近日，佛罗里达大学的两位学者公布了一项最新研究，他们将 ChatGPT 融合在投资模型中以预测股市的走势，投资回报率能达到惊人的 500%。根据论文实质的介绍，模型首先会用 ChatGPT 深度分析上市公司发布的新闻标题、实质确定是好消息还是坏消息，然后对这些实质进行评级，再通过复杂的计算公式制成「ChatGPT 指数」，结合公司的实时股价进行比对，以验证 ChatGPT 的分析能力。
当然，面向变幻莫测的金融走势，打造出「AI 巴菲特」并没有那么容易。就目前来说，像「ChatGPT 指数」这种新方式只能作为决策过程中的一种参考。
不过，在金融投资范畴，使用 AI 手艺辅助决策确实是一个比较热门的偏向，并且衍生出了一个专门的名词：量化交易。以基金趋势模拟预测为例，AI 能够对大量历史业绩等数据进行深入的分析，从中提取有用的特征，构建出具备高度泛化能力和市场动态适应能力的模型，从而在波动的市场条件下持续保持良好的预测表现。
量化模型需要具备对金融场景的深度了解能力，进行投资者情感分析和市场情绪预测，而这显然是 ChatGPT 所擅长的。半年来，在 ChatGPT 类产品的启发和推动下，量化交易和 AI 手艺之间的火花进一步迸发。
与此同时，我们更关心的是，这场 ChatGPT 风暴又将如何从全局角度推动 AI 手艺在金融范畴的落地？
金融智能，走到哪一步了？
近年来，AI 手艺在金融范畴的运用正在不断加深，为金融行业的风控、营销、投顾、管理等业务注入了数字化的血液，为银行、保险、基金、券商等金融机构实现数智化转型提供了引擎动能。
从行业研判、投顾服务、保险理赔、到信贷风控，这些我们熟知的金融业务场景，背后都有机器学习、计算机视觉、自然语言处理等多项手艺作为支撑。每一个运用场景衍生出的挑衅是不同的，涉及到的手艺偏向也不尽相同。这些年，AI 手艺也在持续演进，小样本学习、可信 AI、可解释 AI、AIGC 等新工具陆续涌现，尤其去年底，大模型手艺彻底改变了人工智能手艺的前沿图景，大模型能说会道的语言能力、压缩大量范畴常识的知识能力，对数字化专科工具的推理调度能力无疑在金融行业里有广阔的运用空间，给我们带来挑衅的同时，也打开了创新的可能空间。
那么，这些人工智能的新手艺、新方式会在金融范畴有何创新运用？此处，我们可以选择「金融数据验真」、「金融数据了解」、「金融场景了解」三个偏向来谈谈最近的变化。
首先谈谈「金融数据验真」。数字金融业务的本质是基于数据和信息流转的价值交换，这些数据和信息的真实性和可靠性因此构成数字金融业务能否顺利进行的关键。例如，在数字支付场景下，用户支付凭证的真实性和可验证性直接关系到支付的安全和效率；在数字借贷场景下，借款人提供的个人借贷资料的真实性和可验证性则是判断其还款能力和风险等级的基础。
因此，在各类数字金融交易中，各类凭证和文档的验真手段是必不可少的，以保证其真实性和可靠性。特别是对非标文档改动检测的探索，一直是工业界和学术界的重要研究偏向。
金融文档中的文本包含大量重要和敏感信息，句子中的任何一个小改动都可能扭曲其承载的整体语义。随着 NLP 文本处理手艺的发展，黑灰产业在欺诈、营销或其他非法活动中，利用计算机进行的虚假信息改动愈演愈烈，因此，预防文档中的文本被改动是至关重要的。
此前，图象改动检测的手艺研究对象集中于自然场景图象，大多依赖于物体边缘或表面相对明显的视觉改动线索，而在文档中几乎不存在这种线索。原因如下：
一是文档图象中的文本改动方式相当多样：有的是拼接，即从一个图象中复制区域并粘贴到其他图象上；有的是复制 – 移动，即改变图象中物体的空间位置；还有的是生成，即用视觉上合理但不同的实质替换图象中的区域。
二是改动文本相比场景图象来说更加隐蔽。被改动的文本区域可能非常小，比如一个段落中的一个字符；而且被改动的区域和周围环境之间的对比度可能非常低，文档的图象大多具有相同的背景颜色，且文本通常具有相同的字体和大小。
相对来说，文本改动检测方式的发展却还不够成熟。目前业界有一些是针对类如身份证、营业执照等结构化文档的算法工作，对于金融范畴常见的各类资质证书、合同、报告等非结构化的文档改动，传统的检测系统往往难以进行判定及修改实质定位。
针对文档图象改动的检测难题，学术界提出了各种方式。有研究者引入图神经网络（GNN），在图注意力机制的帮助下检测文档图象中的改动区域，但这种方式只对比较清晰、整洁的文件有良好的效果，比如如扫描文件。也有研究者使用双流 Faster-RCNN 网络，对图象进行端到端的训练以检测给定的改动图象区域，然而这种类型的改动线索大多存在于生成性改动中，却很难在非常小的复制粘贴改动中被找到。
在上述方式的启发下，文档改动检测确实取得了很大进展。不过现有方式在遇到各种文档的复杂场景时，仍缺乏足够的鲁棒性和跨范畴的泛化能力，还需进一步探索。
第二个值得关注的偏向是「金融数据了解」。在理财、信贷、保险等现实金融业务场景中，提供金融业务服务的主体不仅要了解用户提供的多种模态数据，比如信贷自证材料数据、宠物险的宠物图片等，同时也需要结合范畴结构化、非结构的数据生产出专科、可控的理财、保险、行研知识来解答用户的问题，为用户提供全流程数字化的金融服务。这一范畴涉及的手艺是众多的，计算机视觉、自然语言处理与生成、AIGC 等等。
从了解层面看，金融场景非结构化数据占比高，且种类多样，形态多样，异构性明显，比如信贷场景用户自证数据，行业认知研究的行业研报、公司财报，以及保险条款等等，多样性的文档结构、差异化的上下文语义环境带来对非结构化文档的知识结构化任务的挑衅。同时，金融场景文档的专科性还导致了标注成本高、单一场景的样本量不足等问题。
在 ChatGPT 引燃 AI 圈之后，其背后的关键手艺 In-context learning、Instruction tuning 和 CoT 引起了学术界高度关注，这些手艺的巧妙运用，大幅增强了模型的通用性以及对下游任务的了解能力。也正因此，基于指令驱动的 NLP 多任务统一建模成为主赛道，零样本、小样本的场景性能得到极大提升。今年 3 月，能够识图的 GPT-4 发布，又让很多人惊艳了一番，并让更多人看到了「大模型×多模态」的巨大潜力。这些最新的手艺方案，同样可以用于解决上述金融业务场景的数据了解挑衅。
从生成层面看，随着金融科技的不断发展和运用，金融服务的专科度日益提高，对于实质生产的专科性和合规性也提出了更高的要求。一项特别的挑衅在于，专科的知识和金融逻辑是金融范畴实质生产的核心要求。但这恰恰对当前流行的 ChatGPT 型大模型构成较大挑衅，大模型产出的实质要在金融范畴真正运用，需要确保输出实质合规（符合监管要求）、专科（符合金融逻辑），严谨（不出现知识幻觉等事实性错误）。金融实质的智能生产，需要大模型的可信可控，能以合规、专科、严谨的标准对外输出。
此外，基于「金融场景了解」的手艺运用命题也非常受到关注。AI 手艺的革新，同样为这一偏向的落地带来了加速度。就比如上文提到的「量化交易」，无论一位投资者采取什么样的投资策略，金融市场的波动都是可以依靠统计方式和编程预期的，专科的投资者往往会尝试预估自身的整体回报。此前已有许多基于计算机的算法和模型用于金融市场交易，时序信息提取、图学习、模型集成等机器学习手艺在该类任务中均展现了巨大的运用价值。
从原理上说，「市场价格的波动受到理性和人类行为的共同影响」一引自《阿尔法经济学》，投资者不可避免地要对新闻资讯做出自己的判断和响应。比如，一位投资者发现苹果公司的股票价格会在出货量飙升之后出现大幅波动，如果想探寻其中的规律，投资者就可以构建一个模型，在苹果公司在股票市场的走势历史数据中寻找这种模式，并根据规律去决策。
通常来说，从越多的新闻中获取有效的事件表征，量化模型就越能辅助投资者采取更合理的决策。近年来，一些研究开始运用自然语言处理（NLP）手艺来学习新闻事件的神经网络表征并基于此构建事件驱动的交易策略。
从去年开始，以 ChatGPT 为代表的大模型产品也成为了投资者寄予厚望的对象。大模型可以处理大量异构数据，如股票交易数据、宏观经济数据、公司财务报告等，同时还可以处理非结构化数据，如新闻报道、社交媒体信息等，全面提高预测结果的准确性。
国内首套综合类金融科技榜单发布
面向这些金融智能范畴的前沿手艺命题，不管是学界还是业界，都抱有浓厚的探索兴趣，以往也有很多赛事和榜单围绕此类命题展开，并收获了广泛关注。
为了推动金融智能范畴的潜力发掘，在 CCF 指导下，6 月 19 日，蚂蚁集团旗下的蚂蚁财富、蚂蚁保和网商银行公布了国内首套金融科技榜单（算法竞技竞争） AFAC2023 金融智能挑衅赛，浙江大学、上海交通大学、西安交通大学、中央财经大学、蚂蚁手艺研究院和天池平台联合发起和举办。
大赛官网：https://tianchi.aliyun.com/specials/promotion/AntFinTechAIChallenge
值得注意的是，这是国内第一份从解决运用问题出发的综合金融科技榜单，填补了市场的空白。
蚂蚁集团副总裁、蚂蚁集团财富保险事业群 CTO、蚂蚁金融手艺委员会主席王晓航表示：「作为一家金融科技公司，蚂蚁希望通过这场大赛，鼓励参赛者从行业最前沿、最有挑衅性的具体问题着手，探索各种创新的模型和算法，为关注金融科技的年轻人提供一个平台，共同探讨人工智能手艺在金融范畴的创新前景。」
三大核心偏向，六大赛题
结合自身运营经验，蚂蚁围绕国内金融场景运用中的核心手艺命题，设置了三大核心偏向的六个子赛题：
榜单涵盖通用机器学习、计算机视觉、自然语言处理等多个算法范畴，面向全球开放，高等院校、科研单位、互联网企业等人员均可报名参赛。
该项赛事请到了清华大学计算机系教授唐杰作为大赛主席，以及来自北京大学、上海交通大学、浙江大学、复旦大学、中国人民大学、西安交通大学、中山大学、天津大学、中央财经大学和华东师范大学等高校的数十位教授组成专家评审委员会。通过在线排行榜自动评测与院校教授、行业专家评审结合的方式选拔优秀手艺人才或团队。
赛程安排
目前，只需登录竞争平台官网，完成个人信息注册，即可报名参赛。
感兴趣的选手可单人成队或最多不超过 3 人组队参赛，每位选手只能加入一支队伍，每队可选多个赛题参赛。
报名认证：2023 年 6 月 19 日 – 7 月 31 日，UTC+8
竞争时间：2023 年 6 月 19 日 – 8 月 4 日，UTC+8
最终，成绩排名前 6 名的队伍需提交竞争代码与手艺报告：
报告提交：2023 年 8 月 11 日，UTC+8
这场竞争将在 8 月底和 9 月完成线下评审和颁奖。夺取冠军的团队将获得 5 万元人民币的奖金，亚军奖金为 2 万元人民币，季军奖金为 1 万元人民币，此外还将享受以下福利：
1. 绿色通道：优秀选手有机会获得 Offer 绿色通道，入职蚂蚁金融手艺团队。
2. 荣誉证书：获奖选手均获得大赛荣誉证书。
3. 线下颁奖：获奖选手将受邀参加在上海举办的颁奖典礼，与学界、行业大咖面对面交流。
对了，在报名阶段，推荐小伙伴参赛成功的选手还有机会获得大赛礼品～
想了解更多竞争细节？请查看下图：
