CN/EN

金融超脑

金融超脑系统平台由5个层面组成:超算系统、数据系统、知识图谱、决策引擎和产业应用(如下图所示)。


超算系统:超算集群是金融超脑计划的硬件基础和算力支撑。在现有CPU-GPU异构超算架构的基础上,我们正在对众多金融算法、大数据算法、机器学习算法、深度学习算法和强化学习算法进行算法层面和系统层面的并行计算优化、通信优化、内存/显存优化、指令集优化乃至FPGA硬件加速,部分算法实现了在现有硬件基础上10x-1000x的计算性能提升。

数据系统:通过与第三方合作和自建的数据挖掘与管理系统,融合高中低全频段金融行情、事件行为、分析师、传统基本面、另类基本面等多维度多周期跨市场的金融大数据,实现对金融实体(上市公司、非上市企业、重要人物、重要事件等)的完整画像和动态分析。

知识图谱:在金融大数据库和金融实体画像的基础上,运用NLP、深度学习、小样本学习、迁移学习等技术,建立金融实体之间的多样性关联关系(产业链、资本链、供应链、诉讼链等)和事件因果关系。与此同时,研究和开发适用于超大型金融行为知识图谱分析的新型时序图推理算法与技术,在预测精度、可解释性、计算复杂度、并行计算能力、置信度和鲁棒性之间找到最优平衡点。

决策引擎:在金融实体画像和金融行为知识图谱的基础上,研发千亿级参数的超大型时序深度学习模型、大型时空图深度学习和深度强化学习模型并实现NAS/MoE自动模型优化技术,研发面向金融领域的万亿参数级自监督预训练大模型,研发日均百亿级因子搜索能力的金融信号自动挖掘系统和自动搜索优化技术。研发支持超大型金融机器学习模型分布式训练和低延迟推理的软件和硬件加速技术。

产业应用:金融超脑的应用场景围绕金融证券、基金、投资、银行、保险行业的发展痛点和国家金融安全战略需求,重点发展金融资产管理和财富管理领域的AI技术与系统平台。未来5年,我们将在AI精准投资与系统性风险实时计算、全球金融衍生品AI云定价系统、证券市场高精度仿真与极端行情模拟、智能化投资研究与风险决策系统等展开深入的研究和产业化落地。

TOP