課程簡介

Generative AI 簡介

  • 生成模型的概述及其在金融領域的相關性
  • 生成模型的類型:LLMs、GANs、VAEs
  • 在金融環境中的優勢與侷限性

生成對抗網絡 (GANs) 在 Finance 中的應用

  • GANs 的工作原理:生成器與判別器
  • 在合成數據生成和欺詐模擬中的應用
  • 案例研究:生成用於測試的真實交易數據

Large Language Models (LLMs) 和 Prompt Engineering

  • LLMs 如何理解並生成金融文本
  • 爲預測和風險分析設計提示詞
  • 應用案例:財務報告摘要、KYC、風險信號檢測

使用 Generative AI 進行金融 Forecasting

  • 使用混合 LLM 和 ML 模型進行時間序列預測
  • 場景生成與壓力測試
  • 應用案例:使用結構化和非結構化數據進行收入預測

欺詐檢測與異常識別

  • 使用 GANs 進行交易中的異常檢測
  • 通過基於提示詞的 LLM 工作流識別新興欺詐模式
  • 模型評估:誤報與真實風險指標

監管與倫理影響

  • 生成式 AI 輸出的可解釋性與透明度
  • 金融領域中的模型幻覺與偏見風險
  • 符合監管期望(例如 GDPR、巴塞爾指南)

爲金融機構設計 Generative AI Use Case

  • 構建內部採用的商業案例
  • 在創新與風險及合規之間取得平衡
  • 負責任 AI 部署的 Go 治理框架

總結與下一步

最低要求

  • 對基礎金融和風險管理概念的理解
  • 使用電子表格或基礎數據分析的經驗
  • 熟悉Python有幫助,但不是必需的

受衆

  • 風險經理
  • 合規分析師
  • 財務審計師
 14 時間:

客戶評論 (1)

課程分類