從“互聯(lián)網+”到“大模型+”，金融機構的智慧交易正邁入新“軌道”。為提升科技對業(yè)務的支撐能力，銀行、保險、各類機構開始傾向利用大模型技術，構建“智慧大腦”，助力交易業(yè)務提升工作效率、降低成本。在近日的調研中，亦有金融機構人士向北京商報記者坦言，將適時推進升級技術棧和AI技術能力，打造大模型示范應用“燈塔”，為交易業(yè)務賦能。通過大模型的助力，未來金融服務的效能將有望得到進一步提升與飛躍。

多點開花

以大模型為代表的新一代人工智能技術逐漸成為數(shù)字經濟新的增長點，一場大模型之戰(zhàn)正在打響。作為AIGC應用的主戰(zhàn)場，在金融機構投研決策、數(shù)據(jù)分析、智能交互等交易業(yè)務領域已涌現(xiàn)出多個大模型應用。

觀察機構應用大模型的情況，會發(fā)現(xiàn)大模型在多方面都能發(fā)揮出巨大作用。度小滿CRO孫云豐此前在公開場合介紹，“公司對大模型的探索是全價值鏈的，從營銷獲客到運營再到風控和決策服務，甚至包括信息回收等領域。結合AI技術、引擎決策等技術能夠解決哪些問題，正是我們現(xiàn)在往前摸索、往前走的”。

在金融交易領域，大模型亦極具想象空間，在銀行業(yè)務中臺，大模型的分析能力可以為交易業(yè)務提供全流程自動化場景，例如通過應用大模型的關鍵信息提取、智能文本生成、上下文聯(lián)想、多輪對話等核心能力和特點，重塑金融市場核心交易業(yè)務流程。在交易研判階段，使用大模型技術，提升投融資方案計劃的制定能力；在交易執(zhí)行階段，通過人機對話式的交易管理，提升自有資金運用的擇時和擇期效率，并以此擴大投融資的規(guī)模與交易收益。

在私募量化蓬勃發(fā)展的今天，大模型也擁有廣闊的應用場景?；鸸究衫么竽Ｐ蛯⑦\營數(shù)據(jù)、新聞輿論、分析師數(shù)據(jù)等有機結合，使得機構對宏觀、行業(yè)、資金走勢、公司財務有更深入理解。疊加智能的優(yōu)勢，大模型在數(shù)據(jù)組合構建、市場跟蹤、輔助交易等方面都具有重要價值。

正如江蘇蘇寧銀行首席信息官黃進所言，“對于AI大模型在業(yè)務場景的應用順序，我們會堅持一個原則，就是會將大模型技術優(yōu)先應用在那些能幫助銀行切實解決金融服務痛點的場景，我們引入大模型技術絕不會為了‘趕潮流’，而是要求它能真正解決銀行業(yè)務發(fā)展的實際問題”。

“智慧大腦”

金融領域作為數(shù)據(jù)密集型行業(yè)，是最適合大模型應用落地的場景之一。在調研過程中，有多家金融機構人士均向北京商報記者表達了將嘗試利用大模型技術，構建“智慧大腦”的愿景。

作為服務回歸交易本源的發(fā)展戰(zhàn)略，以現(xiàn)金管理、供應鏈金融、貿易金融、跨境金融為核心的交易業(yè)務，是銀行向輕資產經營模式轉型、提升綜合性價值創(chuàng)造能力的必由之路。一位股份制銀行科技創(chuàng)新部門負責人透露，該行將打造大模型示范應用“燈塔”，助力交易業(yè)務提升工作效率。

有基金公司人士展望，大模型在提升現(xiàn)有解決方案能力邊界、企業(yè)級知識應用解決方案、更自由的自然語言交互的能力將逐漸顯現(xiàn)，可以通過專業(yè)的服務商進行前期數(shù)據(jù)優(yōu)化和專業(yè)模型搭建，建立并使用屬于金融領域自身的大語言模型。

目前對于金融行業(yè)交易領域而言，大模型落地場景廣泛，無論是日常工作中的自然語言處理和文本分析，還是相對復雜的交易策略都有涉及。中關村物聯(lián)網產業(yè)聯(lián)盟副秘書長、專精特新企業(yè)高質量發(fā)展促進工程執(zhí)行主任袁帥在接受北京商報記者采訪時表示，“大模型可以自動化和智能化地執(zhí)行交易過程，包括自動識別交易機會、自動下單、自動調整持倉等。通過大模型技術，金融機構可以更加快速、準確地執(zhí)行交易，提高交易效率和準確性。大模型可以更好地融合金融領域的專業(yè)知識，包括投資分析、風險管理、資產定價等。通過與金融專家的合作和集成，大模型可以更加精準地把握市場趨勢和風險，提高金融機構在投資決策和市場分析方面的競爭力”。

在北京市京師律師事務所合伙人律師盧鼎亮看來，通過大模型的助力，金融服務的效能將有望得到進一步提升與飛躍。通過大模型分析資金流、信息流、合同要素、擔保物信息、行為習慣信息、物流商流信息等，將能夠為金融機構提供快速、智能、全面、安全、可控的解決方案。

路在何方

不過由于各個機構間的數(shù)字化能力參差不齊，對大模型的需求各不相同，再加上金融領域數(shù)據(jù)的敏感性，也使得大模型在金融領域的建設并非一蹴而就。

有觀點認為，大模型更適合總結過去存量的信息，在預測未來的有效性上仍在探索階段。

在大模型商業(yè)化落地存在的風險和挑戰(zhàn)方面，中銀金融科技有限公司總裁唐嘯便提及了數(shù)據(jù)時效性、決策穩(wěn)定性的問題。

在唐嘯看來，金融大模型的訓練依賴于已有的數(shù)據(jù)，這種依賴性會導致模型訓練和預測存在明顯的滯后性。這種滯后性可能使大模型無法及時反映外部環(huán)境的動態(tài)變化，影響決策的穩(wěn)定性和準確性。另一方面，即使有了高質量的訓練數(shù)據(jù)，因為模型結構、解碼算法、暴露偏差等原因，大模型仍可能出現(xiàn)幻覺現(xiàn)象，無法做到每一份決策都穩(wěn)定、精確。

一位股份制銀行有關人士坦言，“金融大模型的落地必須要做好數(shù)據(jù)與算力的基礎建設、模型選型及訓練微調、數(shù)據(jù)安全與隱私保護等多項前置工作，只有將這些做好，方能真正發(fā)揮大模型在金融領域的應用價值”。

在交易決策和量化投資等交易業(yè)務層面，大模型技術仍存在許多挑戰(zhàn)。

袁帥表示，大模型技術當前無法完全滿足金融場景的特定需求。通用模型的能力可能不能準確地把握金融市場的動態(tài)和變化，這可能會對投資決策的準確性和時效性產生負面影響。另外，大模型可能會對一些不相關的信息進行過度擬合，從而產生一些“幻覺”結果，這對投資決策的準確性是有害的。此外，大模型技術還可能存在可解釋性不足的問題。對于一些復雜的金融市場現(xiàn)象，大模型的輸出可能非常復雜，難以解釋，這可能會影響投資者對模型的理解和信任度。大模型技術還可能存在隱私保護和合規(guī)性問題。

袁帥表示，整體來看，在使用大模型技術時，金融機構需要充分考慮這些挑戰(zhàn)，并采取相應的措施來應對。這包括但不限于建立合適的模型評估機制、提高模型的精度和可解釋性、加強數(shù)據(jù)的安全性和合規(guī)性等。