</> CodeBooks
    ← Volver a IA generativa y LLMs (página 15)
    Portada de Large Language Models in Finance

    Large Language Models in Finance

    Miquel Noguer i Alonso

    Editorial
    Packt
    Año
    2026
    Páginas
    ~554
    Nivel
    Intermedio

    De qué trata

    Manual exhaustivo y de alta especialización técnica dedicado a la aplicación rigurosa de modelos de lenguaje en banca, gestión de inversiones, negociación bursátil y gestión de riesgos, escrito por el experto en finanzas cuantitativas Miquel Noguer i Alonso. La obra está dirigida a analistas cuantitativos (quants), científicos de datos financieros, ingenieros de fintech y oficiales de cumplimiento normativo de nivel intermedio a avanzado que cuenten con sólidas bases de Python, cálculo financiero y aprendizaje automático, y necesiten diseñar soluciones de IA generativa que cumplan con los estrictos estándares de auditabilidad y precisión del sector financiero.

    El texto descompone la matemática de los transformadores implementando mecanismos de atención y proyecciones multicabezal desde cero con NumPy, tokenización adaptada al vocabulario financiero, ajuste fino supervisado y alineación de preferencias sobre textos regulatorios y de mercado. Enseña a diseñar sistemas de RAG con restricciones temporales (point-in-time RAG) para erradicar el sesgo retrospectivo (look-ahead bias) en series temporales y estados contables, arquitecturas multiagente bajo contratos fuertemente tipados en Python (finllm_lab), extracción de sentimiento y tono corporativo en transcripciones de conferencias de resultados, protocolos de anonimización para evitar fugas de información privilegiada y mecanismos de verificación formal contra alucinaciones.

    A lo largo de 17 módulos de laboratorio basados en conjuntos de datos financieros sintéticos y reproducibles, se implementa un asistente de análisis de conferencias de resultados y se culmina con un proyecto integrador: el "Earnings-Intelligence Capstone", un sistema multiagente que analiza informes financieros trimestrales y genera memorandos ejecutivos fundamentados con citas verificables bajo estrictas barreras de control. Aporta un valor diferencial inmenso al alejarse de tutoriales superficiales de IA y encarar los retos reales del sector cuantitativo. Conviene contar con soltura en álgebra lineal, probabilidad y terminología de mercados de capitales.

    • LLMs
    • Finanzas cuantitativas
    • Python
    • Point-in-Time RAG
    • Sistemas multiagente
    • Fine-Tuning
    • Cumplimiento normativo
    • Transformers
    • Earnings Calls
    • Gestión de riesgos

    ¿Cómo enseña?

    TeóricoPráctico

    Con proyectos

    • ✗ Sin ejercicios
    • ✓ Incluye proyectos

    Proyectos

    Earnings-Call Assistant

    Pipeline analítico que procesa transcripciones de llamadas de resultados corporativos, cuantifica el tono directivo con n-gramas y redacta borradores fundamentados con citas textuales directas.

    Earnings-Intelligence Capstone

    Sistema integral de inteligencia financiera con RAG temporal (point-in-time) y agentes evaluadores gobernados que redacta informes corporativos auditables y libres de sesgo de anticipación.

    Más de IA generativa y LLMs con nivel Intermedio