课程大纲

Generative AI 简介

  • 生成模型的概述及其在金融领域的相关性
  • 生成模型的类型:LLMs、GANs、VAEs
  • 在金融环境中的优势与局限性

生成对抗网络 (GANs) 在 Finance 中的应用

  • GANs 的工作原理:生成器与判别器
  • 在合成数据生成和欺诈模拟中的应用
  • 案例研究:生成用于测试的真实交易数据

Large Language Models (LLMs) 和 Prompt Engineering

  • LLMs 如何理解并生成金融文本
  • 为预测和风险分析设计提示词
  • 应用案例:财务报告摘要、KYC、风险信号检测

使用 Generative AI 进行金融 Forecasting

  • 使用混合 LLM 和 ML 模型进行时间序列预测
  • 场景生成与压力测试
  • 应用案例:使用结构化和非结构化数据进行收入预测

欺诈检测与异常识别

  • 使用 GANs 进行交易中的异常检测
  • 通过基于提示词的 LLM 工作流识别新兴欺诈模式
  • 模型评估:误报与真实风险指标

监管与伦理影响

  • 生成式 AI 输出的可解释性与透明度
  • 金融领域中的模型幻觉与偏见风险
  • 符合监管期望(例如 GDPR、巴塞尔指南)

为金融机构设计 Generative AI Use Case

  • 构建内部采用的商业案例
  • 在创新与风险及合规之间取得平衡
  • 负责任 AI 部署的 Go 治理框架

总结与下一步

要求

  • 对基础金融和风险管理概念的理解
  • 使用电子表格或基础数据分析的经验
  • 熟悉Python有帮助,但不是必需的

受众

  • 风险经理
  • 合规分析师
  • 财务审计师
 14 小时

客户评论 (1)

即将举行的公开课程

课程分类