金融领域大模型应用价值、场景、进展、风险及建议分析

全球金融大模型目前多数处于起步阶段

1.金融大模型的应用价值与典型场景

金融行业需要处理大量的数据和信息，大模型在金融领域具有重要应用价值。总的来看，大模型在金融领 域的应用价值有三： 一是作为人力成本集约工具 大模型的智能化能力使得金融机构能够通过自动化的方式提供服务和支持，提高效率。同时，大模 型能够处理大量的用户咨询和需求，减少人力成本。 二是作为用户体验提升工具 通过与大模型的对话，金融机构可以实现个性化的服务和定制化的产品推荐，根据用户的需求和偏 好提供精准建议。 三是作为辅助决策支持工具 金融机构可以通过与大模型的交互，获取即时的市场情报、风险预警和投资建议，辅助决策者做出 准确、迅速的决策，提高业务决策的准确性和效率。

大模型在金融领域的典型应用场景：智能客户服务 大模型可为金融机构提供全天候、个性化的客户服务和专业咨询。通过与大模型对话，可获得财务 建议、投资信息和产品介绍，提高金融服务的便捷性和用户体验。 金融产品创新 大模型可以分析海量金融数据和资本市场信息，辅助金融机构进行风险评估、产品设计和创新。 金融风险合规 金融机构可以利用大模型进行更准确的风险评估，例如预测贷款违约、股市波动等。模型通过处理 大规模的历史数据，可以学习到各种因素对金融市场的影响，从而为决策提供更准确的依据。大模 型可助力金融机构进行自动化的风险管理和合规监控，提供实时的风险警示和合规建议。 金融市场调查 大模型可以进行问卷调查和数据分析，进而做出决策有用的反馈。通过分析文本语言，大模型能够 帮助经营机构迅速了解市场舆情、投资情绪、热点题材等。

金融流程自动化 大模型可以优化各种与金融有关的流程，例如贷款申请和欺诈检测。通过自动化这些流程，金融机 构可以减少手动错误并提高效率。大模型还可以帮助金融机构节省人工成本，处理例行任务，从而 为更复杂的任务释放人力资源。 智能投资顾问 大模型可根据特定条件输出投资组合建议。智能投顾公司可基于大模型提供更好的个性化投资服务， 识别投资组合的风险，与投资者进行及时、智能交互。

保险经纪与理赔 大模型可与客户适时交互，快速梳理客户需求，提供保险构建建议，跟踪投保流程，全周期提供保 险建议。保险公司可基于大模型来处理理赔申请，自动核实索赔信息，加快理赔进程，提高理赔效率。 风险评级 金融机构可运用大模型进行风险评估和信用评级，基于大模型对客户的交易流水、资产抵押、贷款 与还款等数据进行分析，评估用户信用，识别融资风险。 金融监管 金融监管机构可以利用大模型更有效地监控和预测金融市场的动态，以及评估金融机构的风险。例 如，通过分析金融机构的交易数据，可以检测到异常交易和可疑行为，为监管提供更准确的依据和 支持。

2.全球金融大模型开发与应用情况

BloombergGPT 经过广泛的金融数据训练，具备处理金融领域内各种自然语言任务的能力。该模型利用大量彭博 社的金融数据源和一个拥有 3450 亿标签的公共数据集构建训练语料库 , 包含超过 7000 亿标签。 BloombergGPT 能够以更加灵活的方式进行思考和生成文本 , 从而更好地适应各种不同的金融场景。 Numerai 利用 GPT 技术和机器学习算法预测加密货币市场。该模型将社交媒体数据与 ChatGPT 结合 , 用于 预测市场情绪和投资者信心。为了确保数据的安全性，它采用加密技术对历史市场数据进行处理。 COVU COVU 是一个保险科技大模型，该人工智能工具使保险公司能够将客户服务成本降低 30%，可以为 公司节省数百万美元。同时 , 经纪人可以使用这些工具来减少管理任务并快速发现新的销售机会， 从而更加专注于有针对性的营销工作。

蚂蚁金融大模型 针对金融产业深度定制，底层算力集群达到万卡规模，目前已在蚂蚁集团的财富、保险平台上全面 测试。同时，蚂蚁也发布了两款基于金融大模型能力的产品：智能金融助理支小宝 2.0，服务金融 产业专家的智能业务助手支小助。支小宝 2.0 主要面向投资者，可以提供高质量的行情分析、持仓 诊断、资产配置和投教陪伴等专业服务；而支小助则可以为从业人员在投研分析、信息提取、专业 创作、商机洞察、金融工具使用等环节提供深度智能服务。 轩辕 轩辕是度小满发布的千亿级参数中文大模型，是国内首个垂直金融行业的开源大模型，开源以来， 已经有上百家金融机构申请试用。轩辕大模型是在 1760 亿参数的 Bloom 大模型基础上训练而来， 在金融名词理解、金融市场评论、金融数据分析和金融新闻理解等任务上，效果相较于通用大模型 大幅提升，表现出明显的金融领域优势。数据集涵盖了金融研报、股票、基金、银行、保险等各个 方向的专业知识。

War-renQ 和 LightGPT 恒生电子和旗下子公司恒生聚源发布基于大语言模型技术打造的数智金融新品：金融智能助手光子 和全新升级的智能投研平台 War － renQ，恒生电子发布金融行业大模型 LightGPT，2023 年 9 月 正式开放试用接口。 天镜 天镜是马上消费金融发布的零售金融大模型，该模型运行 3 个月的意图理解准确率达 91%，相较 于传统 AI68% 的意图理解准确率有较大提升；客户参与率 61%，高于传统模型 43% 的参与率，高 于人工坐席平均 28% 的水平。 FinGPT FinGPT 是哥伦比亚大学近日联合上海纽约大学推出的全新大模型产品，它采用以数据为中心的方 法，为研究者和从业者提供共享资源，便于他们开发自己的金融 LLMs。FinGPT 可面向金融机构从 业者和客户提供机器顾问、算法交易和低代码开发等功能。

3.大模型在金融领域应用面临的风险

随着大模型在金融领域的深化应用，我们也需关注安全、隐私、法律和道德伦理风险等问题，确保大模型 的应用在金融行业中能够充分发挥其优势的同时，保障用户的权益和信息安全。 第一，网络安全风险 大模型通过大规模语料库训练，如果训练数据存在偏误，或者应用场景不合适，可能会产生有误导 性的信息。 第二，数据隐私风险 大模型默认所有数据均对外出境，会话中输入的数据是无法删除的，被后续训练使用、分享和存储， 使得数据处理者丧失对其掌握数据的控制力，造成数据范围的扩散和用途的不可控。

第三，法律风险 大模型是基于海量数据训练出来的模型，其数据来源、模型参数、应用场景都可能涉及一些受知识 产权保护的内容，如专利、机密文件、文学音乐作品。 第四，道德风险 若大模型基于训练集产生文本出现偏误，或产生新语义，责任归属的认定将涉及目前难以解决的科 技伦理问题。 第五，系统性金融风险 金融大模型的运用可能导致金融体系关联度的急剧增加，从而导致系统性金融风险产生。 第六，金融监管风险 金融大模型具有相当的技术复杂性，尤其许多算法实际上仍然处于“黑箱”状态，即使是设计者也 不了解其结论的生成机制，这使得金融大模型的应用给金融监管机构带来一系列挑战。

4.促进金融领域大模型合规运用的政策建议

一是：遵循人工智能初步生成 + 人工终审模式。由具备专业知识的人员对 AI 生成的内容进行评估 和修正，确保输出内容符合要求，最大限度兼顾效率和准确性。

二是：加强数据监管和金融消费者权益保护。明确定义并根据实际情况及时调整数据范围的边界， 建立多层安全级别的数据“防火墙”，防止大模型使用过程的数据泄露和滥用。建立定期 安全审核制度，做好数据泄露风险的相应预案。

三是：完善法律法规，适应人工智能的长期发展需要，保护大模型在金融行业的正当应用。建立 合规审查和责任追踪制度，对于违规行为，明确责任分担并落实追责。

四是：鼓励自主的大模型研发。自主开发大型语言模型可以降低技术依赖，增强国家的技术自主 可控能力；可以更好地保护本国数据安全和隐私，有效防范外部威胁；还可以更好地适应 本国的语言特点、文化背景、行业需求等，提高技术在金融领域的适配性和应用价值。

五是：建立金融大模型数据质量管理机制。金融数据质量管理应该从最初的数据采集与储存开始， 对数据要素进行分类、分级、评估和标准化处理，提前进行数据标记与加工，提高金融数 据的可用性、准确性和完整性，为后续不同数据类型提供不同的技术服务做好准备工作。

六是：创新数据交易方式，打破数据共享“壁垒”。创新数据交易方法可以通过引入区块链等技 术手段，实现数据的去中心化交易，使数据所有者和数据买家可以更加公平地进行交易。