⁣
📰 深耕数智金融 洞见行业新程

在金融与科技深度融合的背景下，海量数据如何转化为可用价值成为行业核心命题。苑帅以扎实的理论基础、前沿的技术探索和丰富的实践成果，聚焦金融数据分析的智能化转型，构建数据科学与金融理论融合的分析框架，阐释数据要素的价值转化机制，并搭建以人工智能驱动的算法体系。他坚持数据驱动与智能算法并举，将理论创新、方法突破与行业应用深度结合，为金融行业的智能化升级提供重要理论支撑。其研究覆盖金融微观结构、高频数据分析与风险管理，在高维、非线性及动态金融问题上提出新方法，强调可解释性与预测能力的平衡。通过融合图神经网络与时间深度学习的多模态模型，突破传统方法在非线性关系与实时响应方面的局限。同时，他在金融知识图谱与智能业务平台数据流通方面的探索，为构建透明、韧性的金融体系指明路径。成果转化方面，苑帅主持开发多项金融软件著作权，并在多家金融企业落地应用，累计创造经济效益超2500万元，软著评估达860万元，彰显其研究在提升决策效率、强化风险管控和驱动业务增长方面的显著价值与行业引领作用。

🏷️ #金融智能 #数据分析 #图神经网络 #风险管理 #金融知识图谱

🔗 原文链接

⁣
📰 IMI研报 | 人工智能赋能金融——效率提升与风险治理

本文梳理AI从问答助手向可自主调用工具与执行任务的Agent转变，并分析其在金融场景中的潜在应用与安全风险。聚焦人大-新华A股行业分类体系，采用海量MD&A文本的语义嵌入、层次聚类与两阶段命名，最终形成26个一级、102个二级、271个三级行业，强调客观性、准确性与实时更新。\n经实验，人大-新华分类覆盖26个一级、102个二级、271个三级行业，核心特征如利润率、ROA、收入增速、资本开支等显示更小的类内差异与更大类间差异。与申万、万得相比，LLM 分类在R²与Alpha等资产定价检验中表现显著优越，彰显其行业划分与投资潜力。\n此外，前瞻性偏差与匿名化信息损失并非万全之策，数据挖掘、合规、版权、Agent安全与劳动力冲击等风险需并行治理。展望未来，AI将推动金融定价效率与风险治理协同提升，需完善治理框架、伦理规范与模型差异化应用策略。

🏷️ #人工智能 #金融 #行业分类 #风险治理 #图神经网络

🔗 原文链接