AI金融助手

本文来源：时代财经 作者：周梦梅 AI大模型正在从技术变革走向产业变革。作为AI技术落地的重要行业之一，金融领域的大模型已在创造越来越多的价值增量。 当下，无数的AI应用，正在重新定义我们与数字世界交互方式。以金融行业AI大模型为例，语音助手、智能投研、合规助手、反欺诈……各式的金融大模型正在搅动着金融行业变革。 AI浪潮中，躬身入局的弄潮儿，已在摘取AI应用落地低垂的果实。 作为一家技术驱动的数字金融机构，马上消费金融（下称马上消费）于 2017 年就成立人工智能研究院，已推出包括全国首个零售金融大模型“天镜”在内的多款 AI 产品，成为金融大模型的领军者之一。 11 月 28 日，以“打造新生态、合作赢未来”为主题，马上消费承办的重庆首届数字产业领域千人大会“2024 数字产业生态伙伴大会”开幕。作为金融大模型技术国际标准制定者、中国首个金融大模型“天镜”开发者，马上消费重磅推出全面迭代升级的天镜大模型 2.0 版本。 “不是所有大模型都越大越好，企业应用级的轻量模型也值得探索，（我们）要以AI赋能百行千业向新向智。”11月28日，马上消费常务副总经理蒋宁作发表“金融大模型发展与思考”的主旨演讲，并接受媒体采访。 他表示：“金融行业的价值链很长，有广泛的应用场景，需要多个大模型，它们各有所长，（我们）可以把它们有效地组合在一起，做成具备某种专长的轻量模型，而不是让一个巨大的模型来解决所有问题。” 天镜”2.0 多维度、多领域重塑行业体系 经济学理论中有一个“低垂的果实”理论，即一棵树上总有些果子结在较低的位置。这指的是在科技成熟的初期，掌握先机者通过简单创新就能快速地获取低处的果实。 AI浪潮奔涌而来，一些机构的金融大模型已经在创造价值增量，摘取果实。 蒋宁表示：当下在财富、信贷、支付领域都有非常优秀的（轻量）金融大模型落地的案例，在全球 以马上消费发布的天镜大模型为例，其最新推出的“天镜2.0在模型技术创新、标准制定、科研转化成果、具体应用等核心领域取得了突破性进展。 在具体应用方面，“天镜”2.0 在金融安全、大数据决策、人机交互、消费者权益保护、逻辑推理泛化等方面都展现出强大的潜力和价值。 “天镜2.0最大的变革之一，是具备泛场景的泛化能力。”蒋宁在现场表示，天镜2.0围绕金融大模型通用人工智能做了深度探索，特别是对话领域实现了由数据驱动大模型，具备迁移学习的能力，能够适应不同的市场、产品和情景。” 对抗学习技术也是本次天镜2.0的重要亮点之一。 蒋宁提到，大模型生成式 AI 在辅助内容生产的同时也给金融安全带来了巨大挑战，假单据、假人脸、假数据等现象频出。 “天镜” 2.0 针对这些安全隐患专门研发了对抗学习技术，将多模态的技术进行深度融合，把声音、文字、视频等多维度信息整合，构建全新的对抗学习防伪新体系，全方位、多层次地有效提升金融安全防护能力，为金融行业的稳定与安全保驾护航。 蒋宁在演讲的过程演示“天镜” 2.0，当大模型识别到视频对方人物面部表情僵硬，没有自然的微表情变化，头发过于顺滑且缺乏色彩及自然光泽，大模型会自动做出预警，提醒受害者。 天镜大模型也在广泛地赋能金融从业者。 蒋宁提到，去年在大模型的新一轮技术革命中，马上消费依托两亿用户数据和 2500 多人的工程师团队，自主研发的全国首个金融领域大模型“天镜”大模型，已实现智能营销交互、数据决策支持、防伪安全等八大应用场景，全面服务了超 2 亿用户。 金融大模型价值显现 “现阶段的基座大模型，就像是原来互联网时代的基础设施。后面更长一段时间是在互联网平台上生长出垂直应用。”马上消费人工智能研究院院长陆全在活动现场接受了媒体专访。 他进一步解释称：“中国现在的大模型分两种，一种是基础模型，如百度的文心一言。基座模型有开源的，也有不开源。基础模型在一些准确性要求很高、专业性要求强场景无法直接适用；一类是（行业）垂类模型，面向某些行业或场景，解决它们特定的需求。如某个金融场景对准确性要求高，就打造出适合这一金融场景的大模型。”...

大模型的横空出世，给各行各业都带来了震撼式的变化。就业环境是不是要变天了？模型开发是不是要天翻地覆了？作为数字化建设的排头兵，金融行业以其海量的数据源、标准化的信息基础建设以及领先的科技能力一直独占鳌头，这一次大模型的出世，是否意味着金融行业也将率先试水，积极落地？答案是肯定的。 麦肯锡的研究报告显示，应用生成式AI大模型每年为企业端带来的经济价值为2.6万亿-4.4万亿美元。其中，全球银行业使用大模型可使其每年营业收入提高2.8%—4.7%，这一比例高于全球制造业、零售业、旅游业、运输业和物流业等所有其他行业。这一数字足以见得大模型在金融行业有着无穷的发展潜力。 然而，虽然数据足够诱人，但是到了落地应用这一实践环节，层出不穷的难题还是让各大金融机构措手不及。有观点认为，大模型的问世或将加剧行业“马太效应”催化加剧前后差距。 也有分析给出了截然相反的观点，认为大模型的存在更是为头部金融机构“弯道超车”带来了前所未有的机遇和可能性，而小机构的大模型机遇却尚未可知。无论如何，属于金融业的大模型时代已经到来！ 大模型在金融圈快速落地生根 要想看看大模型在金融圈究竟有多大的影响力，首先我们来看两组数据。第一组：据智研瞻统计显示，2019年中国金融大模型行业市场规模250.49亿元，2024年Q1中国金融大模型行业市场规模90.82亿元，同比增长7.10%。第二组：据智研瞻预测，2024—2030年中国金融大模型行业市场规模增长率在6.36%—7.10%，2030年中国金融大模型行业市场规模534.97亿元，同比增长6.94%。 规模的攀升是一个明显指征，不得不说大模型已经一夜之间在金融圈遍地开花。那么大模型到底如何在金融圈大展拳脚？以下我们就通过一些实际应用案例来体会一下，大模型给金融圈带来的变化。 先说一个银行的典型场景人工坐席。在传统银行中，远程银行的运营团队往往拥有大量的人工座席，而这些人工座席往往又要面对超负荷的质检工作量，提效困难。大模型的出现，则重新定义了这个群体的作业和生产模式。 联想集团基于大模型的能力赋能全流程业务场景，让人工座席增效显著。在事前运营阶段，通过辅助知识维护，自动生成问答式对话、相似问答等方法，可以迅速提升知识运营的效率。在事中运营阶段，通过诉求了解、问题解答、工单记录，可以分别实现诉求摘要、工单自动填写等功能，充分辅助了全流程，有效降低了座席通话时长。在事后管理阶段，借助大模型还可以实现对客服水平的精细化质检以及对工单的智能质检，充分起到了辅助业务运营全流程的作用。 再说一个质检的场景。传统小模型，在智能质检的进程中，往往都有一些先天的局限性，比如质检项单一，无法匹配全渠道服务；准确率低，难以应对复杂流程和逻辑；漏检风险大，人力难以将自然语言的表达方式全面扩写，导致漏检；投入大、周期长，传统小模型智能质检需要人工对业务规则进行全面梳理配置，耗时耗力。容联云大模型产品负责人唐兴才认为，导致这些的原因第一是由于质检机器人没有准确理解对话内容；第二是无法对全量会话进行全局统计和深入解读，比如结合上下文后判断。 针对这些问题，容联云将大小模型结合，创新打造大模型质检代理（容犀Quality Management Agent），对全量会话进行“大模型语义质检+小模型规则质检”，真正实现效果与性能双重保障，并结合多年的证券knowhow，推出“证券行业-大模型质检代理解决方案”。该大模型质检代理（QM Agent）熟练掌握证券专业术语，深入对网开单向见证人工回访、常规存量客户智能外呼回访等业务场景，对服务记录进行全量智能质检，助力券商保障业务流程的合规性与高效性，提升服务质量，优化客户体验。 在落地应用中，容联云与某券商的合作，对接券商智能外呼系统、回访管理系统等业务系统、构建客户服务智能质检系统，对工作规范、服务意识及风险把控进行全面质检，实现质检准确率大于94%、漏判率小于3.5%。 下面再让我们来看一个金融智能营销的应用案例。枫清科技（Fabarta）在与龙盈智达合作打造了基于图智能和大模型的金融营销平台。通过图算法和图数据库以及大模型的应用，可以有效地发现潜在客户之间的复杂关系和网络，从而提供智能化的风险评估报告，帮助银行更好地了解风险，减少不良贷款率，提高资产质量。利用图分析平台，提供用户友好的图数据可视化工具，帮助更好地理解客户信息以及风险情况，展示其实控人、集团关系、交易链路等信息以及潜在风险，提供直观的决策支持，并通过大模型智能生成风险分析报告。同时，注重合规性和数据隐私，帮助银行提升营销目标用户的挖掘以及风险识别，从而实现更好的业绩表现与可持续盈利。 除了以上应用，金融大模型还在智能投顾、保险、个人信贷、用户行为分析等众多金融领域有广泛的应用。比如，智能投顾领域，Wealthfront和Betterment平台，使用大模型来分析市场数据和用户行为，根据用户的风险偏好、投资目标和市场情况，自动调整投资组合，以达到最优的资产配置；在保险行业，Lemonade保险公司利用大模型进行风险评估和理赔处理，通过分析用户的在线行为和社交媒体数据，提供个性化的保险产品，并在理赔时使用人工智能技术来快速识别和处理合法的索赔请求，大大缩短了理赔时间等等。 这些案例充分展示了大模型如何在金融领域实现创新，提高服务效率，降低成本，并为用户带来更加个性化和高质量的金融体验。随着技术的不断进步，我们可以预见大模型将在金融领域扮演越来越重要的角色。 大模型于金融业而言是挑战更是机遇 怎么来准确定义金融大模型是个非常好的问题。既不是通用大模型的拿来主义，也非通用大模型+金融场景的生硬加法。金融大模型更像是一场对金融行业的系统化重塑，重塑的范围包括但不限于基础设施、模型算法、业务流程、场景应用等等。 据2024年金融业生成式人工智能应用报告显示，生成式AI正在席卷金融业，释放新的生产力，赋能银行数字化转型，以前所未有的方式重塑全球金融业的格局。有望给金融业带来3万亿规模的增量商业价值，并可能彻底改变交易的进行、投资的管理和风险的评估方式。 然而，大模型能成为金融业的救命解药吗？大模型的出现，是否就意味着金融业可以摇身一变，加速直冲智能化巅峰？显然，在光鲜亮丽的背后，大模型在金融业的发展也并未如预期中的一路坦途，伴随着各种各样的瓶颈挑战，大模型在金融业的摸索试探也从未停止。 大模型本质是一个海量参数的深度学习算法，受制于模型黑箱、计算复杂度高、可解释性不足、推理结果不可预知等先天因素，大模型在金融业想要有更深入的发展要克服的障碍还有很多。 首先，金融大模型要解决的就是“黑箱”问题。金融大模型因其复杂的模型结构以及海量的参数，使得模型的决策过程不透明，难以解释。然而，在金融领域，模型的可解释性却恰恰尤为重要，因为监管机构和用户都需要理解模型是如何做出决策的。提高模型的可解释性，可以帮助建立用户信任，同时满足监管和审计的双重要求。那么，有没有方法解决？ 在面对“黑箱”难题时，枫清科技（Fabarta） 给出了“一体两翼”的解法。如何理解“一体两翼”？简单来说，就是为了帮助企业降低模型幻觉、可解释性差，提升推理能力而设计的产品矩阵。在引擎层，以 Data-Centric AI 为核心理念构建的多模态智能引擎。支持图、向量、表格、时序、JSON 等多种数据模态的融合与处理，将传统数据库的“存储&计算”架构演进为“记忆&推理”架构，可以为 AI 智能应用提供私有记忆和可解释的精确推理;。在数据翼，通过智能化方式，通过元数据智能补齐、统一语义层等实现，做到AI落地的数据就绪；在智能翼，通过知识引擎和智能体引擎，助力企业场景落地。通过“一体两翼”的产品矩阵，有效帮助企业减少幻觉、提升推理能力和可解释性，并提供数据安全与数据时效性。为了让用户真正能够信任大模型并且使用好大模型产品，可以通过几个方面来消除用户的顾虑。 针对幻觉问题，可以通过这几种方式进行缓解：可以利用外挂知识库方式限定回答范围，杜绝大模型“胡说八道”；也可以将确定的知识构建图谱，利用图谱结合大模型进行问题回答，通过确定性知识减少大模型回答的幻觉问题。 针对可解释性，一方面可以进行知识溯源，在进行文本内容生成时，针对生成的内容用户可直观地看到回答来源，同时可以通过点击角标直接跳转到对应文档中的具体段落，做到回答可追溯；同时可以将大模型思考过程展示给用户，做到过程可解释。 枫清科技（Fabarta）为企业提供基于知识引擎与大模型双轮驱动的智能体应用支撑平台，通过统一语义层，可以将企业的多模态数据转化为大模型可理解的知识，存储在图和向量融合的多模态智能引擎中，结合Hybrid RAG 能力，借助平台的可扩展能力（包括解析器自定义注册、大模型和向量算法自定义注册和使用、智能体工具以及自定义扩展等），在生成式人工智能落地企业场景过程中，可以帮助企业有效地解决可解释性差、推理能力弱的问题，减少大模型幻觉，提升企业对于时效性数据的使用，加速企业级大模型场景落地。 其次，如何在模型复杂度与操作便捷性之间寻找到合适的平衡点是金融领域一个复杂而关键的挑战。随着模型复杂度的增加，其性能可能会提高，但同时也可能导致操作难度增加，影响用户体验。如何无法找到二者之间的合理平衡，那么不但金融大模型的优势无法发挥触达，还会进一步影响用户体验以及最终决策。那么如何破圈？容联云在这个问题下分四个维度，给予我们一个全新的思维链路。 第一，通过优化模型性能，提升大模型的精确度和泛化能力以及部分场景结合小模型的高性能的优势。这一步有几个关键点，尤为重要。 模型压缩与量化。模型压缩，剪枝去除不重要的连接或参数，降低模型复杂度和存储需求，同时对性能影响较小；知识蒸馏将复杂模型的知识提取到较小的模型中，保持较高准确性的同时减小模型规模，便于部署和应用，适合对计算资源有限的金融场景。 算法优化。缓存重用：在推理过程中，重复利用已经计算过的中间结果，避免重复计算，提高效率；模型融合：将多个相关的小模型融合为一个大模型，减少模型切换和数据传输的开销。 降低模型计算成本。轻量化模型设计：采用模型剪枝、量化等技术，减少模型参数和计算量，提高推理速度。比如容联云赤兔大模型提供了多种参数版本的选择，可以在不同场景下使用；会话洞察、话术挖掘、质检等离线场景，可以很好地平衡算力消耗与效果的优势。分布式计算：利用高性能计算集群和分布式训练技术，加速模型训练过程。比如实时辅助、智能知识库、智能问答等场景，后端结合了上面提到的缓存、分布式计算等能力，可以最大程度地优化算力使用与用户体验。 第二，用户操作便捷性产品设计。首先是简化操作流程。设计简洁明了的用户界面，减少用户操作步骤和复杂度；通过智能助手或聊天机器人，为用户提供操作指引和帮助。其次是提供个性化服务。利用大模型分析用户行为和偏好，构建精准的用户画像，提供个性化的金融产品和服务；根据用户画像和实时市场情况，为用户提供定制化的投资建议、风险评估等服务。 第三，数据质量的不稳定性。金融数据的准确性直接影响大模型的预测能力。金融大模型依赖于高质量的数据来进行风险评估和预测。数据质量的不稳定、数据的不完整性、时效性不足或偏差都可能导致模型无法准确捕捉风险因素，从而影响决策的准确性。同时，数据质量还直接关系到模型训练的效果。不稳定的数据可能导致模型过度拟合或欠拟合，影响模型的泛化能力。要想从根本上解决数据质量的问题，金融机构还需要通过建立和完善数据治理框架，确保数据的准确性、完整性和一致性，并投入更多的资源来确保数据的清洗、验证和更新，以维持模型的准确性和可靠性。 第四，老生常谈的数据隐私与安全问题。数据隐私和安全是大模型应用中的核心问题。金融数据通常包含敏感信息，如个人身份、财务状况等。大模型在处理这些数据时，必须遵守数据保护法规，在数据收集、存储和处理过程中，确保用户的隐私权益得到保护，并采取严格的安全措施来防止数据泄露。 大模型的金融之路在脚下还是在远方？...

今天分享的是：大模型专题：2024年中国金融大模型产业发展洞察报告 报告共计：34页 《2024年中国金融大模型产业发展洞察报告》由艾瑞咨询发布，对中国金融大模型产业进行了深入分析。 – 发展背景介绍：大模型技术从“专用智能→通用智能→专业化智能”转变，与金融业务需求高度适配。金融行业数字化转型需求推动大模型产业化应用，金融大模型应运而生。 – 结构特征与优势能力分析：金融大模型核心结构由通用大模型基座、专用模型工具链、私域业务场景训练组成。通用大模型为金融大模型提供基础能力和算法支持，工具链助力金融大模型建设降本增效，垂类场景训练提升大模型业务适配能力。金融大模型在产品构建期降低成本、保留差异化竞争空间、与底层模型同步迭代；在模型使用期模型精准、结果可靠、产品结构轻量化；在迭代维护期应变能力强、维护及迭代成本低。 – 卓越者评选：评选出东方财富、马上消费、奇富科技等20家中国金融大模型产业卓越服务厂商，评估指标包括行业深耕程度、产品与技术能力、服务能力及生态能力。 – 未来趋势预判：金融大模型产业发展将以需求端为导向，业务与科技深度结合。数据合规应用与成本、成效间的权衡将影响垂类大模型实践效果，边缘部署与轻量化建设或将成为趋势。AI Agent智能体将推动大模型能力落地应用，金融大模型未来将与小模型及其他AI产品协同应用，承担更重要的金融投资角色，但需解决技术、业务与合规方面的应用困境。 – 专家之声：软通动力集团高级副总裁车忠良认为应构建“1 + V + n”的AI基础模型支撑体系；恒生聚源CEO吴震操指出金融大模型建设需要厂商在金融领域有足够经验积累；中关村科金CTO李智伟强调科技企业垂类行业经验的关键作用；腾讯金融云副总经理王丰辉表示混元大模型有模型底座与场景生态优势，未来将聚焦深度与精准度。 总之，中国金融大模型产业发展前景广阔，但仍需解决一些挑战，如数据合规应用、边缘部署与轻量化建设、技术能力迭代等。 以下为报告节选内容 返回搜狐，查看更多 责任编辑：

第十届金融科技国际会议26日在沪召开，此次会议主题为“数字金融助力金融高质量发展”。当天会上，上海财经大学上海国际金融中心研究院金融科技首席专家张立文强调了金融大模型与小模型结合的重要性。 上证报中国证券网讯（记者 孙忠）第十届金融科技国际会议26日在沪召开，此次会议主题为“数字金融助力金融高质量发展”。当天会上，上海财经大学上海国际金融中心研究院金融科技首席专家张立文强调了金融大模型与小模型结合的重要性。 张立文认为，尽管金融大模型在处理广泛数据和复杂任务方面具有优势，但在特定领域的专业性和精确性上可能不如小模型。因此，他提倡在合规和细致的业务方向上，大模型可能更适合发挥作用。在实际应用中，大模型可以作为技术底座，为金融大模型产品的构建提供底层技术能力、算法和基础参数等支持。同时，要架起模型层与应用层的桥梁，解决特定领域应用能力短板问题。 张立文认为，在金融科技领域，大模型与小模型的结合应用正引领着行业的创新浪潮。生成式大模型，能够处理和分析海量数据，生成投资报告和市场预测，而小模型则专注于特定场景任务，确保大模型输出内容的准确性和逻辑性。这种结合不仅提高了金融服务的效率，还增强了风险管理和欺诈检测的能力。再加上AI Agent系统的引入，实现了决策的智能化，提升了交易自动化的速度和效率。这些技术的融合应用，正在重塑金融业务的各个方面，从营销到投资管理，再到后台管理，都在经历着由AI驱动的变革。 因此，张立文表示，通过结合大模型的泛化能力和小模型的专业性，金融机构能够提供更精准、更个性化的服务，但同时也需要在创新和监管之间找到合适的平衡点。返回搜狐，查看更多 责任编辑：

12月6日，在中共上海市委金融委员会办公室、上海市经济和信息化委员会的指导下，上海市人工智能行业协会和上海金融业联合会联合发布全国首个以金融业务能力为核心的团体标准《金融大模型应用评测指南》，上海库帕思科技有限公司发布多维度金融大模型评测数据集(2024版)。市委金融办副主任葛平出席并见证发布仪式。出席仪式的还有来自市委金融办、市经信委相关处室、本市行业协会和相关组织、金融机构、金融科技企业、高校学者和媒体代表，共计100余人参加。 《金融大模型应用评测指南》，以金融业务为核心，以金融机构模型应用为导向，从模型基础、金融安全与价值对齐、金融风险控制、金融专业认知、金融业务辅助拓展等5个维度185项指标要求，构建了金融领域大模型的能力测评框架。模型基础能力方面，围绕模型基础理解和推演功能，指南定义了包括文本分类、信息抽取等在内的11项单模态、图文检索、视频问答等在内的6项多模态指标要求。金融安全与价值对齐能力方面，围绕模型的可靠性、可解释性以及隐私保护，指南设计了内容合规、文化价值、伦理价值等在内的9项指标要求。金融风险控制能力方面，围绕模型在实际应用中的风险防范与控制，指南提出了利率风险、汇率风险、舆情风险等在内的19项指标要求。金融专业认知能力方面，围绕模型的金融基础知识和信息解读，指南归纳了会计核算、财务报表编制与分析等在内的23项指标要求。金融业务辅助拓展能力方面，围绕银行、基金、保险、证券、信托等5个领域，指南提炼了28项业务场景，包括存贷款业务、量化交易等在内的117项指标要求。《金融大模型应用评测指南》同步细化了相关的评测内容，给出了相关的评测方法与工具，并以附录的形式给出了评测分级标准。 金融大模型评测数据集(2024版)，以金融业务的是叫，结合金融行业的实践，是金融领域大模型应用成效评测的重要抓手。评测数据集比照最高水平、最好标准，具有规模大、结构优、价值对齐等特点，符合金融领域对知识鲜活度、多样性和高密度的整体要求。金融机构比照《金融大模型应用评测指南》能力测评框架，共设计评测数据44000余句对。聚焦“模型基础能力”，围绕计算能力、逻辑推理等6个维度，设计评测数据22000余句对。聚焦“金融安全与价值对齐能力”，围绕信息内容、社会秩序等13个维度，设计评测数据2000余句对。聚焦“金融风险控制能力”，围绕合规、市场、操作等5类金融风险，设计评测数据1000余句对。聚焦“金融业务辅助拓展能力”，围绕舆情分析、智能投研等3项业务场景，设计评测数据12000余句对。聚焦“金融专业认知能力”，围绕金融专业知识、IPO图表等6种知识类型，设计评测数据7000余句对。后续，金融评测数据集将定期更新，样例集已在Open Data Lab和开放原子社区发布。返回搜狐，查看更多 责任编辑：

12月5日，第二届大模型金融应用创新与实践大赛在北京启动，本次大赛由北京金融信息化研究所联合北京市西城区总工会、青岛市金家岭金融区管委会、北京金融科技产业联盟等机构共同举办，奇富科技等承办，旨在分享金融业大模型应用的前沿实践，探索金融应用场景，评价金融应用效果。 本届大赛共设立案例和实战两大赛道，参赛单位可任选赛道参加。作为大赛的承办方之一，奇富科技将与北京金融信息化研究所等主办方和承办方一起整合行业资源，为参赛者提供必要的算力、模型及数据支持，以实战演练的方式提升大模型的应用效能，并形成可工程化实施的解决方案。奇富科技在金融大模型技术领域一直坚定投入，大模型等前沿科技的规模化应用，已经成为奇富科技稳健增长、提升用户体验的核心动力。 奇富科技CEO吴海生表示：“大模型在奇富科技业务场景中的应用持续推动公司运营的智能化和高效化，这充分展示了大模型的落地能力和商业价值，论证了金融是大模型最适合落地、最能带来商业效益的赛道。奇富科技希望通过‘大模型金融应用创新与实践大赛’，与参赛单位一起探讨金融大模型与业务的适配，将金融行业领先的AI大模型技术能力参与到第三次金融科技革命中，创造新的商业价值和更好地服务用户需求。” 2024年初，“第一届大模型金融应用创新与实践大赛”已圆满收官。大赛共收到来自工商银行、农业银行、中国银行、建设银行、蚂蚁科技、百度网讯、腾讯云等39家机构68份应用实践报告，经公开征集、初赛筛选、专家终审等环节，最终评选出10篇十佳卓越案例，11篇十佳优秀案例和4篇创新实践案例。 第二届大模型金融应用创新与实践大赛的启动，旨在筛选出具有深远影响和推广潜力的优秀解决方案，以示范作用引领行业前行。同时，大赛致力于构建一个促进金融科技核心技术成果转移与转化的平台，进一步激发大模型在金融领域的应用场景创新和生态构建，为数字金融和智慧金融的稳定发展注入强劲动力。返回搜狐，查看更多 责任编辑：

登录新浪财经APP 搜索【信披】查看更多考评等级 香港、澳门、广州、深圳等中心城市均已出台各类措施，预计未来三地还会在政府等层面逐步建立绿色金融协调机制，促进三地实现统一规划与合作。 《粤港澳大湾区发展规划纲要》确立了绿色发展、保护生态的基本原则，明确提出要在大湾区大力发展绿色金融。2020年，人民银行等四部门联合发布《关于金融支持粤港澳大湾区建设的意见》，进一步强调要推动大湾区绿色金融合作。绿色金融有助于促进产业结构布局调整，提高湾区内产业协同发展水平，避免因同质竞争带来的产能过剩，因此绿色金融受到粤港澳三地广泛重视并得到深入发展。目前，香港、澳门、广州、深圳等中心城市均已出台各类措施，积极营造良好的绿色金融创新环境。预计未来三地还会在政府等层面逐步建立绿色金融协调机制，促进三地实现统一规划与合作。 粤港澳大湾区发展绿色金融的意义 《国民经济和社会发展第十四个五年规划和2035年远景目标纲要》提出加快发展方式绿色转型，明确了发展绿色金融、支持绿色技术创新的政策措施。粤港澳大湾区发展绿色金融对大湾区实现高质量发展、助力国家“双碳”目标实现具有重大积极意义。 首先，大湾区发展绿色金融为区域实现高质量发展奠定资金基础。大湾区产业结构较为合理，且呈现出产业高级化发展趋势，在全国亦处于较为领先的位置。未来，大湾区内产业绿色低碳发展将成为主流。发展绿色金融有利于推动内地九市进行绿色转型，加快绿色技术创新，持续向产业链中高端转移，实现高质量发展。 其次，大湾区发展绿色金融为国家“双碳”目标实现培育示范样板。大湾区是国家级区域化发展的重要战略布局，产业绿色转型起步较早，已取得不少成果，为国家实现“双碳”目标提供了参考案例。同时，也能为其他区域实现“双碳”目标提供绿色金融、绿色投资、绿色技术等方面的支持，令中国参与到全球绿色发展的大潮之中。 最后，大湾区发展绿色金融为区域长远发展提供具竞争力的金融配套服务。发展绿色金融逐渐成为大湾区金融机构自身发展的重要方向之一，是金融机构转型的机会窗口，既有助于巩固香港国际金融中心地位，又可促进大湾区金融业持续深化发展、提升竞争力。 粤港澳大湾区发展绿色金融的优势 粤港澳大湾区是中国开放程度最高、经济活力最强的区域之一，粤港澳三地各有经济发展优势和特色。就发展绿色金融、打造绿色产业而言，大湾区具备得天独厚的优势和条件。 首先，大湾区具备金融基础设施齐备的优势。香港作为国际金融中心，金融基建符合最高国际标准，拥有稳定成熟的跨币种、多层面的交易平台，覆盖银行、股票及债务工具等多种不同的资金融通渠道。近年，大湾区内的深圳和广州在金融基建方面也日益完善，在国际金融中心的排名中稳步上升。大湾区稳健、强大的金融基础设施成为发展绿色金融、打造绿色产业的有力保障。 其次，大湾区具备国际化程度高的优势。港澳长期以来一直保持自由港地位，扮演着内地与世界之间的枢纽角色，在金融制度、法律体系、语言文化等方面可对接西方国家，成为境外机构投资内地的首选停泊站。同时，经过改革开放40多年来的发展，深圳、广州等城市每年吸引大量外资进入，在营商、生活等方面早已开启了国际化的步伐。大湾区国际化程度高的城市较多将有利于区内的绿色金融服务、绿色标准、产业转型等方面对接国际先进做法。 最后，大湾区具备绿色人才储备丰厚的优势。由于大湾区经济增长较快，财富累积迅速，港、澳、广、深等核心城市对境内外各类人才产生“虹吸效应”。特别是内地金融市场互联互通创新政策的不断出台，吸引大量资金来到香港参与投资内地市场，也带来了不少绿色金融方面的人才，加速本地绿色金融服务升级发展，为大湾区绿色金融合作创造了人才基础。 粤港澳大湾区绿色金融的亮点与支持 为支持不同城市处于不同阶段、不同水平的绿色金融发展，粤港澳大湾区三地政府颁布了多种绿色金融政策，包括政策框架设计、监管政策、激励机制和约束机制等，体现了不少亮点，为绿色金融发展提供了很大支持。 亮点一：绿色金融信息共享。建立粤港澳绿色金融合作专责小组，搭建绿色金融信息互通共享机制。依托横琴、前海和南沙建立合作开放新机制，搭建绿色金融跨境服务平台，促进金融资源与绿色项目有效对接，推动绿色金融人才培养交流。 亮点二：大湾区绿色标准互认。携手港澳开展碳金融领域标准、体系和产品研究，推动粤港澳三地环境信息披露、绿色金融产品标准、绿色企业项目认定标准、绿色信用评级评估、绿色债券原则等绿色金融标准的互认互鉴。 亮点三：大湾区绿色金融服务合作。依托大湾区绿色金融联盟，探索包括碳排放权、核证自愿减排项目等核证、登记、交易、结算规则，加强与国际机构和平台的交流合作，在绿色和可持续发展评价、气候投融资等方面先行先试。 为绿色金融发展提供支持方面，首先，发展绿色金融为企业提供资金支持。绿色金融具体包括融资、投资、评级、标准等领域，通过提供绿色投融资服务，在资金层面上，为企业的绿色转型提供支持，协助企业实现低碳运营。 其次，发展绿色金融为企业提供桥梁支持。绿色金融连接传统产业与绿色产业，相关金融机构可借此搭建服务桥梁，对接绿色服务的提供方与需求方，从而加速大湾区制造业转型升级，早日实现“双碳”目标。 最后，发展绿色金融为企业提供顾问咨询支持。绿色金融机构借助在绿色领域的丰富服务经验，为有需要的企业提供大量的绿色咨询、顾问等服务，协助企业量身定做转型方案。 政策建议 2020年9月，广州、深圳、香港、澳门四地联合发起的粤港澳大湾区绿色金融联盟正式成立，标志着大湾区内绿色金融合作进一步升级。大湾区涉及两种制度、三个关税区，区域内城市如何加强互联互通、协同合作，共同打造国际一流绿色金融高地是下一步值得考虑的问题。 首先，应差异化粤港澳三地在绿色金融发展中的定位。根据大湾区各地的产业资源禀赋与区位特征，形成以香港、澳门、深圳、广州四个城市为主轴的绿色金融核心圈，珠三角各城市分工协作、错位发展，形成产业外围圈。 其次，加强绿色金融人才培养，出台配套绿色金融机制。大湾区应加大对金融从业人员进行绿色金融和可持续发展方面的培训，提高从业人员准确评估气候相关风险和机遇所需的技能，并出台绿色金融教育方案。例如英国于2019年出台《绿色金融教育宪章》就是将绿色和可持续金融原则纳入全球金融专业人士的教育和培训计划。 最后，尽快建立大湾区统一的绿色标准并与国际接轨。在绿色企业和项目标准方面，建立统一可量化的绿色认定标准和权威的评级机制。构建大湾区项目绿色程度评估体系、建立大湾区绿色企业和项目库、设立“绿色项目负面清单”等，积极推进三地绿色标准和绿色评估结果的互通、互认与互用。在绿色金融产品的标准方面，不断研究更新标准体系，紧跟国际先进经验和产业发展步伐。 （作者单位：中山大学、广东省人民政府办公厅） 海量资讯、精准解读，尽在新浪财经APP

12月10日消息，英国财政大臣蕾切尔·里夫斯访问布鲁塞尔，敦促欧盟给予伦敦金融城更大准入权限，并告诉该集团各国财长，这将有助于促进他们停滞不前的经济增长。 里夫斯称：“英国拥有深厚的全球资本市场，可以为欧洲大陆各经济体所需的增长提供资金。”（英国金融时报） 海量资讯、精准解读，尽在新浪财经APP

本文源自:金融界 金融界12月10日消息，上证指数高开低走，中证全指金融指数 (全指金融，932075)上涨1.2%，报8761.55点，成交额1207.48亿元。 数据统计显示，中证全指金融指数近一个月下跌2.81%，近三个月上涨29.20%，年至今上涨34.94%。 据了解，中证全指行业优选指数系列从中证全指行业中选取符合一定流动性与市值筛选条件的上市公司作为指数样本，以反映各个行业内较具代表性与可投资性的上市公司证券的整体表现。该指数以2004年12月31日为基日，以1000.0点为基点。 从指数持仓来看，中证全指金融指数十大权重分别为：中国平安（11.78%）、招商银行（9.4%）、东方财富（6.96%）、中信证券（6.05%）、兴业银行（5.35%）、工商银行（4.43%）、交通银行（4.06%）、农业银行（3.17%）、江苏银行（2.67%）、中国太保（2.43%）。 从中证全指金融指数持仓的市场板块来看，上海证券交易所占比86.15%、深圳证券交易所占比13.85%。 从中证全指金融指数持仓样本的行业来看，金融占比100.00%。 资料显示，指数样本每半年调整一次，样本调整实施时间分别为每年6月和12月的第二个星期五的下一交易日。权重因子随样本定期调整而调整，调整时间与指数样本定期调整实施时间相同。在下一个定期调整日前，权重因子一般固定不变。遇临时调整时，当中证全指指数调整样本时，中证全指行业指数样本随之进行相应调整。在样本公司有特殊事件发生，导致其行业归属发生变更时，将对中证全指行业指数样本进行相应调整。当样本退市时，将其从指数样本中剔除。样本公司发生收购、合并、分拆等情形的处理，参照计算与维护细则处理。

本文源自:观点网 观点网讯：12月10日，上海证券交易所信息披露显示，金融街金嘉大厦资产支持专项计划状态更新为“已受理”。 据观点新媒体了解，该债券的发行方是北京金融街投资（集团）有限公司，计划发行的总额达到人民币50.21亿元。 此次发行的债券类型为资产支持证券(ABS)，由平安证券担任承销商。 目前，该项目已经获得了上交所反馈，受理日期为2024年12月10日。