近日,境內頭部基金公司華夏基金與NLP/AI領域領先者北京瀾舟科技簽署戰略合作協議,成立金融NLP(自然語言處理)聯合實驗室,合作探索自然語言處理技術在金融領域的應用;合作建設基于華夏基金投資研究邏輯的輿情NLP能力;合作打造基于深度學習和預訓練模型的金融行業搜索引擎,同時計劃在其他數字化建設、創新技術合作、業務應用等方面展開合作。華夏基金首席數據官陳一昕,瀾舟科技創始人兼首席執行官周明博士分別代表雙方在北京簽約。
華夏基金首席數據官陳一昕表示,科技創新是發展數字經濟的核心源動力。金融行業如何促進科技與金融業務場景的深度融合,是各市場主體的重要課題。自然語言理解作為人工智能皇冠上的明珠,有助于打破人與機器之間的交互障礙,提升人機協作的效率和生產力,而金融行業因其與數據的高度相關性,有潛力成為技術廣泛應用的行業之一。在金融行業以往的NLP能力建設中,往往面臨模型與行業場景適配性差、訓練代價大、中文理解能力不足等問題。因此,在面對金融領域文本專業性強、應用場景多變的情況下,如何構建落地快、易迭代、可適配金融垂直領域的中文NLP模型是科技創新的一項重要挑戰。
據悉,目前華夏基金正就NLP技術在基金業務領域的落地應用進行積極探索和嘗試,希望將NLP技術與公司豐富的數據來源相結合,以公司業務研判知識為基礎,打造具有華夏基金特色的金融NLP模型,作為傾聽市場動態、感知文本情緒、定位關鍵信息的金融科技創新能力建設,未來賦能各業務場景和系統。同時,華夏基金正基于數據服務能力整合、數據資產管理體系構建、流程組織優化、金融科技生態建設、OKR(目標與關鍵成果法)引入等一系列舉措,升級數字化轉型基礎能力,打造敏捷協同,自趨創新的高效業務模式,真正實現業務與科技的深度融合。未來華夏基金將持續著眼于科技和數字化的長期效能,全面深化推行數字化轉型,助力數字經濟和資本市場高質量發展。
瀾舟科技創始人周明博士表示,我們看到金融行業的業務信息化和數據化在過去的一些年里已經比較成熟了,投資者有足夠的傳統金融數據進行投資決策,例如股票/債券的交易數據、并以公司的財報等結構化數據居多。為了獲得更多差異化優勢,新的數據源往往涉及非結構化數據源,例如新聞資訊、社交媒體等,新的分析研判也就需要像自然語言處理這樣的AI技術來輔助支持。瀾舟科技的孟子預訓練金融模型已經提前對金融領域的海量公開數據進行了預訓練,具備一定的泛金融領域的自然語言處理能力例如閱讀理解、文本分類等,在實踐應用中,只需要再基于垂直場景的數據集進一步微調就可以達到提升實際業務的效果。以投資或者行業研究來說,NLP技術可以幫助研究員從信息獲取、分析研判,直至投資決策的幾個環節發揮其優勢,通過基于孟子預訓練模型的搜索新范式技術,從海量的數據里基于智能的語義理解來更加快速、高效、準確地獲取所需要的信息,并且通過輿情分析、關鍵詞提取、行業標簽、文章摘要、以及報告生成這些NLP的關鍵技術進一步提供分析研判,從而最終達到幫助研究員及投資經理做出決策支持的效果。此次和華夏基金的戰略合作,是瀾舟科技首次與資管行業機構牽手,雙方會以聯合實驗室的形式共同面對短期和中長期的業務痛點和需求,逐一突破,促進人工智能創新,創造新的價值!
資料顯示,華夏基金是經中國證監會批準成立的首批全國性基金管理公司之一,定位于綜合性、全能化的資產管理公司,企業使命是為客戶提供優質的投資理財產品和服務,使客戶財富不斷增長,提升客戶生活品質,推動資本市場健康發展,為社會創造價值,為國家建設做貢獻。瀾舟科技是一家認知智能公司,由前微軟亞洲研究院NLP領軍人物周明博士于2021年創立,主要業務為針對商業場景數字化轉型、以自然語言處理(NLP)為基礎為客戶提供商業洞見類產品,公司致力于成為NLP/AI領域內具有全球領導力的以科技驅動的創新性公司,此次雙方合作,可謂強強聯合,共促金融科技創新。
(CIS)
13:27 | 創業板公司延續去年增長態勢 2025... |
10:13 | 上市公司年報披露收官:近五成公司... |
23:23 | 2024年度深市上市公司業績穩中有進... |
22:27 | 以點帶面 穩鏈強鏈 2024年度科創... |
22:26 | 出口含“新”量更足!滬市主板公司... |
22:23 | 證監會公布《證券期貨業統計指標標... |
21:59 | 基礎穩、韌性強 滬市主板公司2024... |
21:52 | 澄天偉業:第五屆監事會第三次會議... |
21:52 | 錦波生物:第四屆董事會第十次會議... |
21:52 | 中遠通:第三屆董事會第三次會議決... |
21:52 | 迪森股份:第九屆董事會第一次會議... |
21:52 | 天力鋰能:第四屆監事會第十次會議... |
版權所有證券日報網
互聯網新聞信息服務許可證 10120180014增值電信業務經營許可證B2-20181903
京公網安備 11010202007567號京ICP備17054264號
證券日報網所載文章、數據僅供參考,使用前務請仔細閱讀法律申明,風險自負。
證券日報社電話:010-83251700網站電話:010-83251800 網站傳真:010-83251801電子郵件:[email protected]
掃一掃,即可下載
掃一掃,加關注
掃一掃,加關注