《人工智能赋能金融：未来金融业的机遇与挑战》
这篇文章主要探讨了人工智能在金融行业的应用和发展。今年，金融机构开始积极布局AI领域，因为它已成为金融机构抢占下一个金融高地的必须落子之处。同时，人工智能也被列入我国高新技术上实现弯道超车，建立科技强国必须拿下的阵地。人工智能已经具有了官方支持色彩，金融被视为AI最佳的融合、变现场景。金融机构纷纷投入重金精兵进行战略性布局。预计AI将重塑金融场景，为金融行业注入新鲜血液，开启智能金融时代。文章最后提出了一些关于智能金融前景的问题，引人深思。
金融计量经济学/时间序列分析七大模型揭秘：2023年稳步前行
在金融计量经济学和时间序列分析领域，七大模型对于理解金融和经济中的时间序列数据具有重要作用。它们不仅描绘了数据統計特征，还为我们在2023年继续深化理解和应用提供了坚实的基础。如果有任何学习疑虑，可以加入chengboeducation进行咨询指导。
《随机建模在金融大数据中的应用》
《金融大数据随机建模》详细介绍了金融大数据随机建模的方法和应用，包括处理高频交易和算法交易的数据，以及在限价订单簿中的动态分析。作者Anatoliy Swishchuk博士是加拿大卡尔加里大学的数学金融教授，拥有丰富的研究经验和深厚的理论基础，适合金融数学和数据科学方面的研究生和博士后阅读。
《金融大模型：度的战略布局与产业实践》
本文介绍了度的金融大模型论坛在北京召开的状况。会上，度的CEO朱光宣布了公司未来五年的战略方向，即生成式AI在金融领域的应用，并透露公司将加大对此的布局和投入。此外，多位专家也分享了关于大模型在金融领域的前景和应用。
金融行业大模型联络中心的智能化转型：创新实践与挑战
“第三十六期技术应用专题研讨会”在武汉举行，探讨大模型在金融行业的应用。传统人工客服难以满足金融客户需求，而大模型被认为是未来金融商业变革的核心驱之一。容联云分享了在大模型在金融行业智能客服领域的应用经验，并成功打造出通用大模型与行业小模型融合的金融行业专属大模型联络中心。该中心实现智能决策统一路由、一键多呼、AI运营话术库等功能，提升客户体验与营销效率。未来，容联云将继续优化大模型联络中心，为金融企业提供更多场景的解决方案。
人工智能赋能金融业：颠覆性影响与新型工种的崛起
本文讨论了人工智能对金融业的影响。预计到2027年，中国金融业就业人口可达993万人，其中23%的工作岗位将受人工智能影响，大部分从事标准化、重复性工作，将被颠覆性影响削减或转变为新型工种，剩余77%的工作岗位将获得效率提升。尽管这些工作岗位不会被人工智能完全替代，但在人工智能的协助下，它们将能更高效地完成任务。人工智能的发展已经驱动了多项应用层技术的突破与成熟，改变了商业世界，提高了自动化水平、智能分析与决策能力，催生了新商业模式与新产业。
三六零金融大模型荣获工信部信通院2023大模型落地应用案例集优秀实践奖
三六零金融大模型成功入选工信部信通院《2023大模型落地应用案例集》，并在2024中国信通院ICT深度观察报告会上被评为优秀实践案例，为我国大模型落地应用提供了新的参考和借鉴。这是由360集团重点参与的项目，利用其成熟的大语言模型和知识库等产品，结合金城银行的业务需求，打造出的企业专有的有大模型，既提升了银行的运营效率，也助力了业务的数字化转型。此外，360智脑作为国内领先的通用大模型，已在多个行业落地，并入选了中国信通院发布的《2023年通用人工智能创新应用案例集》。
华为云携手金融行业客户共创AI未来
华为云在2023年11月30日的行业高峰论坛中，联合多家金融行业客户和合作伙伴，发起了名为“华为云盘古大模型金融行业联合创新行动”的项目，旨在推动金融行业的AI应用落地，加速产业数智化升级。该行动基于华为云的盘古大模型3.0，通过加强金融知识和技能，提供更好的服务。盘古金融大模型已广泛应用于信贷风险评估、投资决策、市场预测等领域，并成为多家金融机构首选的数智化解决方案。华为云将继续发挥AI领域的软硬协同优势，投入底层AI芯片、AI平台、大模型等根技术，开放内部资源，与AI客户进行技术共创、品牌联合、共拓市场、共建生态，共同迎接AI大模型应用大时代，加速各行各业智能升级。
2020金融科技行业:逆势而上的中国公司
本文介绍了2020年上半年英国金融科技行业的统计数据以及国内金融科技行业的发展情况。结果显示，尽管新冠疫情给投资带来不确定性，但在国内金融科技的一些细分行业中，反而呈现出“逆势而上”的趋势。数美科技、亲家数科和明略科技等公司都在各自领域取得了显著的成就，显示了金融科技行业的韧性和发展潜力。
《后疫情时代金融业务数字化转型之道：大模型与小样本数据的应用》
在后疫情时代，现实世界企业正面临复杂、非线性的变化，数字化、自动化成为提高战略竞争力的关键因素。针对这一情况，天壤联合创始人韩定一在「量子位·视点」直播中分享了他的从业经验和观点。金融机构应用AI一方面是为了合规，另一方面是用机器代替了人工识别，提升了效率并降低了人为因素可能导致的错误率。AI技术已经可以几乎代替人工自动化地去完成单个的步骤和复杂的流程操作。金融机构面临的特殊需求包括严格监管和数据私有化导致的获取成本高，以及少量数据样本训练的AI模型是否能达到高准确率去解决问题。韩定一认为，“大模型 小数据”是最典型的场景，其能让模型生产变成流水线。此外，AI的发展还处于初期阶段，尽管已经取得了显著的进步，但仍有很大的发展空间。