AI金融助手

近日，由北京金融科技产业联盟、北京金融信息化研究所等联合主办的“全球金融科技大会系列活动——大模型金融应用创新与实践大赛”表彰大会在北京成功召开。此次大赛共有中国银行、工商银行、建设银行、百度、蚂蚁、腾讯等39家金融机构与金融科技企业的68份应用实践参与角逐，国泰君安荣获“十佳卓越奖”，成为证券行业唯一获奖单位，充分彰显了国泰君安在金融科技领域，尤其在大模型技术的研发与应用方面的卓越领先实力。 面对金融数据私域性强、变化迅速、行业缺乏公开的实时语料库、业务场景复杂多变、算力资源有限等挑战，国泰君安本次申报获奖的《探索大模型在金融领域的模型构建及场景应用的研究》，分享了公司依托“金融+科技”的专业能力，打造金融行业私域语料库，快速构建金融行业垂直领域大模型，实现1个大模型底座能力在N个场景的“1+N”落地应用的实践经验。该方案创新构建可插拔、可伸缩的分层架构体系和分布式高效微调框架，并形成完整的大模型构建落地方案实现应用闭环，不仅提升了公司金融业务的智能化水平，有力支撑业务发展，同时为金融行业的大模型研究与场景应用提供了参考和借鉴。 未来，国泰君安将继续秉持“开放证券”理念，不断拓宽大模型在金融领域的应用范围，深入探索金融科技与业务场景的深度融合，以更加开放、创新的姿态，为行业高质量发展贡献更多智慧和力量。 END 免责声明：本文转自国泰君安发布公众号，以上观点不构成对投资者的投资建议，市场有风险，投资需谨慎。在任何情况下，本公司不对任何人因使用以上任何内容所引致的任何损失负任何责任。

社区探讨，供大家参考： 金融行业应用系统业务和IT技术数据融合通过大模型进行异常检测所需的数据类型和范围包括哪些？ 议题中的业务数据主要是指金融行业应用系统运营过程中实时产生的业务属性相关数据，IT技术数据是指承载该应用系统机房、网络、服务器、操作系统、数据库等软硬件实时运行数据。 主要面临困难：在金融行业中，如何将应用系统业务数据和IT技术数据进行充分融合，并利用大模型算法实时检测业务和IT技术数据中的异常数据，结合业务运营和科技运维相关知识，识别异常数据是否影响业务的连续性和稳定性，并定位问题根源进行解决。 该议题的共识将对金融行业用户提升业务连续性管理能力有显著价值。 期望：如何规范金融行业应用系统业务和IT技术数据的大模型应用的数据标准，有利于更好发挥大模型在金融行业的作用。 重点研讨和交流：保障业务连续性和稳定性是金融行业运维领域工作范畴，希望使用大模型进行异常检测和问题定位能够在运维中得到一定有效应用，每个场景大模型的应用涵盖的数据范围需要建立一定的标准，该议题场景重点研讨：应用系统业务数据和IT技术数据融合进行异常检测所需的数据类型和范围包括哪些？如涉及敏感信息如何加密不影响大模型算法的使用？ 问题来自社区会员@fengzhen2003，以下内容来自社区同行探讨 @catalinaspring 金融行业： 数据质量规则的依据来源核心是数据标准。如何保障数据标准被落地以及被执行呢？通过数据质量的情况进行一个检查，这就是数据标准、元数据以及数据质量之间的关系。数据质量的每一条核验规则写到每一个字段上、每一条元数据上。关于数据标准、存量的元数据的治理，对于新增的这部分，我们怎么样从源头上能保证我们数据标准的被有效的执行呢？ 常用的一种手段叫数据模型，包括物理模型与数据标准的过程链接和落地，从而保证数据模型是可以从源头上进行管理的。数据标准同时又作为一种输出，支撑数据模型。 对进行数据分类，进行数据分析，把分类规则输出给数据安全。 在数据安全之外，经常有一部分企业在最开始开展数据治理时，是通过元数据、主数据的治理来开展。主数据是什么？有些核心的高价值的数据会形成主数据，数据标准会通过体系的支撑给到主数据。同时因为主数据在实际应用的规程中，对数据标准的使用进行反馈和优化。 关于数据架构管理。输出一些数据的技术标准给到数据模型，同时数据模型会把高价值的数据资产输出给数据架构管理，这就是数据治理与数据管理域的关系。 把数据架构、数据标准、数据质量、数据安全这些建好之后，接下来要进行能力的输出。能力的输出是给到数据应用、数据服务。 数据应用里面的第一个抓手是数据需求管理：一是为了更好地促进数据共享；二是明确数据服务规范，数据需求不断地遵循和适应规范，同时数据服务要反向适应需求——这是一个不断的循环的过程。 数据质量是保证为数据分析业务决策提供高质量的数据，保证数据的有效性。 落地的核心关键点包括： 一是建立数据质量的评分卡。 二是进行源头治理。如果仅仅是在数仓内对处理完的数据进行治理，比如数据质量的提升仅在仓内开展，这是远远不够的。本质上数据从业务端开始，从系统端开始，它的数据还是有问题的，没有本质去解决问题，所以源头治理也是核心关键点。 三是数据质量的分级处置：根据不同的数据问题，不同的数据的重要性，设置对应的数据质量处理方案。 四是认责机制。其实这也是整个数据治理工作开展的核心，可以保障质量问题的发现追踪和解决。 @chinesezzqiang 信息技术经理： 一、如何规范金融行业应用系统业务和IT技术数据的大模型应用的数据标准，有利于更好发挥大模型在金融行业的作用 ？ 答： 制定统一的数据标准 ：金融行业应制定一套统一的数据标准，包括数据格式、数据质量、数据安全性等方面的规定，以确保不同系统之间的数据互通性和一致性。 建立数据治理体系 ：建立数据治理体系，明确数据所有权、数据使用权限、数据质量管理等职责和流程，确保数据的合规性和准确性。 加强数据质量管理 ：通过数据清洗、数据校验、数据监控等手段，提高数据质量，减少数据异常和错误，为大模型的训练和应用提供高质量的数据基础。 强化数据安全性 ：金融行业数据涉及敏感信息较多，应加强数据加密、数据备份、数据访问控制等安全措施，确保数据不被泄露、篡改或滥用。 推进模型标准化 ：推动大模型在金融行业应用的标准化，包括模型开发、模型验证、模型部署等方面的标准化，以提高模型的通用性和可移植性。 建立合作机制 ：鼓励金融行业内的机构和企业建立合作机制，共同推进大模型在金融行业的应用和发展，实现资源共享和技术创新。 加强监管和评估 ：监管机构应加强对金融行业大模型应用的监管和评估，确保模型应用的合规性和风险可控性，促进金融行业的健康发展。 二、应用系统业务数据和IT技术数据融合进行异常检测所需的数据类型和范围包括哪些？如涉及敏感信息如何加密不影响大模型算法的使用？ 答： 应用系统业务数据和IT技术数据融合进行异常检测所需的数据类型和范围可能包括以下几类： 业务数据...

温馨提示：点击文末“阅读原文”直达报名入口，抓住机会，迈向职业新高峰！ ﹀ ﹀ ﹀ 随着AI技术的迅猛发展，金融行业正迎来前所未有的变革风暴。ChatGPT4、Claude 3等前沿技术，正重新定义金融分析、投资研究与日常运营，智能化办公已成为现实，并将大大提升注册估值师、金融从业者乃至各行各业工作者的效率与决策精准度。AI不再停留在名词阶段，而是我们工作场景中绕不开的行为和动作。 为了让更多金融人士掌握AI技术，快速提升工作效果和效率，注册估值师协会正式推出“AI金融实训营”。在这里，你将全面解锁并掌握从数据分析到投资决策的AI技术功能，拓展金融领域的无限可能。 （作品展示） 点击底部阅读原文，立享优惠报名！ 推荐阅读注册估值师（CVA）考试：报名安排｜考生手册｜考试大纲金融建模测评（FMT）考试：考试介绍｜考试常见问题港澳台地区及海外注册估值师（CVA）考试：开放报名｜常见问题解答｜考试须知注册估值师（CVA）协会研究成果：估值报告标准｜参数手册｜财务建模规范指南 | 投资估值常见英文缩写词汇编 | 估值书单｜财务模型书单｜并购书单估值专业文章一文详解自由现金流、权益现金流及股利现金流折现10个ESG及企业估值的常见问题，答案都在这里权益现金流折现、账面现金与股权价值先锋观点如何解决项目投资建模中建设期循环引用问题 解读国资委《关于加强中央企业商誉管理的通知》 港股今年最大IPO来了，募资400亿不是梦！也曾命悬一线……一利五率，全面引领央企估值提升！ESG和企业估值要闻资讯战略合作｜广东股权交易中心重要通知 | 协会变更名称声明通知 | 注册估值师（CVA）考试报名费用将于2024年春季起开始调整关于CVA相关商标权行政纠纷的说明CNCVA 第二届专家委员会第一次会议顺利召开！南京财经大学会计学院与注册估值师（CVA）协会建立产学研合作关系点击视频，了解更多‍‍‍‍‍‍‍ 关闭 观看更多 更多 退出全屏 视频加载失败，请刷新页面再试 刷新 视频详情 联系我们电话：4006-777-630微博：注册估值师协会Email：contactus@cncva.cn

点击上方”蓝字”关注我们 近日，“AI+金融”论坛在张江科学城·数智天地举办。300多位来自大模型企业、金融科技企业、金融机构以及高校的专业嘉宾参加本次论坛，4万余人次通过多个直播平台在线观看。 AI+凝聚产业合力 助力浦东全球金融科技高地建设 浦东科经委副主任夏玉忠表示，浦东将以创新业态培育为根本，以产业智能化发展为目标，以大模型创新发展为抓手，以应用效能提升为落脚点，汇聚尖端技术、焦点议题和产业资源，为国家“人工智能+”行动贡献上海智慧、浦东方案。希望人工智能产业各方秉持开放包容、合作共赢的理念，在浦东这片热土上共谋发展，共创美好未来。 张江科学城·数智天地是浦东新区以“科学、产业、城市”融合发展为导向的产城融合高地。论坛现场，陆家嘴集团与新致软件等6家首批人工智能核心企业进行了入驻及合作签约。这些企业将凝聚AI、元宇宙、信息技术等领域技术优势和品牌影响力，为浦东数智化发展注入创新原动力。 陆家嘴金融城与张江科学城的“双城联动”，为浦东提供了独有的金融科技生态优势，近年来吸引了大批优秀的金融科技企业。活动现场，百度智能云、腾讯云、新致软件、达观数据携手生态合作伙伴，共同启动金融科技产业生态计划，助力全球金融科技高地建设。 AI+释放智慧动能 业内大咖带来前沿观察与思考 金融服务模式与金融产品形态已随着人工智能的发展产生了深刻的变化，金融科技在带来便捷化、智能化服务的同时，也对安全提出了新的挑战。 在当天的论坛上，复旦大学金融科技研究院副院长、计算机科学技术学院教授吕智慧以《金融科技安全风险监测研究及大模型实践》为题发表了主旨演讲。吕智慧教授围绕维护金融稳定的重要性，深入探讨了利用新一代人工智能技术构建智能金融风险监测系统，分析并验证新出现的人工智能安全挑战，建议采取基于金融大模型的数据共享、风险知识表示和模型可解释性多元方法，以促进安全、高效的金融科技生态系统。 百度智能云金融产品部AI原生应用方向产品负责人常琳介绍了对大模型能力的认识方法，并分享了大模型应用落地的成功实践。腾讯云智能商业化中心金融业务负责人汪凯峰立足于大模型技术在金融领域的创新应用及其引发的效能革命，介绍了腾讯云金融行业大模型的能力矩阵及多个典型应用场景。建信金科基础技术中心副总裁、量子金融应用实验室主任吴磊对金融场景中大模型应用的新范式进行了分享，并详细阐述了建信金科在金融行业大模型应用方面的服务实力。晴数智慧创始人兼CEO张晴晴从数据视角出发，解读了如何利用智能化工具和大模型能力为金融行业赋能，并提供完整的数智化解决方案。 在圆桌对话环节，上海纽约大学助理教授王丹、达观数据联合创始人纪传俊、新致软件咨询总经理李若炜、汇丰金科技术总监王天宏、建行上海市分行科技金融创新中心总经理董宣忠、海通证券计算机首席分析师杨林等嘉宾，就“大模型时代：金融的机遇、挑战和展望”话题进行了深入交流与讨论，为大模型在金融领域的多元化应用前景建言献策。 以大模型为代表的人工智能正加速与实体经济深度融合，推动新质生产力的形成。围绕“AI向实 产业跃升”这一主题，大模型赋能产业系列活动将立足浦东新区硬核产业，陆续推出智能车、机器人、元宇宙、生物医药等垂直领域专场论坛，持续带来学界大咖与产业一线的前沿观察与思考，驱动产业蝶变，助力浦东打造人工智能世界级产业集群。 信息来源：浦东发布

中央金融工作会议指出，要做好数字金融大文章。发展数字经济和数字金融已成为推动银行业数字化转型、拥抱新一轮科技革命的重要途径。江苏银行主动融入数字经济发展新浪潮，持续开展新技术研究，跟进大语言模型发展趋势，立足本行打造定制化垂直模型，增强应用场景适配性，为数字金融智慧化提供基础动能。 近期，该行“智慧小苏”大语言模型平台再添新场景，上线“智能文档助手”提速企业授信，搭建“移动智库”提升用户体验，为客户提供更加智能、高效、便捷的金融服务。 聚焦痛点，企业授信效率大幅提升 企业授信审批环节面临着材料种类多样、提取整合复杂等痛点，客户经理需要投入大量时间与精力对企业营业执照、财务报表、税务记录、征信报告等进行信息提取与整合，这一直制约着授信审批效率。 江苏银行基于大模型“多模态”理念，准确识别用户意图，自动运用音频分析、外部图像处理等功能，实现扫描件、语音、电子表格和文本等多种类型素材的自动化提取，打通多类信息载体间的壁垒。该行推出“智能文档助手”，自动归纳企业经营状况，结合实时舆情信息，实现授信调查报告的智能生成，工作效率提升42%，预计每年节省客户经理1.5万工时。 目前，大语言模型赋能的“智能文档助手”已在移动端、PC端双渠道落地，江苏银行客户经理可随时随地开展尽调工作，企业授信效率大幅提升。 对内赋能，服务质效显著提升 江苏银行以数据驱动为核心，探索运用大语言模型赋能内部员工，优化管理流程，提升工作效率。基于大语言模型的“移动智库”可智能高效整合并提炼内外部规章制度、产品政策、操作流程等，成为决策的智能中枢。 通过引入最新的“检索增强生成”技术，“移动智库”的智能化水平显著提升。在检索阶段，利用强大的文档理解和索引机制，能够从海量的数据中快速提取最相关的信息片段；在生成阶段，这些片段被智能地整合并生成连贯、准确的回答，提升信息的可用性和价值。 “移动智库”不仅能够提供即时的信息检索服务，还能深入分析并生成建议，在智能办公和客户服务领域都发挥着重要作用。无论是基层经营机构还是后台支撑部门，都能通过“移动智库”快速获取信息，提高管理决策的科学性与前瞻性；“移动智库”赋能的线上客服应答准确率由93%提升至97%，业务办理效率及客户服务体验显著提升。 技术革新，模型与算力全面提升 为满足行内外场景高并发、快响应的需求，“智慧小苏”大语言模型服务平台构建了基础设施层、工具层、模型层、服务层与应用层五层架构。基础设施层依托高算力网络与容器云，实现了模型资源的动态分配，具备各类国产化数据库的管理能力，做到高度自主可控与定制化；工具层引入批处理和算子融合等模型加速技术，有效减少对模型参数矩阵的扫描次数，降低内存带宽消耗。 基于行业领先的大模型底座，江苏银行利用自身在金融领域积累的丰富数据和专业知识，对开源通用大模型进行了深入的定向训练和优化，从而使模型能够更精准地适应金融垂直场景下的语境和客户需求，无论是在提供金融产品信息、解读市场动态还是解答复杂的金融咨询方面，都能给出更加专业和个性化的服务。 江苏银行相关业务负责人表示，该行将紧跟时代步伐，继续锐意进取、创新求变，以高质量数字金融服务为数字经济发展注入新动能。

曾经在世博源三区B层搭建的AI智慧商街，你还记得吗？那是一个将数字世界与现实世界相结合的商业空间，所有支付均使用数字货币，营造出了沉浸式互动消费新体验。 在一个完整的贸易流程中，支付仅是小小的一环，却可以让我们“管中窥豹”，看到人工智能赋能金融领域的无数种可能。 《上海市人工智能产业发展“十四五”规划》指出，要在金融领域“深化人工智能在风控、监管、客服、投顾、投研、支付等各环节应用。”而在去年10月1日起正式实施的《上海市促进人工智能产业发展条例》更为“人工智能该如何赋能金融领域”指明了方向——“推动人工智能、大数据与金融业深度融合，推动金融业提升金融多媒体数据处理和理解能力，促进金融业智能化转型，开展智能金融产品和服务创新，支持金融机构等市场主体应用智能投资顾问、智能客户服务、智能风险控制等人工智能技术和装备，提升金融风险智能预警和防控能力。”作为全国首部促进人工智能产业发展的省级地方性法规，《条例》具有鲜明的指导意义。 目前，金融领域的竞争加剧、人力成本上升、市场监管趋严等客观环境，促使许多金融机构转向前沿科技，以期改善传统作业模式，提升金融业务运营水平。AI是充分发挥数据价值的关键技术，并已走向“大规模应用时代”，它将成为推动金融产业发展的重要动力。 因此，AI+金融并非单纯的技术累加概念，而是针对不同业务场景的需求，运用前沿技术成果推出的创新金融产品、经营模式、业务流程以及推动金融业务高质量发展的一系列配套解决方案。 上海正全面推进城市数字化转型，其中，数字经济将成为一股重要的驱动力。 以交通银行为例，作为业内翘楚，交通银行不断加强科技赋能，通过信息化、数字化、智能化升级，持续推动传统贸易金融业务数字化转型，不断赋予传统贸易融资产品新的生命力。交行的“惠民就医”是为配合上海市医疗付费“一件事”推广和“便捷就医”数字化转型而打造的一款数字信用产品，为患者减少排队缴费时间，极大提高了医疗效率；另一边，交行与海关总署国家口岸管理办公室合作打造的“交银e关通平台”也开始发力，该平台可让各进出口企业实现“账户开立、税费缴纳、国际结算、贸易融资”等各类本外币金融服务的一站式办理，全面提升金融服务质效。 如今，人工智能正在金融领域“多点开花”：中国银行打造沉浸式元宇宙体验空间、工商银行推动元宇宙网点照进现实、中信银行的“数字员工”在千余个场景上岗、建设银行呈现金融业务虚实共生的智慧图景……AI+金融秀出了自己的“硬核实力”。随着越来越多的金融机构开始布局抢占AI赛道，一幅崭新的AI+金融画卷正缓缓打开。 信息来源：浦东发布

中新网1月25日电(中新财经 宫宏宇) “生成式AI技术在金融业中的应用尚处于技术探索和试点应用的并行期，预计1-2年内，首批大模型增强的金融机构会进入成熟应用期，3年后将会带动金融业生成式AI的规模化应用。”《2024年金融业生成式AI应用报告》指出。 该报告由清华大学经济管理学院、度小满、《麻省理工科技评论》中国、清华大学经济管理学院动态竞争与创新战略研究中心联合编写，近日在京发布。 《报告》认为，生成式AI重新定义客户体验，正在形成新服务。生成式AI可以充当有价值的助手，提出实时响应建议并满足客户多样需求。在金融行业当中，生成式AI能助力释放新的生产力，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。 报告的主要负责人、清华大学经济管理学院副院长李纪珍在发布报告时表示，“2023年是基础大模型智能涌现的一年，2024年生成式AI将从模型层走向应用层。开拓落地应用场景，不断提高客户采用率和大模型的利用率，更好发挥大模型的潜在价值，将会是2024年生成式AI突破发展的重要内容”。 “2024年将会是生成式人工智能应用涌现的一年，大量提升生产力的应用即将出现。”度小满CTO许冬亮认为，在B端场景，生成式人工智能将把数智化带到新的高度，大幅提升数据创造价值的效率。在C端场景，大模型已经在从大语言模型向多模态大模型、Agent智能体、甚至具身智能方向进化，这些新能力的注入，会极大提升AI的人类交互能力和任务处理能力。(完)

每经AI快讯，神州信息官微消息，在神州控股、神州信息、神州数码集团联袂主办的数云原力大会2024启幕仪式上，神州信息常务副总裁于宏志发布面向金融的AI原生产品——九天揽月“AI+”。据悉，新一代九天揽月“AI+”实现了“工艺规范”“资产沉淀”“智能生成”三大升级，端到端效率提升30%。 每日经济新闻

点击蓝字 ╱ 关注我们 BBT FINTECH 4月11日，北京商报记者注意到，蚂蚁集团的“AI金融助理”支小宝2.0版本已经处于对外测试阶段，当前在支付宝APP的蚂蚁财富和蚂蚁保频道内，均能唤起支小宝服务，支持文字和语音问答。 北京商报记者测试发现，支小宝定位于解答基金、保险等金融垂直领域的专业问题，可基于用户的理财、保险产品持有情况，提供包括理财持仓分析、市场行情解读，以及保险智能核保、智能理赔等实用工具。例如，当询问某只基金时，支小宝能够提供全面的产品数据，并提示规模和基金经理变动等风险。 图片来源：支付宝 蚂蚁财富公布的数据显示，支小宝深度服务过的用户相比未服务过的用户，资产配置的合理程度高出5%，用户频繁交易的比例下降60%。另根据支小宝一季度的问答数据，2024年以来，新版支小宝共解答了用户手动输入的845万个理财和保险问题，相应问题解答的用户采纳率较前一版本均提升20%左右。 随着大模型在金融领域的广泛应用，国内AIGC（生成式人工智能）已开始试水医疗、交通等垂直领域，据介绍，支小宝是金融领域首个实现规模化对客的AI应用。浙江大学金融研究院副院长章华分析指出，垂直领域专业门槛、合规水位等都较高，AIGC在这些领域需要更强的知识数据、逻辑能力和技术能力。而一旦成功应用，就会显著降低这些产业的服务门槛，提升用户体验。 文 / 北京商报记者 廖蒙往期精彩回顾 收单市场暗流涌动：支付机构忙整改，外包商忙推销套现 现金贷海外淘金记 蚂蚁腾讯百亿罚单背后， 平台企业离上市还有多远？ 点个“在看”每天收到最新资讯！

这几天，金融FinGPT进入了GitHub排行榜。 项目核心成员，是几个华人留学生，从2022年就开始折腾金融方面的项目。 我们团队内部也在讨论，重新激活TOP极宽量化项目的可能。 毕竟，TOP极宽是国内AI智能量化的开拓者和启蒙人，《Python量化三部曲》，目前依然是国内唯一的系统化Python量化专著，不少大学依然在作为量化教学课件： 入门：pandas数据分析，量化策略，talib金融指标， 进阶：backtrader量化软件，skleanr机器学习，可视化分析 高阶：AI神经网络与量化 特别是高端《AI神经网络与量化 》，jd，tb基本上80%图书，目前还是TOP极宽团队5-6年前的作品。 参见：依然是顶流#2：零起点python量化三部曲 今天，和finGPT群网友互动，主要是探讨GPT，量化与AI套利空间。 网络沟通，有些乱，摘录如下： 字王zw: 理论上finGPT挺难盈利，特别是稳定盈利，个别周期盈利的策略，和架构，没有实际意义。 原因很多，其中主要有： 金融套利空间很低，外汇一般是100x，1000x杠杆，盈利空间在万分之一。ai模型，特别是GPT置信空间一般是95%，差n个数量级。 另外一个，很多人没有认识到的就是，所有的金融模型，包括传统量化，数据源都是不精准的 。 ai模型,GPT大模型，都是通过喂数据优化模型。如果数据源，meta元数据，起源就是错误的,模型肯定有问题,特别是高精度应用场景。这个也是ai模型为什么，目前主要用于图像，文本等容错高的领域。 网友：BloombergGPT这个模型准不准？这个是收费的 字王zw:理论上，目前没有准的策略和AI套利模型 。有网友说，如果准，openAI就无需融资了，同样，如果准，两个稳定盈利， BloombergGPT就无需收费了。 字王zw:稳定盈利，至少需要51% 套利空间 ，这个也是我一直说的“足彩图灵法则”，3选1都不盈利，其他更加。 网友：只能走情绪 字王zw: 情绪，语义，10年前MIT就做过tw，谷歌的测试，github有遗留项目。没有价值，垃圾信息太多。数据精度，套利空间也不够 关于ohlc数据源 字王zw: ohlc数据源， 看起来精确，包括min分时，可这个数据是时间节点起始，结束数据，realwordl真实数据是连续的。 用离散空间，模拟连续空间，本身就漏洞百出 小数据理论 字王zw: 我们足彩测试过，四大庄家数据比500家全数据模型准确，所以我们提出了“小数据理论”。 网友: 连续空间是什么？ 字王zw: ohlc开盘价，收盘价，只是：早上9点到下午4点，交易时间节点的切片数据。 而交易是连续的，你用9点，16点的数据，预测11点的结果，是不是有很多缺失。 当然，你可以说用分时 甚至tick数据。 理论上最好的是lv1，lv2等实盘数据，问题是这个数据，全世界都没有，分散在各个交易所。 就是有，也是不真实的，大家应该知道“冰山委托”等交易手段，本身order交易数据，就是人为设置的虚假数据，是一种欺诈交易策略。 网友: 不用高频交易，就看收盘价，忽略波动就好了 字王zw: 你用close数据节点，问题是 ，已经close了，如何交易，这个哲学上是悖论。 当然可以高频倒数1分钟，现在很多open，close交易策略，大家都close，就全部over。 如果你在寻找一个伟大的项目，AGM就是。 AGM阿格姆：AI权重粒子模型，无论是工程项目，还有相关的理论体系，有大量的工作，需要大家补充完善。 想刷高分paper，以及在GPT时代，寻找市场机会的llm创业团队，尽管放马过来。...