Das Feld der Finanzen erlebt Forschungsfortschritte, die durch KI vorangetrieben werden, und Dozenten der Booth School of Business spielen eine Schlüsselrolle bei dieser Arbeit. Zwei Hauptbereiche des maschinellen Lernens tragen zum Fortschritt in der Finanzbranche bei. Zunächst ermöglicht die Fähigkeit des maschinellen Lernens, Erkenntnisse aus hochdimensionalen Daten zu gewinnen und die Dimensionalität zu reduzieren, sehr komplexe Daten für praktische Anwendungen einfacher handhabbar zu machen.
Stefan Nagel, Professor für Finanzen an der Chicago Booth, und seine Co-Autoren von der University of Maryland wenden maschinelle Lernmethoden auf ein klassisches hochdimensionales Finanzproblem an. Sie nutzen in zwei Arbeiten die Einsichten aus diesem hochdimensionalen Umfeld und reduzieren die Dimensionalität des Problems in theoretischer Arbeit. Dacheng Xiu, Professor für Ökonometrie und Statistik, zusammen mit anderen Autoren, nutzen maschinelles Lernen, um hochdimensionale Daten zu analysieren und nichtlineare Beziehungen aufzudecken.
Ein weiterer Bereich, in dem Fortschritte erzielt werden, ist die Anwendung von Natural Language Processing auf Finanzen. Die Finanzwelt generiert enorm viel Text-, Audio- und Bilddaten, die jetzt dank jüngster Fortschritte im Bereich Natural Language Processing systematisch analysiert werden können. Booth-Dozenten haben Modelle wie BERT und Large Language Models genutzt, um neue Einsichten in die Finanzbranche zu gewinnen.
Zusammenfassend lässt sich sagen, dass die Dozenten der Booth School of Business weiterhin die Finanzbranche vorantreiben, indem sie neue Methoden und Techniken aus dem Bereich des maschinellen Lernens anwenden, um alte Probleme zu lösen und neue Erkenntnisse über Finanzen zu gewinnen.