13. AI金融

​

推动智能金融应用示范。围绕“互联网+”战略在金融领域实施过程中的新问题和新需求，基于全息金融大数据，构建符合我国国情的宏观金融决策模型，突破金融内在的发展规律与外在社会环境之间的约束；基于银行、证券、网络等金融数据，利用深度学习等核心智能技术进行挖掘与分析，构建基于行业与领域的复杂金融指令模型；基于金融大数据的空间属性、时间属性及个体行为属性，利用知识图谱、推理计算等模型，准确实现金融风险防控、信用评估、态势演化等。[^3]

• 13.1. 金融
  • 13.1.1. 金融简介
  • 13.1.2. 现代金融理论
  • 13.1.3. 金融产品
  • 13.1.4. 金融用户到底是谁？
  • 13.1.5. 传统金融业务的问题
  • 13.1.6. 期刊
• 13.2. 金融科技（FinTech）
  • 13.2.1. 定义
  • 13.2.2. 背景
  • 13.2.3. 企业
  • 13.2.4. PEST
  • 13.2.5. 知名企业
  • 13.2.6. 行业上下游
  • 13.2.7. 2021十大趋势 6
  • 13.2.8. 基本原则
  • 13.2.9. 中美对比 10
  • 13.2.10. 监管
  • 13.2.11. 职业转型
• 13.3. AI+Finance
• 13.4. 投资
• 13.5. 智能顾投
  • 13.5.1. 作用
  • 13.5.2. 传统的投顾
  • 13.5.3. 智能顾投的历史7
  • 13.5.4. 智能投顾分类
  • 13.5.5. 资产配置
  • 13.5.6. 优点 5
  • 13.5.7. 公司
  • 13.5.8. 2C到2B
• 13.6. 智能投研
  • 13.6.1. 定义
  • 13.6.2. 需求
  • 13.6.3. 传统投研 VS 智能投研
  • 13.6.4. 基本流程
  • 13.6.5. 智能投研 VS 智能投顾
  • 13.6.6. 知识抽取
  • 13.6.7. 情绪分类
  • 13.6.8. 智能投研产业链
  • 13.6.9. 不是替代，而是辅助
  • 13.6.10. 相关企业
  • 13.6.11. 更多
• 13.7. 智能风控
• 13.8. 智能客服
  • 13.8.1. 如何实现：构建知识图谱
• 13.9. RPA
  • 13.9.1. RPA概念
• 13.10. 智能营销
• 13.11. 全栈金融
• 13.12. AI安全
• 13.13. quant
  • 13.13.1. API
• 13.14. 天星术科