聯繫我們

課程簡介

生成式AI介紹

  • 生成模型的概述及其與金融的關聯性
  • 生成模型的類型:LLMs、GANs、VAEs
  • 在金融情境中的優勢與限制

用於金融的生成對抗網路(GANs)

  • GANs運作原理:生成器 vs 鑑別器
  • 在合成數據生成與欺詐模擬中的應用
  • 案例研究:為測試生成真實的交易數據

大型語言模型(LLMs)與提示工程

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

使用生成式AI進行金融預測

  • 使用混合LLM和ML模型進行時間序列預測
  • 情境生成與壓力測試
  • 應用案例:利用結構化和非結構化數據進行營收預測

欺詐檢測與異常識別

  • 使用GANs進行交易異常檢測
  • 透過基於提示的LLM工作流程識別新興欺詐模式
  • 模型評估:誤報率與真實風險指標之間的權衡

監管與倫理影響

  • 生成式AI輸出的可解釋性與透明度
  • 金融領域中模型幻覺與偏見的风险
  • 符合監管期望(例如GDPR、Basel準則)

為金融機構設計生成式AI應用案例

  • 建立內部採用的商業案例
  • 平衡創新與風險及合規要求
  • 負責任AI部署的治理框架

總結與後續步驟

最低要求

  • 具備基本金融與風險管理概念的認識
  • 有使用試算表或基礎數據分析的經驗
  • 熟悉Python有助學習,但非必要條件

受眾對象

  • 風險經理人
  • 合規分析師
  • 金融稽核人員
 14 小時

客戶評論 (1)

課程分類