⁣
📰 唐家才在第八届数字中国建设峰会数字福建·赋能千行百业专场分论坛上的发言_嘉宾观点_数字中国建设峰会

本演讲围绕数据要素在金融行业的价值与应用展开。首先指出数据要素正在重塑金融行业的风险定价与资产配置，公共数据成为关键驱动，示范项目如福建金服云平台累计贷款超9000亿、输出到多地，并通过卫星遥感、用电数据等实现场景化应用，风险识别精度提升显著。数据治理从单纯合规向技术创新转型，强调构建可信数据空间、多方安全技术（区块链、联邦学习、同态加密）以实现数据可用、不可见、可控、可溯源。其次强调模型革命的核心作用，数据要素需通过模型实现洞察、预测与自动化决策，形成3+N+X的组件化模型体系，显著提升开发速度、覆盖行业与服务规模，并通过实证赛事验证模式有效性，但也要正视风险，提出通过模型对抗与攻防演练提升防御能力，强调模型是工具而非真理。最后提出制度创新，数据要素收益分配需建立三级分配体系与数据税、数据信托等新机制，推动数据要素的市场化配置与社会价值的实现，倡议构建数字金融共同体，推动金融高质量发展，并以数为基、以智为帆，共同绘制金融强国蓝图。

🏷️ #数据要素 #金融科技 #模型治理 #数据治理 #共同体

🔗 原文链接

⁣
📰 曾剑平：AI进入金融场景后，风险治理必须理解数据、模型与智能体边界

本次复旦大学经济学院举办的“南土国际金融政策圆桌会”聚焦AI时代金融人才核心竞争力，围绕人工智能对金融行业和人才培养的影响展开讨论。文章强调AI并非单纯的效率工具，而是会与传统金融风险叠加，形成数据、模型、算法及应用层面等多维风险结构。数据层面，训练依赖大量数据，若数据被污染或隐私受侵，模型输出可能产生偏差并放大不公平结果；模型层面，尽管大模型具高概率性，但并不等同于事实正确，输入偏斜可能导致幻觉式错误。对学生而言，不能以为有了AI就完全替代基础知识，反而需要通过金融、统计、计算等基础学科来培养判断力，识别AI结果的可信度。应用层面，AI智能体在部分场景可用，但并非万能，需考虑数据接口、标准化程度、预算与容错等因素决定分配与监管。会议还强调AI风险应在应用初期纳入治理框架，明确责任归属，建立对AI系统数据、模型、接口和边界的全面认识，从而实现人机协同的安全高效金融实践。

🏷️ #AI金融风险 #数据安全 #模型偏见 #金融教育 #AI边界

🔗 原文链接

⁣
📰 AI投资新视界∣AI赋能投资理财，解锁智能财富管理的多元场景

AI技术在金融领域的应用正逐渐改变个人投资者的理财方式，尤其是在数据挖掘与分析方面。传统的投资决策往往依赖于主观判断和信息来源的不确定性，而AI能够快速处理海量的财务数据和市场信息，为投资者提供更为准确的决策依据。通过对上市公司财报、宏观经济数据和社交媒体情绪的分析，AI帮助投资者更好地理解市场动态。

此外，AI在模式识别与预测方面展现出强大的优势。它通过机器学习算法分析历史数据，识别市场趋势并预测未来走势。这种能力使得投资者能够更有效地把握投资机会，减少因人类主观判断带来的风险。同时，AI还可以自动优化投资组合，帮助投资者在复杂的市场环境中做出更为理智的决策。

最后，AI技术的普及降低了量化交易的门槛，使得更多的个人投资者能够参与其中。通过将复杂的金融知识转化为简单易懂的投资建议，AI为不同风险偏好的投资者提供个性化服务，助力他们在投资理财领域实现财富增长。AI的不断发展，无疑将为投资理财带来更多的可能性与机会。

🏷️ #AI技术 #投资理财 #数据分析 #模式识别 #个性化服务

🔗 原文链接