课程核心观点 - AI在金融领域的价值根本上取决于其所使用的数据质量[1] - 课程旨在探讨如何优化各类金融数据集以赋能AI应用[1] 课程内容与学习目标 - 课程将深入探讨宏观经济指标、定价与参考数据、公司数据、风险情报及非结构化文本等金融数据集的优化方法[1] - 课程旨在帮助学员从金融数据中提取最大价值，以赋能其AI战略，无论其正在构建预测模型、交易算法还是风险分析应用[2] 课程具体议程 - 课程将涵盖金融数据与AI应用全景概览[5] - 课程将探讨金融AI炒作背后的现实[5] - 课程将包含金融数据的AI优化实战内容[5] - 课程将详解AI数据与技术要件[5] - 课程将指导如何避开常见的数据陷阱[4] - 课程将展示如何在特征工程中应用行业最佳实践[4] - 课程将阐明满足可扩展AI系统所需的技术与数据要求[4] 课程安排与参与方式 - 课程活动时间为2025年11月28日（周五）15:30 – 16:30[3] - 参与者可通过扫码立即报名[7] - 课程由LSEG Academy提供[8] 学习平台资源 - LSEG Academy学习中心提供灵活自主或互动课堂两种学习模式以满足不同需求[9] - 平台提供丰富的学习资源以帮助用户全面提升专业技能[9] - 用户可注册讲师指导课程进行实时互动与答疑[9] - 平台支持快速查找感兴趣的视频课程[9] - 平台可帮助用户提升专业知识并获取认证资格[9] - 平台支持高效查找相关学习内容[9] - 用户可在平台设置专属学习方案[9] - 平台支持管理学习记录和认证信息[9] - 平台可跟踪持续专业能力发展（CPD）的认证情况[9]

课程核心观点 - AI在金融领域的价值根本上取决于其所使用的数据质量[1] - 课程旨在探讨如何为AI应用优化各类金融数据集以赋能AI战略[1][2] 课程学习目标 - 帮助学员从金融数据中提取最大价值以构建预测模型、交易算法或风险分析应用[2] - 学习如何避开常见的数据陷阱并在特征工程中应用行业最佳实践[4] 课程内容框架 - 涵盖金融数据与AI应用全景概览及金融AI炒作背后的现实分析[5] - 包含金融数据的AI优化实战和AI数据与技术要件详解[5] - 涉及满足可扩展AI系统所需的技术与数据要求[4] 课程安排与资源 - 活动时间为2025年11月28日15:30至16:30[3] - 提供由讲师指导的互动课程和丰富的自主学习资源[9] - 平台支持设置专属学习方案并管理学习记录和认证信息[9]

课程核心观点 - AI在金融领域的价值根本上取决于其使用的数据质量[1] - 课程旨在帮助从业者从金融数据中提取最大价值，以真正赋能AI战略[2] 课程学习目标 - 帮助构建预测模型、交易算法或风险分析应用的从业者优化数据使用[2] - 学习如何为AI应用优化宏观经济指标、定价与参考数据、公司数据、风险情报及非结构化文本等各类金融数据集[1] 课程核心内容 - 金融数据与AI应用全景概览[5] - 探讨金融AI炒作背后的现实[5] - 金融数据的AI优化实战方法[5] - 详解AI数据与技术要件[5] - 学习如何避开常见的数据陷阱[4] - 在特征工程中应用行业最佳实践[4] - 满足可扩展AI系统所需的技术与数据要求[4] 学习平台资源 - 平台提供灵活的自主学习和互动性课堂体验[9] - 可注册参加讲师指导课程进行实时互动和答疑解惑[9] - 提供快速查找感兴趣视频课程的功能[9] - 支持提升专业知识并获取认证资格[9] - 可高效查找相关学习内容并设置专属学习方案[9] - 具备管理学习记录、认证信息及跟踪持续专业能力发展认证情况的功能[9]

合作签约事件 - 2024年11月17日，国泰海通与彭博举行战略合作签约仪式 [2] - 国泰海通党委书记、董事长朱健与彭博创始人迈克尔·布隆伯格共同见证签约 [2] - 国泰海通首席信息官俞枫和彭博亚太区总裁李冰代表双方签署协议 [2] 合作领域与目标 - 双方将深化金融数据、金融科技和市场拓展等领域的合作 [4] - 合作旨在助力国泰海通在国际化业务、全球数据治理、财富管理及海外家办业务等领域实现提升 [4] - 探索扩大投研内容传播范围与品牌建设新路径，以增强国泰海通的全球市场影响力及投资者沟通效率 [4] - 凭借国泰海通的本土市场经验与综合金融服务能力，为彭博在中国市场的业务拓展提供支持 [4] 合作方背景信息 - 彭博是全球领先的商业与金融信息提供商，1981年创立，总部位于美国纽约市 [4] - 彭博在全球设有167个分支机构，拥有逾26000名员工 [4] - 国泰海通由国泰君安与海通证券于2025年合并成立，分支机构遍布全国31个省区市 [4] - 公司服务范围覆盖17个国家和地区，正加快打造具备国际竞争力的一流投资银行 [4]

数字技术对法治的影响 - 数字技术彻底改变社会，从身份、行为到普通社会关系和金融关系均已实现数据化，数字技术与法治形成有效互动 [3] - 数字技术带来数据权属争议等新问题成为法治需要回应的新对象，同时数字技术也赋能法治进步，如在线调解和在线审判规则 [3] - 法律不仅要规范技术，更要成为促进技术健康发展的工具，二者是双向互动关系而非单向约束 [3] 金融数据界定与分类 - 金融数据的界定存在两个维度，即“与金融活动有关的数据”或“金融机构持有的数据”，不同界定维度直接影响金融数据定性问题 [4] - 依据“数据20条”和《政务数据共享条例》，金融数据可分为监管类数据和市场类数据 [4] - 监管类数据包括央行和金融监管部门在执法中收集产生的数据，属政务数据必须共享开放，而同一数据在供给前是银行等机构的企业数据，属市场数据不能强制共享 [4] 金融科技创新带来的风险转变 - 金融科技创新已将风险从传统信用风险和市场风险转向技术风险、模型风险与合规风险 [1][4] - 具体新型风险案例包括物联网设备采集信息失真影响保险索赔、AI理财顾问“幻觉”导致错误建议的责任归属争议、人脸识别作为支付验证时的法律定性争议 [4] 法律与监管体系的发展方向 - 未来法律和监管体系及金融司法过程需发展穿透技术黑箱、在去中心化环境中界定责任的新能力 [1][5] - 未来需加强金融消费者权益保护 [1][5]

货币供应 - 4月末广义货币余额325.17万亿元 同比增长8% [1] - 狭义货币余额109.14万亿元 同比增长1.5% [1] - 流通中货币余额13.14万亿元 同比增长12% [1] - 前四个月净投放现金3193亿元 [1] 社会融资规模 - 前四个月社会融资规模增量累计16.34万亿元 同比多3.61万亿元 [2] - 4月末社会融资规模存量424.0万亿元 同比增长8.7% [3] - 对实体经济发放人民币贷款增加9.78万亿元 同比多增3397亿元 [2] - 政府债券净融资4.85万亿元 同比多3.58万亿元 [2] - 企业债券净融资7591亿元 同比少4095亿元 [2] 贷款情况 - 4月末人民币贷款余额265.7万亿元 同比增长7.2% [4] - 前四个月人民币贷款增加10.06万亿元 [4] - 住户贷款增加5184亿元 [4] - 企事业单位贷款增加9.27万亿元 [4] - 非银行业金融机构贷款增加768亿元 [4] 存款情况 - 4月末人民币存款余额314.78万亿元 同比增长8% [5] - 前四个月人民币存款增加12.55万亿元 [5] - 住户存款增加7.83万亿元 [5] - 非金融企业存款增加4103亿元 [5] - 非银行业金融机构存款增加1.88万亿元 [5] 利率水平 - 4月同业拆借加权平均利率1.73% 同比低0.14个百分点 [6] - 质押式回购加权平均利率1.72% 同比低0.14个百分点 [6] - 1年期贷款市场报价利率3.10% 与上年末持平 [7] - 5年期以上贷款市场报价利率3.60% 与上年末持平 [7] 汇率变动 - 4月末人民币对美元汇率中间价7.2014 较上年末贬值0.18% [8] - 人民币对欧元汇率中间价8.2250 较上年末贬值8.50% [8] - 人民币对日元汇率中间价5.0872 较上年末贬值9.12% [8] - CFETS人民币汇率指数96.20 较上年末下跌5.19% [8]