10月17日至11月7日,香港赛马会首席数据科学家林静应邀为中国科学技术大学2026级金融硕士(MF)学生讲授《金融人工智能Ⅰ》课程,并参与“与业界导师面对面”活动。
课程伊始,林静老师先说明这门课为何在当下开设。当前数据爆发,交易价格、公告文书、新闻资讯持续产出可计算信息;算力门槛降低,过去专属大型机构的资源如今可按需采购;算法迭代,机器首次具备大规模自然语言理解能力。三重变化交汇下,她以技术史为线索回望金融产品演化:印刷术孕育账簿与财经报刊,蒸汽机催生铁路债券与企业财报,互联网促成电子交易撮合。信息载体每更迭一次,往往催生新的金融产品。由此看,当下特殊性不言而喻:AI能解析非结构化信息,但匹配的金融产品仍在探索。机器擅长信息读取与规则化执行,短板是市场突变时容易失效,输出缺少可解释性。因此,人工智能是得力助手,而非不容置疑的权威。

沿着人工智能发展的关键脉络,林静老师梳理技术从理论奠基走向工程突破的历程:图灵机界定可计算范围,停机问题揭示判定理论的局限;1955年达特茅斯建议书提出使机器具备类人认知与学习能力,人工智能正式定名。此后七十余年,行业经历三次低谷,成因依次为预期超前、硬件路径依赖、知识无法自主获取。AlphaGo成为转折,它结合学习算法与树搜索,使机器在规则完备的棋类任务上超越人类。基于此,林静老师将分析框架引入交易场景,引导同学们从规则稳定性、成本可测性、样本体量三个维度评估问题,明确人机分工:大数据驱动的标准化任务适合机器,稀缺样本下的复杂决策交由人。教会机器下棋容易,但让它拥有常识、应对真实世界仍极具挑战。

回到逻辑与推理这一基础视角,林静老师讲解了机器实现精准推理的底层原理。命题逻辑依靠联结词与真值表,把投资规则转化为标准化公式,能自动识别规则冲突:一份看似合理的投资指引,经归结法推演出现逻辑矛盾,策略便无法落地。但命题逻辑把整条规则当作不可再分的原子,无法表达对象间关系。谓词逻辑补上这一层,使机器能刻画“某账户属于某人”“某设备被多个账户登录”等关系;知识图谱是其工程形态,把实体与关系存成可查询的网络。正因如此,系统才能沿着关系捕捉多账户共用设备、集中转账等异常线索。这也让同学们直观理解结构化推理在金融风控中的价值。
随着课程内容逐步深入,授课重点转向核心算法模型。林静老师主要介绍了机器学习中的监督学习、无监督学习、深度学习和强化学习四类方法,并分别说明其基本思路与特点。为帮助同学们直观理解,林静老师以送餐机器人在岔路口作出抉择为例,说明评价标准并非某一步的得失,而是整趟配送的累计回报,从而帮助大家建立对强化学习评价机制的直观认识。落脚到金融实战,林静老师总结了量化模型常见的几类错误:过拟合会让模型只记住历史数据;前视偏差把未来信息混入历史回测;忽视交易成本,则会把无效噪声误判为有效信号。金融建模还有更深困境:市场收益率大多是噪声,信号微弱;环境持续变化,历史规律快速失效。幸存者偏差、数据泄露等也常造成回测亮眼、实盘不及预期。这些风险说明模型并非万能,业界因而更重视工具组合与边界约束。


在此背景下,林静老师梳理对冲基金常用工具:多因子模型依靠估值与动量分散风险,高频交易凭速度将信息差压缩至毫秒级,文艺复兴科技接受黑箱、只问结果,信用卡记录、社交评论、卫星图像等另类数据也进入模型。工具越专业,越需要制度约束。她引导同学们把握“能力越强、边界越要清楚”的原则:模型默认只读,涉及交易须经人工审批并全程留痕。课程期间,她还邀请严锋、何波、杨剑波等业界专家走进课堂,围绕人工智能对金融的帮助与冲击展开讨论,并与同学们探讨AI时代的职业发展与方向选择。
课程最后聚焦生成式人工智能。规模法则显示,模型规模越大,文本预测精度越高;DeepSeek凭借轻量化结构,以低成本逼近性能上限,开源生态重塑了行业格局。Transformer的注意力机制,打通文本长距离语义关联。林静老师以研读百页年报举例:利润下滑的表述在第3页,剔除减值后的核心盈利数据在第127页。大模型不能只输出摘要,必须给出带原文页码、可核验的推导链路,引导同学们理解生成式人工智能在金融研究中的落地路径与质量底线。
在“与业界导师面对面”交流环节中,林静、严锋两位老师围绕AI项目落地、AI与金融、智能体以及学习与就业等话题分享了观点。针对“AI能否自主发掘金融规律”的提问,林静老师指出,通常需要由人先提出猜想,再由机器验证。她以智能体实验中“钻规则空子”的现象为例指出,这并非机器产生了自主意识,而是规则约束设计不完善所致。严锋老师补充道,金融的核心是资源配置与定价,AI在理论上存在局限,但在实务中价值突出。林静老师就实习与就业提出建议:学业上应分清主次,聚焦一两个方向深耕,求职时再将这一专业积累转化为比较优势,或选择差异化赛道,注重打通业务与技术。她表示,未来急需两类人才:一是行业顶尖专家,二是善于利用工具推动任务落地的人才。严锋老师则从成长路径切入,建议同学们主动拓宽视野、保持开放心态,在更大的参照系中识别并把握真正适合自己的机会。
