从金融业务全景，到大模型落地与模型治理

领域简介

AI+金融 指以机器学习（Machine Learning）、自然语言处理（NLP）、图计算与大语言模型（LLM）等技术改造金融业务各环节的应用领域，覆盖智能投研、量化与风险管理、智能客服与投顾、监管科技（RegTech）、大模型落地与模型治理等方向。金融是典型的数据密集型行业：决策高度依赖数据、流程高度规则化、结果高度可量化，因此是 AI 落地最早、约束也最多的行业之一。

与一般行业的 AI 应用相比，AI+金融有两个根本特殊性。其一是数据特殊：金融数据是时序数据、信噪比低、分布非平稳（regime 会切换），且受强监管约束（个人信息保护、数据出境、报送义务），很多通用 AI 方法论需要重新审视。其二是错误成本特殊：一次风控误判、一段幻觉生成的"财报数字"、一条违反适当性红线的推荐，都会带来监管后果与真金白银的损失，因此可解释性、模型风险管理（Model Risk Management）与合规设计是本领域的一等公民，而非事后补丁。

本库面向金融从业者、金融科技工程师与研究者，定位为应用知识站：讲清楚每个场景"是什么、为什么、怎么做、怎么验收、怎么防错"。全站内容为知识梳理与教学材料，不构成任何投资建议；涉及投资策略的内容止于方法学介绍，不给可实盘的策略参数，涉及交易的内容一律注明"仅供学习研究"。

模块地图