课程背景
当前，全球证券业界正经历
AI驱动的深度变革：高盛、摩根大通等等顶 尖机构已将AI渗透至投研、交易、风控等等核心环节，国内头部券商借助AI量化打法达成年化收益拉升超15%。可是业界仍面临三大挑战
，
传统业务效率瓶颈、复杂市场隐患难以及时捕捉、买方个性化诉求激增和人力成本高企的矛盾。和此同时，监管层对
AI运用的合规性要求日趋严格
，
技艺迭代和合规隐患并存。
本课直面证券业数智化转型的
核心痛点
，锁住
AI技艺（如NLP、学识图谱、强化研习）和
Deepseek金融垂直大模型
的实战落地，拆解高频交易精进、智能投顾、合规审查等等情境的标杆实例，并提供可复用的代码轮廓和系统对接方案
，
支援从业者掌握从技艺原理到业务赋能的完整链条，抢占
“AI+金融”时代先机
。
课程收益
弄懂
AI技艺演进的历史和趋势
掌握
DeepSeek赋能证券业的业务情境
掌握证券业的
AI转型升级办法论和路径
课程大纲
模块一：
AI
演进和趋势变革
一、
AI演进的现况和趋势
1. AI业界演进历程
——推演理论机、专家系统、异或者难题、损失函数、机器研习（IBM深蓝）、深度研习（AlphaGo）、生成式AI（Alphafold），多模态融合（DeepSeek）
2. AI业界链和主要公司
——基础层：如芯片；技艺层：如算法架构；运用层：业界级/消费级运用
3. AI未来的演进趋势
——超级个体、AIoT物联网、数转智改，无人机、具身机器人、科研、预测等等
4. AI当下的局限性和挑战
——能源、资料隐私保护、资料投毒污染、提示注入攻击、AI幻觉和虚假资讯
二、
AI大模型的分类碰头
1. AI大模型的分类碰头
——模型轮廓分类、规模分类、差事类型分类、运用领域分类、生成方式分类
2. 怎样评价一款AI大模型
——准确性、稳定性、推演性、创造性、一致性、易用性、安全性，成本效益
3. AI大模型的演进现况
——情报获取、资料拆解、市场预测、方案拟定、资源规划、公共决策等等
4、DeepSeek R1的差异化
——跑分，架构，计算效率、开源、多模态本领、垂域延伸力、性价比
模块二：
Deepseek技艺详解——证券情境
1.
Deepseek核心优势：
——
业界级预训练模型：垂直领域资料的高效研习本领
——
轻量化部署：低算力环境下的实时推理精进
2.
技艺架构拆解：
——
多模态资料处理：研报、财报、新闻的智能拆解
——
动态学识图谱构筑：业界链关系和隐患传导建模
——
强化研习在交易打法调优中的运用
3.
实战演示：基于
Deepseek的舆情监控系统
：
实时抓取政策信号和市场情绪
模块三：证券业界
AI运用
模型
拆解
1.
智能投顾和财富管控
——
买方画像
+动态资产配置
、
合规边界和隐患防控
实例
拆解
：某券商
“AI理财师”用户留存率拉升
2.
情境
2：交易和隐患管控
——
高频交易：
D
P
算法在订单预测中的
运用
——
信用隐患预警：关联公司图谱和财务舞弊识别
3.
情境
3：营运和买方服务
•
NLP实战：智能客服的意图识别和合规话术生成
•
机构买方定制化服务：研报自动生成和路演材料智能编排
模块四：实战上手
——从方略规划到施行落地
1. 公司AI部署的投入产出比拆解
——
资料基础、业务流改造、智能化车间、差异化部署等等
2. 技艺中台搭建的五层架构
——基础设施层IaaS、资料层Data、算法仓库层、情境服务层（API）、监控层
3. 从试点到规模化：证券业界
——敏捷性组织、革新信念建设等等
4. 公司AI方略和施行中的常见误区
——盲目追求、预期过度、技艺复杂度和业务价值倒挂、资料规模和质量陷阱、和情境和业务脱节、AI欺诈、组织惯性、信念建设缺位等等
模块五：实战上手和结晶交付
1.
差事
1：构筑业界情绪指数
2
.
差事
2
：合规审查自动化
3. 小组碰头和课程交付
老师简介
Introduction to lecturers
弄懂更多
博闻智咨询|张轩荣老师
适合谁听
证券公司。建议同一家企业 3 人以上同来，课堂上直接改造本企业的实际问题——单人参加也能学到方法，但带不走可用的成果。
交付流程
课前：顾问访谈 2 位管理者，收集现状与问题清单，讲师据此调整案例。课中：讲授与演练各占一半，产出可直接用的工具与方案。课后：7 天内提交改进建议，30 天内一次线上答疑。