报名 | 中国中文信息学会·社会媒体处理专委会（SMP）智慧金融论坛

会员服务 ·

报名 | 中国中文信息学会·社会媒体处理专委会（SMP）智慧金融论坛

2019 年 6 月 19 日 PaperWeekly

中国中文信息学会·社会媒体处理专委会（SMP）

智慧金融论坛

主办：中国中文信息学会社会媒体处理专委会智能金融专业组

承办：武汉大学计算机学院、经济管理学院、信息管理学院

会议议程

时间	内容	主持人
08:00-08:50	论坛签到
08:50-09:00	论坛开幕致辞	彭敏
09:00-09:40	白硕 NLP与事件知识处理	彭敏
09:40-10:20	鲍捷 AI赋能的下一段征程：知识图谱平台在金融领域落地实践	彭敏
10:20-10:40	合影+茶歇
10:40-11:20	洪亮基于大规模股权网络的系统性金融风险研究	彭敏
11:20-12:00	毛瑞彬上市公司公告信息抽取技术	彭敏
12:00-13:30	午餐
13:30-14:10	李斌机器学习驱动的基本面量化投资	彭敏
14:10-14:50	滕放供给侧改革与金融科技的思考	李斌
14:50-15:30	沈华伟大数据驱动的互联网金融监测与服务研究	李斌
15:30-15:50	茶歇
15:50-16:30	部慧基于大数据的智慧金融与监管科技	李斌
16:30-17:10	赖彦钊人工智能技术驱动下的资产价格预测	李斌
17:10-17:50	丁效金融事理图谱构建及应用	李斌

由中国中文信息学会社会媒体处理专委会（SMP）主办，武汉大学承办的“智慧金融论坛”将于2019年7月3日在武汉大学计算机学院大楼8楼报告厅召开。

随着大数据和人工智能的快速发展，金融领域也产生了一系列新思路、新工具、新模式和新业态，继而形成了“金融科技”。金融与信息技术的日益融合，正在深刻改变金融行业的运行方式、运营效率和管理模式。本届论坛邀请了来自计算机、经济、信息管理等领域的专家学者，论坛主题聚焦于金融事件知识处理、金融风险管理、量化投资、企业知识图谱、企业风险识别等领域。此次论坛是八月SMP年会同期举办的第五届智能金融论坛的热身活动，两个论坛的内容统一筹划，尽可能全面覆盖近一年来金融科技领域的主要前沿动态。

报名方法

请扫描下方二维码，填写相关个人信息

报名截止日期：6月28日 12:00

注：本次论坛不收取任何注册费用

嘉宾及报告简介

1 NLP与事件知识处理

演讲嘉宾：白硕

中国分布式总账基础协议联盟（ChinaLedger）技术委员会主任，中科院计算机所博导、中科院信工所博导、中国中文信息学会常务理事、阡寻科技/丹渥智能董事长、Chinaledger技术委员会主任。先后就读于清华大学、北京大学，曾任中科院计算所研究员、软件方面首席科学家，是上海证券交易所前任总工程师。是区块链技术、自然语言与人工智能方面的专家学者。

报告简介：事件知识处理是知识图谱研究和应用落地所共同面对的重要领域。语言解析的结果对应的是微观事件群，落地场景对应的是宏观事件，二者之间的映射，即是精准NLP解析与精准事件抽取对接的需要，也是一般性地构建事件粒度层次体系的需要。从事理图谱演进到动态知识谱图，用统一的机制和框架处理事件的粗细粒度映射，有助于完善知识图谱的技术栈体系，也给精准NLP技术带来更加广阔的应用前景。

2 AI赋能的下一段征程：知识图谱平台在金融领域落地实践

演讲嘉宾：鲍捷

文因互联CEO，联合创始人。衣阿华州立大学博士、伦斯勒理工学院（RPI）博士后、MIT访问研究员。研究领域涵盖自然语言处理、语义网、机器学习和描述逻辑等，在AAAI、ISWC、ESWC和ASWC等语义网核心期刊和会议上发表论文70余篇。曾任W3C OWL工作组成员，合作撰写了语义网标准 OWL2 的 W3C 规范文档。中国中文信息学会语言与知识计算专业委员会委员及金融知识图谱工作组召集人、W3C顾问委员会委员、中文开放知识图谱联盟(OpenKG)发起人之一。

报告简介：当前的金融界正面临“手工业”升级“大工业”的拐点，处于从大数据化转向自动化的升级的重要进程中，智能金融的本质就是这次升级的助推器。AI赋能金融机构需要克服的最大技术难点在于数据结构化，但纯数据驱动的训练方法难以学习出处理金融这样复杂垂直领域问题所需的数据流水线，需要综合多种模型的混合方法。

3 基于大规模股权网络的系统性金融风险研究

演讲嘉宾：洪亮

武汉大学信息管理学院副教授，信息集成与应用实验室主任，武汉大学大数据研究院大数据技术研发中心主任。中国计算机学会(CCF)高级会员，CCF数据库专业委员会委员。研究方向为图数据库，知识图谱，社会网络。在TKDE、TKDD、SIGSPATIAL等国际期刊和会议上发表论文40余篇，并获得多项国内外专利授权，撰写中英文专著多部。2017年入选武汉大学珞珈青年学者。先后主持或承担国家重点研发计划子课题、国家自然科学基金重点项目、国家自然科学基金青年基金、教育部博士点基金、湖北省自然科学基金等各类国家级、省部级和企业科研项目。

报告简介：股权结构实质上一种知识之间的关联。金融股权关联，是系统性金融风险形成与传导的根源。因此，本次讲座将介绍知融金融大数据平台及其关键技术，该平台基于股权网络构建了亿级实体-关系三元组的大规模金融知识图谱，融合了全量的工商注册企业数据以及400+商业银行股权结构数据。我们研发了大规模图数据管理关键技术，基于gStore图数据库实现了对亿级三元组的大规模知识图谱的准确、高效、鲁棒的管理；提出了Top-k控制权路径算法等知识关联查询算法，实现了对金融知识图谱实体的知识关联查询，以及多层股权结构的查询与穿透式监管。同时，平台对金融资本系等蕴含潜在风险的股权结构子图进行了准确发现和深度分析。该平台将应用于支撑监管部门对金融风险的识别、防范与化解，以及企业的资本市场风险评估服务。

4 上市公司公告信息抽取技术

演讲嘉宾：毛瑞彬

深圳证券信息有限公司数据中心副总监。研究领域为大数据和自然语言处理。带领团队研发了分布式爬虫、大数据实时处理、企业画像、自然语言处理平台等多个大型项目，承担深交所智能监管和燧石星火智能投研关键算法模型的研究。

报告简介：上市公司公告含有丰富的上市公司经营和财务信息，是投资决策和证券监管的重要数据源，除定期报告外，大部分公告都是文本形式，难以进行量化计算，需要从文本中抽取语义及其结构。公告格式多，存在文表混排、章节层次较多、语义嵌套等特点，对信息抽取提出了较大挑战。为解决这些问题，我们构建了文本流式处理系统，基于篇章级多层信息抽取框架，融合多种信息抽取技术，实现了公告自动化信息抽取，目前已成功应用于监管、投融资和信息服务等领域。

5 机器学习驱动的基本面量化投资

演讲嘉宾：李斌

武汉大学经济与管理学院金融系教授、博士生导师。担任金融系副主任和武汉大学金融科技研究中心执行主任。2006年获得华中科技大学计算机学士和武汉大学经济学学士双学位，2013年获得新加坡南洋理工大学计算机博士学位，并在南洋理工大学商学院担任会计学博士后。他是特许金融分析师（CFA）持证人。先后入选湖北省楚天学子、武汉大学珞珈青年学者，担任武汉大学人文社科青年学术团队“大数据驱动的投资管理研究”负责人。研究方向是金融科技、投资管理和机器学习等。近年来，在美国CRC Press出版英文学术专著一本；在Artificial Intelligence、Journal of Machine Learning Research、TKDE、ICML、IJCAI等计算机期刊和会议，及Journal of Futures Markets、Quantitative Finance、管理科学学报、系统工程理论与实践等金融类期刊上发表论文20余篇。荣获武汉大学经济与管理学院教学贡献院长奖，指导研究生获得“武汉大学研究生学术创新一等奖”等。

报告简介：基本面量化投资是近年来金融科技和量化投资研究的新热点。基于1997年1月至2018年10月中国A股市场的96项异象因子，我们采用预测组合算法、Lasso回归、岭回归、弹性网络回归、偏最小二乘回归、梯度提升树、极端梯度提升树、集成神经网络和深度前馈网络等9种机器学习算法构建超额收益预测模型，并构建投资组合。实证结果显示，机器学习算法能够自动识别因子间的线性和非线性模式获得更好的投资绩效，而非线性机器学习算法获得的绩效提升尤为突出。基于深度前馈网络预测的多空组合能够获得2.83%的月度收益，而基于线性回归预测构建的多空组合月度收益仅为1.90%。即便在考虑到中国市场的做空限制和交易成本等问题，深度前馈网络模型构建的做多组合平均月度收益也达到了2.46%，而同期上证综合指数的月度收益仅为0.59%，因此机器学习模型能够大幅度提升基本面量化投资策略的绩效。最后，我们筛选了模型中的重要特征，交易摩擦类因子和动量因子在中国A股市场具有更强的预测效力。

6 供给侧改革与金融科技的思考

演讲嘉宾：滕放

InnoTREE（北京因果树网络科技有限公司）创始合伙人。中关村大数据产业联盟区域合作发展中心副主任。曾就职于Google纽约负责数据业务并购，拥有10年TMT行业经验，包括3年科技创新公司及成功退出经验。拥有美国和中国的知名科技及互联网公司的双重经验，主要从事战略规划，产品管理以及商务运营等工作。是特许金融分析师 (CFA)，荣获2016“全球创新青年导师”、2017 “中关村十大年度人物”。

报告简介：报告包括四个方面：1）供给侧改革的核心目标是提高全要素生产率，其中金融科技可以提高市场以及政策在匹配各种资源中的效率。通过匹配效率的提升，更好地服务实体经济；2）金融机构面临的挑战与机遇；3）金融机构服务企业的新模式；4）知识图谱技术在金融领域的应用。

7 大数据驱动的互联网金融监测与服务研究

演讲嘉宾：沈华伟

中国科学院计算技术研究所研究员，中国中文信息学会社会媒体处理专委会副主任。主要研究方向：社交网络分析、网络数据挖掘。先后获得CCF优博、中科院优博、中科院院长特别奖、中科院计算所“学术百星”、中科院青促会优秀会员。获得国家科技进步二等奖、北京市科学技术二等奖、电子学会科学技术一等奖、中国中文信息学会钱伟长科学技术一等奖。出版个人专/译著3部，发表论文100余篇。担任PNAS、TKDE等10余个期刊审稿人和KDD、WWW、SIGIR、AAAI、IJCAI等20余个国际会议的程序委员会委员。

报告简介：互联网金融作为一种新型金融业务模式近年来发展迅猛，互联网金融除了传统金融风险之外还面临着很多新型风险，亟需从国家管理和行业风险方面进行有效监测。大数据驱动的互联网金融监测与服务，针对国家级互联网金融业务监测、风险评估和金融大数据的智能化服务等相关需求，利用互金业务专有数据以及公开可获取的互联网金融大数据，采用数据驱动的风险评估和征信技术，对互联网金融风险进行实时监测。报告人将介绍其团队在互联网金融监测与服务方面开展的一些研究工作，包括使用自然语言处理技术开展的非法集资检测和互联网金融实体检测、使用网络分析方法开展的金融操纵检测和基于动力学的比特币市场建模等。

8 基于大数据的智慧金融与监管科技

演讲嘉宾：部慧

北京航空航天大学经济管理学院金融系，副教授，硕士生导师。2004年7月于中国科学技术大学获得经济学学士学位，2009年7月于中国科学院研究生院管理学院获得管理科学与工程博士学位。研究领域涉及实证资产定价、期货市场微观行为分析、金融科技、风险管理和金融监管，以及金融产品创新等。作为项目主持人主持了国家自然科学基金项目4项，主持了或参与了省部级纵向课题4项，主持或参与横向课题若干项。已发表学术论文30余篇，包括《Economic Modeling》《Energy Economics》、《Journal of Systems Science & Complexity》、《管理科学学报》、《系统工程理论与实践》、《中国管理科学》、《管理评论》等国内外学术期刊。作为合作作者出版一本金融学教材《金融资产风险与定价（理论篇）》。曾作为主要成员参与撰写了政策研究报告8篇上报中央两办并得到中央领导批示。目前已参与研发和创新多个金融产品，包括大宗商品指数及其指数类衍生品和投资基金的创新与研发、全国非法集资监测预警系统、证券市场信息操纵监测预警系统、以及债券违约风险监测预警系统的研发等。

报告简介：以大数据和人工智能等为基础的金融科技改变了传统金融的信息采集来源、风险定价模型、投资决策过程、信用中介角色等，大幅提升传统金融的效率，解决了传统金融的一些问题。智慧金融将成为金融科技推动下金融行业的未来发展方向。本报告将主要讨论基于大数据的智慧金融服务和监管科技中的一些基础问题，包括基于本文挖掘方法刻画投资者预期的投资者情绪指数构建、探讨投资者预期对资产定价的影响及其预测力、探讨金融资产之间的复杂关联问题及其对资产定价的影响、分析证券市场和金融市场的行为特征、研究新的风险管理方法，从而为智慧金融服务和金融监管提供研究支撑。在此基础上，本报告将介绍我们在金融监管科技方面的一些探索和尝试，包括非法集资等金融欺诈的监测和早期预警方法、证券市场信息操纵行为的感知判别预警方法、债券市场违约风险的监测预警方法等，为金融监管提供新的方法和技术，保障金融业的健康有序发展。

9 人工智能技术驱动下的资产价格预测

演讲嘉宾：赖彦钊

乾阜资产（上海）管理有限公司投资总监，华中科技大学信息与计算科学学士，北卡罗莱纳大学数学硕士，乔治华盛顿大学经济学博士，主要从事量化投资的金融科技工作。先后在广发证券、华润资产管理公司任职。

报告简介：“预测”在金融市场中无时不有、无处不在，如何提高资产价格预测的准确率以及降低预测成本，是二级市场盈利的核心。传统的资产价格预测主要依托于回归分析，而随着金融数据量以及计算机计算性能的大幅跃升，其他人工智能技术得以在资产价格预测中被更广泛的运用。本报告主要分享Deep learning和Clustering在提高资产预测模型的准确率以及降低模型开发成本中的应用。

10 金融事理图谱构建及应用

演讲嘉宾：丁效

哈尔滨工业大学助理研究员。主要研究方向为人工智能、自然语言处理、社会计算和智能金融。2016年获得哈尔滨工业大学博士学位，已在AAAI、IJCAI等人工智能领域的著名国际期刊和会议发表相关论文20余篇。承担国家自然科学基金青年项目等省部级以上项目四项，参与国家重大科技基础设施建设项目、国家自然科学基金重点项目等多项。荣获全国青年人工智能创新创业大会三等奖、第五届全国青年计算语言学研讨会优秀论文奖等荣誉。担任中国中文信息学会社会媒体处理专委会委员、中国中文信息学会青年工作委员会委员。

报告简介：人工智能技术已广泛应用于商业决策系统中，并有效驱动企业产能、效率等方面的提升。事件驱动的股市涨跌预测技术越来越受到学术界和工业界的广泛关注。然而，如何从文本中获取以事件为核心的常识性知识，并识别出事件之间的因果或顺承关系，进而发现事件演化的规律和模式是当前人工智能一个非常具有挑战性的问题。本次报告以金融为例重点介绍事理图谱的构建、推理及应用相关核心技术。