AI金融助手

财联社5月29日讯（编辑 刘蕊）随着人工智能快速发展，研究发现，AI可能比人类更擅长炒股。 根据芝加哥大学布斯商学院的最新报告称，OpenAI的GPT-4在金融分析和预测方面的能力，可能比人类更优秀，基于其预测的多空策略表现也能跑赢大盘。 这一发现可能会颠覆金融服务业。与其他商业部门一样，金融服务业正在竞相采用生成式人工智能技术。 根据这项最新研究的研究，在分析财务报表以及根据这些报表做出预测等方面，大语言模型比人类做得更好。 “即使没有任何叙述或行业特定信息，大语言模型在预测盈利变化方面的能力也优于金融分析师们，”该研究称，“在分析师遇到难题时，大语言模型比人类分析师表现出相对优势。” 该研究利用“思维链（chain-of-thought）”提示，指导GPT-4识别财务报表的趋势并计算不同的财务比率。在此基础上，大语言模型可以分析信息并预测未来的收益结果。 该研究称：当我们使用思维链提示来模拟人类推理时，我们发现GPT的预测准确率达到了60%，明显高于分析师的准确率。人类分析师在预测准确度方面接近50%的范围。 该研究的作者还表示，大语言模型能够在信息不完整的情况下识别财务模式和商业概念，这表明该技术应该在未来的财务决策中发挥关键作用。 最后，该研究发现，如果将GPT-4的金融敏锐性应用于交易策略，能够获得更多交易回报，通常能跑赢大盘。 研究称：“我们发现，基于GPT预测的多空策略表现优于市场，并产生显著的阿尔法和夏普比率（对资产的风险和收益进行综合考量的指标）。” 股市回暖，抄底炒股先开户！智能定投、条件单、个股雷达……送给你>> 海量资讯、精准解读，尽在新浪财经APP 责任编辑：于健 SF069

随着人工智能技术的快速发展，大型语言模型（Large Language Model，下文简称LLM）已经在自然语言处理、文本生成、机器翻译等多个领域中展现出了巨大的潜力，但市场上暂未有专攻金融领域的LLM。 在此背景下，彭博社（Bloomberg）和约翰霍普金斯大学的Shijie Wu等在BloombergGPT: A Large Language Model for Finance一文中重磅发布了为金融界打造的LLM——BloombergGPT。 报告说明，对BloombergGPT的评估显示，其在金融任务上的表现显著优于现有模型，同时不会牺牲通用LLM的基准性能，因此BloombergGPT在金融领域具有不可替代性。 因评估方式以及模型本身的局限，BloombergGPT是否会对金融业带来颠覆性的变革还有待商榷，但不可否认的是，随着技术的进步，BloombergGPT在不同金融业务场景下都将具有广泛的应用和可观的潜力 。 *本文作者：毛诗倩 上海交通大学中国金融研究院研究助理 潘   薇 上海交通大学中国金融研究院CAFR-信也科技联合研究实验室研究助理 01 什么是BloombergGPT？ 自然语言处理（Nature Language Processing，下文简称NLP）是计算机科学和人工智能领域的重要方向，研究如何让计算机读懂人类语言，目前NLP在金融领域应用越来越广泛而复杂。随着人工智能技术的快速发展，LLM已经成为NLP的佼佼者，是当下AI和NLP研究与产业中最重要的方向之一。 LLM是指包含数千亿（或更多）参数的可以通过处理大量自然语言数据的深度学习模型。目前火爆的ChatGPT模型就是一种LLM，证明了训练非常大的LLM的强大优势。但目前的LLM大多是通用性的，而因金融行业的复杂性以及大量的金融术语，市场上需要一个专攻金融专业的模型。 彭博社是全球商业、金融信息和新闻资讯提供商，通过其强大的集信息、人物及观点为一体的动态网络为全球决策者带来关键优势。彭博社精于以创新的技术来快速、精准地传递数据、新闻和分析，这也是彭博终端的核心优势所在。 今年3月30日，彭博社最新发布的报告显示，其构建了迄今为止最大的特定领域数据集，并训练了专门用于金融领域的LLM——BloombergGPT，以支持金融行业内的各类任务。 彭博社依托其四十多年来积累的大量金融数据源，创建了一个包含3,630亿词例（token）的金融数据集FinPile，又与公共数据集叠加成为了包含超7,000亿词例的大型训练语料库。利用庞大的数据集，并基于通用和金融业务的场景进行混合模型训练，训练了包含500亿个参数的大规模生成式人工智能模型BloombergGPT，以全方位支持并改善金融领域的NLP任务。 BloombergGPT的推出意味着这项新技术在金融领域的发展和应用已经迈出了第一步。 02 对BloombergGPT的模型评估 报告中将BloombergGPT与其他两个参数量级等相匹配的模型GPT-NeoX，OPT66B和一个参数更大的模型BLOOM176B在金融领域和通用领域分别进行了比较评估：金融领域评估以验证对高质量的金融特定数据进行训练将在金融任务中产生更好的结果；通用领域评估以与市场上其他模型在通用任务上做对比。 结果表明，BloombergGPT模型在金融任务上的表现远超类似规模的开放模型，在通用任务上优于其他相同参数量级的模型，并在某些任务上甚至超过了参数量更大的模型，证明了其专注于金融领域的不可替代性。（一） 金融领域评估 金融领域评估中分成了两组：一组是外部金融任务（Public Financial Tasks），收集了包括一系列NLP任务的公开金融数据集；另一组是Bloomberg金融任务（Bloomberg Financial Tasks），收集了Bloomberg内部高质量评估集中提取的任务，以测试情绪三分类和命名实体识别（Named Entity Recognition，简称NER）。 1、 外部金融任务（Public Financial Tasks） 外部金融任务以衡量BloombergGPT在金融领域的有效性，主要测试为以下五项：...

华泰研究“本周精选”汇集本周最受读者欢迎的研究报告，点击下方标题可查阅全文。 01 电新：新能车前沿技术之五—大圆柱电池 02 计算机：从BloombergGPT看金融GPT机遇 03 农业 • 转基因百页深度：生物育种产业化元年的到来 04 电子：AI大模型+金融—掘金行业数据富矿 05 策略：4月战术配置—经济越向上，久期越下沉 06 宏观：PMI再超预期、内需回升行稳致远 01 电新：新能车前沿技术之五—大圆柱电池 -点击图片查阅全文- 20年9月，特斯拉正式发布4680大圆柱电池，从单体到系统层面对电池进行了全面升级，使其安全性、续航、快充等性能得到了显著提升。相关车企、电池企业自此争相布局大圆柱电池，以期抓住动力电池市场。同时在户用储能领域，国内相关电池企业已从22年开始布局适用储能市场的磷酸铁锂大圆柱电池。我们预计27年全球大圆柱电池装机量有望达429GWh，对应市场规模2144.8亿元。产业节奏上，我们预计今年大圆柱电池将从小批量生产转向量产放量，带动相关电池企业受益。同时大圆柱电池引入的创新技术和化学体系也有望为上游的设备厂、材料厂等带来新的发展机会。 申建国 S0570522020002 边文姣 S0570518110004 | BSJ399 2023-04-02 02 计算机：从BloombergGPT看金融GPT机遇 -点击图片查阅全文- 2023年3月30日，Bloomberg发布专为金融领域打造的大语言模型（Large Language Model，LLM）BloombergGPT，实现了LLM在金融垂直场景的加速落地。从测试结果来看，BloombergGPT在保证LLM通用性能的基础上，更加聚焦金融场景,有效实现了LLM与金融垂直领域知识的深度融合。BloombergGPT的成功，佐证了“开源模型+高质量垂直数据”LLM搭建思路的有效性，金融GPT率先在证券场景落地，同时建议关注后续GPT在银行领域的业务机会。 谢春生 S0570519080006 | BQZ938 2023-04-02 03 农业 • 转基因百页深度：生物育种产业化元年的到来 -点击图片查阅全文- 本篇报告从地缘优势和技术视角出发，梳理分析了转基因作物在全球应用现状的成因、国际巨头崛起的动力、乃至全球粮食贸易格局变迁的隐线，构建了以功能基因和专利布局来评估国内生物育种产业链公司的分析框架。我们认为，玉米和大豆在中国的生物育种产业化即将启动，为中国农业带来新机遇，建议积极布局种业。 熊承慧 S0570522120004 | BPK020 冯源 S0570522070001 2023-03-31 04 电子：AI大模型+金融—掘金行业数据富矿 -点击图片查阅全文- 金融行业数字化程度领先，拥有数据富矿，有望成为AI大模型率先落地的垂直领域之一。应用端，我们看到生成式和理解式大模型在银行、保险、资管、投研、投顾等多个细分领域正在落地或拥有潜在落地场景，帮助金融机构降本增效。 黄乐平 S0570521050001 | AUZ066...

一、简介 金融科技(FinTech)是一个庞大且不断增长的领域，NLP技术在其中扮演着越来越重要的角色。金融NLP任务包括情感分析、命名实体识别、新闻分类以及问答。虽然这些任务与一般NLP基准中的任务相似，但金融领域的复杂性和术语保证了一个特定领域的系统是有价值的。生成式LLM通常是有吸引力的，因为它能够进行少样本学习、文本生成和会话系统等。虽然有针对金融领域调优的掩码语言模型，但还没有针对该领域的任务进行调优或评估的LLM。 BloombergGPT 是彭博社在2023年3月发布的一个 500 亿参数的大型语言模型，专门为金融领域从头构建。它是一个大规模生成人工智能模型，专门针对金融数据进行训练，以支持金融行业内多种自然语言处理任务。彭博社通过构建这个模型，将帮助公司改进现有的金融 NLP 任务，如情感分析、命名实体识别、新闻分类和问答等。 二、特点 BloombergGPT采用了混合方法，结合了通用 LLM 和特定领域 LLM 的优点。通用模型能够在多种任务中执行良好，并在训练期间避免了专业化的需求。然而，现有的特定领域模型的结果表明，它们无法被通用模型所取代。BloombergGPT支持一组庞大且多样化的任务，通用模型能够很好地为我们服务，但绝大多数应用都在金融领域内，由特定模型更好地服务。因此，构建了一个模型，在金融基准上取得了同类中最好的结果，同时也在通用 LLM 基准上保持有竞争力的表现。 Bloomberg 的 ML 产品和研究小组与公司的 AI 工程团队合作，利用公司现有的数据创建、收集和整理资源，构建了一个大型特定领域数据集。作为一家金融数据公司，Bloomberg 的数据分析师已经收集和整理了超过 40 年的金融语言文档，拥有广泛的金融数据档案，涵盖了多种主题，并对数据来源和使用权进行了仔细跟踪。该团队从这个庞大的金融数据档案中提取出了一个包含 3630 亿个令牌的英文金融文档的综合数据集。这些数据与一个 3450 亿令牌的公共数据集结合在一起，形成了一个包含超过 7000 亿个令牌的大型训练语料库。使用这个训练语料库的一部分，该团队训练了一个 500 亿参数的解码器仅因果语言模型。最终得到的模型在现有的金融特定 NLP 基准测试、一套 Bloomberg 内部基准测试和流行基准测试中广泛类别的通用 NLP 任务（例如 BIG-bench Hard、知识评估、阅读理解和语言任务）上进行了验证。结果表明，混合训练方法产生了的模型，在域内金融任务上大大超过现有模型，在三个测试的 AI 模型中表现最佳，得分为 62.51，OPT-66B 的得分为 53.01，GPT-NeoX...

彭博（Bloomberg）是全球领先的商业和金融信息提供商。2023年3月30日，彭博发布了一篇详细介绍了BloombergGPT开发情况的研究论文。BloombergGPT是一项全新的大型生成式人工智能（AI）模型，该大型语言模型（LLM）已专门针对广泛的金融数据开展训练，以支持金融行业内多样化的自然语言处理（NLP）任务。 基于LLM的AI最新进展，已经在许多领域展现出令人兴奋的新应用。然而，金融领域的复杂性和独特术语，要求有一个能特定适用于该领域的模型。BloombergGPT代表着为金融行业开发和应用这项新技术迈出的第一步。该模型将帮助彭博改进现有金融NLP任务，如市场情绪分析、命名实体识别、新闻分类和问答等。此外，BloombergGPT还将为通过调用整合彭博终端上大量可用数据以更好地帮助公司客户，并将人工智能的全部潜力带入金融领域，释放新的机遇。 ——来源：彭博官网 编者使用ChatPDF（一款基于ChatGPT的PDF阅读工具）对彭博最新发布的《BloombergGPT：一项面向金融的大型语言模型》一文（点击文末“阅读原文”可查看完整论文）进行了内容分析，得到了以下结果： BloombergGPT是什么？ BloombergGPT是一个专门为金融领域设计的大型语言模型，具有500亿个参数。它是基于Bloomberg广泛的数据源构建的3630亿个令牌数据集训练而成，同时还使用了3450亿个通用数据集中的令牌。BloombergGPT可以用于各种金融分析任务，例如情感分析、命名实体识别和问答等。 为什么要开发BloombergGPT？ BloombergGPT的开发是为了解决金融领域中自然语言处理（NLP）的挑战。金融领域的数据和术语非常复杂，需要专门的知识和技能才能理解和分析。BloombergGPT是一个专门为金融领域设计的大型语言模型，可以帮助金融专业人士更好地理解和分析金融数据。此外，BloombergGPT可以将自然语言查询转换为有效的Bloomberg Query Language（BQL），从而使与金融数据的交互更加自然和易于理解。 简要介绍BloombergGPT的开发过程？ BloombergGPT是由Bloomberg公司开发的一种基于自然语言处理技术的金融领域语言模型。其开发过程主要包括以下几个步骤：  1.数据收集和预处理：Bloomberg公司收集了大量的金融数据，包括新闻、报告、财务数据等，并对这些数据进行预处理和清洗，以便用于训练模型。  2.模型设计和训练：Bloomberg公司使用了一种基于Transformer架构的神经网络模型，并使用了大规模的训练数据对该模型进行了训练。在训练过程中，Bloomberg公司采用了一种混合数据集的方法，将金融领域数据和通用领域数据相结合，以提高模型的泛化能力和适应性。  3.模型评估和优化：在完成模型训练后，Bloomberg公司对该模型进行了评估和优化。评估过程中，他们使用了多个标准测试集，并与其他现有的语言模型进行比较。在优化过程中，他们采用了一些技术手段来提高模型的效率和准确性。  4.应用开发和部署：最后，Bloomberg公司将该语言模型应用到实际场景中，并将其部署到Bloomberg Terminal等金融应用程序中，以帮助金融专业人士更好地理解和分析金融数据。  总的来说，Bloomberg公司在开发BloombergGPT时采用了一种基于大规模数据和深度学习技术的方法，并注重模型的泛化能力和适应性。这种方法不仅提高了模型的准确性和效率，还为金融领域的自然语言处理技术应用提供了新的思路和方法。同时，BloombergGPT的开发过程也强调了数据预处理、模型设计和评估优化等环节的重要性，这为其他自然语言处理任务的开发提供了借鉴和参考。 BloombergGPT有哪些功能？ BloombergGPT是一种金融领域的语言模型，主要应用于金融领域的自然语言处理任务。它具有以下功能：  1.自然语言查询：BloombergGPT可以将自然语言查询转换为有效的Bloomberg Query Language（BQL）查询，以便用户更方便地检索和分析金融数据。  2.文本摘要：BloombergGPT可以帮助用户快速概括和理解大量的金融文本信息，提取其中的关键信息和趋势。  3.市场情绪分析：BloombergGPT可以帮助用户分析金融新闻、社交媒体等文本中的情感倾向，以便投资者更好地了解市场情绪和趋势。  4.交易策略生成：BloombergGPT可以根据市场趋势和数据预测未来的价格变化，并生成相应的交易策略。 5.风险管理：BloombergGPT可以帮助评估投资组合中不同资产的风险，并提供风险管理建议。  总之，BloombergGPT在金融领域具有广泛的应用前景，可以为投资者、交易员、分析师等金融专业人士提供有价值的信息和支持。 BloomberGPT可以在哪些场景进行应用？ BloombergGPT是一种金融领域的语言模型，主要应用于金融领域的自然语言处理任务。它可以在以下场景进行应用：  1.金融新闻分析：BloombergGPT可以帮助分析金融新闻中的关键信息和趋势，以便投资者做出更明智的决策。  2.财务报告分析：BloombergGPT可以帮助分析公司财务报告中的数据和趋势，以便投资者评估公司的财务状况和前景。  3.交易策略生成：BloombergGPT可以帮助生成交易策略，根据市场趋势和数据预测未来的价格变化。 4.风险管理：BloombergGPT可以帮助评估投资组合中不同资产的风险，并提供风险管理建议。  总之，BloombergGPT在金融领域具有广泛的应用前景，可以为投资者、交易员、分析师等金融专业人士提供有价值的信息和支持。 目前BloombergGPT的评估效果如何？与其他大型语言模型有何不同？ BloombergGPT已经在标准LLM基准测试、开放金融基准测试和一系列最能反映其预期使用的内部基准测试中进行了验证。混合数据集训练使得BloombergGPT在金融任务上的表现优于现有模型，并且不损失通用LLM基准性能。与其他大型语言模型相比，BloombergGPT是专门为金融领域设计的，因此在处理金融数据时具有更好的性能和效果。此外，BloombergGPT可以将自然语言查询转换为有效的BQL，从而使与金融数据的交互更加自然和易于理解。 BloombergGPT现在还有哪些不足？未来应如何改进？ 尽管BloombergGPT在金融领域的表现已经非常出色，但它仍然存在一些不足之处，例如： 1.训练数据的局限性：尽管BloombergGPT使用了大量的金融数据进行训练，但这些数据仍然有一定的局限性。未来可以考虑使用更多样化、更广泛的数据集进行训练，以提高模型的泛化能力和适应性。 2.模型解释性：由于BloombergGPT是一种黑盒模型，因此其结果可能难以解释。未来可以探索如何提高模型的解释性，并使其更易于理解和应用。  3.多语言支持：目前BloombergGPT主要支持英语，而在全球范围内金融领域使用的语言非常多样化。未来可以考虑增加对其他语言的支持，以满足不同地区和市场的需求。  4.实时性能：尽管BloombergGPT已经具有很高的准确率和效率，但在某些实时应用场景中可能需要更快速、更实时的响应能力。未来可以探索如何进一步提高模型的实时性能。  为了改进BloombergGPT，在未来可以采取以下措施： 1.增加训练数据的多样性和广泛性，以提高模型的泛化能力和适应性。 2.探索如何提高模型的解释性，并使其更易于理解和应用。...

12月7日，金证股份在上海成功举办“金融领域特定场景大模型研讨会”，邀请金融行业合作伙伴和知名专家学者齐聚一堂，共同探讨大模型的发展路径，共创金融AI未来。本次会议由金证股份双基石业务总部基财业务线总经理宋云涛主持。   会上，金证股份联合旗下子公司金证优智发布了自主研发的金融领域特定场景大语言模型体系——金证金融大模型及工具集，标志金证股份推动AI在金融垂直领域落地应用上实现新突破，将更好服务金融行业客户，赋能行业数字化转型。 李结义金证股份董事长金证股份董事长李结义在致辞中指出，近年来，以大语言模型为代表的人工智能技术突飞猛进，正推动全球人工智能领域新一轮的技术升级和产业重构，也为各行业带来前所未有的机遇与挑战，国内多家科技机构加大推进大模型的建设，热情只增不减。作为其中代表的金融领域，在这一转型升级的风口中，更亟待以科技力量开启新的篇章，运用AI技术助力金融行业迈向智能化时代。李结义表示，作为一家在行业深耕30年的金融科技公司，金证股份早在2018年便开始着手AI在金融应用领域的研究，并通过多个事业部、子公司和创新平台公司对AI技术在金融领域实现落地应用。金证股份在此次数字技术浪潮下，也深入开展对大模型技术的研究。今年，集结了业内顶尖专家的金证股份AI团队自主完成了金融领域特定场景大语言模型体系的研发，并推动AI在金融垂直领域的落地应用，面向营销、客服、投行、投研、风控等业务场景提供了创新的智能金融产品及解决方案。李结义认为，大模型“求真、求精”已逐渐成为行业共识。未来，大模型能否在资本市场更好地运用，主要从技术、业务两个角度考量。技术上，大模型能不能“让不会的人更快会，让会的人效率更高”；业务上，技术平台是否将成为金融机构业务实际应用的必备品。李结义希望，通过这次金融大模型及工具集的发布，以及金证股份在AI领域积累的经验，能够真正为金融行业创造价值，助力金融行业客户跃上一个新的台阶。金证股份首席信息官廖亚滨 金证股份首席信息官廖亚滨针对“大模型在金融领域落地的思考”做主题分享。 廖亚滨指出，早在2018年，金证便从战略执行层面着手布局AI领域，并成立子公司金证优智作为集团AI战略的落地平台，通过认知智能、知识搜索、文档理解技术与金融场景结合对金融AI方面进行探索。 2019年，金证优智实现单点突破，发布了认知智能驱动的智能监管科技系统，为证监会、港交所等监管机构服务。系统涵盖应用爬虫与搜索技术的智能舆情系统的关键引擎、智能企业评估下多维度综合分析的精准能力以及金融认知模型技术的Transformer与知识图谱融合。 在2020年至2022年期间，金证股份在人工智能领域进行多方面的努力，在智能风控和智能文档领域取得了突破。今年，金证股份联合金证优智自主研发的金融大模型K-GPT由金融认知智能技术、搜索技术和金融智能文档处理技术共同打造。其中，金融认知智能技术成功实现了从专业小型模型到专业大模型的转变，搜索技术实现了从金融搜索到金融语义搜索的跨越。 廖亚滨介绍，大模型工具集主要包括K-GPT、金融语义搜索、智能文档处理、金融知识库、精细调整和评估。基于大模型的场景解决方案涵盖智能投研、智能投顾、智能投行、智能合规和智能客服等领域。 谈到模型落地应用的思考，廖亚滨从模型训练与优化、语言大模型应用、代码大模型应用、大模型合规风控四大方面发表了自己的见解。 金证股份首席AI官、金证优智CEO詹毅 金证股份首席AI官、金证优智CEO詹毅围绕《金融大模型K-GPT及大模型解决方案工具集》进行主题分享。他指出，K-GPT体系基于Transformer架构，结合领域预训练及场景化精调，与懂金融的语义检索引擎和由智能文档处理平台（IDP）高效搭建的金融知识库形成完整联动，具备更及时、更可靠、更懂金融的特点。 詹毅现场演示通用大模型及K-GPT问答情况，通过示例分析总结道，相较于通用大模型，K-GPT数据查询准确性高，更好理解金融术语，且回复专业、数据扎实，同时支持查看引用知识源，以及与实时数据与模块化集成，具备调取实时数据与组件的能力。依托于底层庞大的金融知识库，专为金融场景服务的K-GPT核心优势在于懂金融、数据准确、可验证及支持调用Agents。 詹毅表示，大模型解决方案工具集从训练到应用，一站式解决大模型应用落地，提供营销文案生成、监管问询总结、合规问答、智能客服机器人、知识QA生成器应用实例。 在与会嘉宾的共同见证下，金证股份举行了金证金融大模型及工具集发布仪式，展示金证在金融AI领域自主研发的阶段性成果。会上，与会嘉宾还就“金融领域特定场景大模型的应用和发展趋势”进行深入交流和讨论，共谋金融AI新生态。 未来，金证股份将保持创新、开放和合作的精神，携手行业合作伙伴在人工智能领域不断优化、创新，共同推动人工智能在金融行业更深入、更广泛的应用，推进金融行业数字化进程。 上市20年 | 岁月如歌二十载全面信创！广发证券新一代认证系统正式上线重磅！又中标一头部公募基金

颠覆金融2b服务，首家金融通用大模型浮出水面。 ◎懂财帝 (ID:znfinance) | 朱琼华 GPT（人工智能大模型）引发的失业危机，正笼罩在数亿白领的头顶。 ChatGPT和Midjourney持续冲击下，中外游戏行业海量的画师、设计师正在遭遇被裁员，成为受到AI冲击最大的行业。 那么，谁是下一个遭遇巨大冲击的行业？ 高盛近期发布了一份惊悚的报告：AI将威胁全球3亿人工作。 其报告指出，美国行政人员46%会被GPT替换；法律行业相关工作，GPT替代率44%；建筑和工程领域，GPT替代率37%。 领跑者Open AI发表论文指出：金融业的暴露率最高，说明金融从业人员最容易被取代。 ChatGPT横空出世，其估值迅速飙升至290亿美元，如今国内百度、阿里、腾讯等各家互联网公司纷纷涌入，国内市场大模型瞬间达到数十家…… 垂直2b金融服务领域市场已高达数千亿，金融垂直大模型有望成为下一个创业浪潮。 1｜失业潮将从游戏至金融 5月1日劳动节这天，大洋彼岸的IBM传出一个消息：该公司将有7800人被裁掉，永久淘汰。 IBM为了每年节约20亿美元，推出了一项「开支管理」计划。其关键措施：暂停招聘AI可以胜任的岗位，波及约2.6万名员工。 科技巨头们左手裁员，右手押注GPT。他们近乎腾出员工薪水为GPT输血。 META接裁掉了1.1万名员工，亚马逊裁掉了2.7万名员工，他们都将人工智能列为最值得的投资；领跑ChatGPT的微软更是手起刀落，裁员1万人，投资OpenAI 100亿美元。 GPT引发的人工替代潮，也席卷到了中国。 国内游戏大厂网易吃螃蟹GPT3.5，网易游戏等试水GPT提效。一些员工慨叹：「训练不好，说明不适应岗位；训练好了，可能岗位就不需要你了。」 公关及广告服务商蓝色光标更是直接砸了外包的饭碗，宣称要全面停止文案撰写、创意设计等四类外包支出，直接用GPT替代。 IBM首席执行官Arvind Krishna强调：「上述岗位中的30%，会被GPT取代。」 我们曾经以为，AI能取代那些重复的体力劳动，比如扫地、洗碗、清洁等。 但这一次，人工智能取代的是办公室的白领：人力资源、财务、法务这些岗位，AI工具完全可以胜任。 美国一家仅十人的AI工作室开发出了一个叫Midjourney的绘画工作室，它能自动生成照片、绘画，并轻松进化成艺术家，它能自动生成「摄影大师、绘画大师」级作品。 Midjourney三秒生成的作品，完胜科班出身、三年以上经验的资深画师。它独有的设计、创意能力，令游戏行业大批的原画师、设计师开始失业。 Midjourney和ChatGPT已经开始具备人类的「涌现」思维能力，能够如聪明人一般「举一反三」，自动生成文本、图片等内容。 它们的出现意味着，GPT拥有创新与灵感能力，它开始「征服」人类。 失业危机已经从游戏行业蔓延，谁是下一个遭遇冲击的行业？ Open AI最新的论文《GPTs are GPTs: An Early Look at the Labor Market Impact Potential of...

短短4年时间，从GPT-1到GPT-4，彭博社BloombergGPT、谷歌Bard、讯飞星火认知大模型等GPT模型遍地开花……LLM逐渐发展成为一种通用技术（GPTs），相较于闪耀NLP界的Bert模型，GPT模型具有更高的性能和更广泛的应用场景。AI时代已经到来，GPT技术在未来的发展中将会继续发挥重要作用，并成为自然语言处理领域的主流技术之一。 对ChatGPT的使用体会：1、在金融情感分析方面强大到可以吊打BERT模型，理由是具有参数优势（万亿级参数）的GPT学习到了Bert（亿级参数）未知的“文本信息“；2、会加剧社会的马太效应。对具备知识功底的人来说，ChatGPT的回答大致能令人满意（不易被回答所忽悠），可以大大提高工作效率；但对于小白来说，只能从中学习得到非常有限的信息（容易被GPT忽悠）。 本文主要解读ChatGPT技术在股市中应用的第一篇文章《Can ChatGPT Forecast Stock Price Movements? Return Predictability and Large Language Models》，于 2023 年 4 月 15 日预发布于 Arxiv。主要内容包括：研究结论、实验设计、实证结论三个部分。 1、研究结论 作者利用了数据运营商RavenPack提供的新闻数据，对其进行预处理，之后分别用ChatGPT、GPT-1、GPT-2、BERT-large、BERT模型对新闻数据进行评分以此构建新闻因子，之后将个股次日收益与新闻因子进行基准回归，依据回归结果构建了多空投资组合，最后得到如下结论： 1、GPT-1、GPT-2 和 BERT 不能更精确的预测股票收益：这表明股票收益可预测性是复杂模型的一种能力。  2、ChatGPT的情绪评分在每日股票市场回报方面具有统计显著的预测能力：每用新闻标题数据和生成的情绪评分，我们发现ChatGPT评估与样本中股票的随后每日回报之间存在强相关性。 3、ChatGPT模型在预测股市回报方面优于现有的情绪分析方法：控制ChatGPT的情绪评分变量时，其他情感评分对每日股票市场回报的影响降至零。 4、ChatGPT的情绪评分对于小市值股票非常有效：在小市值样本回归中，GPT因子不仅显著且系数更大！ 5、将LLMs与其他机器学习技术集成，是未来量化投资的重要发展方向。 2、实证分析 2.1 数据说明 作者利用了两个数据集：1、美国证券交易委员会(CRSP)的每日个股收益率（研究对象为股票代码为10或11的普通股）；2、数据运营商（RavenPack）的新闻标题数据，并且作者对这些标题进行了预处理和过滤使得更突出新闻的异质性（a.相关性分数为100的新闻；b.排除了被归类为“股票涨跌”的标题；c. “事件相似度天数”超过90；d.使用Optimal String Alignment度量标题相似性以此删除同一天、同一家公司相似度大于0.6的标题）。另外，ChatGPT的训练数据仅到2021年9月，文章采用的数据集范围为2021年9月——2022年12月。 RavenPack是一家新闻数据公司，国内做金融舆情的数据运营商有：万徳、同花顺Smart Tag以及数库ChinaScope(2020年底J.P. Morgan根据数库的数据写了一份A股市场的新闻因子多空策略)。 2.2 研究设计2.2.1 Prompt提示词 2.2.2 GPT示例下面是作者提问的一个例子，从回答上来看GPT的回答是相当准确的（如果是Bert模型，可能只attention到“Fined 630000” 而给标题判定为消极影响），相比RavenPack 提供的是-0.52的负面情感评分。...

7月24日，金融监管总局网站发布关于防范新型电信网络诈骗的风险提示。其中提到，新型电信网络诈骗包括：“AI换脸拟声”类诈骗。不法分子以“网店客服”“营销推广”“招聘兼职”“婚恋交友”等为借口，通过微信、电话等方式联系消费者，采集发音、语句或面部信息。利用“换脸”“拟声”等技术合成消费者虚假音频、视频或图像，模拟他人声音或形象骗取信任，以借钱、投资、紧急救助等借口诱导其亲友转账汇款，或提供银行账户密码等敏感信息，随后立即转移资金。此外，不法分子还可能对明星、专家、执法人员等音视频进行人工合成，假借其身份传播虚假消息，从而实现诈骗目的。 海量资讯、精准解读，尽在新浪财经APP

　　关于防范新型电信网络诈骗的风险提示 　　近年来，随着网络技术的发展，诈骗手段快速翻新，迷惑性不断增强，严重侵害公众财产安全与合法权益。为此，国家金融监督管理总局金融消费者权益保护局发布防范新型电信网络诈骗风险提示，提醒广大群众警惕花样翻新的骗局，增强风险防范意识和识别能力，守护好自己的钱袋子。 　　新型电信网络诈骗主要有以下几类： 　　一、“共享屏幕”类诈骗。不法分子以“提升信用卡额度”“取消名下不实贷款”“注销保险服务”“航班延误退费”“赠送礼品”等为借口，向个人发送短信或拨打电话，诱导消费者下载指定的聊天软件、网络视频会议软件，并让个人开启软件的“共享屏幕”功能，以便不法分子“实时监控”消费者手机、电脑屏幕，“指导”消费者进行银行卡绑定、密码修改等操作，同步获取个人银行账户、密码、验证码等重要信息，从而盗取银行卡资金。 　　二、“AI换脸拟声”类诈骗。不法分子以“网店客服”“营销推广”“招聘兼职”“婚恋交友”等为借口，通过微信、电话等方式联系消费者，采集发音、语句或面部信息。利用“换脸”“拟声”等技术合成消费者虚假音频、视频或图像，模拟他人声音或形象骗取信任，以借钱、投资、紧急救助等借口诱导其亲友转账汇款，或提供银行账户密码等敏感信息，随后立即转移资金。此外，不法分子还可能对明星、专家、执法人员等音视频进行人工合成，假借其身份传播虚假消息，从而实现诈骗目的。 　　三、虚假网络投资理财类诈骗。不法分子假借债券投资、股票投资、贵金属投资、期货投资等概念，在网络平台发布消息宣称“稳赚不赔”，吸引群众关注。并将个人拉入“投资”群聊，然后冒充投资导师、理财专家，以“专家内幕”虚假消息诱导投资，或通过婚恋交友平台与个人确定婚恋关系，再以有“内部消息”“特殊资源”等诱骗个人参与投资，引导个人在伪造或仿冒的投资平台进行投资，并以小额投资返利作为诱饵，不断引导个人加大资金投入，随后迅速转移资金。 　　四、网络游戏产品虚假交易类诈骗。不法分子在网络游戏或社交平台中发布虚假的游戏账号、装备、点卡买卖信息，以“低价出售”“高价收购”为噱头，吸引游戏玩家关注。对想低价购买游戏产品的玩家，不法分子诱导其绕过正规游戏交易平台与其进行线下交易，当玩家支付钱款后，不法分子便消失无踪；对想高价出售游戏产品的玩家，不法分子诱骗其登录虚假交易网站进行交易，并以各种理由要求玩家先缴纳保证金、手续费等费用才可“提现”，并不断要求玩家充值更多金额，随后迅速转移资金。 　　诈骗形式不断演变翻新，伪装性越来越强，群众稍有不慎便遭受经济损失。为保护广大群众合法权益，强化反诈意识、提升反诈能力，国家金融监督管理总局金融消费者权益保护局提示广大群众： 　　一、不盲目不轻信，不贪小利防骗局。树立科学理性的投资理财观念，提高风险防范意识和信息甄别能力，对退还费用、礼品赠送、保本高息、高价收购等“天上掉馅饼”的说辞保持警惕，避免贪图小便宜，遭受大损失。避免盲目跟风或投机心理，不轻信来路不明“小道消息”，不轻信“稳赚不赔”或“保本高收益”等说辞。在选择理财产品时，应选择正规金融机构并仔细阅读合同条款，充分评估自身的风险承受能力，选择符合自身需求的产品，提升识骗防骗能力，谨防财产遭受损失。 　　二、拒绝“共享屏幕”，保护信息防泄露。增强个人信息保护意识，妥善保管身份证号、银行卡号、账户密码、验证码、个人生物识别等信息。不随意点击不明链接，不随意下载陌生软件、注册陌生平台或添加陌生好友，对个人社交账户的安全状况保持警惕，拒绝陌生人“共享屏幕”要求，避免无关人员操纵本人手机、电脑等电子设备，避免因个人信息泄露造成经济损失。同时，应加强对个人信息的保护措施，定期检查账户安全设置，及时发现并处理异常情况。 　　三、转账汇款严把关，谨慎操作护财产。涉及转账、汇款操作时要提高警惕，防范资金被骗风险。在接到涉及要求转账汇款的电话、短信或网络信息时，及时通过官方机构核实信息的真实性，不轻信陌生人的转账要求或诱导信息，不贸然向陌生人提供的账号转账汇款，不随意向无关账户转账打款。在转账汇款前，务必认真核对对方身份和信息，确保资金是转给真正可信任的人员或机构。 　　四、正规渠道保权益，遭遇诈骗速报警。群众如遇经济纠纷，应依法通过正规渠道进行维权，可通过第三方调解组织进行调解、向司法机关提起诉讼。如发现自己陷入诈骗陷阱导致资金受损，或发现涉嫌违法犯罪线索，应保存好聊天记录、通话录音、交易截屏等有关证据，及时向公安机关反映。同时，不可轻信网络上自称“网警”“黑客”等组织或人员，避免再次受骗。