點(diǎn)擊封面即可購買

《金融大語言模型》

熊鵬 高華聲 皮旭庭 陳劍 著

ISBN 978-7-301-36416-1

內(nèi)容簡介

本書系統(tǒng)介紹了大語言模型技術(shù)原理，及其在金融領(lǐng)域的實(shí)踐應(yīng)用，為讀者呈現(xiàn)人工智能技術(shù)與金融深度融合的全景圖。

技術(shù)基礎(chǔ)部分，深入淺出地介紹了從傳統(tǒng)TF-IDF到Transformer架構(gòu)的演進(jìn)過程、BERT和GPT的技術(shù)異同、GPT系列從監(jiān)督微調(diào)到零樣本學(xué)習(xí)的范式轉(zhuǎn)變等內(nèi)容，并針對大語言模型的“幻覺”問題提出系統(tǒng)的評估和應(yīng)對策略。

實(shí)踐應(yīng)用部分，展示了豐富的金融場景案例，包括財(cái)報(bào)分析、情緒分析、選股策略等，特別詳細(xì)介紹了美聯(lián)儲(chǔ)情緒指數(shù)的構(gòu)建方法，重點(diǎn)剖析提示工程和檢索增強(qiáng)生成（RAG）等關(guān)鍵技術(shù)。最后以文獻(xiàn)綜述形式，探討大語言模型如何賦能金融學(xué)術(shù)研究。

本書內(nèi)容翔實(shí)、結(jié)構(gòu)清晰，既包含扎實(shí)的理論基礎(chǔ)，又提供了可復(fù)制的實(shí)踐案例，是金融科技從業(yè)者、研究人員和相關(guān)專業(yè)學(xué)生了解大語言模型在金融領(lǐng)域應(yīng)用的必備書籍。

作者簡介

熊鵬，全球宏觀交易員，比特熊AI創(chuàng)始人，CCER中國證券市場數(shù)據(jù)庫創(chuàng)始人，深交所投資時(shí)鐘指數(shù)發(fā)明人，臥虎藏龍交易員訓(xùn)練營創(chuàng)始人，GBCI全球經(jīng)濟(jì)周期指數(shù)發(fā)明人，成都市復(fù)旦西部國際金融研究院研究員；先后在金融學(xué)、經(jīng)濟(jì)學(xué)的國際和國內(nèi)頂級期刊發(fā)表多篇論文。他和他的團(tuán)隊(duì)專注于AI垂直行業(yè)應(yīng)用，推出全棧AI智能體框架和落地運(yùn)用，在農(nóng)業(yè)、金融、法律、出版和醫(yī)療等多個(gè)領(lǐng)域取得突破性進(jìn)展，具有豐富的AI項(xiàng)目落地經(jīng)驗(yàn)和實(shí)踐。

高華聲，復(fù)旦大學(xué)國際金融學(xué)院教授、博士生導(dǎo)師、黨總支副書記、副院長，成都市復(fù)旦西部國際金融研究院副院長；致力于科技創(chuàng)新、金融大語言模型應(yīng)用、公司金融的研究；先后在金融學(xué)、會(huì)計(jì)學(xué)、管理學(xué)、和經(jīng)濟(jì)學(xué)的國際頂級期刊發(fā)表論文30多篇，研究成果多次被The Wall Street Journal、The Economist、The New York Times等媒體報(bào)道，并入選美國斯坦福大學(xué)發(fā)布的全球前2%頂尖科學(xué)家和愛思唯爾中國高被引學(xué)者。

皮旭庭，美國加州大學(xué)戴維斯分校（UC Davis）計(jì)算物理博士，求學(xué)期間專注于物理計(jì)算方法的算法開發(fā)以及機(jī)器學(xué)習(xí)在物理領(lǐng)域中的應(yīng)用研究；畢業(yè)后先后于加州大學(xué)爾灣分校（UC Irvine）與加州大學(xué)戴維斯分校擔(dān)任博士后研究員；此后轉(zhuǎn)任硅谷多家網(wǎng)絡(luò)科技公司，擔(dān)任資深科學(xué)家等職務(wù)；主要從事自然語言處理、半監(jiān)督學(xué)習(xí)、貝葉斯方法與大語言模型等領(lǐng)域的研究與應(yīng)用；發(fā)表數(shù)十篇學(xué)術(shù)論文，獲得多項(xiàng)專利認(rèn)證。

陳劍，復(fù)旦大學(xué)國際金融學(xué)院金融學(xué)實(shí)踐教授，成都市復(fù)旦西部國際金融研究院研究員，教授“房地產(chǎn)金融”“結(jié)構(gòu)化金融”“金融中的機(jī)器學(xué)習(xí)和人工智能”等課程；信風(fēng)金融科技創(chuàng)始人兼CEO，財(cái)新智庫高級業(yè)務(wù)顧問，中國資產(chǎn)證券化論壇信息披露專委會(huì)主席。

數(shù)字資源

本書配有豐富數(shù)字資源，包括教材數(shù)字資源，以及拓展閱讀：文字提煉、語言轉(zhuǎn)化、生成代碼、RAG優(yōu)化（高階）。讀者可按書末提示獲取相關(guān)資源。

目錄

第1章 金融大語言模型：新興交叉學(xué)科的誕生

1.1 大語言模型的前世今生

1.2 當(dāng)金融遇見大語言模型

1.3 金融大語言模型對傳統(tǒng)人工智能的突破

1.4 金融大語言模型可能的風(fēng)險(xiǎn)點(diǎn)

第2章 認(rèn)識(shí)自然語言處理

2.1 什么是自然語言處理

2.2 最簡單的編碼模型：TF-IDF文本向量

2.3 潛在語義分析

2.4 敲開自監(jiān)督預(yù)訓(xùn)練的大門：Word2Vec

2.5 基于上下文的編碼模型：ELMo

2.6 NLP的典范轉(zhuǎn)移者：Transformer

2.7 大語言模型的先鋒：BERT與GPT

第3章 生成式大語言模型

3.1 GPT-1：用微調(diào)來解決下游任務(wù)

3.2 GPT-2：用零樣本學(xué)習(xí)來解決下游任務(wù)

3.3 GPT-3：用少樣本學(xué)習(xí)來解決下游任務(wù)

3.4 InstructGPT

3.5 涌現(xiàn)現(xiàn)象

第4章 提示工程

4.1 什么是提示工程

4.2 魔法咒語與超能力

4.3 上下文學(xué)習(xí)

4.4 思維鏈

4.5 檢索增強(qiáng)生成

第5章 大語言模型中的幻覺問題

5.1 什么是幻覺

5.2 幻覺的類型

5.3 幻覺的利弊

5.4 幻覺的成因

5.5 如何評估幻覺

5.6 幻覺的檢測

5.7 減少幻覺的手段

第6章 大語言模型在金融領(lǐng)域的應(yīng)用

6.1 大語言模型財(cái)務(wù)報(bào)告分析

6.2 社交媒體平臺(tái)上個(gè)人投資者的“群智”分析

6.3 大語言模型選股

6.4 大語言模型解讀分析師報(bào)告中的企業(yè)文化

第7章 金融大語言模型的數(shù)據(jù)基礎(chǔ)

7.1 金融大語言模型總體架構(gòu)

7.2 金融原始數(shù)據(jù)和數(shù)據(jù)預(yù)處理

7.3 BloombergGPT和FinGPT的介紹及對比

第8章 利用大語言模型對金融信息進(jìn)行深度分析

8.1 大語言模型的一般用途

8.2 用大語言模型深度分析英偉達(dá)財(cái)報(bào)電話會(huì)議

8.3 對長文本進(jìn)行關(guān)鍵詞提取和摘要

8.4 跟蹤分析師對英偉達(dá)的觀點(diǎn)變化

8.5 比較美聯(lián)儲(chǔ)會(huì)議紀(jì)要

8.6 大語言模型分析和建立美聯(lián)儲(chǔ)情緒指數(shù)

第9章 檢索增強(qiáng)生成與股票分析系統(tǒng)

9.1 檢索增強(qiáng)生成詳解

9.2 RAG應(yīng)用案例：出口限制對英偉達(dá)營收的影響

9.3 AutoGen初步：RAG和股票分析

第10章 微調(diào)大模型

10.1 微調(diào)大模型的挑戰(zhàn)

10.2 Unsloth項(xiàng)目介紹

10.3 微調(diào)Llama3中國宏觀經(jīng)濟(jì)分析大模型

第11章 大語言模型與金融學(xué)研究交叉前沿

11.1 大語言模型在金融學(xué)研究中的主要應(yīng)用方向

11.2 基于文本變量的構(gòu)建效度

11.3 在金融學(xué)研究中使用大語言模型的指南

試讀樣章

左右滑動(dòng)查看