AI助手资讯

本文强调了入门金融学首先要理解金融市场，将其比喻为金钱的搬运工，并指出目的是赚钱而非成为经济学家。作者反对盲目看书学习，而是提倡从实际出发，了解金融基础知识，如开盘价、交易规则等。技术分析被分为基本面和技术面，基础是理解和接受三大前提，数学好的人可研究指标，而实践和反思（通过复盘与日记）至关重要，最后要根据个人特点选择并优化投资策略，形成自己的体系。入门金融需要脚踏实地，而非急于求成。

M. Dowling's article delves into the complexities of human decision-making by exploring cognitive biases and their impact on judgment. It offers insights into how individuals can overcome these biases through strategic thinking and mindfulness, ultimately fostering more rational and accurate choices in daily life.

这篇文章讲述了可持续金融的重要性和快速发展，它通过考虑环境、社会和企业治理因素进行投资决策。目前，ESG 行业规模达到 40 万亿美元，金融机构如投资银行和资产管理机构开始重视 ESG 指标。企业为了展示其可持续性，会衡量并优化这些指标。AI，特别是自然语言处理技术（NLP），在理解和分析大量非结构化数据中起着关键作用，通过识别关键词和情感来提取ESG信息，为金融决策提供依据。尽管ESG是相对较新的趋势，但随着AI的普及，它正在改变金融行业并推动可持续投资的发展。

本文主要介绍了GPT-3这样的深度学习模型在金融科技领域的应用和最新前沿科技方向，包括自动报表生成、信息检索分析以及新闻撰写等潜在爆点。通过GPT-3，用户可以实现财务报表自动生成，智能金融数据分析，甚至伪造新闻以影响市场决策。同时，文章指出，深度学习技术如自动化流程和多渠道综合信息获取将推动金融科技的未来发展，消灭人工重复工作，并提升数据处理和预测能力。总的来说，GPT-3引领的金融科技趋势充满潜力，对行业深度优化和投资决策具有重要影响。

Twitter博主通过实验证明GPT4在金融和日常服务中可自动识别并取消无效订阅，帮助管理健身会员，甚至起草合理法律文件要求退款，展现大模型在垂直领域的潜在应用价值。这预示着未来AI可能成为个人生活中便捷的助理，如规划旅行等任务有望一键解决。

天风计算机团队 作者 | 缪欣君 详细信息请联系 | 李璞玉 摘要 当前市场大家普遍认为，大模型基于其通用性，会在C端市场攫取更多发展空间。但结合论文《GPTs are GPTs: An Early Look at the Labor Market Impact Potential of Large Language Models》中的观点，大模型的能力或在未来引起行业层面对人力资源的需求降低。产业的变革，由产业的软件触发。据此我们判断，当前时点大模型在B端的发展机会或被低估。 从落地角度看，GPT在金融业推广的两个基础已经具备。1）看需求，客服与销售人力成本高昂有望为AI替代提供广阔空间。金融行业人力支出高企，以保险为例，代理人薪酬开支达万亿，IT支出仅为其的1%。考虑保险代理人数量持续下滑，我们判断保险公司或有意愿探索更高效的业务拓展方式。2）看场景，AI在金融行业多领域已具备使用基础，落地场景丰富。根据产品分类，现有金融+AI应用的包括AI风控、智能客服、智能营销、智能保险、智能投顾、智能投研等。过于由于技术能力限制，AI相关的交互往往体验不佳。而大语言模型卓越的情感分析、意图识别与学习能力有望有效解决这一问题。 从技术角度看，预训练模型调优与自研大模型有望为金融业AI应用再赋能。在优质语料库的预训练下，LLM可以获得基本的语言理解和生成技能。指令调优可以提升大模型在金融领域对专业性问题的理解能力。对齐调优有望保证金融行业大模型落地的合规性。 对于金融IT公司，业务理解与训练数据构成AI核心竞争力。我们认为，1）服务于准确性，训练数据的质量与数量构建成为金融领域大模型应用的核心竞争力。2）服务于可用性，基于对业务的理解基础，对产品进行AI赋能，保证了应用软件最终的可用性。 在数据+业务理解能力双重占优的背景下，我们判断头部金融IT厂商有望受益于本轮技术革新，构筑新一轮的成长。 彭博社发布的BloombergGPT显示出金融界大模型的应用潜力。而受益于金融IT基于AI的应用基础，以及明确的市场需求潜力，金融领域的GPT革命或刚刚开始。 建议关注金融IT相关标的：ToB：保险IT：中科软、恒生电子、新致软件等。证券IT：恒生电子、顶点软件、金证股份等。银行IT：长亮科技、京北方、宇信科技、软通动力、神州信息等。ToC：同花顺、东方财富（海外&传媒组覆盖）、指南针、财富趋势等。 风险提示：AI应用落地不及预期；金融GPT进展不及预期；大模型进展不及预期。 前言：由OpenAI论文看B端金融GPT的潜力 2019年以来，大语言模型能力加速提升，入局厂商与模型涌现。据Wayne Xin Zhao等人论文《A Survey of Large Language Models》统计，2019年以来，参数量超过10B的大模型有47个，其中开源大模型20个，闭源大模型27个，大语言模型迅速发展。 大语言模型对各个行业均有影响，对金融行业的潜在冲击最大。根据OpenAI论文《GPTs are GPTs: An Early Look at the...

本篇文章回顾了前几期的内容，强调了探讨的重要性。通过深入解析关键议题，文章展示了如何通过批判性思维促进理解和创新，强调了摘要中提到的几个核心观点——从多个角度审视问题、挑战既有观念以及运用逻辑推理进行分析。