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]

合作内容 - FactSet与AI搜索引擎初创公司Perplexity合作，将AI智能分析与金融数据整合[1] - 合作结合前沿科技与高质量内容，提升决策速度与质量[1] - Perplexity用户可访问FactSet优质内容及公开知识数据，快速分析海量数据并捕捉趋势[3] 核心功能亮点 - 提供FactSet金融数据和公共网络数据，精准解答复杂问题[4] - AI工作流支持快速深度分析与解读海量数据[4] - 无缝跳转至FactSet Workstation获取专业见解[4] - 具备灵活开放的集成特性，适配个性化工作方式[4] 用户价值 - AI智能摘要与FactSet数据提升研究能力与数据探索深度[4] - 优化市场调研流程，利用FactSet数据与公共网络数据[5] - 支持使用DeepSeek R1进行深度网络研究，挖掘潜在价值[5] 公司背景 - FactSet为全球金融界提供数字平台及企业解决方案，服务超8,200家客户和21.8万名个人用户[6] - 提供全面互联内容、下一代工作流程解决方案及专业化支持[6] - 标普500成份股公司，2023年获Glassdoor最佳雇主及员工选择奖[7]

网络研讨会主题 - 探讨如何运用另类数据分析美股基本面及美国消费者趋势 [4] - 介绍彭博数据集包括Bloomberg Second Measure(BSM)和BSM交易级数据产品(TLDP)的应用 [4] 主要议题 - 分析美国消费者在各行业开销的起伏 [2] - 研究美国不同收入层级消费者的开销差异 [2] - 利用TLDP解析企业战略或对竞争对手的策略 [2] 数据规模 - 基于美国超过2000万消费者信用卡交易及人流量数据集 [1] 主讲嘉宾 - 洪展晟(Joe Hung) 彭博另类数据部门应用数据经理 [5]

带有 ※ 场次可以来彭博上海办公室参加现场培训，实机操作。 彭博数据调取语言BQL系列： 是彭博终端新手，希望多加了解常用的基本功能 想通过终端的强大功能分析债券、外汇、股票、商品、衍生品市场 对终端上的量化应用/图表分析/投组管理等技术工具有强烈兴趣 想了解最新的、全面的市场热点以及彭博专业分析师点评 如果您⋯⋯ 彭博量化系列3：彭博数据调取语言BQL入门 3月4日（周二）17:00 – 18:00 彭博量化系列4：彭博数据调取语言BQL - 公司大事类（分红，回购，上市，并购）数据 3月6日（周四）17:00 – 18:00 彭博量化系列5：彭博数据调取语言BQL - 个股和指数基本面数据 3月18日（周二）17:00 – 18:00 驾驭市场基因：彭博终端股票因子分析攻略 3月19日（周三）17:00 – 18:00 彭博量化系列6：彭博数据调取语言BQL - 债券评级数据 3月20日（周四）17:00 – 18:00 彭博量化系列7：彭博数据调取语言BQL - 固定收益曲线数据 3月25日（周二）17:00 – 18:00 都可以使用 彭博研讨会与讲座功能SMNR 查看近期线上研讨会日程，并点击 " ...