AI再次在新春之際驚起四座。DeepSeek V3和R1大模型的發布，極大加速了金融行業對大模型應用的探索。而接入特定大模型，僅僅是開始。
China JOIM/《投資管理》近年來持續關注AI在金融領域的應用進展，籌備良久如期推出本次AI專刊——AI for Investment（2025年2月刊，總第10期）。
在金融投資研究和風險管理中，
如何應用AI（包括大語言模型和深度神經網絡）？
在各類前中后臺業務，哪些領域是能顯著降本增效、形成決策閉環的場景？
AI的邊界在哪？
文本分析如何與常規的數值分析結合？
語言大模型如何與計量模型的融合？
等等這些，都是需要我們不斷思考的問題。
本期內容聚焦AI在投資分析與風險管理領域的應用，精選JOIM（Journal of Investment Management）過去幾年的成果，其中提出的問題、觀點、方法，其答案仍在原來思路上演進，問題仍具有現實意義。在目前AI技術突飛猛進、應用加速探索的階段，這些應用實證研究相信更值得我們借鑒和思考。
此外，還有來自人保資產的風險管理部總經理蔡紅標，分享了他在專業領域深耕十多年后的心得秘笈。
衡泰近年持續推進金融業務場景智能化的研發布局。在衡泰專注的交易處理、風險管理、投資分析等領域，相關產品實現交易機器人、風險識別、宏觀研究、衍生品定價、智能報表等智能化應用。目前衡泰自主研發的大模型智能體平臺，已實現DeepSeek、Qwen、ChatGLM等多個開源大模型的本地化部署及業務系統融合。
China JOIM將持續與大家分享，AI在金融投研和風控領域的應用實證。正如本次中國實踐文章標題中的關鍵詞——“守正”與“創新”，China JOIM與衡泰也將以長期主義者的韌性，在金融研究與技術融合的道路上，持續篤行守正、務實勵新。
本期部分看點
傳統的機器學習方法有悖于金融量化分析的原則？
《機器可以“學習“金融嗎？》( Can Machines “Learn” Finance?)，作者Israel, Kelly,及Moskowitz，提出了機器學習在資管領域應用中值得思考的問題——金融量化分析方法，特別在處理高維問題時，均遵從簡約原則，與圖像識別等具備豐富大數據場景中的機器學習方法相較，兩種分析方法截然不同，應用時則兩者需融合以發揮優勢。
深度神經網絡學習期權定價的能力如何？
《金融領域的機器學習：以期權定價的深度學習為例》( Machine Learning in Finance: The Case of Deep Learning for Option Pricing)，作者Culkin和Das驗證了深度神經網絡學習期權定價的能力。在復雜利率和信用衍生品的定價、對沖和風險分析、波動率曲面的實時構建等高性能計算領域，該能力應會有廣泛應用。
如何判別機器學習在金融領域結果的可信度和穩定性？
《機器學習模型的穩定性：度量模型和結果方差》(On The Stability of Machine Learning Models: Measuring Model and Outcome Variance)一文，量化了機器學習算法操作員，可根據問題類型預計算法在決策和性能方面的不確定性。因為在使用機器學習方法時，評估從數據中學習到的模型穩定性尤為重要，本文得出的結果對于研究人員和從業者都具有重要意義。
AI如何結合其他數學工具應用于金融分析？
《使用圖論者和機器學習預測投資者的成功》（Predicting Investor Success Using Graph Theory and Machine Learning），文中介紹了結合金融與機器學習算法知識的跨學科研究方法，用以提升投資效率并預測投資者的成敗。
AI在文本信息分析和數值建模的基本路徑如何？
《投資過程中用于研究資料整理的機器學習方法》(A Machine Learning Approach to Research Curation for Investment Process)，提出利用機器學習能力，來幫助金融從業者整理研究資料的方法。該方法可以作為人機結合研究資料整理模型的一部分，在投資管理過程中，使用機器學習分類算法整理一組研究資料，人類研究員進行審查，以達到低成本、可擴展、高效率與高質量的目標。
本期更多內容
掃一掃訂閱
金融研究與IT技術的密切結合和高度整合，是衡泰的特色之一。
衡泰研究中心擁有專業的定量分析研究團隊，匯集多位華爾街專家及國內金融軟件資深專家。研究領域覆蓋定價模型、信用分析、風險計量、績效分析、會計核算、市場規則、定量投資、機器學習等。
由衡泰研究出品的《投資管理》/ China JOIM ，旨在打造實證研究與實踐的專業交流平臺，搭建投資管理學術與業界的橋梁。