AI再次在新春之际惊起四座。DeepSeek V3和R1大模型的发布，极大加速了金融行业对大模型应用的探索。而接入特定大模型，仅仅是开始。

China JOIM/《投资管理》近年来持续关注AI在金融领域的应用进展，筹备良久如期推出本次AI专刊——AI for Investment（2025年2月刊，总第10期）。

在金融投资研究和风险管理中，

• 如何应用AI（包括大语言模型和深度神经网络）？

• 在各类前中后台业务，哪些领域是能显著降本增效、形成决策闭环的场景？

• AI的边界在哪？

• 文本分析如何与常规的数值分析结合？

• 语言大模型如何与计量模型的融合？

等等这些，都是需要我们不断思考的问题。

本期内容聚焦AI在投资分析与风险管理领域的应用，精选JOIM（Journal of Investment Management）过去几年的成果，其中提出的问题、观点、方法，其答案仍在原来思路上演进，问题仍具有现实意义。在目前AI技术突飞猛进、应用加速探索的阶段，这些应用实证研究相信更值得我们借鉴和思考。

此外，还有来自人保资产的风险管理部总经理蔡红标，分享了他在专业领域深耕十多年后的心得秘笈。

衡泰近年持续推进金融业务场景智能化的研发布局。在衡泰专注的交易处理、风险管理、投资分析等领域，相关产品实现交易机器人、风险识别、宏观研究、衍生品定价、智能报表等智能化应用。目前衡泰自主研发的大模型智能体平台，已实现DeepSeek、Qwen、ChatGLM等多个开源大模型的本地化部署及业务系统融合。

China JOIM将持续与大家分享，AI在金融投研和风控领域的应用实证。正如本次中国实践文章标题中的关键词——“守正”与“创新”，China JOIM与衡泰也将以长期主义者的韧性，在金融研究与技术融合的道路上，持续笃行守正、务实励新。

本期部分看点

传统的机器学习方法有悖于金融量化分析的原则？

《机器可以“学习“金融吗？》( Can Machines “Learn” Finance?)，作者Israel, Kelly,及Moskowitz，提出了机器学习在资管领域应用中值得思考的问题——金融量化分析方法，特别在处理高维问题时，均遵从简约原则，与图像识别等具备丰富大数据场景中的机器学习方法相较，两种分析方法截然不同，应用时则两者需融合以发挥优势。

深度神经网络学习期权定价的能力如何？

《金融领域的机器学习：以期权定价的深度学习为例》( Machine Learning in Finance: The Case of Deep Learning for Option Pricing)，作者Culkin和Das验证了深度神经网络学习期权定价的能力。在复杂利率和信用衍生品的定价、对冲和风险分析、波动率曲面的实时构建等高性能计算领域，该能力应会有广泛应用。

如何判别机器学习在金融领域结果的可信度和稳定性？

《机器学习模型的稳定性：度量模型和结果方差》(On The Stability of Machine Learning Models: Measuring Model and Outcome Variance)一文，量化了机器学习算法操作员，可根据问题类型预计算法在决策和性能方面的不确定性。因为在使用机器学习方法时，评估从数据中学习到的模型稳定性尤为重要，本文得出的结果对于研究人员和从业者都具有重要意义。

AI如何结合其他数学工具应用于金融分析？

《使用图论者和机器学习预测投资者的成功》（Predicting Investor Success Using Graph Theory and Machine Learning），文中介绍了结合金融与机器学习算法知识的跨学科研究方法，用以提升投资效率并预测投资者的成败。

AI在文本信息分析和数值建模的基本路径如何？

《投资过程中用于研究资料整理的机器学习方法》(A Machine Learning Approach to Research Curation for Investment Process)，提出利用机器学习能力，来帮助金融从业者整理研究资料的方法。该方法可以作为人机结合研究资料整理模型的一部分，在投资管理过程中，使用机器学习分类算法整理一组研究资料，人类研究员进行审查，以达到低成本、可扩展、高效率与高质量的目标。

本期更多内容

扫一扫订阅

金融研究与IT技术的密切结合和高度整合，是衡泰的特色之一。

衡泰研究中心拥有专业的定量分析研究团队，汇集多位华尔街专家及国内金融软件资深专家。研究领域覆盖定价模型、信用分析、风险计量、绩效分析、会计核算、市场规则、定量投资、机器学习等。

由衡泰研究出品的《投资管理》/ China JOIM ，旨在打造实证研究与实践的专业交流平台，搭建投资管理学术与业界的桥梁。