Anthropic prezentuje agentów AI do analiz finansowych, wykorzystujących Claude i Pythona

Anthropic zaprezentował innowacyjne podejście do tworzenia agentów AI specjalizujących się w analizach finansowych. Nowa architektura, bazująca na modelu Claude i języku Python, ma na celu automatyzację złożonych zadań analitycznych, oferując jednocześnie elastyczność i precyzję. Rozwiązanie to wykorzystuje repozytorium Anthropic financial-services, odtwarzając jego umiejętności w czystym Pythonie.

Architektura i komponenty systemu

Proces budowy zaawansowanego przepływu pracy rozpoczyna się od instalacji niezbędnych bibliotek i sklonowania repozytorium. Następnie programowo mapowane są kluczowe elementy, takie jak agenci, wtyczki wertykalne, integracje partnerskie, zarządzane "książki kucharskie" agentów oraz umiejętności analizy finansowej. Pliki SKILL.md z repozytorium są parsowane do przeszukiwalnego rejestru, co pozwala na stworzenie SkillAgenta. Agent ten wstrzykuje wybrane podręczniki finansowe do interfejsu Anthropic Messages API, wspierając iteracyjną pętlę użycia narzędzi do obliczeń w Pythonie i generowania plików.

System definiuje narzędzia umożliwiające Claude wykonywanie obliczeń w Pythonie i zapisywanie generowanych wyników w środowisku Colab. Utrwalona przestrzeń nazw Pythona zapewnia dostępność modeli numerycznych, tabel i zmiennych pośrednich w wielu turach działania agenta. Klasa SkillAgent wstrzykuje wybrane podręczniki finansowe do promptu systemowego i zarządza pętlą użycia narzędzi Anthropic Messages API.

Zastosowania i możliwości

Architektura ta umożliwia wykonanie szeregu zaawansowanych operacji finansowych. Przykłady obejmują:

• Syntetyczną wycenę zdyskontowanych przepływów pieniężnych (DCF): Agent jest w stanie skonstruować pięcioletnią wycenę DCF, obliczyć wartość przedsiębiorstwa, wartość kapitału własnego i implikowaną cenę akcji. Generuje również mapę wrażliwości WACC (ważonego średniego kosztu kapitału) i wzrostu terminalnego na implikowaną cenę akcji.
• Analizę porównawczą spółek (CCA): System przeprowadza analizę porównawczą, formatując wyniki w pliku Excel. Oblicza wskaźniki takie jak EV, EV/Revenue, EV/EBITDA i P/E dla zestawu porównawczego.
• Tworzenie dokumentów: Agenci mogą sporządzać projekty memo komitetu inwestycyjnego dla private equity.
• Inspekcję specyfikacji wdrożenia: Możliwe jest sprawdzenie specyfikacji wdrożenia zarządzanego agenta bez konieczności wysyłania rzeczywistego żądania wdrożenia.

Podczas demonstracji, agent DCF, wykorzystując syntetyczne założenia operacyjne, obliczył wartość przedsiębiorstwa, wartość kapitału własnego i implikowaną cenę akcji, a także dwuwymiarową macierz wrażliwości. Wyniki te zostały następnie zwizualizowane za pomocą mapy ciepła, ilustrującej zależność między WACC, wzrostem terminalnym a implikowaną wyceną. W przypadku analizy porównawczej, agent obliczył kluczowe wskaźniki dla zestawu spółek, a wyniki zostały wyeksportowane do pliku Excel z odpowiednim formatowaniem, w tym pogrubionymi nagłówkami i białym wypełnieniem.

Rozwiązanie Anthropic stanowi znaczący krok w kierunku automatyzacji i zwiększenia efektywności pracy analityków finansowych. Integracja zaawansowanego modelu językowego z możliwościami obliczeniowymi Pythona oraz specjalistycznymi narzędziami pozwala na szybkie i precyzyjne przeprowadzanie złożonych analiz, co może przyspieszyć procesy decyzyjne i usprawnić zarządzanie inwestycjami.

Źródło: marktechpost.com