https://quantfilab.github.io/pmarupanthorn/th/tags/large-language-model/Large Language ModelHugo Blox Builder (https://hugoblox.com)th-THFri, 01 Mar 2024 00:00:00 +0000https://quantfilab.github.io/pmarupanthorn/media/icon_hu68170e94a17a2a43d6dcb45cf0e8e589_3079_512x512_fill_lanczos_center_3.pnghttps://quantfilab.github.io/pmarupanthorn/th/tags/large-language-model/https://quantfilab.github.io/pmarupanthorn/th/publication/ssrn20242/Fri, 01 Mar 2024 00:00:00 +0000https://quantfilab.github.io/pmarupanthorn/th/publication/ssrn20242/<div class="research-bilingual" data-research-bilingual> <section id="research-content-SSRN20242-th" class="research-language-panel research-language-panel--th" lang="th"> <figure class="research-concept-map research-concept-map--image"> <img src="https://quantfilab.github.io/pmarupanthorn/pmarupanthorn/publication/ssrn20242/concept-map-th.png" alt="แผนผังแนวคิด: การสร้าง GPT ด้าน ESG บนเอกสารความยั่งยืนของไทยโดยคงการกำกับดูแลของมนุษย์" loading="eager"> </figure> <h2>ปัญหาที่งานวิจัยแก้ไข</h2> <p>รายงาน 56-1 One Report ของไทยมีความยาวและซับซ้อน ขณะที่ข้อมูลความยั่งยืนมักถูกมองเป็นข้อมูลที่ไม่ใช่การเงินและเชื่อมเข้ากับการวิเคราะห์ทางการเงินได้ยาก นักลงทุนทั่วไปจึงต้องการวิธีที่เข้าถึงง่ายเพื่อสกัดประเด็น ESG ที่มีสาระสำคัญโดยไม่ต้องอ่านเอกสารหลายร้อยหน้าด้วยตนเองทั้งหมด</p> <p><strong>ผู้ได้รับประโยชน์:</strong></p> <ul> <li>นักวิเคราะห์หุ้นไทยและผู้จัดการพอร์ตโฟลิโอ</li> <li>ทีมวิจัย ESG และการใช้สิทธิผู้ถือหุ้น</li> <li>ผู้เชี่ยวชาญด้านการปฏิบัติตามกฎและความเสี่ยงการลงทุน</li> <li>หน่วยงานกำกับและนักพัฒนาเทคโนโลยีการเงิน</li> </ul> <h2>วิธีการ</h2> <p>ซอฟต์แวร์สร้าง GPT บนคู่มือตัวชี้วัด ESG รายอุตสาหกรรมของ SET และรายงาน ESG ปี 2021 จากทุกกลุ่มอุตสาหกรรม กระบวนการ Python และ LangChain ผสาน prompt chain ที่กำหนดบทบาทเป็นนักวิเคราะห์ ESG ที่มีประสบการณ์เข้ากับ toolchain สำหรับค้นคืนข้อมูลจาก embeddings และฐานข้อมูลเวกเตอร์ ผู้ใช้อัปโหลดรายงาน 56-1 One Report แล้วรับผลลัพธ์ที่มีโครงสร้างสามส่วน ได้แก่ การประเมินสาระสำคัญ การมีส่วนร่วมของผู้มีส่วนได้ส่วนเสีย และความท้าทายและข้อจำกัด งานวิจัยสาธิตด้วยรายงาน PTT 454 หน้าและ SCBX 350 หน้า</p> <h2>ผลการศึกษา</h2> <p>ตัวอย่างแสดงว่า GPT สามารถย่อย One Report ที่ยาวให้เป็นประเด็น ESG กระชับ และสนับสนุนการทบทวนสาระสำคัญกับการวางแผนมีส่วนร่วม อย่างไรก็ตาม งานวิจัยยังไม่ได้เปรียบเทียบความแม่นยำกับวิธีอื่น และระบบไม่ได้ฝึกเพื่อพยากรณ์ราคาหุ้นแบบเรียลไทม์หรือให้คำแนะนำการลงทุนที่เด็ดขาด ความเสี่ยงสำคัญคืออคติของข้อมูล รายงานที่ไม่มีมาตรฐาน ข้อมูลสาธารณะที่ไม่ครบ และประเด็น ESG ที่เปลี่ยนแปลง ผู้เขียนจึงเสนอให้เพิ่มข้อมูล พัฒนาการตรวจสอบความถูกต้อง อัปเดตอย่างต่อเนื่อง และคงการกำกับดูแลของมนุษย์</p> </section> </div>