AI助手资讯

随着ChatGPT的问世，以大模型为主的AI（人工智能）发展成为金融科技发展的新热点。人工智能在金融领域的应用，被认为在市场、交易，监管等方面都有着广泛的前景。不过，包括监管机构、市场部门仍然担心AI的大范围应用会带来数据安全、风险集中等一些问题。这些问题和隐患也使得相关创新面临新的挑战。 近期，在AI应用在金融监管科技的影响方面，国际清算银行1月23日发布报告称，AI（人工智能）在央行信息收集、宏观经济分析、支付系统监测、金融监管等四个方面将发挥重要作用，但与此同时也会面临准确性、隐私、成本、依赖性等诸多挑战。另外，国内的CF40近期也发布智能金融发展报告称，以ChatGPT为代表的生成式人工智能（AIGC）的出现无疑对金融业具有深远的影响，一方面，可以通过快速准确的信息和自动化的任务处理推动金融业降本增效；另一方面，也进一步推动了金融行业的数智化转型，拓宽了金融行业AI应用的边界。人工智能不仅是金融监管所需要面对的市场挑战，也给金融监管自身带来各种不确定性。 在广泛的数据处理方面，人工智能的发展不仅给金融机构各种交易提供高效的数据分析，同样也为监管部门的决策提供支撑。国际清算银行称，各国央行在获取高质量数据时，需要清洗、抽样以及匹配新数据与旧数据，数据量和复杂性日益增加，亟需高效灵活的处理工具。而无论数据分布形态如何，AI在上述过程中都能够自动识别潜在异常值，经人工专家审核反馈后，可以完善算法，提高工作效率。在货币政策和宏观经济金融分析方面，国际清算银行称，AI可以从各种传统和非传统的数据源中有效地提取信息，还能够反映数据中复杂的非线性关系。支付系统的日常监测方面，央行能够通过AI更有效地识别异常支付、可疑交易，以及监测银行挤兑等非线性的动态情况，这些功能有助于及时防范潜在的银行倒闭、网络攻击或金融犯罪等问题。国际清算银行称，AI非常擅长处理非结构化数据，可以根据文本训练与专家指定关键词相结合，自动发现风险信号。例如，欧央行目前的Athena系统就使用自然语言技术来处理新闻报道、银行内部文件和监管评估等大量文件，来提高监管效率。监管效率、准确度和精确度的提升，意味着未来AI在金融监管领域有着十分广泛而实际的应用。 但与此同时，国际清算银行提醒，AI在央行的应用亦存在不少挑战。首先是准确性与可解释性的冲突。如果算法存在歧视或偏见，模型得出的答案就会不准确；复杂的机器学习模型涉及很多变量和非线性关系，因此很难解释不同变量对结果的影响程度。其次，非结构化数据（通常是个人数据）的使用在法律框架和数据隐私方面提出了新的挑战。与之前数据主要由公共机构提供不同，央行现在要使用的大量数据来自私营部门，或者从社交媒体网络抓取，这会引发对道德和隐私的担忧。在投入成本上，更多地使用AI可能让央行在IT和人力成本方面承压。AI技术在帮助央行提高监管效率的同时，也会引发人们对央行依赖少数外部供应商的担忧，技术中断可能给央行带来运营风险。除了市场集中度给创新和经济活力带来的一般风险外，资源的高度集中还可能造成重大的金融稳定、运营和声誉风险。在新的环境之下，作为监管部门而言，不仅需要面对跨部门、跨领域的数据协调问题，还需要面对模型本身各种缺陷所带来的尾部风险。这些都是过去金融监管所无法预见的。 在市场应用方面，CF40的报告指出，从现阶段应用实践看，智能金融的主要问题和风险点集中在几个方面：智能金融的伦理标准考量、人工智能技术风险与系统安全、金融数据安全与个人信息保护、市场行为与金融消费者权益保护、智能技术所引起的金融风险。这些风险，有些是大数据应用所固有的一些特性，比如数据的所有权、隐私、安全等问题，不仅对包括金融监管在内的金融领域具有影响，在人工智能的其他应用领域，这一问题同样存在。同样，有些风险则反映了金融领域的特殊性。包括外溢风险，尾部风险都是过去的金融实践中所没有遇到的新情况。 由于金融业务的即时性，以及风险的强烈外溢性，使得数据本身的风险对经济和金融市场的冲击更为严重。因此，对于数据应用制度体系的一些争议，更需要进行充分的论证和研究，作出妥善安排，而且这种安排在金融领域需要及时进行修订，避免监管跟不上技术变化带来的基础性风险。这种风险如果暴发，可能出现比P2P网贷、数字货币泛滥等各种挑战所带来的冲击更大。中国银行原行长李礼辉曾指出，人工智能技术迭代可能造成在算力、数据治理和安全等方面的冲击和挑战；而将尚不成熟的人工智能技术投入高风险的金融领域，可能放大现有风险并产生新的风险。这其实都意味着以人工智能为新方向的金融科技发展，需要有更为谨慎的监管。而这与鼓励创新的发展金融科技的初衷有差距。如何平衡监管和创新，可以说给未来对人工智能在金融领域的应用而言，带来越来越严重的挑战。 最终分析结论：国际清算银行称，AI（人工智能）在央行信息收集、宏观经济分析、支付系统监测、金融监管等四个方面将发挥重要作用，但同时也会面临准确性、隐私、成本、依赖性等诸多挑战。这意味着人工智能发展将对金融监管带来挑战。金融监管不仅需要解决数据应用等共性问题，还需要更为谨慎和即时的监管以避免风险外溢和扩散。（来源：安邦咨询）

据银柿财经，1月12日，在浙江杭州举行的2024基金生态大会上，来自头部券商、基金公司的知名分析师、营销大咖、爆款ETF打造者等近300位业内专家共同见证了问财HithinkGPT大模型(简称“HithinkGPT”)的正式发布。 这是同花顺（300033）完全自主研发的大模型，也是业内首家通过网信办备案的金融对话大模型。作为市场上唯一集金融查询、投资咨询、资讯分析以及事件点评于一体的大模型，HithinkGPT拥有超过50种独特技能，为用户提供全面而深入的服务。 同花顺深受投资者欢迎的对话机器人――问财目前已经基于HithinkGPT成功实现了五大能力的升级：更全面的实时金融数据、更强大的语义理解、更专业的建议、更生动的表达形式和更可控的内容生成。HithinkGPT还在智能投研、智能投顾、智能陪练、智能代码生成等场景提供品类齐全、品质优良的产品及能力，真正做到用AI引领金融科技。 据悉，1月2日，问财HithinkGPT大模型内测申请全面启动，内测开启一周，注册排队人数就突破了5万人次。另外，新一代问财内测申请继续开放中，用户可联系同花顺申请试用。

背靠阿里，“AI大模型+金融”第一股，机构增持超10亿，下个昆仑万维？ 在进入正题前，来规矩先聊聊市场。 随着时间进入到7月份，上市公司年报和一季报密集发布，在加上近期关于ChatGPT的利空消息不断，比如某某国家禁用ChatGPT，科技巨头签署暂停GPT-5训练的协议。 受这些利空消息的影响，ChatGPT是否会进入全面退潮期？市场主线是否会重回风光储等成长赛道呢？ 小编的观点：并不会！ 理由有两点： ①前两年是风光储赛道的巅峰期，早已透支了预期，没有新故事可讲了。随着国家“双碳”目标的推进，风光储赛道相关企业的业绩，或将一如既往的优秀，但基本上都已经明牌了。 ②从市场资金的切换来看，暂时来看，并没有流到低价+低位+低估值的风光储赛道，反而是在数字经济、半导体和中特估之间切换。 正所谓，百足之虫死而不僵。由于市场资金介入较深，ChatGPT概念并不会一下子就进入全面退潮期，还会反复。这种时候，正是我们挖掘潜力股，寻找低位补涨龙头的好时机。 不过，还是要提醒各位粉丝朋友，不可盲目追涨，注意风险。 这家“阿里系”公司，机构净买入超10亿，下个“昆仑万维”？ 经过一段时间的研究和复盘，也精选了一家有望补涨的行业龙头。 精选的这家有望补涨的行业龙头，是“阿里系”金融IT龙头企业，近期机构大手笔增持，净买入超10亿，能否成为下一只“昆仑万维”呢？ ①“阿里系”金融IT龙头企业，手握大量宝贵的数据资源 ChatGPT的横空出世，意味着语言类AI底层技术NLP进步显著。但是AI大模型的训练，离不开海量的数据支撑。 数据是AI大模型训练的基础，支撑AI大模型训练的优质数据越多，意味着算法从中学习的效果越好。拥有海量优质数据的，除了三大运营商，就是金融行业了。金融行业掌握大量的C端用户，是优质AI落地场景。 公司作为阿里系金融IT上市公司，是金融IT领域当之无愧的龙头企业，手握大量宝贵的数据资源。 ②AI大模型+金融，公司持续布局AI在内的前沿技术 公司不仅是百度文心一言的首批生态合作伙伴，并成立研究院，持续布局包括AI在内的前沿技术。 目前，公司正在探索生成式AI与金融核心业务的应用融合，在投研、投顾、营销、客服、运营、风控等金融各类业务场景开展人工智能大模型技术应用，为金融机构提供全场景人工智能解决方案及服务。 ③近期机构大手笔净买入超10亿，对标昆仑万维 ChatGPT概念爆发以来，诞生了不少大牛股。比如，AI芯片第一股寒武纪，近20个交易日涨幅98.43%。互联网出海第一股昆仑万维，近20个交易日涨幅也达86.15%。 另外，中文在线、返利科技、创业黑马、同花顺、蓝色光标等ChatGPT应用领域的核心公司，都获得了不错的涨幅。 当这些公司涨到高位，主力机构低位布局这家金融IT龙头，意图已经很明显。根据数据显示，近5个交易日，机构净买入超10亿。 你知道这是哪家公司吗？它会成为下个“昆仑万维”吗？

哥伦比亚大学近日联合上海纽约大学推出全新大模型产品FinGPT，这是一款面向金融领域的大模型产品。 结合彭博此前已推出金融行业大语言模型BloombergGPT,这标志着金融行业迎来大模型时代，未来可能应用于金融建议、量化交易、组合优化、金融情感分析、风险管理、金融欺诈发现、信用评级、破产预测、ESG、低代码开发、金融教育等场 此外，基于FinGPT其开源特性，有望加快金融大模型的普及、应用端的推广，加速金融创新的发展，梳理受益方向包括: 1)具备较强的AI能力。如同花顺，建了AI领域的顶尖团队;恒生电子，自2014年正式启动Al研究工作，已发布20多款人工智能产品;金证股份引入了多名算法专家和架构师组建团队。 2)具有丰富行业数据。具有金融行业相关数据的同花顺、指南针、恒生电子(恒生聚源)等有较大优势。 3)具备丰富的行业经验与深入的业务理解。人工智能需要IT能力、算法、业务等，占据较大市场份额的公司会积累起较多的行业经验与业务理解，如恒生电子、金证股份、宇信科技。 4)与头部互联网厂商有紧密联系。与其进行合作有利于率先进行大模型的落地取得先发优势，如恒生电子(蚂蚁科技集团为其股东)，宇信科技(与百度达成战略合作)。

GPT的风刮向了金融领域。这项变革性的技术正在驱动金融行业使用AIGC，通过实际的应用产品去满足客户需求，进行金融服务创新。公开信息显示，摩根大通、摩根士丹利、美国支付巨头Stripe、高盛等都已纷纷入局AIGC，这其中，中国金融机构也开始跃跃欲试。 在与AI的互动中，金融机构都有相同的选择：都服务于公司内部，以间接的方式提升客户体验，并不直接对外开放。金融机构不约而同的选择并不奇怪，数字金融业态走向产业与场景的融合阶段下，AI提效最优解就是直接面向客户，金融机构也在围绕这个落点展开。 金融行业拥抱AI 作为第一家在工作场所限制使用ChatGPT的华尔街投行，摩根大通近日被报道或会成为第一家计划直接向客户发布类似ChatGPT产品的金融机构。 报道称，摩根大通正在开发一种类似ChatGPT的研发投资顾问GPT，为一款名为IndexGPT的产品申请商标。根据摩根大通提交的文件，IndexGPT将连接利用人工智能(AI)技术的云计算软件，根据客户需求，量身分析和选择证券标的。不过IndexGPT是否将与ChatGPT使用“同款”AI技术，在相关披露文件中并未说明，仅称摩根大通计划使用“受生成性对话模型(GPT)驱动的AI技术”。 而在摩根大通之前，已经有摩根士丹利、美国支付巨头Stripe、高盛等纷纷入局，但它们并没有直接面向客户提供服务，都仅在内部进行测试。 以首家正式接入GPT-4的金融机构摩根士丹利为例，其与GPT-4的合作主要服务于公司内部，用来帮助财富管理顾问们更好地工作。GPT-4已将公司所有智库内容转化为更易于使用和操作的格式，帮助其财富管理顾问更便捷高效的检索涵盖投资策略、市场研究和评论、分析师洞察等内容信息。从员工的体验感来说，这就好比他们在和客户打电话时，公司的首席战略官就坐在自己旁边。 通过训练GPT-4，尽可能地满足摩根士丹利内部人员工作时的需求是确保良好客户服务的关键。摩根士丹利数据与创新分析主管Jeff McMillan也表示：“进一步确保良好客户服务的关键是我们大规模投资技术的能力。” 同时宣布与GPT-4合作的还有美国支付巨头Stripe，使用GPT-4可以帮助Stripe进行“优化服务”的工作。Stripe计划了解每个企业客户如何使用平台，但通过人工进行这项工作，不仅工作量十分庞大，且容易发生疏漏。该公司负责人表示，Stripe使用GPT-4扫描客户网站并得出简要报告的表现中，GPT-4要优于人工。值得注意的是，合作中Stripe为基于ChatGPT等人工智能工具的支付提供计费和结账功能，以及自动化和税务合规技术，这也帮助了ChatGPT进行商业化尝试。 高盛也曾明确表示禁止在交易大厅使用类 GPT 技术产品，但对于人工智能的限制也是“口是心非”。继摩根士丹利接入GPT-4之后，高盛也开始使用类似于ChatGPT的人工智能软件，在内部协助工程师编写代码。高盛首席信息官 Marco Argenti 表示，在某些情况下，开发人员已经能够使用生成式AI自动编写多达40%的代码。 中国金融机构对AI的热情明显高涨的多。百度副总裁李硕曾公开表示，文心一言在金融行业的应用会率先在智能检索、投研助手、金融数字人、智能客服、智能创作等场景落地，大幅提升业务效率，带来金融行业应用的突破。 部分金融科技公司也选择和头部IT公司开展广泛合作，提升公司与AI相关的技术能力。以金融科技公司神州信息为例，该公司金融科技首席行业专家崔蕾向钛媒体App表示，希望能够在与头部IT公司合作中，创新对代码自动生成、金融产品自动创新以及客户旅程自动优化等多个方面的能力。 眼看国外从华尔街投行一起限制AI，到现在开始拥抱，以及中国的银行业接入大模型的陆续尝试，金融行业正在不断丰富大模型应用的实践。 AIGC优化用户体验，但仍有挑战 从金融机构接入大模型实践的过程可以发现，与AI相关的尝试往往从服务于公司的内部测试开始，逐渐转为直接面向客户。可见金融行业中，内秀并不是大模型的终点，客户才是。 作为金融行业中专注科技创新的部分，金融科技拥有更垂直领域的经验与数据支撑，也在进行着帮助金融行业尝试AIGC能力革新的工作：用大模型技术帮助完善与客户有关的金融服务能力，拓展融合业务场景。 通过AIGC技术的引入，客户使用的自然语言描述能够被准确识别，金融服务提供方可以准确理解客户需求，从而帮助金融机构在场景端进行千人千面的金融产品设计；与此同时，再按照AIGC生成的对应配套的优化策略自动优化不同场景下的客户旅程。如此来完善从客户到场景到业务建设的完整流程。 除了在生成式人工智能方面提出设想，金融科技公司还能通过提供AI模型、提供算法解决方案，来帮助金融机构解决在运营方面的服务能力，这也是金融机构完善客户服务的环节之一。比如，金融科技公司通过平台提供内容理解、内容质检的多类AI模型能力，从提升内容服务入手提升运营质量；同时在内容推荐中，提供信息流类推荐、社区类内容推荐、PUSH推荐等模块的算法解决方案，从而帮助各渠道端实现更好的个性化分发及转化效果，帮助金融机构降本增效。 但将AIGC技术真正落实到业务领域，直接对接客户达到一定水准的服务水平，还有一段路要走。 目前看来，行业内大部分产品的AI能力所使用的技术对标ChatGPT还明显不足，在ChatGPT面前，仍然属于“小模型”或者说是“局部模型”范畴。在AIGC产业生态体系的三层架构中处于中间层，还没有更好地覆盖到应用层。 AIGC产业生态体系呈现上中下三层架构 钛媒体App了解到，在金融这种准确度和偏差要求都非常高的行业，未来对大模型输出结果不可控性的约束和防范也会成为一个极大的难点。除此之外应用难点也是值得考虑的问题：如何适当缩小大模型规模以便能够进行性价比最高的私有化部署、如何管控模型训练时的数据外泄风险、模型输出如何进行业务系统微服务的调优等等，都是大模型在金融科技中需要面临的挑战。 但正因为有了困难与挑战，科技才能够不断前进。大模型在金融科技中的应用难点，也是极具吸引力的金融科技创新点，或许未来，行业内也会基于此诞生很多与今不同的创新型系统。（本文首发钛媒体APP 作者 | 贾雨微 编辑 | 秦聪慧

（作者葛雷，中国人民大学数量经济助理教授） 金融人工智能是人工智能与机器学习算法在金融领域的前沿应用。因为人工智能模型的强大预测能力与准确程度，近些年来被各大金融机构所青睐，用来替代传统的经济分析与金融评估业务（包括房地产估价、股票基金投资、商业银行、风险管理、保险等各个行业）。因为机器的效率与能力超出了人工分析。 资深金融分析师通过十几年的工作经验与几千个工作的案例总结的经验从而对金融资产进行定价，可人工智能模型算法只需要几个小时就可以轻松分析几十万个甚至上百上千万个资产。机器学习算法通过百万级大数据的分析，远远超出人类分析师日积月累的经验，其精准度与效率也远远超出同一领域的人工分析师。 比如，在笔者自身从事使用房产人工智能模型领域，人工智能模型就有非常出色的表现。人类资深分析师分析房产价值误差高达8%，金融人工智能模型的分析房产价值的误差仅为5%。在房产风险预警与防范方面，人类资深分析师的误差高达10%，金融人工智能模型的分析房产价值的误差仅有3%。在速度方面，人类资深分析师的速度是每小时评估一处房产，金融人工智能模型每小时评估十几万处房产。正因为，金融人工智能模型的效率与精度，它可以帮助我们预防与抵御相关的金融风险。 金融人工智能这么好，我们国家应该怎样才能发展好金融人工智能领域哪？是芯片吗？芯片固然重要但是不是问题的核心，重要的是青年人才。在这方面我们国家是有很大优势的。金融人工智能领域与其他人工智能领域一样主要依靠的就是创新能力，而这样的创新能力主要来自年轻人，更确切地说就是我们的大学生朋友们。有创造性的大学生群体，就是我们能够在金融人工智能模型领域赶超世界前沿的关键。大学生朋友们的创造性是最强的，比我们这些三四十岁的科研人员要强，比大学里面的教授要强。我们国家的大学生朋友们经过了严格的初中、高中、大学，近十年的基础科学训练，大脑的精力与活力也处于巅峰状态。我们的大学生是十分宝贵的，很多前沿科学家的核心研究成果都是在他们大学与大学毕业后这几年完成的。再比如很多国外大学的技术课程的讲师都是研究生一二年级的学生，因为他们有着最新的技术储备知识。大学生朋友们虽然是金融人工智能的核心人才，但是确实是比较缺乏发挥自身才华与一展抱负的机遇与资源。所以说，我们需要为这些年轻人提供很好发挥才能的机会。比如说，更好地资金支持大学生参与金融人工智能科研项目，让他们的才华得到最好的发挥。 经济的发展依靠的本质是科技的不断进步。回望历史，抓住了工业与科技革命的国家与地区，获得了长期的经济增长与国民收入的增长，比如说十八世纪中期抓住了工业革命时机的英国与在二十世纪中期抓住了信息技术革命的美国。现如今，新的科技革命领域就是人工智能领域，当然也包括我们的金融人工智能领域。展望未来十年二十年内，人工智能科技革命将为抓住时机的国家与地区带来长远的发展。而抓住人工智能科技革命的关键就在于我们的大学生人才。 本文仅代表作者观点。 （葛雷为中国人民大学数量经济助理教授）

原标题：AI 金融是下一个风口还是唬人的万金油? 人工智能在金融领域的影响越来越大 自动化和人工智能极大地改变了金融交易和投资市场，但是随之而来的挑战也越来越多。 许多科学家和未来学家一致认为，人工智能和自动化对社会的影响是难以预料的。理论上来说，它的源头正在自发地改变整个社会。这就是所谓的奇异点原理——未来将要发生一件不可避免的事件，技术发展会在很短的时间内产生极大而接近于无限的进步。当此转折点来临的时候，旧的社会模式将一去不复返，新的规则开始主宰这个世界。而后人类时代的智能和技术我们根本无法理解，就像金鱼无法理解人类的文明一样。 尽管许多人预言人工智能在医疗行业会走得更远，但是 AI 革命已经率先在金融市场上进行，挑战也正在发生。 持续发展 大数据密集型、高智商人才汇集、高质量资本聚焦、短时间投资盈利……如果你考虑到金融市场的这些本质特征，你就不会惊讶，金融市场很有可能也成为人工智能技术的下一个风口了。 许多上市公司为了维持买家和卖家的市场流动性，展现更自动化的效果，几乎都使用了 AI 技术，比如先进的模式识别机。在每个交易日，无数的交易团队，都在争先使用以 AI 为中心的自动化技术，为的就是能够在竞争激烈的金融市场抢占先机。 AI 已经成为金融市场的重要组成部分。 根据 BCC 研究，全球 AI 市场将于 2019 年达到 153 亿美元的规模，至 2024 年将超过 400 亿美元，十年复合增长率超 20%；其中，针对各个行业的智能系统将成为最大的细分行业，占市场份额 30% 左右，而智能助手将成为增速最快的细分行业，未来5年增速预计达到 30% 。 这种变化不是一朝一夕的事，从本世纪初就已经开始展开。它不是由一个精英建立了单一的“大爆炸”似的发明结果，而是许多团队在不断进化的步骤中创建的系统 。 展开全文 这个新市场的生态系统的最终表现将产生多种直接和间接的机会。例如，有人设计了一款“Riskbot”的专门用来监管超级计算机的超级计算机。Riskbot 具有新型智能市场的分析能力，它会监督智能交易系统和交易所之间的交易流量，提供新的海量存储和分布式数据库。 挑战担忧 像所有的新发明一样，新的市场也有可能会发生意外事故，比如 2010 年的闪电崩盘现象。因为金融市场是高度资本的集中，本质上仍然是金钱交易，那么对这种权力的滥用是不可避免的。人们需要有条不紊地应对这些风险，并不断调整系统以跟上市场的演变。 AI 技术和深度学习已经非常成功了（比如与围棋高手李世石大战并赢下比赛的阿尔法狗），但这种成功只有在...