本研究は、膨大な非構造化データを必要とするファンダメンタル分析のプロセスを自動化するための、LLMとRAGを活用した統合システムを提案している。従来のNLP研究が感情分析やFinBERTのような単一タスクに特化していたのに対し、本システムは企業報告書、マクロ経済データ、EDGAR提出書類を組み合わせた一連の分析ワークフローの構築を目指している。RAGの導入により、LLM特有のハルシネーションを抑制し、提供されたソース文書に基づく事実に基づいた回答生成を可能にしている。さらに、分析の文脈を強化するために、Kitchinの景気循環に関する専門知識をシステムに組み込んでいる。
主要な貢献は、異種データの取り込みからユーザー検証済みの分析レポート生成に至るエンドツーエンドのワークフローを実証した点にある。具体的には、財務報告書、リアルタイムニュース、マクロ経済指標（PMI等）を統合するクロスドメインな合成能力や、ニュースの重要度順位付け、K-Meansを用いたテーマ別クラスタリングなどの高度な情報処理能力を示した。また、韓国の戒厳令宣言のような予期せぬ「ブラックスワン」事象に対しても、各企業のビジネスモデルに応じた定性的なリスク評価を行う状況判断能力を確認している。さらに、学術的な指標だけでなく、9名の現役個人投資家による評価を通じて、生成されたブリーフの実用的な有用性を検証している。
システムは、収集・前処理されたデータをAPIを通じて $\text{gpt-4o}$ モデルに供給する構成をとっている。分析対象として、時価総額やセクターが異なる9社（LULU, NVDA, UUUU, COIN, CRBG, PINS, NVAX, AMZN, TSLA）を選定し、4週間にわたりデータを収集した。データセットは、GDP、CPI、PMI、失業率、Fed基金利子率などのマクロ経済指標、およびEDGARの10-K/10-Q等の報告書で構成される。LLMのバイアスを抑制し、分析の透明性と再現性を確保するために、「売上成長率 $> X\%$ かつ $\text{debt/equity ratio} \le Y\%$ ならば 'strong' と記述する」といった事前定義されたヒューリスティック・テンプレートを用いている。また、大量のニュースを処理する際は、トークン制限を回避するために「記事の要約」と「要約に基づく重要度ランキング」の2段階プロセスを採用している。
9名の個人投資家を対象とした4週間のパイロットスタディにより、システムの有用性を評価した。実験の結果、RAGベースのシステムは膨大な情報を集約・統合し、データ収集時間を大幅に短縮することで投資家の意思決定を支援できることが検証された。Teslaの事例では、10-Qから売上高 $25.18$ billion や P/E $76.73$ といった具体的な財務数値を正確に抽出し、PMIが50を下回る状況をKitchinサイクルに基づき「景気減速局面」と解釈する能力が示された。一方で、Amazon（AMZN）のような大型株の収益予測といった定量データの提示における分析の深化には課題が残ることが指摘されている。
本研究の限界として、投資家9名・企業9社という小規模なサンプルサイズによる統計的な一般化の困難さが挙げられる。また、評価が投資パフォーマンスへの直接的な影響ではなく、レポートの有用性に限定されている点も課題である。ユーザーからは、レポートの配信頻度やタイミング、コンテンツの内容を制御できるカスタマイズ機能への強い需要が確認された。今後の開発指針として、定量分析モジュールの高度化による洞察の深化、およびユーザーの好みに応じた配信設定を可能にする「ユーザー・プリファレンス・センター」の構築が挙げられている。
本研究は、企業の財務報告書、GDPやインフレ率などのマクロ経済データ、およびSECのEDGARから取得した文書を活用し、LLMを用いたファンダメンタル分析を拡張するRAG（Retrieval-Augmented Generation）ベースのシステムを提案している。具体的には、収集したデータを前処理した上で、APIを通じて $\text{gpt-4o}$ モデルに供給する構成をとっており、さらにキチン・サイクル（Kitchin cycles）に基づく投資知識の範例ドキュメントも組み込まれている。実験では、9社を対象に4週間にわたって分析に重要なデータをスキャンし、LLMを用いて自動的に投資家向けブリーフを生成した。生成されたブリーフの有用性を評価するため、9名の個人投資家を対象とした評価実験が行われている。
ファンダメンタル分析は、財務諸表やマクロ経済指標などの膨大な非構造化データの処理を必要とするが、本研究ではLLMとRAG（Retrieval-Augmented Generation）を活用してこのプロセスを自動化する統合システムを提案している。従来のNLP研究は感情分析やFinBERTのような金融特化型モデルに焦点を当ててきたが、本研究は単一タスクの評価に留まらず、企業報告書、マクロ経済データ、EDGAR提出書類といった多様なソースを組み合わせた一連の分析ワークフローの構築を目指している。システムは、RAGを用いることでLLMの「ハルシネーション」を抑制し、提供されたソース文書に基づいた事実に基づいた回答を生成する。さらに、分析の文脈を強化するためにKitchinの景気循環に関する専門知識を組み込んでいる。本研究の主要な貢献は、生成された分析ブリーフの有用性を、9名の現役個人投資家による評価を通じて、学術的な指標だけでなく実用的な観点から検証している点にある。
本研究では、LLMベースの分析システムの堅牢性を検証するため、時価総額、セクター、知名度が異なる9社（LULU, NVDA, UUUU, COIN, CRBG, PINS, NVAX, AMZN, TSLA）を、参加者の推薦に基づき多様性を最大化する形で選定している。データセットは4週間にわたり収集され、マクロ経済指標（GDP, CPI, PMI, 失業率等）、金融政策（Fed基金利子率）、および景気循環や季節性（Kitchin Cycleや"Sell in May"等）を含む広範な経済コンテキストで構成される。分析の核となる企業固有のファンダメンタルズデータは、EDGARの10-K/10-Q等の報告書から抽出され、定性的・定量的側面の両面から構造化されている。定性的データには、事業運営、経営陣の動向、および各業界特有のKPI（例：LULUの店舗売上、COINのビットコイン価格やSEC訴訟、AMZNのAWS収益や顧客維持率等）が含まれ、RAGシステムによる解釈を目的としている。さらに、定量的データとして、P/E比率やForward P/Eなどのバリュエーション指標、配当利回り、アナリストの推奨、および株価データが組み込まれている。
本セクションでは、RAG（Retrieval-Augmented Generation）を用いた投資家向けブリーフ生成システムの能力を、TeslaとNVIDIAの事例を通じて検証している。Teslaの事例では、システムが10-Q報告書から売上高 $25.18$ billion や P/E $76.73$ といった具体的な財務数値を正確に抽出し、さらにPMIが50を下回る状況をKitchinサイクルに基づき「景気減速局面」と解釈して、Teslaが属するセクター（一般消費財、テクノロジー）への影響を導き出すクロスドメインな合成能力を示した。また、財務状況の判定には「売上成長率 $> X\%$ かつ $\text{debt/equity ratio} \le Y\%$ ならば 'strong' と記述する」といった事前定義されたヒューリスティック・テンプレートを用いることで、LLMのバイアスを抑制し、分析の透明性と再現性を確保している。NVIDIAの事例では、大量のニュース記事を処理する際、OpenAIのトークン制限を回避するために「記事の要約」と「要約に基づく重要度ランキング」の2段階プロセスを採用している。ランキングには、企業の決算報告、中央銀行の決定、マクロ経済データ、M&A、インサイダー取引などの優先順位に基づくフレームワークが適用された。実験の結果、ニュースの量が多い場合には、情報の鮮度やセンチメント、アナリストの評価が優先される傾向があることが示された。
9名の参加者を対象とした4週間のパイロットスタディの結果、RAGベースのLLMシステムは、膨大な情報を集約・統合し、データ収集時間を大幅に短縮することで投資家の意思決定を支援できることが検証された。参加者からは、動的なイベント駆動型のレポートが重要事項の迅速な把握に寄与するという肯定的な評価が得られた一方で、Amazon（AMZN）のような大型株の収益予測といった定量データの提示における分析の深化が課題として指摘された。また、レポートの配信頻度やタイミング、コンテンツの内容をユーザーが制御できるカスタマイズ機能への強い需要も確認された。今後の開発指針として、定量分析モジュールの高度化による洞察の深化と、ユーザーの好みに応じた配信設定を可能にする「ユーザー・プリファレンス・センター」の構築が挙げられている。
本研究は、RAG（Retrieval-Augmented Generation）アーキテクチャに基づき、LLMを中心としたハイブリッドシステムを用いて個人投資家のファンダメンタル分析ワークフローを拡張する手法を提案している。4週間のパイロットスタディでは、9社のポートフォリオに対し、財務報告書等の構造化データ、リアルタイムニュース、マクロ経済指標（PMI等）を統合するクロスドメイン合成や、ニュースの重要度順位付け、K-Meansを用いたテーマ別クラスタリング、プロンプト誘導によるキャッシュバーンレート等の定量的分析といった高度な情報処理能力が示された。また、韓国の戒厳令宣言のような予期せぬ「ブラックスワン」事象に対しても、各企業のビジネスモデルに応じた定性的なリスク評価を行う状況判断能力が確認されている。本研究の主な貢献は、異種データの取り込みからユーザー検証済みの分析レポート生成に至るエンドツーエンドのワークフローを実証した点にあるが、限界として、投資家9名・企業9社という小規模なサンプルサイズによる統計的な一般化の困難さ、および評価が投資パフォーマンスへの直接的な影響ではなく、レポートの有用性に限定されている点が挙げられる。