定 價：56 元
叢書名：數(shù)字中國·數(shù)字經(jīng)濟創(chuàng)新規(guī)劃教材
- 作者：熊鵬,高華聲,皮旭庭,陳劍 著
- 出版時間：2025/7/1
- ISBN：9787301364161
- 出 版 社：北京大學(xué)出版社
- 中圖法分類：F830.49
- 頁碼：216
- 紙張：
- 版次：1
- 開本：16開
本書系統(tǒng)介紹了大語言模型的技術(shù)原理，及其在金融領(lǐng)域的實踐應(yīng)用，為讀者呈現(xiàn)人工智能技術(shù)與金融深度融合的全景圖。
技術(shù)基礎(chǔ)部分，深入淺出地介紹了從傳統(tǒng)TF-IDF到Transformer架構(gòu)的演進過程、BERT與GPT的技術(shù)異同、GPT系列從監(jiān)督微調(diào)到零樣本學(xué)習(xí)的范式轉(zhuǎn)變等內(nèi)容，并針對大語言模型的“幻覺”問題提出系統(tǒng)的評估和應(yīng)對策略。
實踐應(yīng)用部分，展示了豐富的大語言模型金融場景應(yīng)用案例，包括財報分析、情緒分析、選股策略等，詳細(xì)介紹了美聯(lián)儲情緒指數(shù)的構(gòu)建方法，以及提示工程和檢索增強生成等關(guān)鍵技術(shù)。最后以文獻(xiàn)綜述形式，探討大語言模型如何賦能金融學(xué)研究。
本書內(nèi)容翔實，結(jié)構(gòu)清晰，不僅蘊含堅實的理論基礎(chǔ)，還提供了具有可復(fù)制性的實踐案例，可作為高等學(xué)校金融學(xué)、數(shù)學(xué)經(jīng)濟及相關(guān)專業(yè)教材，也可作為金融從業(yè)者，研究人員的參考書。同時配有豐富數(shù)字資源，包括進階版拓展閱讀資料，以及教學(xué)課件等，讀者可按書后提示獲取相關(guān)資源。
熊鵬，全球宏觀交易員，比特熊AI創(chuàng)始人，CCER中國證券市場數(shù)據(jù)庫創(chuàng)始人，深交所投資時鐘指數(shù)發(fā)明人，臥虎藏龍交易員訓(xùn)練營創(chuàng)始人，GBCI全球經(jīng)濟周期指數(shù)發(fā)明人，成都復(fù)旦西部國際金融研究院研究員。先后在金融學(xué)、經(jīng)濟學(xué)國際期刊發(fā)表多篇論文。他和他的團隊專注于AI垂直行業(yè)應(yīng)用，推出全棧AI智能體框架和落地運用，在農(nóng)業(yè)、金融、法律、出版和醫(yī)療等多個領(lǐng)域取得突破性進展，具有豐富的AI項目落地實踐經(jīng)驗。
高華聲，復(fù)旦大學(xué)國際金融學(xué)院教授、博士生導(dǎo)師、黨總支副書記副院長，成都復(fù)旦西部國際金融研究院副院長。致力于科技創(chuàng)新、金融大語言模型應(yīng)用、公司金融的研究，先后在金融學(xué)、會計學(xué)、管理學(xué)經(jīng)濟學(xué)國際期刊發(fā)表論文30多篇，研究成果多次被The Wall Street Journal、The New YorkTimes等媒體報道，并入選美國斯坦福大學(xué)發(fā)布的全球前2%科學(xué)家和愛思唯爾中國高被引學(xué)者。
皮旭庭，美國加利福尼亞大學(xué)戴維斯分校(UC Davis)計算物理博士。求學(xué)期間專注于物理計算方法的算法開發(fā)以及機器學(xué)習(xí)在物理領(lǐng)域的應(yīng)用研究；畢業(yè)后先后于加利福尼亞大學(xué)爾灣分校(UC Irvine)與加利福尼亞大學(xué)戴維斯分校擔(dān)任博士后研究員；此后轉(zhuǎn)任硅谷多家網(wǎng)絡(luò)科技公司資深科學(xué)家等職務(wù)。目前主要從事自然語言處理、半監(jiān)督學(xué)習(xí)、貝葉斯方法與大語言模型等領(lǐng)域的研究與應(yīng)用，發(fā)表近30篇學(xué)木論文與專利。
陳劍，復(fù)旦大學(xué)國際金融學(xué)院金融學(xué)實踐教授，成都復(fù)旦西部國際金融研究院研究員，教授“房地產(chǎn)金融”“結(jié)構(gòu)化金融”“金融中的機器學(xué)習(xí)和人工智能”等課程。信風(fēng)金融科技創(chuàng)始人兼CEO,財新智庫高級業(yè)務(wù)顧問，中國資產(chǎn)證券化論壇信息披露專委會主席。
第1章金融大語言模型：新興交叉學(xué)科的誕生
1. 1 大語言模型的前世今生 ……………………………………… 2
1. 2 當(dāng)金融遇見大語言模型 ……………………………………… 4
1. 3 金融大語言模型對傳統(tǒng)人工智能的突破 …………………… 8
1. 4 金融大語言模型可能的風(fēng)險點 ……………………………… 9
第 2 章 認(rèn)識自然語言處理 ∥ 12
2. 1 什么是自然語言處理 ………………………………………… 13
2. 2 最簡單的編碼模型：TF-IDF文本向量 ……………………… 14
2. 3 潛在語義分析 ………………………………………………… 16
2. 4 敲開自監(jiān)督預(yù)訓(xùn)練的大門：Word2Vec ……………………… 18
2. 5 基于上下文的編碼模型：ELMo …………………………… 22
2. 6 NLP的典范轉(zhuǎn)移者：Transformer …………………………… 24
2. 7 大語言模型的先鋒：BERT與GPT ………………………… 29
第 3 章 生成式大語言模型 ∥ 34
3. 1 GPT-1：用微調(diào)來解決下游任務(wù) ……………………………… 36
3. 2 GPT-2：用零樣本學(xué)習(xí)來解決下游任務(wù) …………………… 37
3. 3 GPT-3：用少樣本學(xué)習(xí)來解決下游任務(wù) …………………… 38
3. 4 InstructGPT…………………………………… 39
3. 5 涌現(xiàn)現(xiàn)象 ……………………………………………………… 40
第 4 章 提示工程 ∥ 45
4. 1 什么是提示工程 ……………………………………………… 46
4. 2 魔法咒語與超能力 …………………………………………… 46
4. 3 上下文學(xué)習(xí) …………………………………………………… 48
4. 4 思維鏈 ………………………………………………………… 52
4. 5 檢索增強生成 ………………………………………………… 55
第 5 章 大語言模型中的幻覺問題 ∥ 61
5. 1 什么是幻覺 …………………………………………………… 63
5. 2 幻覺的類型 …………………………………………………… 64
5. 3 幻覺的利弊 …………………………………………………… 65
5. 4 幻覺的成因 …………………………………………………… 66
5. 5 如何評估幻覺 ………………………………………………… 69
5. 6 幻覺的檢測 …………………………………………………… 71
5. 7 減少幻覺的手段 ……………………………………………… 73
第 6 章 大語言模型在金融領(lǐng)域的應(yīng)用 ∥ 76
6. 1 大語言模型財務(wù)報告分析 …………………………………… 78
6. 2 社交媒體平臺上個人投資者的“群智”分析 ……………… 84
6. 3 大語言模型選股 ……………………………………………… 88
6. 4 大語言模型解讀分析師報告中的企業(yè)文化 ……………… 92
第7章金融大語言模型的數(shù)據(jù)基礎(chǔ)
7. 1 金融大語言模型總體架構(gòu) …………………………… 103
7. 2 金融原始數(shù)據(jù)和數(shù)據(jù)預(yù)處理 ……………………………… 103
7. 3 BloombergGPT和FinGPT 的介紹及對比…………………… 112
第8章 利用大語言模型對金融信息進行深度分析 ∥118
8. 1 大語言模型的一般用途 …………………………………… 120
8. 2 用大語言模型深度分析英偉達(dá)財報電話會議 …………… 128
8. 3 對長文本進行關(guān)鍵詞提取和摘要 ………………………… 133
8. 4 跟蹤分析師對英偉達(dá)的觀點變化 …………………… 137
8. 5 比較美聯(lián)儲會議紀(jì)要 ……………………………………… 140
8. 6 大語言模型分析和建立美聯(lián)儲情緒指數(shù) ………………… 143
第 9 章 檢索增強生成與股票分析系統(tǒng) ∥ 153
9. 1 檢索增強生成詳解 ………………………………………… 154
9. 2 RAG應(yīng)用案例：出口限制對英偉達(dá)營收的影響…………… 161
9. 3 AutoGen初步：RAG和股票分析 …………………………… 165
第 10 章 微調(diào)大模型 ∥ 178
10. 1 微調(diào)大模型的挑戰(zhàn) ………………………………………… 180
10. 2 Unsloth 項目介紹…………………………………………… 180
10. 3 微調(diào) Llama 3 中國宏觀經(jīng)濟分析大模型 ………………… 183
第 11 章 大語言模型與金融學(xué)研究交叉前沿 ∥ 192
11. 1 大語言模型在金融學(xué)研究中的主要應(yīng)用方向 …………………… 193
11. 2 基于文本變量的構(gòu)建效度 ……………………………… 200
11. 3 在金融學(xué)研究中使用大語言模型的指南 ……………… 203
書單推薦
