本研究は、大規模言語モデル（LLM）がもたらす企業のファンダメンタル分析における可能性を検証したものである。研究チームは企業報告書、GDP や物価変動などのマクロ経済データ、そして米証券取引委員会（SEC）の EDGAR データベースに登録されている公開文書といった多様な情報源を活用した。これらのデータを前処理した後、Retrieval-Augmented Generation（RAG）方式を用いて GPT-4o モデルに API 経由でアクセスし、分析を実施している。 研究では、キチンサイクルに基づいた投資家知識の典型例を示すドキュメントも準備され、9社の重要なデータを4週間にわたって収集・分析した。LLM を活用することで、これらの企業に関する自動生成型ブリーフを作成することに成功した。このアプローチの実用性と有効性を検証するため、生成されたブリーフを9名の個人投資家に提供し、評価を実施している。 本研究が示唆するのは、LLM と RAG 技術の組み合わせが、複雑で膨大な企業・経済データの分析と要約において、投資判断を支援する有力なツールとなる可能性である。自動生成されたレポートが実際の投資家にどの程度有用と評価されるかは、今後の AI 活用による金融分析の実装化を考える上で重要な検証となるであろう。