第19章 §02 · AI 在金融 · 讲解稿¶
承接: Ch19 §01 → §02 金融 篇幅: ~4000 字
一 · 一句话总览¶
金融 AI = 数据 + 模型 + 合规。4 大场景: 信用风控 / 量化交易 / 反欺诈 / 智能投顾, 每个都有专属技术栈和监管要求。
二 · 信用风控¶
2.1 业务场景¶
- 个人信贷 (花呗 / 借呗)
- 信用卡审批
- 企业贷款
- 房贷 / 车贷
2.2 建模流程¶
2.3 关键特征¶
- 基本信息: 年龄 / 学历 / 收入 / 婚姻
- 信用历史: 还款记录 / 逾期 / 负债率
- 行为: APP 登录 / 消费 / 浏览
- 社交: 通讯录 / 关系图
2.4 模型演进¶
| 年代 | 模型 | 优点 |
|---|---|---|
| 2000s | Logistic 回归 | 解释性好 |
| 2010s | XGBoost / LightGBM | 精度高 |
| 2020s | 深度模型 (DeepFM / DLRM) | 特征交叉自动 |
| 2024+ | LLM 特征 + Graph | 多模态 + 关系 |
2.5 评估指标¶
- AUC: 综合排序能力
- KS: 坏样本区分度
- Lift: Top decile 捕获率
- PSI: 特征稳定性
三 · 量化交易¶
3.1 策略类型¶
| 类型 | 持仓 | 模型 |
|---|---|---|
| 高频 (HFT) | 秒级 | 订单流 + 微结构 |
| 统计套利 | 天级 | 协整 / 配对 |
| 趋势跟踪 | 周级 | 时间序列 |
| 多因子 | 月级 | 因子合成 |
3.2 ML 应用¶
特征工程: - 技术指标 (MA / RSI / MACD) - 基本面 (PE / PB / ROE) - 情绪 (新闻 / 研报 / 社交) - 另类数据 (卫星图像 / 信用卡)
模型: - XGBoost: 多因子合成主流 - LSTM / Transformer: 时序预测 (Informer / AutoFormer) - RL (PPO): 组合优化 - LLM: 情绪分析 / 研报摘要
3.3 关键挑战¶
- 过拟合: 大量噪声 + 非平稳
- 回测陷阱: 前视偏差 / 幸存者偏差
- 延迟: 微秒级 (FPGA / 专用硬件)
- 合规: 市场操纵 / 内幕交易
3.4 业绩归因¶
- IC (Information Coefficient): 预测 vs 实际相关系数
- Sharpe Ratio: 风险调整收益
- Max Drawdown: 最大回撤
- Capacity: 策略容量
四 · 反欺诈¶
4.1 欺诈类型¶
- 盗卡: 偷来的信用卡
- 套现: 信用卡 → 现金
- 伪卡: 复制卡片
- 账户接管 (ATO): 盗用账号
- 团伙: 多人串通
4.2 GNN 风控¶
构图:
模型: GAT / GraphSAGE / HAN - 捕获团伙欺诈 (多个账户共用设备) - 邻居节点信息聚合
优势: - 单笔交易看不出, 关联图暴露 - 新欺诈模式自动学习
4.3 时序异常¶
- LSTM-AE: 重构误差异常
- Transformer: 时序模式
- Isolation Forest: 无监督异常
4.4 决策系统¶
五 · 智能投顾 (Robo-Advisor)¶
5.1 业务¶
- 用户画像 (风险偏好 / 期限 / 目标)
- 资产配置 (股票 / 债券 / 现金 / 大宗)
- 自动调仓
- 风险监控
5.2 关键技术¶
- 现代投资组合理论 (MPT): Markowitz 均值方差
- Black-Litterman: 加入主观观点
- 风险平价 (Risk Parity): 等风险贡献
- 强化学习: 动态调仓
5.3 LLM 应用¶
- 财报分析 + 摘要
- 研报问答
- 客户沟通
- 监管报告
六 · 大模型在金融¶
6.1 BloombergGPT (2023)¶
- 专用金融 LLM, 50B 参数
- 金融任务 SOTA
- Bloomberg 数据训练 (非公开)
6.2 FinGPT¶
- 开源金融 LLM
- LoRA 微调
- 实时数据更新
6.3 落地场景¶
- 研报摘要: 100 页 PDF → 1 页
- 情感分析: 新闻 / 公告 → 多空
- 客户客服: 7×24 自动回复
- 合规审查: 文档自动检查
- 代码生成: SQL / Python 报表
七 · 监管与合规¶
7.1 主要法规¶
- GDPR / 个人信息保护法
- 巴塞尔协议 (银行资本充足率)
- MiFID II (欧盟金融工具市场)
- 反洗钱 (AML) / KYC
7.2 AI 合规要求¶
- 可解释: SHAP / LIME (监管要求)
- 公平: 性别 / 种族无偏 (反歧视)
- 审计: 决策可追溯
- 稳健: 抗对抗样本
7.3 Model Risk Management (MRM)¶
- 模型验证 (Validation)
- 模型监控 (Monitoring)
- 模型治理 (Governance)
- 文档: Model Card / Model Risk Card
八 · 一句话总结¶
金融 AI = 数据密集 + 模型复杂 + 强监管。4 大场景各有技术栈: 风控靠 XGBoost + GNN, 量化靠时序 + RL, 反欺诈靠 GNN + 时序, 投顾靠 MPT + LLM。模型可解释 + 合规审计 + 数据安全 = 金融 AI 三件套。