Еще один гвоздь в крышку гроба финансовых аналитиков

В прошлом посте я начал тестировать DeepSeek для финансового анализа компаний по РСБУ и МСФО.

На первый взгляд первые тесты прошли успешно, далее я стал потихоньку разбирать анализ нейронки по блокам:

1. Использует ли нейронка все строки баланса?
— Для вертикального и горизонтального анализа, берет все. Для метода коэффициентов берет для 2-3 коэффициентов, хотя в целом можно заставить ее брать больше.

2. Как распределяет весы для коэффициентов?
— Начинает от средних (баланс коэффициентов), однако, когда мы добавляем уточняющие данные, такие как деятельность компании, ставку ЦБ и тд, то нейронка начинает делать перекосы весов в ту или иную сторону.

3. Как нейронка обрабатывает уточняющие данные?
Если в промпте указать «Ставка центрального банка 21%», то я ожидал, что нейронка поймет зачем эти данные и начнет сравнивать ставку с рентабельностью и менять весы, но она этого не сделала. Пришлось делать уточнение. То есть, если вносятся какие-либо уточняющие данные, то их нужно дополнительно описывать. Пока что нейронка не понимает с полуслова.

4. Есть ли ограничение к промпту?
Да, промпт пришлось дорабатывать. Промпт не должен быть слишком большим и чем больше уточняющих данных, тем больше их описание, а это ведет к сильному перекосу весов, что в итоговой оценке приведет к неверному трактованию. Поэтому у промпта нужно указывать: Вводная часть (что нужно сделать), Строки финансовой отчетности (основное тело), Уточняющие данные (нужно фильтровать и описывать).

Что могу сказать в целом. Пока что не так стабильно как с динамическим алгоритмом. Динамический алгоритм точнее описывает надежность и потенциал роста компании, а вот нейронка на один и тот же промпт может выдавать разные итоговые значения, но разброс у этого не критический. Нейронка в целом верно описывает надежность и потенциал роста компаний. Меня еще удивил момент когда я написал в промпте, что компания относится к медицине и она 2021 год роста прибыли отнесла к ковиду. Динамический алгоритм не может с ходу брать внешние данные, их приходится вносить вручную, а вот нейронка может и у этого направления есть большой потенциал. Думаю, что нужно углубится в фильтрацию внешних факторов.

У меня очень чешутся руки проверить банковскую отчетность с помощью нейронки. Любопытно, как она будет анализировать и к каким выводам придет. Напишу про это как-нибудь пост, но не раньше чем через 2-3 месяца.