本课程讲解如何设计、构建并部署由 NLP、预测模型与实时金融数据管道驱动的智能分析师系统。课程探讨大语言模型（LLM）、RAG 框架与智能体架构如何自动完成财报摘要、情绪打分、估值分析与风险预警等研究工作。通过项目式实验与应用案例，学员将学会在 AI 工作流中嵌入可解释性、合规与人工监督。完成课程后，学员能够为现代股票研究与投资组合决策支持，搭建负责任、可审计、可扩展的 AI 助手。
成长
技能和学习目标
本课程有 11 个模块
- 界定金融分析师的角色：研究、预测与风险解锁本课程后观看2 分钟 56 秒
- 从电子表格到 AI：金融工具的演进解锁本课程后观看2 分钟 21 秒
- AI 助手的类别：散户工具、机构仪表板与顾问机器人解锁本课程后观看1 分钟 52 秒
- 辅助式系统与自主式系统：能力与局限解锁本课程后观看1 分钟 42 秒
- 用例：财报季、事件反应与行业监测解锁本课程后观看1 分钟 56 秒
- 市场动态与各方需求：散户、机构与投资组合经理解锁本课程后观看4 分钟 57 秒
- 数据模态：价格、基本面、新闻、社交与另类数据解锁本课程后观看4 分钟 21 秒
- API 设计与多源聚合（IEX、Yahoo、EDGAR、新闻源）解锁本课程后观看4 分钟 2 秒
- 处理实时数据流与历史数据集解锁本课程后观看3 分钟 42 秒
- 预处理流水线：清洗、缩放、归一化与质量评估解锁本课程后观看5 分钟 20 秒
- 用于股价预测与情绪分析的特征工程解锁本课程后观看2 分钟 59 秒
- 数据隐私、存储合规与版本控制解锁本课程后观看3 分钟 13 秒
- 进阶另类数据：卫星影像、信用卡交易与 ESG 指标解锁本课程后观看3 分钟 3 秒
- 金融 NLP 任务：摘要、分类与实体识别解锁本课程后观看2 分钟 33 秒
- 情绪分析：FinBERT、VADER 与金融词典解锁本课程后观看2 分钟 25 秒
- 事件抽取：业绩超预期、CEO 变动与并购活动解锁本课程后观看2 分钟 2 秒
- 分析报告的理解与比较解锁本课程后观看2 分钟 13 秒
- 面向大模型金融查询的提示词工程解锁本课程后观看3 分钟 5 秒
- 大语言模型：ChatGPT、BloombergGPT 与 FinLLM解锁本课程后观看2 分钟 26 秒
- 项目：构建新闻到评级的情绪计分卡解锁本课程后观看2 分钟 14 秒
- 多语言与非结构化数据处理：全球市场与文档解析解锁本课程后观看2 分钟 57 秒
- 时间序列预测：ARIMA、LSTM 与 Transformer解锁本课程后观看4 分钟 50 秒
- 多模态模型：融合价格、新闻与宏观数据解锁本课程后观看2 分钟 57 秒
- 预测波动率、业绩超预期与市场反应解锁本课程后观看3 分钟 39 秒
- 估值助手：机器学习 DCF、乘数与行业代理解锁本课程后观看3 分钟 7 秒
- 置信度分数、概率输出与模型比较解锁本课程后观看2 分钟 43 秒
- 集成模型与回测框架解锁本课程后观看2 分钟 29 秒
- 核心设计：流水线层、API、工具与记忆模块解锁本课程后观看3 分钟 22 秒
- 交互模式：聊天机器人、仪表板与语音界面解锁本课程后观看1 分钟 59 秒
- 金融中的 LangChain、RAG 与智能体架构解锁本课程后观看2 分钟 24 秒
- 案例蓝图：为资产管理人设计行业监测 AI 助手解锁本课程后观看2 分钟 33 秒
- UX 设计与平台集成：以用户为中心的界面与金融系统解锁本课程后观看2 分钟 19 秒
- 可解释性技术：SHAP、LIME 与注意力热图解锁本课程后观看1 分钟 1 秒
- 触发预警：新闻事件、波动率飙升与价格阈值解锁本课程后观看59 秒
- 风险分类：个股层面与组合层面解锁本课程后观看1 分钟 3 秒
- 人在回路：合理性检查与人工覆盖界面解锁本课程后观看54 秒
- 信任信号：预测置信度、来源引用与审计日志解锁本课程后观看48 秒
- 行为伦理：避免推荐中的操纵性措辞解锁本课程后观看51 秒
- 压力测试与偏差检测：极端市场与公平性解锁本课程后观看55 秒
- 部署方式：桌面、移动、浏览器与 API 层解锁本课程后观看1 分钟 19 秒
- 监控漂移、性能退化与延迟解锁本课程后观看1 分钟 4 秒
- 反馈循环：用户纠正、RLHF 与持续再训练解锁本课程后观看58 秒
- 日志、审计与模型治理系统解锁本课程后观看1 分钟 5 秒
- 可扩展性、成本管理与模型版本控制解锁本课程后观看1 分钟 9 秒
- 法律框架：SEC、ESMA 与 SEBI 关于投资建议中 AI 的规定解锁本课程后观看1 分钟 1 秒
- 信息披露：识别分析报告中的 AI 生成内容解锁本课程后观看43 秒
- AI 造成错误时的责任与归属解锁本课程后观看44 秒
- 结业项目 1：构建 AI 财报前瞻助手解锁本课程后观看45 秒
- 结业项目 2：部署带事件预警的组合风险追踪器解锁本课程后观看43 秒
- 结业项目 3：创建行业情绪看板（新闻 + 价格 + 成交量）解锁本课程后观看39 秒
- 展望：AI 分析师会成为持证专业人士吗？解锁本课程后观看43 秒
- 结语解锁本课程后观看
- 评估 AI 金融分析师：目标与范围解锁本课程后观看3 分钟 8 秒
- 预测与 NLP 中的量化评估指标解锁本课程后观看3 分钟 8 秒
- 人在回路的反馈与错误标注解锁本课程后观看2 分钟 15 秒
- 漂移检测与模型监控解锁本课程后观看2 分钟 31 秒
- 合规与审计日志解锁本课程后观看2 分钟 26 秒
- 金融中使用 AI 的道德基础解锁本课程后观看1 分钟 43 秒
- 金融 AI 助手的常见道德风险解锁本课程后观看1 分钟 51 秒
- 为公平与可解释性而设计解锁本课程后观看1 分钟 43 秒
- 治理机制与模型访问控制解锁本课程后观看2 分钟 5 秒
- 结语解锁本课程后观看1 分钟 8 秒
本课程是以下的一部分 认证
课程常见问题
本课程旨在帮助学员掌握运用 NLP、预测模型、RAG 系统、数据管道与智能体架构，设计、构建并治理 AI 驱动股票研究助手所需的技能。
本课程面向希望借助 LangChain、FinBERT、预测引擎与自动化研究系统等 AI 工具优化股票研究流程的金融与技术专业人士。
该模块涵盖金融语言模型、实体与事件抽取、情绪打分、摘要生成、提示词工程，以及财报电话会记录与监管文件的解读。
课程讲解运用 ARIMA、LSTM 与 Transformer 模型预测价格、波动率与盈利，以及包含 DCF 与倍数法引擎在内的机器辅助估值工具。
学员将学会部署 AI 研究助手、监控模型漂移、实施安全控制、运用 SHAP 与 LIME 等可解释性工具、落实审计日志，并设计人机协同的防护机制。
探索
更多来自 trading
评论
我们的学员怎么说
4.6
0 条评论