金融智能分析与大模型应用研究.pdfVIP

金融行业动态方向评估项目介绍

学习目标

了解项目背景

了解整体项目任务

掌握Few-shot、Zero-shot的思想

完成课前环境搭配

1项目背景

当前金融领域发展的时代,金融数据大量激增,许多投资者和研究者试图通过对这些数据进行深度分析而获

得一些有效的决策和帮助,尽可能减少决策带来的损失。所以,针对金融数据的分析方法研究是目前十分有益

且热门的话题。

近年来，随着科技的进步，技术在各行业中的应用越来越广泛，而金融领域也不例外。技术

的应用可以为金融企业更高效、精准的服务，也可以帮助投资者更好的地进行投资决策。

当前技术在金融行业动态分析领域的应用主要包括：

风险评估：通过AI对大数据分析，识别出不同类型、反行为、信用评分风险，帮助

金融机构全面评估人的信用状况，从而提高的准确性和风险控制能力。

投资决策：通过AI技术对数据、财务报表等信息分析，为投资者精准的投资决策支持。

客户服务：通过AI技术，实现智能等功能，进而为客户便捷而又准确的

但是，上述传统应用的实现，通常需要专业的AI技术如：NLP、CV、机器学习等知识，对应的就需要专业

的算法人员去分析数据、训练模型从实现预测分析。而这对于非专业人员来说要想实现上述应用，可谓是举步

维艰。

然而，伴随着ChatGPT等大模型问世，使得非专业人员实现上述应用成为可能，应用者不需要特别专业的算法

知识，就可以利用大模型来实现金融领域的应用。

2项目任务与方法介绍

项目任务（三大业务场景）：

金融文本分类

金融文本信息抽取

金融文本匹配

大模型选择：ChatGLM-6B

注意，本项目主要以金融领域的文本进行分析，但是该思想同样适用于其他场景数据。

3Zero-shot/Few-shot回顾

3.1Zero-shot

Zero-shot学习（Zero-shotLearning）是指在训练阶段不存在与测试阶段完全相同的类别，但是模型可以使用训

练过的知识来推广到测试集中的新类别上。这种能力被称为“零样本”学习，因为模型在训练时从未见过测试集中

的新类别.

深入挖掘Zero-shot思想：

举例：

有一天，小明和一块去动物园，看到了马，然后，这就是马；，又看到了，告诉

他：“看，这种身上有条纹的动物就是。”；最后，又带他去看了熊猫，对他说：“你看这熊猫是黑白色

的。”然后，给小明提了个问题，动物园里找一种他从没见过的动物，叫斑马，并告诉了小明有

关于斑马的信息：“斑马有着马的轮廓，身上有像一样的条纹，而且它像熊猫一样是黑白色的。”最

后，小明根据的提示，在动物园里找到了斑马（意料之中的结局。。。）。

上述例子中包含了一个人类的推理过程，就是利用过去的知识（马，，熊猫和斑马的描述），在脑海

中推理出新对象的具体形态，从而能对新对象进行辨认。（如图1所示）ZSL就是希望能够模仿人类的这个

推理过程，使得计算机具有识别新事物的能力。

目前，在深度学习中，很多任务在纯监督任务学习上都达到了让人惊叹的结果，但是其限制是：需要的样本

才能训练出足够好的模型，并且利用猫鼠训练出来的分类器，只能对猫鼠进行分类，其他物种无法识别。显

然这样的模型不符合的终极目标。ZSL就是希望模型能够对其从没见过的类别进行分类，让机器具有推

理能力，实现真正的智能。

那么针对模型零次学习情况下就能准确识别出类别，如何实现呢？假设现在模型已经能够识别马，和熊猫

了，那么如果想让它识别