大綱
使用LLM進行財報分析
詳細內容，請參考此篇文章
MoA(Mixture-of-Agents)架構介紹
1.人工智慧新創公司，Together AI於2024年6月7日，提出的MoA架構，透過分層方式讓不同 LLM 模型協作，並證明這種方法能有效提升模型效能，並與頂尖閉源LLMs相當。
2.在AlpacaEval 2.0、MT-Bench和FLASK等基準測試中,MoA取得最佳的性能,僅使用開源LLM就超過了GPT-4。例如在AlpacaEval 2.0上,MoA達到了65.1%的得分,而GPT-4 Omni為57.5%。
MoA 採用了一種分層的架構，每一層都包含多個 LLM 代理程式。這些代理協同工作，共同處理輸入並產生回應。
集中度風險(補充資料)
信用風險移轉方式
證券化之基本架構
信用連動債/信用連結放款/信用違約交換
合成風險移轉(Synthetic risk transfers)
Source: WSJ-Regional Banks Want to Slim Down. Hedge Funds Smell a Bargain.(2024/6/19)
延伸閱讀
IRB銀行低報風險參數套利分析
Basel III endgame介紹
英國大都會銀(Metro Bank) IRB申請遲遲未獲核准
Deloitte對於IRB申請的建議
IRB銀行資本套利的研究
2008年實施IRB的銀行，違約多?
你的風控系統太好?
預測員工離職與履歷表篩選
延伸閱讀