De esta manera, FinGPT puede aprender de la “sabiduría del mercado” y mejorar su capacidad para entender y predecir los movimientos del mercado financiero.

El dinamismo de este modelo no se limita a su capacidad de aprendizaje. Al ser de código abierto, también permite que desarrolladores y usuarios realicen modificaciones y adaptaciones constantes.

Esto significa que puede mantenerse al día con las innovaciones en IA y las cambiantes demandas del sector financiero.

Aplicaciones y disponibilidad

El framework FinGPT puede tener un impacto significativo en diversas áreas del sector financiero.

Sus aplicaciones potenciales incluyen asesoramiento robótico, comercio cuantitativo, optimización de carteras, análisis de sentimientos en mercados financieros, gestión de riesgos, detección de fraudes, calificación de crédito, entre otros.

Lo más destacado es que se lanza como un proyecto de código abierto bajo la licencia MIT en Github, lo que permite su uso comercial.

https://github.com/AI4Finance-Foundation/FinGPT

Sin embargo, los desarrolladores no garantizan ni asumen la responsabilidad de las decisiones financieras basadas en el modelo.

---

Con la creación de FinGPT, estamos presenciando el amanecer de una nueva era en el sector financiero.

La combinación de la inteligencia artificial y el aprendizaje del mercado promete transformar la forma en que manejamos y entendemos las finanzas.

Y gracias a su enfoque en la calidad de los datos y la accesibilidad del código abierto, el modelo está bien posicionado para liderar esta transformación.