Augmenting Fundamental Analysis with Large Language Models: A RAG-Based System for Generating Investor Briefs

• 类型：arxiv
• 标识：2607.09121
• 链接：http://arxiv.org/abs/2607.09121v1
• 主分类：rag
• 形态：method
• 被引：0
• 被引来源：Semantic Scholar + OpenAlex
• S2被引：0
• OpenAlex被引：0
• 影响力被引：0
• TLDR：The opportunities brought by Large Language Models (LLMs) to various aspects of fundamental analysis of companies based on their reports as well as data and documents describing macroeconomic situation like GDP and inflation changes as well as documents filled to the U.S. Securities and Exchange Commission (SEC) are examined.
• OpenAlex ID：W7168136490
• OpenAlex DOI：10.48550/arxiv.2607.09121
• DOI：10.48550/arxiv.2607.09121
• DOI来源：OpenAlex
• 开放获取：green
• 开放获取链接：https://doi.org/10.48550/arxiv.2607.09121
• OpenAlex更新：2026-07-19
• 待LLM分类：否
• 标题中文：利用 LLM 增强基本面分析：基于 RAG 的投资者简报生成系统
• TLDR中文：论文探讨了 LLM 为公司基本面分析各方面带来的机会，分析依据包括公司报告、描述宏观经济状况（如 GDP 和通胀变化）的数据与文件，以及提交至美国证券交易委员会（SEC）的文件。
• 来源文件：
• /inbox/tom/_candidates/2026-07-13-agent-rag-longcontext-candidates.json
• [S2 enrich]
• /inbox/tom/_candidates/2026-07-14-agent-rag-longcontext-candidates.json
• [OpenAlex backfill]