期刊名称：人工智能 创刊时间：2017年12月 主管单位：工业和信息化部 主办单位：中国电子信息产业发展研究院、赛迪工业和信息化研究院（集团）有限公司 刊期：双月刊 国内统一连续出版物号：CN 10-1530/TP 国际标准连续出版物号：ISSN 2096-5036 电话：010-88558766 email：aiview@ccidmedia.com
<正>党的二十大擘画了全面建设社会主义现代化国家、以中国式现代化全面推进中华民族伟大复兴的宏伟蓝图。党的二十大报告强调，高质量发展是全面建设社会主义现代化国家的首要任务。金融科技作为技术驱动的金融创新，是深化金融供给侧结构性改革、增强金融服务实体经济能力的重要引擎。数字经济的蓬勃兴起为金融创新发展构筑广阔舞台，数字技术的快速演进为金融数字化转型注入充沛活力，金融科技逐步迈入高质量发展的新阶段。
由机器学习算法驱动的人工智能（AI）能够从大数据中有效地提取信息,因此在金融决策方面有很大的应用潜力。在本文中,我们总结了AI在这方面的重要应用。首先,我们回顾了从非结构化数据中提取信息的AI算法,尤其是自然语言处理算法。随后,我们探讨了AI如何从非结构化和结构化数据中提取和汇总信息,以促进投资和金融科技借贷等金融决策。最后,我们讨论了AI和人类在改善金融决策方面的互补作用。
本文综述了最新的多模态知识图谱的构建和应用技术以及知识图谱在金融行业各业务场景的最新应用。特别地,综述了GPT等大模型用于知识图谱构建,以及知识图谱支撑大模型应用等方面的最新进展,揭示了大模型、多模态和知识图谱三者融合的巨大潜力。同时,本文还探讨了未来知识图谱研究和应用的三大机会—更容易构建知识图谱,扩展知识图谱的研究范畴,融合大模型与知识图谱以拓宽应用范围。最后,本文还探讨了以人为本的通用人工智能有关的内容。
随着人工智能技术的持续发展,深度学习呈现出“大算力、大数据、大模型”的特点,而这些依赖算力和大量数据集训练的大模型也广泛应用到了人类的生产生活中。相比于大模型,更广泛使用的传统深度学习存在标注预料缺失、通用性泛化性不足、系统复杂度过大等问题,在金融行业这些问题尤为明显。为解决以上问题,学术界和产业界推出“大模型技术”以进一步推进人工智能规模化应用,随着一系列生成式大模型的爆发,大模型如今已经演变为了人工智能重大发展趋势。该技术具有标注数据需求少、建模速度快、能力通用、研发流程标准化等特点。本文将从深度学习的发展历程出发,详细介绍大模型技术的发展历史和当前现状,分析大模型技术的应用场景、应用价值以及深刻影响,并探讨大模型未来的演进趋势,并介绍其在金融行业的具体应用前景。
在金融领域内,投资专家的经验是指导实践的重要的知识宝库。如何将人工智能（AI）和专家智能（EI）有效地结合起来是一个意义重大的问题。投资领域的专家经验种类繁多,本文重点介绍华泰资管针对在中上游行业中广泛起作用的库存周期,以及如何利用AI与库存周期结合的实践。由于库存周期本身的非线性和市场对其响应的多样性,经典方法在对于库存周期的利用上天然有许多困难,从而导致对其内涵挖掘不充分。本文创新性地提出一种AI结合库存周期的框架,其能够充分地挖掘库存周期本身的内涵,形成更高质量的投资信号。本文以钢铁、造纸这类典型周期行业为例,针对行业择时问题,引入基于该框架的景气信号能够提升行业择时的额外年化收益2%～3%。
利率择时是债券资产配置的重要基石之一。传统利率预测方法一般是以宏观经济指标或动量指标为出发点,预测未来结果,但并没对宏观环境及其变迁进行建模识别和预测。本文创新地提出一种基于平安独有的MEC债券投资时钟路由器的模块,通过动态识别当前市场状态,将预测样本“路由”至最优的子模型,充分利用不同模型在不同经济环境下的优势,提升模型预测精度,产出有效信号。本文以2010—2022年的10年期国债收益率作为预测目标,在7-10年国债财富指数上回测交易。引入模块后,年化收益从2.97%提升到4.03%,夏普比从0.33提升至0.72,回撤从4.18%降至2.15%,胜率由64.52%升到68.82%,策略表现有显著提升。
随着新一轮科技革命和产业变革深入,我国数字经济进入高质量发展新阶段,以数据资产为关键资源,叠加人工智能、大数据、信息通信等技术的融合应用,全要素数字化转型已经成为银行、证券、保险等金融机构打造“第二增长曲线”的重要引擎。本文以中国国际金融股份有限公司数字化转型为案例,深入介绍我国证券公司金融科技转型的探索与实践,展示证券公司围绕“以客户为中心”的经营理念,聚焦投资银行、金融投资及研究、机构客户服务、零售客户服务、风控合规管理等多样化、综合化金融服务需求场景,以数字化转型推动业务科技深度融合,发挥数据资产价值,并基于实践对人工智能时代证券行业金融科技转型发展提出思考。
在金融业数字化转型大背景下,东证期货在整合外部客户对研究服务的需求、内部分析师日常研究工作需求的基础上,打造了由大数据平台、人工智能、移动互联等技术所构建的繁微智能投研平台。该平台通过数据中台实现多源数据的融合,并根据量化分析场景打造量化分析模块,最终沉淀资深研究员们多年经验所积累的分析方法与分析模型,向终端客户输出研究成果。该平台整合了东证衍生品研究院各团队力量,提升了整体研究水平,有效缓解了研究员工作中大量数据整理的压力,可进行可视化研究分析以及成果管理,同时拓展了客户服务新渠道和新内容,形成了卖方研究服务的新业态。本文简述了金融科技的数字化发展趋势,对该平台进行了系统梳理,并对其应用效果进行了总结。
随着云计算与人工智能在企业决策、创新和业务发展中扮演着越来越重要的角色,如何利用最新的云计算和人工智能成果,针对性地解决企业面临的实际困难与个性化需求,成为业界新的关注方向。本文将介绍亚马逊云科技公司在云计算和人工智能方面取得的研发与产品成果,并描述如何通过人工智能/机器学习（AI/ML）结合公有云弹性资源,在金融行业强监管模式下赋能金融行业,解决企业个性化难题,助力相关企业发展。
数智化投研平台呈现出百花齐放、百家争鸣的特点,这是投研数字化、投资风格化的实践映证。买方建设投研一体化平台,卖方以投研门户展业,卖方对买方的投研服务正式进入了数字化时代。本文概述了数智化投研的发展现状,结合自身实践对数智化投研一体化平台进行分析,阐述了数字化买卖的对接模式探索及其核心技术,同时对大语言模型在智能投研细分领域的发展趋势进行展望。
近十年,人工智能（AI）飞速发展。从精确的图像文本识别技术到先进的内容生成方法,AI几乎无所不能,这些惊人的技术进步几乎重塑了世界经济。在金融领域,由于AI的广泛应用,金融市场变得更加高效。目前,通过AI可以对大量异构的金融数据进行实时分析,同时AI技术也可用于对市场欺诈行为进行监测。不过,AI的应用也存在一些潜在的风险和挑战。事实上,通过机器学习方法（尤其是深度神经网络）构建的决策模型,往往如“黑盒”一般,其具体决策行为不容易被直观地解释。在高频交易的背景下,AI驱动的自动化交易系统可能会实施一些市场操纵策略,这样的违规交易行为却可能很难被监测和取证。本文将介绍一种特殊的市场操纵行为—幌骗（Spoofing）,同时说明一个以降低交易成本为目标的AI系统可能会实施幌骗策略。作为应对,本文也将从技术和监管角度讨论可行的监控和预防措施,以阻止恶意AI算法对市场秩序的破坏,维护投资者的信心。
智能化是上市公司监管的必然趋势。在全面实现了电子化、信息化的基础上,随着人工智能技术的发展,在多个上市公司监管业务场景上涌现了创新的智能化应用,有效提高了监管质效。这些智能化应用的成功探索,将启发人工智能技术与上市公司监管业务的深度融合,为深化上市公司监管领域“数智化”转型提供有力支撑。