"随着全球交易员在国际固定收益市场中评估投资机遇，以求解锁超额收益并优化交易执行，对 实时定价洞察的需求也在日益增长，以提升交易工作流程的透明度。此次扩展将IBVAL的高质 量、AI驱动的定价洞察扩大到部分最具流动性的国际债券市场，令跨时区的买卖双方交易员在 做出交易决策和收获交易成果时更具信心。" 新兴市场债券的纳入标志着IBVAL定价数据的最新扩展。IBVAL于2023年 推出 ，最初涵盖美元 信用证券定价，次年拓展至所有欧元和英镑的投资级和高收益信用债。IBVAL依托为处理数十亿 条跳价的复杂市场数据而设计的机器学习模型，以每15秒一次的更新速度提供各种流动性等级债 券的高质量定价信息。 您可以通过在彭博终端上加载证券，然后选择IBVL PCS作为首选定价来源，获取IBVAL数据。客 户也可以通过彭博的实时市场数据传输（B-PIPE）访问IBVAL数据，轻松整合企业内部的各项日 内定价数据。如需了解更多信息，请在彭博终端访问{IBVL}。 点击 " 阅读原文 " ，进一步了解彭博前台日内定价数据（IBVAL）。 纳入新兴市场债券，可以让买卖双方交易员将自动定价无缝整合到其交易工作流程中，拓展更多新 兴市 ...

核心观点 - 大语言模型(LLMs)技术为财报电话会议分析开辟创新路径 通过量化解析CEO发言情感倾向规避人为判断偏差 为Alpha收益提供创新工具[1] - LSEG MarketPsych Transcript Analytics整合全球16000+上市公司会议纪要数据与NLP技术 提供高精度情感分析和主题识别能力[2] - 财报电话会议情感得分前10%的公司次月股价表现显著优于低分群体 高度乐观情绪可放大超额收益效应[6] - ESG情感得分后10%的公司次月股价表现逊于同行 提供动态风险预警信号[6] - "不满"情绪前5%的公司次月股价表现不佳 该方案可深度赋能风险管理[7] 技术方案 - 采用基于roBERTa的微调分类器 识别13种发言者情绪 当前最准确的NLP模型[2] - 每份纪要可识别1000+主题、4000+事件类型及数百万次提及的实体信息 数据颗粒度极高[3] - API支持自定义查询历史/实时数据 无缝对接策略研发与生产环境[4] 应用场景 - Alpha收益生成：通过情感得分筛选优质股票或增强现有投资模型[6] - ESG研究：动态监测"碳""气候"等术语的情感倾向 识别潜在风险公司[6] - 风险管理：量化高管对负面术语(如"罚款")的提及频次与情感强度变化[7] 数据覆盖 - 覆盖全球16000+上市公司会议纪要 含无与伦比的历史数据[2][11] - 提供实时、定价、参考、ESG等全维度金融数据集合[15][16] 合作背景 - LSEG与MarketPsych合作近15年 服务25+国家金融机构[2] - 解决方案已应用于第三方风险评估及信贷风险监测领域[7]

政策背景与市场影响 - 2023年起中国国务院发布《关于加强监管防范风险推动资本市场高质量发展的若干意见》，推动交易所修改上市规则，强化股利支付要求[1] - 2024年4月沪深京交易所修订规则，要求上市公司建立利润分配体系，未达支付门槛可能被标记为ST股[1] - 截至2024年10月，沪深交易所5000多家上市公司中超过100家可能因新规面临风险警示[3] 股利支付政策细则 - 强制支付条件：最近一年净利润为正且未分配利润为正[4] - 支付金额标准：最近三年累计现金股利需超三年平均净利润30%或达5000万元（主板）/3000万元（科创板）[4] - 豁免条款：科创板公司若近三年研发投入占比超15%或总额超3亿元可免于支付[3][4] 彭博BDVD方法论 - 采用定性分析、基本面分析和趋势模型三大驱动因素，回测股利支付日期识别趋势[4] - 覆盖全球27000只股票，其中中国股票超4000只，ETF覆盖量达2100只[7] - 针对中国市场设计两套模型：成熟阶段模型（支付率40%）和最低合规模型（支付率20%）[6][10] 指数股利增长预测 - 中证1000、中证500和中证300指数2025年预测股利支付较2023年显著增长[6] - 模型输出与历史数据比较后取较高值作为预测，确保准确性[6] 机构应用场景 - 买方机构用于优化交易时机、衍生品定价及多空策略，提升风险调整后回报[11] - 卖方机构通过预测数据优化做市报价、Delta One交易台套利策略及总回报掉期定价[12] - 数据可展示中国市场股利政策改善轨迹，增强国际投资者吸引力[12] BDVD功能架构 - 提供三大标签页：概览（差异分析）、股利历史与预测（事件影响评估）、隐含期权（市场预期对比）[9] - 中国特定模型额外纳入证监会合规要求，动态调整预测逻辑[5]

绿色经济概况 - 绿色经济由提供环境效益产品和服务的企业构成 涵盖可再生能源 清洁水源 节能建筑和回收服务等领域 这些解决方案对应对气候变化至关重要 [1] - 绿色经济体量庞大且持续增长 占全球上市公司市值的7.1% 创造5.46万亿美元投资机会 [12] - 发展绿色经济需要公共和私人投资共同推动 对整个金融生态系统参与者均具重要性 [13] 研究报告价值 - 报告剖析短期市场波动 挖掘绿色经济长期增长驱动力及潜在投资机遇 [1] - 提供数据驱动型洞察 包括全球增长轨迹 关键地域行业趋势 气候变化适应带来的投资机会 [5] - 运用LSEG专有数据工具 含绿色收入 气候 固定收益 基金持仓 大宗商品及富时罗素指数等 [7] LSEG解决方案 - 自2008年起开发专有数据 分析工具及指数 用于精准衡量企业绿色经济敞口 [6] - 提供支持绿色经济发展的数据及市场基础设施 帮助投资者识别并把握机会 [14] - 解决方案涵盖融资 绿色经济指数等领域 助力市场参与者克服挑战 [16][17][21] 研究背景与目标 - 在全球化不确定性背景下 分析绿色经济波动与长期增长动力 [6] - 报告为第六份年度《投资绿色经济》研究 可通过二维码获取英文版全文 [3][5]

数据对齐挑战与解决方案 - 企业在数据应用方面面临"对齐颗粒度"挑战 重要数据分散在不同系统和模块 对齐整理分析难度日益增加 [1] - 企业亟需一体化数据获取解决方案 贯通前中后台 彭博企业数据服务整合参考数据 监管数据 定价数据 ESG数据 另类数据等各类数据于一处 [1][4] 彭博企业数据服务功能 - 彭博静态数据集产品(Data License)为企业提供超过5,000万条证券和15,000个字段信息 涵盖参考数据 定价数据和监管数据 [2] - 该服务支持财务 投资组合管理与合规系统 提供企业级访问终端海量数据集的能力 [2] - DATA <GO>功能可快速找到彭博数据 实现一键访问并应用 [2] 数据服务应用场景 - 彭博企业数据服务为前 中 后台用户提供通用 同频且值得信赖的参考框架 [4] - 通过专家讲解与产品演示 直观呈现企业数据解决方案如何助力工作流程 [4] 研讨会信息 - 彭博推出全新Data Dynamics系列研讨会 包含15分钟企业数据入门网络研讨会 [4] - 主讲嘉宾为彭博中国企业级数据解决方案业务经理钟毓秀 [4]

万得ESG指数发布 - 万得推出国内首只ESG强制信披指数与首只ESG报告指数，响应沪深北交易所《上市公司可持续发展报告指引》和《编制指南》，旨在帮助投资者跟踪ESG信披企业表现并推动ESG投资生态完善 [1] ESG强制信披指数（866619.WI） - 样本选取《指引》要求强制披露ESG报告的公司，包括上证180、科创50、深证100、创业板指数成分股及境内外同时上市公司，共471家入选 [2] - 基日为2018年12月28日，基点值1000，近一年（2024/4/17-2025/4/16）年化收益11.53%，年化波动27.79% [2] - 最新交易日（2025/4/16）数据显示：近一年累计回报11.53%，显著跑赢沪深300指数的7.45% [4] ESG报告指数（866618.WI） - 样本覆盖沪深北交易所全部A股中发布2023年度ESG独立报告的公司，共2226家入选 [5] - 基日同为2018年12月28日，基点值1000，近一年年化收益19.17%，年化波动28.88% [5] - 近一年累计回报19.17%，远超沪深300指数的-1.83% [7] Wind ESG评级体系 - 评级体系基于ESG内涵，接轨国际标准并结合中国政策现状，覆盖A股、港股上市公司及公募信用债主体 [9] - 模型包含管理实践（环境、社会、治理3大维度，28个议题，500+指标）和争议事件（新闻舆情、法律诉讼等）两大支柱 [14][17] - 特色方法包括争议事件动态追踪、环境风险穿透分析，数据库覆盖12,000+公司主体和10,000+公募基金，含2017年至今20,000+数据源的全量底层数据 [17][19]

ESG数据赋能计划 - 面向学术研究院校推出ESG数据赋能计划，支持ESG领域深入研究，推动可持续金融教育发展 [1] - 计划为符合条件的学术团队免费提供Wind ESG评级评分数据，覆盖10,000+家公司主体（含全部A股和港股上市公司、公募信用债发债主体） [1] Wind ESG评级体系 - 构建以数据驱动为核心的Wind ESG评级体系，整合20,000+海量多样数据源 [1] - 制定严格高效的数据处理流程，建立全面开放的公司沟通渠道，解决ESG数据的缺失与非标准化难题 [1] - 据中国上市公司协会数据，Wind ESG目前已成为全市场关注度最高的ESG评级 [1] 赋能对象与报名方式 - 赋能对象为各类学术机构（高校）中专注ESG研究相关老师或团队 [2] - 报名时间截至2025年12月31日，需将个人团队介绍及研究计划发送至GR.ESG@wind.com.cn [2] Wind ESG特点 - 海量透明数据深度剖析上市公司ESG基本面 [2] - 指标接轨国际，突出中国特色 [2] - 风险层层穿透，争议及时预警 [2]

政策调整下的尽调核查工具 - 政策调整导致尽调核查要求日益严格 涉及发行人诚信信息查询的网站众多 手动整理耗时耗力 企业预警通推出网络核查功能可高效解决该痛点 [1] - 工具可实现5分钟快速出具核查结果 支持预览截图 收录机构网站全面 提供7天PC会员体验 [1] 核心功能亮点 权威信息整合 - 汇集信用中国 中国执行信息网 中国人民银行等30+权威机构数据 支持批量导入企业 批量选择核查网站 自定义核查规则 [3] - 覆盖基础征信 金融监管两大类别 包含全国企业破产重整案件信息网 国家金融监督管理总局 沪深交易所等细分领域 [3] 高效核查流程 - 实时更新核查进度 示例显示单家企业3/3核查项目可在1分11秒内完成（2025-03-12 10:16:26至10:17:37） [5] - 支持一键生成规范化底稿文件 提供下载存档功能 批量处理上限为500家企业 [5] 可视化输出 - 核查结果以数据+截图双形式呈现 支持在线预览截图 便于直接保存分享 提升汇报材料制作效率 [7] 数据服务扩展 - 除网络核查外 工具还提供企业工商数据 金融机构数据 区域经济数据等 数据颗粒度细致 可解决日常数据需求 [8] - 通过www q y y jt cn网址可直接访问 保持数据查询连贯性 [8]

中国ESG发展与展望报告发布 - 《中国ESG发展与展望》总报告由国务院发展研究中心课题组发布，Wind ESG评级提供数据库及计算支持 [1] - 发布会汇集政府部门、国际机构、中外企业等60余名代表，包括国务院发展研究中心副主任、力拓集团CEO等高层参与 [1][2] Wind ESG评级体系架构 - 评级体系覆盖A股、港股全部上市公司、4000+公募信用债发债主体及8000+国内公募基金 [10][11] - 模型包含管理实践（28个议题500+指标）和争议事件（舆情/诉讼/处罚）两大模块，实现行业中性评估 [12][14] - 数据库包含2017年至今10000+公司主体和8000+基金的ESG数据，源自20000+数据源的全透明底层数据 [15] 碳数据产品矩阵 - 碳排放数据库涵盖范围1&2的绝对排放量和强度指标，参数结合国际基准与中国行业特征 [22][23][24] - 组合碳核算工具支持A股/港股/信用债的碳足迹测算，提供企业价值加权和市值加权等方法 [25] - 碳交易综合屏整合市场报价、参与主体ESG评级、政策新闻等实时数据 [27] ESG服务应用场景 - 投资机构：支持投研决策、风险管理、指数编制，满足监管披露要求 [28][30] - 企业端：提供同业ESG表现对比、路演平台展示管理能力 [29] - 研究支持：500+指标开放研究，碳排放数据支持气候变化分析 [30] 产品特色与接入方式 - 评级体系接轨国际标准但突出中国特色，实现风险穿透和争议预警 [6][14][31] - 试用可通过邮箱GR ESG@wind com cn或电话400 820 9463申请 [31]

引言 - 金融行业作为数据密集型产业，正面临技术与金融深度融合带来的机遇和挑战，人工智能正在重塑行业格局 [1] - DeepSeek作为新一代开源大语言模型，凭借低成本、高效推理能力和技术创新，为金融企业提供强大技术支持，成为金融数据领域的重要变革因素 [1] - LSEG Academy举办网络研讨会，从技术突破、应用场景、合规挑战及未来趋势四方面解析DeepSeek如何推动金融数据领域智能化转型 [1] DeepSeek的核心技术优势 开源战略构建全球生态系统 - DeepSeek采用最宽松的开源策略（MIT License），技术在全球范围内快速传播和应用，吸引众多企业和开发者参与，构建全球开发者生态系统 [3] - 中小企业得以以极低成本引入AI能力，快速实现智能化数字化转型，满足大模型私有化部署诉求 [3] - 开源模式打破大模型技术被闭源公司垄断的格局，使中国在全球AI竞争中占据一席之地 [4] 推理模型打开大语言模型黑盒子 - 传统大模型依赖海量文本训练，相当于"知识存储库"，随着训练语料枯竭陷入发展瓶颈 [5] - DeepSeek通过改进强化学习训练方法赋予大模型"主动学习"能力，类似于人类从"死记硬背"到主动"实践技能"的进化 [5] - 模型可通过反复试错学习金融数据分析，逐步提升决策能力，根据市场变化优化自身性能，主动适应复杂场景 [5] - 推理模型的可解释性满足金融行业对透明度的要求，清晰展示分析逻辑，助力风控与合规 [6] 全流程的工程优化 - DeepSeek通过优化混合专家模型（MoE），将普通专家分为共享专家与领域专家，优化分工，减少训练冗余 [7] - 路由优化使训练数据到达正确专家，数据压缩和并行预测技术进一步降低资源消耗，提升效率 [7] - 追求极致的工匠精神使训练成本降至"白菜价"，降低私有化部署门槛，推动AI技术普及和行业应用广泛落地 [7] AI在金融行业的应用场景 降本增效：提升运营效率 - AI通过智能客服、编程助手等工具化身数字员工，大幅提升运营效率，降低人力成本 [9] - 伦交所集团采用大模型技术将客服效率提升50%以上，且持续优化中 [9] - 高盛利用大语言模型自动化生成代码，大大缩短业务系统开发时间 [9] 风险管理：优化风控模型 - AI凭借强大语言能力优化风控模型，自动生成风险提示与报告 [10] - 通过对大量数据和非结构化文本的监测、分析和处理，精准识别潜在风险，提供及时风险评估和预警 [10] 投资决策：优化投资策略 - AI通过智能投顾提升研究能力，帮助金融机构优化投资策略，生成个性化投资建议 [11] - 对投资组合进行实时监控和分析，及时调整以应对市场变化，提升投资收益 [11] - 对冲基金TwoSigma利用大模型分析财报、新闻与社交媒体，识别潜在投资机会和风险 [11] 客户服务：提升客户体验 - AI支持个性化推荐和智能交互，根据客户兴趣和需求提供个性化金融产品和服务 [12] - 渣打银行与伦交所集团合作推出全球首个外汇市场AI视频自动生成的获客工具，大大提升财富管理客户满意度 [12] 合规挑战与应对策略 数据隐私与安全风险 - 金融行业高度依赖敏感数据，大模型应用可能加剧隐私泄露风险，如生物识别信息滥用导致身份盗用，钓鱼邮件和深度伪造技术威胁资金安全 [13] - DeepSeek的本地化部署和数据加密技术可保证数据安全性和隐私性，确保金融机构对数据的合法合规使用 [14] 智能时代的用户教育 - 金融投资者、消费者需警惕过度暴露个人信息，如随意授权生物信息可能被用于伪造交易行为 [15] - 金融机构可通过AI反钓鱼模型实时监控，识别异常行为，向用户推送风险提示，形成"技术+教育"双重防线 [15] 未来趋势 智能体（AI Agent） - AI Agent将替代人工，根据预设规则和任务要求自动完成复杂业务操作，提高效率，减少人为错误 [16] - 基本面分析、技术分析和宏观研判可由不同Agent分工协作，最终生成交易信号，改变投研、客服等岗位运作方式 [16] 多模态 - DeepSeek R1模型以文本处理为主，未来可能发展多模态大模型，支持图像（如K线图解读）、语音（如财报电话会实时解读）等场景 [17] Smart data+NLP编程 - 未来大语言模型开发人员可能使用中文等自然语言"编写代码"，用少量优质数据训练垂直领域小模型，降低AI开发技术门槛 [18] AI平权与生态重构 - DeepSeek的低成本AI发展路径将持续降低算力成本，使中小机构获得顶级投行分析能力，推动行业竞争战国时代 [19] - 传统金融数据服务商面临业态重构压力，DeepSeek擅长处理非结构化数据，将其转化为结构化洞察，改变传统数据服务模式 [19] 结语 - DeepSeek的横空出世被称为"AI界的斯普特尼克时刻"，更像15世纪的古登堡自动印刷机，通过开源与技术创新打破算力垄断，推动AI普惠 [21] - DeepSeek开启AI领域"战国时代"，促使金融领域从降本增效走向核心业务重塑，智能体、多模态技术成熟将更深层次重构金融价值链 [21]