華泰證券認為，金融行業(yè)數(shù)字化程度領先，擁有數(shù)據(jù)富礦，有望成為AI大模型率先落地的垂直領域之一。應用端，我們看到生成式和理解式大模型在銀行、保險、資管、投研、投顧等多個細分領域正在落地或擁有潛在落地場景，幫助金融機構降本增效。
全文如下
華泰 | 電子：AI大模型 金融—掘金行業(yè)數(shù)據(jù)富礦
金融行業(yè)數(shù)字化程度領先，擁有數(shù)據(jù)富礦，有望成為AI大模型率先落地的垂直領域之一。應用端，我們看到生成式和理解式大模型在銀行、保險、資管、投研、投顧等多個細分領域正在落地或擁有潛在落地場景，幫助金融機構降本增效。
核心觀點
金融行業(yè)坐擁數(shù)據(jù)富礦，有望成為AI大模型率先落地的垂直領域之一
近期，多家金融機構、金融服務機構發(fā)布其AI大模型：彭博發(fā)布支持金融領域的自然語言處理(NLP)任務的BloombergGPT，中國農(nóng)業(yè)銀行推出類ChatGPT的大模型應用ChatABC，中國工商銀行發(fā)布了基于昇騰AI的金融行業(yè)通用模型。我們認為垂直行業(yè)的高價值量數(shù)據(jù)對于AI大模型的訓練和垂直領域應用至關重要，金融行業(yè)數(shù)字化程度領先，擁有數(shù)據(jù)富礦，有望成為AI大模型率先落地的垂直領域之一。應用端，我們看到生成式和理解式大模型在銀行、保險、資管、投研、投顧等多個細分領域正在落地或擁有潛在落地場景，幫助金融機構降本增效。
銀行：大模型助力數(shù)據(jù)洞察能力提升，賦能高質量顧問式金融服務
在銀行領域，理解式大模型可以用在信貸風險管理、智能獲客和產(chǎn)品識別等場景，通過提升銀行的數(shù)據(jù)洞察理解能力，來更好地識別客戶需求以及評估客戶信用風險。例如，英偉達和德意志銀行合作測試Financial Transformers (Finformers)大模型，能夠從非結構化數(shù)據(jù)中提取關鍵信息，以提供早期風險預警信號。度小滿的智能征信中臺將LLM、圖算法應用在征信報告的解讀上。生成式大模型則可提高客戶服務質量，智能客服既能與用戶進行多輪對話，還能提出具體可行的解決方案。例如，中國工商銀行發(fā)布了AI金融行業(yè)通用模型，智能客服在識別客戶來電訴求和情緒的準確率上有顯著提升。
投研：“全能助理”輔助信息了解、提煉和挖掘，實現(xiàn)研報自動生成
在投資研究領域，大模型可以成為投研從業(yè)者的“全能助理”。理解式大模型不僅可以輔助了解國內外的宏觀政策、行業(yè)信息、公司和產(chǎn)品信息，并將關鍵信息進行抽取與提煉，還能通過對海量非傳統(tǒng)數(shù)據(jù)進行挖掘來發(fā)現(xiàn)另類投研因子。生成式大模型則能實現(xiàn)研報的自動生成和翻譯。
投顧：全方位分析客戶需求，自動化定制化投資建議
在投資顧問領域，大模型不僅能充分利用自有內容資源，還能幫助全方位分析客戶需求和市場趨勢，提供自動化的投資建議。比如，同花順應用LLM來構造合規(guī)、準確的投顧助手，通過Double-Check、多輪對話等模式，消除對話中的歧義、更好鎖定投資者意圖，從而準確了解用戶畫像來設定投資目的及風險承受度，并提供自動化的投資建議。摩根士丹利已經(jīng)接入OpenAI，充分挖掘自身龐大的研究資源和數(shù)據(jù)庫，為財富管理顧問提供幫助。
財經(jīng)新聞：理解背后的市場“情緒”，輔助金融資訊寫作
在財經(jīng)新聞領域，理解式大模型幫助理解和判斷財經(jīng)新聞文章中的情感走向，生成式大模型助力更準確的金融問答和資訊寫作。例如，彭博社近期發(fā)布的BloombergGPT得益于大規(guī)模金融垂直領域的文件、行業(yè)新聞、社交媒體等文本數(shù)據(jù)集的訓練，能夠理解財經(jīng)新聞背后的市場“情緒”，輔助金融資訊寫作，這解決了通用NPL模型在金融領域應用的痛點。
風險提示：AI及技術落地不及預期；本研報中涉及到未上市公司或未覆蓋個股內容，均系對其客觀公開信息的整理，并不代表本研究團隊對該公司、該股票的推薦或覆蓋。
（文章來源：證券時報）
鄭重聲明：本文版權歸原作者所有，轉載文章僅為傳播更多信息之目的，如作者信息標記有誤，請第一時間聯(lián)系我們修改或刪除，多謝。
