2025年第二届数据智能与金融科技学术年会

从ChatGPT的爆火到令人惊叹的Sora和DeepSeek，人工智能给人类社会带来一次次冲击。在科学技术发展日新月异的今天，人工智能和大数据技术正在深刻地改变着金融行业的运营管理和商业模式，为金融行业带来了前所未有的机遇和挑战。为深入探讨数据智能与金融科技的最新发展，四川大学商学院数智金科研究团队已于2024年6月23-26日发起首届数据智能与金融科技学术研讨会。在上年基础上，经商议第二届数据智能与金融科技学术年会将于2025年7月19-22日在海南省三亚市举办。

本次学术年会将由科技金融四川省重点实验室、大数据与商务智能技术工信部重点实验室、中国管理现代化研究会管理与决策科学专委会及中国优选法统筹法与经济数学研究会船海经济管理专委会联合主办，四川大学商学院数智金科研究团队和智汇天下（厦门）人工智能研究院承办与协办。本次学术年会旨在探讨人工智能、大数据、大模型和金融科技发展的最新研究成果，加强国内外数据智能与金融科技领域专家学者的交流与合作，促进大数据、大模型与新金融的交叉、渗透和发展（包括线上、线下两种参会形式）。本次学术年会的主题为“大模型与金融智能”，我们热忱欢迎大家参加本次学术研讨会。

会议主题

大模型与金融智能

会议主要内容

阶段一

大模型专题培训

专题培训特邀一线大模型技术专家讲述大模型赋能科研的实际操作，开展大模型入门教学、大模型与时序预测、大模型与风险管理以及大模型与电子商务等四个专题培训模块，培训过程采取案例教学的方式，能够有效拓展参训人员的实操能力，促进大模型与各领域学科研究方法的交叉应用。

阶段二

大会特邀报告

大会特邀国内外数据智能与金融科技相关领域知名专家等进行大会特邀报告，从多方面提升与会嘉宾对相关领域最新研究进展、成果的了解，促进各位学者之间的交流与合作。

阶段三

大会专题报告

①数据智能与金融科技主题论坛

遴选科技金融四川省重点实验室、大数据与商务智能技术工信部重点实验室和四川大学商学院数智金科研究团队老师或同学的最新研究成果进行宣讲，邀请数据智能与金融科技领域的专家学者进行点评，优秀论文将推荐至高水平期刊发表，具体信息另行通知。

②国家自然科学基金重点项目论文工作坊

遴选该项目最新研究成果做学术报告，邀请相关领域的专家现场点评，优秀论文将推荐至高水平期刊发表，具体信息另行通知。（重点项目名称：重要战略资源需求与价格的预测理论与方法，项目编号：72331007）。

③海南省重点研发计划项目论文工作坊

遴选该项目最新研究成果做学术报告，邀请相关领域的专家现场点评，优秀论文将推荐至高水平期刊发表，具体信息另行通知。（重点研发项目名称：基于大数据与大模型的海南省信用风险预测关键技术与原型系统开发示范）。

④领域相关平行论坛

诚挚欢迎数据智能与金融科技相关领域同行进行投稿交流，同时邀请相关领域的专家学者现场点评，优秀论文将推荐至高水平期刊发表，具体信息另行通知。（领域相关平行论坛仅限线下参会人员投稿，投稿截止日期为6月30日，投稿方式详见下文）。

会议主席

余乐安，四川大学

组委会主席

徐小峰，中国石油大学（华东）

以下内容为GPT视角对数据智能与金融科技学术年会相关领域的研究解读，仅供参考：

数据智能与金融科技研究现状

数据智能与金融科技研究现状一、数据智能在金融科技中的应用与研究进展

1. 核心技术突破

机器学习与深度学习：在金融风险评估、信用评分、欺诈检测等领域取得显著进展。例如，基于深度学习的自然语言处理技术已应用于舆情分析，通过分析新闻报道、社交媒体数据等，评估市场情绪和潜在风险。

知识图谱：构建金融知识图谱，整合企业、个人、机构等多维度数据，揭示复杂金融关系网络，辅助投资决策和风险管理。

联邦学习：解决数据孤岛问题，在保护隐私的前提下实现跨机构数据协同建模，提升模型泛化能力。

2. 典型应用场景

智能投顾：基于用户风险偏好和投资目标，提供个性化资产配置建议，降低投资门槛。

智能风控：实时监控交易行为，识别异常模式，防范金融欺诈和信用风险。

供应链金融：利用物联网、区块链等技术，实现供应链上下游企业间交易数据的可信共享，优化融资流程。

3. 研究热点

可解释性AI：研究如何提高复杂模型的可解释性，增强监管机构和用户对AI决策的信任。

小样本学习：针对金融领域数据标注成本高、样本稀缺的问题，探索小样本学习算法。

隐私保护计算：研究如何在保证数据隐私的前提下，实现数据的有效利用。

二、金融科技整体发展态势

1. 行业规模与增长

全球金融科技市场规模持续扩大，特别是在支付清算、借贷融资、财富管理等领域，创新企业不断涌现。

中国金融科技发展迅速，移动支付、数字货币等领域处于世界领先地位。

2. 监管政策与合规

各国政府加强对金融科技的监管，出台相关法律法规，规范市场秩序，保护消费者权益。

监管科技（RegTech）兴起，利用技术手段提升监管效率和合规水平。

3. 跨界融合与创新

金融科技与云计算、大数据、区块链等技术的深度融合，推动金融产品和服务的创新。

金融机构与科技公司加强合作，共同探索新的业务模式和市场机会。

三、面临的挑战与未来趋势

1. 挑战

数据安全与隐私保护：随着数据量的爆炸式增长，数据泄露和滥用风险增加，如何保障数据安全成为重要课题。

技术伦理与监管：AI等技术的广泛应用引发伦理争议，如何平衡创新与监管成为挑战。

人才短缺：金融科技领域对跨学科人才的需求旺盛，但目前人才供给不足。

2. 未来趋势

智能化水平提升：AI技术将更加深入地融入金融业务流程，提升服务效率和质量。

开放银行与API经济：金融机构将通过开放API，与第三方开发者合作，共同构建金融生态。

绿色金融与可持续发展：金融科技将助力绿色金融发展，推动经济社会的可持续发展。

数据智能与金融科技研究可以应用在哪些行业或产业领域

一、银行业

风险管理

利用数据智能技术构建风险评估模型，实时监测信贷风险、市场风险等，提升风险预警能力。

案例：银行通过分析客户的交易数据、信用记录等，预测贷款违约概率，优化信贷审批流程。

客户服务

通过智能客服系统提供24小时在线服务，解答客户咨询，提升客户体验。

案例：智能语音助手识别客户问题，自动推送解决方案或转接人工客服。

精准营销

基于客户画像和行为分析，推送个性化的金融产品和服务。

案例：向高净值客户推荐定制化理财产品，或向年轻用户推广便捷的移动支付服务。

二、保险业

风险定价

利用大数据和机器学习技术，根据客户的风险特征制定差异化的保险费率。

案例：车险公司通过分析驾驶行为数据（如急刹车次数、行驶里程）动态调整保费。

理赔反欺诈

通过数据智能技术识别异常理赔行为，降低欺诈风险。

案例：结合图像识别技术验证医疗票据真实性，或分析历史理赔记录发现重复索赔。

产品创新

基于客户需求和行为数据，开发定制化保险产品。

案例：针对特定场景（如旅行、健康）推出短期保险产品，或为高风险职业设计专属保障方案。

三、证券与投资业

量化投资

利用机器学习算法分析市场数据，优化投资组合，提升收益水平。

案例：通过高频交易策略捕捉市场波动中的套利机会，或基于自然语言处理技术分析新闻情绪预测股价走势。

智能投顾

为投资者提供自动化、个性化的资产配置建议，降低投资门槛。

案例：根据用户的风险偏好和投资目标，推荐股票、基金等金融产品，并动态调整组合。

市场监管

通过数据智能技术监测市场异常交易行为，维护市场秩序。

案例：识别内幕交易、操纵市场等违规行为，为监管机构提供决策支持。

四、供应链金融

信用评估

基于供应链上下游企业的交易数据，评估中小企业信用状况，解决融资难题。

案例：通过分析核心企业的应付账款、订单数据等，为供应商提供应收账款融资服务。

风险控制

利用物联网、区块链等技术实现交易数据的可信共享，降低融资风险。

案例：通过区块链记录货物运输、仓储等环节的数据，确保融资资金流向真实交易。

流程优化

通过数据智能技术自动化处理融资申请、审批等流程，提升效率。

案例：基于智能合约自动执行融资条款，减少人工干预。

五、其他行业

零售业

通过分析消费者购物行为数据，优化商品推荐和库存管理。

案例：电商平台根据用户浏览历史和购买记录，推送个性化商品。

制造业

利用数据智能技术优化生产流程，预测设备故障，降低维护成本。

案例：通过传感器数据监测设备运行状态，提前安排维修计划。

医疗健康

通过分析医疗数据，辅助疾病诊断和治疗方案制定。

案例：利用AI技术分析医学影像，提高诊断准确率。

政府与公共服务

通过数据智能技术优化城市管理、提升公共服务效率。

案例：基于交通流量数据优化信号灯配时，缓解拥堵；或通过分析民生数据制定精准扶贫政策。

数据智能与金融科技领域有哪些知名研究机构或企业品牌

一、知名研究机构

MIT Media Lab（麻省理工学院媒体实验室）

领域：专注于人工智能、区块链、金融科技等交叉学科研究。

成果：在数字货币、智能合约、去中心化金融（DeFi）等领域有突破性研究。

斯坦福大学人工智能实验室（SAIL）

领域：机器学习、自然语言处理在金融领域的应用。

成果：开发了用于金融风险预测的深度学习模型。

清华大学金融科技研究院

领域：金融科技政策、区块链、监管科技（RegTech）。

成果：发布《中国金融科技发展报告》，推动行业规范发展。

中国人民银行数字货币研究所

领域：数字人民币（e-CNY）研发、央行数字货币（CBDC）技术标准。

成果：主导数字人民币试点，推动全球央行数字货币研究。

国际清算银行创新中心（BIS Innovation Hub）

领域：跨境支付、央行数字货币、金融基础设施创新。

成果：联合多国央行开展跨境支付项目（如mBridge）。

二、知名企业品牌1. 科技巨头与金融科技公司

蚂蚁集团

领域：支付清算、智能投顾、区块链。

产品：支付宝、余额宝、蚂蚁链。

技术：基于大数据的风控模型（如芝麻信用）。

腾讯金融科技

领域：移动支付、财富管理、金融云。

产品：微信支付、理财通、企业微信金融解决方案。

技术：AI驱动的智能客服和反欺诈系统。

京东科技

领域：供应链金融、数字普惠金融。

产品：京保贝（供应链融资）、京小贷（小微企业贷款）。

技术：基于物联网的供应链数据风控。

平安集团（旗下金融壹账通）

领域：智能风控、区块链金融。

产品：Gamma智能贷款平台、区块链贸易融资网络。

技术：AI+知识图谱的信贷审批模型。

2. 传统金融机构的科技子公司

工银科技（工商银行）

领域：金融云、区块链、监管科技。

产品：工银玺链（区块链平台）、工银聚融（产业金融平台）。

建信金科（建设银行）

领域：普惠金融、智慧政务。

产品：建行惠懂你（小微企业融资）、智慧政务服务平台。

3. 国际金融科技企业

Stripe（美国）

领域：支付基础设施、跨境支付。

技术：API驱动的支付解决方案，支持全球135+种货币。

Plaid（美国，被Visa收购）

领域：金融数据聚合、开放银行。

技术：连接银行账户与金融科技应用，支持数千万用户。

Revolut（英国）

领域：数字银行、跨境汇款。

产品：多币种账户、加密货币交易。

技术：实时汇率转换和低成本跨境支付。

4. 区块链与加密货币领域

Ripple

领域：跨境支付、区块链协议。

产品：RippleNet（银行跨境支付网络）、XRP（数字货币）。

Chainalysis

领域：区块链数据分析、反洗钱。

技术：追踪加密货币交易，协助执法机构打击犯罪。

三、行业影响与趋势

技术融合：数据智能（AI、大数据）与金融科技（区块链、云计算）深度融合，推动金融业务自动化和智能化。

监管科技（RegTech）兴起：金融机构和监管机构利用技术提升合规效率，降低风险。

开放银行与API经济：银行通过开放API与第三方合作，构建金融生态。

绿色金融科技：利用技术推动碳交易、绿色信贷等可持续发展领域。

数据智能与金融科技领域有哪些招聘岗位或就业机会

一、技术类岗位：核心算法与工程实践

算法工程师（金融方向）

职责：开发风险评估、量化交易、反欺诈等金融场景的机器学习/深度学习模型。

技能：Python、TensorFlow/PyTorch、金融时间序列分析。

案例：某银行通过LSTM模型预测信用卡违约概率，降低坏账率15%。

数据科学家（金融科技）

职责：从海量金融数据中挖掘规律，支持投资决策或产品设计。

技能：SQL、Hadoop/Spark、因果推断、可视化工具（Tableau）。

案例：某对冲基金通过舆情分析预测股票涨跌，年化超额收益达8%。

区块链开发工程师

职责：设计分布式账本、智能合约，优化跨境支付或供应链金融系统。

技能：Solidity、Hyperledger Fabric、零知识证明。

案例：某企业通过区块链实现跨境贸易融资，效率提升40%。

NLP/CV工程师（金融场景）

职责：开发舆情分析、OCR票据识别、智能客服等AI应用。

技能：BERT、YOLO、语音识别技术。

案例：某保险公司通过OCR技术实现理赔自动化，处理时效缩短70%。

二、业务类岗位：金融与技术的深度融合

量化研究员（金融科技）

职责：开发高频交易、套利策略，优化投资组合。

技能：C++/Python、金融衍生品定价、高频数据回测。

案例：某量化团队通过AI策略实现年化收益20%，夏普比率3.5。

金融风控专家（数据驱动）

职责：构建信用评分卡、反洗钱模型，监控系统性风险。

技能：风控建模（Logistic回归、XGBoost）、监管合规知识。

案例：某P2P平台通过风控模型将逾期率从12%降至3%。

保险科技产品经理

职责：设计基于物联网的UBI车险、健康险动态定价产品。

技能：保险精算、用户需求分析、产品原型设计。

案例：某保险公司通过车联网数据降低赔付率18%。

三、产品与运营类岗位：技术与场景的桥梁

金融科技产品经理

职责：设计智能投顾、数字银行、供应链金融等产品。

技能：PRD撰写、用户旅程地图、跨部门协作。

案例：某银行智能投顾产品上线6个月，管理资产规模破百亿。

数据运营分析师

职责：通过AB测试、用户画像优化金融产品体验。

技能：SQL、A/B测试框架、用户行为分析。

案例：某支付平台通过用户分层运营，提升高净值用户留存率25%。

金融合规科技（RegTech）专家

职责：开发监管沙盒、自动化合规检查系统。

技能：监管政策解读、NLP技术、合规流程设计。

案例：某金融机构通过RegTech系统减少合规成本30%。

四、职能类岗位：支撑技术与业务落地

金融科技解决方案架构师

职责：设计银行/保险数字化转型技术方案。

技能：微服务架构、云计算、行业解决方案设计。

案例：某银行通过核心系统云化，上线周期缩短50%。

金融数据治理专家

职责：建立数据标准、保障数据安全与隐私。

技能：数据质量管控、GDPR/个人信息保护法、数据血缘分析。

案例：某金融机构通过数据治理，提升数据可用性40%。

金融科技培训师

职责：开展区块链、AI等新技术内部培训。

技能：课程设计、技术演示、案例教学。

案例：某银行通过培训提升员工AI应用能力，项目落地效率提升30%。

五、行业趋势与岗位需求分析

技术需求热点

联邦学习、隐私计算在金融数据共享中的应用。

因果推断在营销归因、风控策略优化中的价值。

生成式AI（如ChatGPT）在智能客服、投研报告生成中的潜力。

新兴岗位方向

绿色金融科技：碳交易系统开发、ESG数据建模。

元宇宙金融：虚拟银行、NFT资产交易。

Web3.0金融：去中心化保险、DAO治理。

企业类型与岗位分布

传统金融机构：侧重监管科技、数据治理、智能风控。

互联网巨头金融部门：强调算法工程、用户增长、产品创新。

金融科技创业公司：聚焦细分领域（如跨境支付、保险科技）的技术突破。

六、求职建议

技术岗：

优先掌握Python、SQL、机器学习框架，参与Kaggle金融类竞赛。

考取CFA（特许金融分析师）或FRM（金融风险管理师）认证。

业务岗：

积累金融行业知识（如《证券投资分析》《保险学》），考取基金从业资格。

通过实习或项目实践，熟悉金融产品设计与运营流程。

综合建议：

关注行业动态（如央行数字货币、跨境支付新规）。

构建“技术+金融”复合能力，如算法+风控、区块链+保险。

参与开源项目（如Hyperledger）或行业峰会（如外滩金融峰会）。