新書|《金融大語言模型》

點擊封面即可購買

《金融大語言模型》

熊鵬 高華聲 皮旭庭 陳劍 著

ISBN 978-7-301-36416-1

內容簡介

本書系統介紹了大語言模型技術原理，及其在金融領域的實踐應用，為讀者呈現人工智能技術與金融深度融合的全景圖。

技術基礎部分，深入淺出地介紹了從傳統TF-IDF到Transformer架構的演進過程、BERT和GPT的技術異同、GPT系列從監督微調到零樣本學習的范式轉變等內容，并針對大語言模型的“幻覺”問題提出系統的評估和應對策略。

實踐應用部分，展示了豐富的金融場景案例，包括財報分析、情緒分析、選股策略等，特別詳細介紹了美聯儲情緒指數的構建方法，重點剖析提示工程和檢索增強生成（RAG）等關鍵技術。最后以文獻綜述形式，探討大語言模型如何賦能金融學術研究。

本書內容翔實、結構清晰，既包含扎實的理論基礎，又提供了可復制的實踐案例，是金融科技從業者、研究人員和相關專業學生了解大語言模型在金融領域應用的必備書籍。

作者簡介

熊鵬，全球宏觀交易員，比特熊AI創始人，CCER中國證券市場數據庫創始人，深交所投資時鐘指數發明人，臥虎藏龍交易員訓練營創始人，GBCI全球經濟周期指數發明人，成都市復旦西部國際金融研究院研究員；先后在金融學、經濟學的國際和國內頂級期刊發表多篇論文。他和他的團隊專注于AI垂直行業應用，推出全棧AI智能體框架和落地運用，在農業、金融、法律、出版和醫療等多個領域取得突破性進展，具有豐富的AI項目落地經驗和實踐。

高華聲，復旦大學國際金融學院教授、博士生導師、黨總支副書記、副院長，成都市復旦西部國際金融研究院副院長；致力于科技創新、金融大語言模型應用、公司金融的研究；先后在金融學、會計學、管理學、和經濟學的國際頂級期刊發表論文30多篇，研究成果多次被The Wall Street Journal、The Economist、The New York Times等媒體報道，并入選美國斯坦福大學發布的全球前2%頂尖科學家和愛思唯爾中國高被引學者。

皮旭庭，美國加州大學戴維斯分校（UC Davis）計算物理博士，求學期間專注于物理計算方法的算法開發以及機器學習在物理領域中的應用研究；畢業后先后于加州大學爾灣分校（UC Irvine）與加州大學戴維斯分校擔任博士后研究員；此后轉任硅谷多家網絡科技公司，擔任資深科學家等職務；主要從事自然語言處理、半監督學習、貝葉斯方法與大語言模型等領域的研究與應用；發表數十篇學術論文，獲得多項專利認證。

陳劍，復旦大學國際金融學院金融學實踐教授，成都市復旦西部國際金融研究院研究員，教授“房地產金融”“結構化金融”“金融中的機器學習和人工智能”等課程；信風金融科技創始人兼CEO，財新智庫高級業務顧問，中國資產證券化論壇信息披露專委會主席。

數字資源

本書配有豐富數字資源，包括教材數字資源，以及拓展閱讀：文字提煉、語言轉化、生成代碼、RAG優化（高階）。讀者可按書末提示獲取相關資源。

目錄

第1章 金融大語言模型：新興交叉學科的誕生

1.1 大語言模型的前世今生

1.2 當金融遇見大語言模型

1.3 金融大語言模型對傳統人工智能的突破

1.4 金融大語言模型可能的風險點

第2章 認識自然語言處理

2.1 什么是自然語言處理

2.2 最簡單的編碼模型：TF-IDF文本向量

2.3 潛在語義分析

2.4 敲開自監督預訓練的大門：Word2Vec

2.5 基于上下文的編碼模型：ELMo

2.6 NLP的典范轉移者：Transformer

2.7 大語言模型的先鋒：BERT與GPT

第3章 生成式大語言模型

3.1 GPT-1：用微調來解決下游任務

3.2 GPT-2：用零樣本學習來解決下游任務

3.3 GPT-3：用少樣本學習來解決下游任務

3.4 InstructGPT

3.5 涌現現象

第4章 提示工程

4.1 什么是提示工程

4.2 魔法咒語與超能力

4.3 上下文學習

4.4 思維鏈

4.5 檢索增強生成

第5章 大語言模型中的幻覺問題

5.1 什么是幻覺

5.2 幻覺的類型

5.3 幻覺的利弊

5.4 幻覺的成因

5.5 如何評估幻覺

5.6 幻覺的檢測

5.7 減少幻覺的手段

第6章 大語言模型在金融領域的應用

6.1 大語言模型財務報告分析

6.2 社交媒體平臺上個人投資者的“群智”分析

6.3 大語言模型選股

6.4 大語言模型解讀分析師報告中的企業文化

第7章 金融大語言模型的數據基礎

7.1 金融大語言模型總體架構

7.2 金融原始數據和數據預處理

7.3 BloombergGPT和FinGPT的介紹及對比

第8章 利用大語言模型對金融信息進行深度分析

8.1 大語言模型的一般用途

8.2 用大語言模型深度分析英偉達財報電話會議

8.3 對長文本進行關鍵詞提取和摘要

8.4 跟蹤分析師對英偉達的觀點變化

8.5 比較美聯儲會議紀要

8.6 大語言模型分析和建立美聯儲情緒指數

第9章 檢索增強生成與股票分析系統

9.1 檢索增強生成詳解

9.2 RAG應用案例：出口限制對英偉達營收的影響

9.3 AutoGen初步：RAG和股票分析

第10章 微調大模型

10.1 微調大模型的挑戰

10.2 Unsloth項目介紹

10.3 微調Llama3中國宏觀經濟分析大模型

第11章 大語言模型與金融學研究交叉前沿

11.1 大語言模型在金融學研究中的主要應用方向

11.2 基于文本變量的構建效度

11.3 在金融學研究中使用大語言模型的指南

試讀樣章

左右滑動查看