先把 AI 金融想成一个“会追问的助手”
如果一个学生直接问“这个客户能不能贷款”，一个合格的助手不应该马上回答能或不能，而应该继续追问：客户是谁？收入从哪里来？还款记录怎样？所在行业最近有没有变化？这些问题背后就是建模变量。
AI 金融的训练目标不是让学生记住模型名字，而是让学生学会把金融问题拆成证据、假设、风险、约束和可验证结论。模型只是其中一个环节。
问题
金融业务到底要做什么决定
证据
哪些数据能支持或反驳这个决定
约束
风险、合规、解释和人工复核如何进入流程
课程总览
AI在金融中的应用
从概率决策、信息度量、动态优化到智能体与隐私计算
本课程面向金融学、金融工程、金融科技与数据科学方向学生，强调“模型原理—金融场景—可解释评估—可复现实现”的闭环训练。
本课件中的数学公式已在本地构建阶段预渲染为静态 HTML/MathML，并使用随站点发布的本地字体与 CSS；页面不加载浏览器端公式渲染脚本。
01
课程目标与学习意义
AI 金融不是简单地把机器学习模型套在金融数据上，而是要理解金融数据的噪声、非平稳性、约束条件和制度背景。
- 金融数据通常具有低信噪比、厚尾、结构突变和样本选择偏差，模型需要与经济解释同时成立。
- 信用、投资、风控、普惠金融和监管科技等场景都要求模型能够被审计、复现和解释。
- 课程以数学表达和案例推演为主线，避免把算法当作黑箱。每章都给出核心公式、金融含义和应用边界。
怎么理解
不要把这门课理解成“学几个模型”。更准确的说法是：学会把金融问题拆成可度量、可验证、可解释的计算问题。
普惠金融例子
例如县域小微企业贷款，银行关心的不是模型名字，而是模型能否回答三个实际问题：谁可能违约、为什么可能违约、这个判断是否经得起复核。
课堂追问
如果一个复杂模型提升了 1% 的预测准确率，但无法解释拒贷原因，你认为它适合用于普惠金融授信吗？
02
核心模块
课程按七个模块组织。前五章对应现有课件，后两章根据课程总览中的知识点补齐为可继续扩展的静态课件。
第一章：贝叶斯方法
以先验、似然、后验为主线，理解小样本、稀疏数据和动态更新环境下的概率决策。
第二章：熵与集成算法
用信息熵、交叉熵、KL 散度和互信息理解不确定性度量，再进入随机森林、Boosting 与反欺诈模型融合。
第三章：递归回归算法
从闭式最小二乘到 SGD、动量、Adam、递归最小二乘和正则化，理解在线金融建模。
第四章：聚类算法
围绕客户画像、交易行为分群和异常结构识别，学习距离度量、K-means、GMM 与 EM 算法。
第五章：强化学习
用 MDP、Bandit、UCB、贝尔曼方程和深度强化学习刻画长期收益下的序列决策。
第六章：大语言模型
理解 Transformer、自注意力、RAG、金融文本任务、合规审查与模型评估。
第七章：联邦学习
理解数据不出域、协同建模、FedAvg、差分隐私与金融机构间隐私保护建模。
怎么理解
七个模块可以看成一条线：先学如何表达不确定性，再学如何从数据中找规律，最后学如何做长期决策与隐私协作。
普惠金融例子
一个完整的普惠金融项目可能同时用到这些模块：用贝叶斯方法处理小样本，用集成算法做违约预测，用聚类做客户分层，用联邦学习解决跨机构数据不能共享的问题。
课堂追问
如果只能先做一个小项目，应该从“预测违约”开始，还是从“理解客户分群”开始？为什么？
03
学习产出
- 能够解释核心算法的数学结构，例如贝叶斯更新、信息增益、正则化目标函数、EM 迭代、贝尔曼最优方程和自注意力机制。
- 能够判断一个金融 AI 项目是否存在数据泄露、样本偏差、过拟合、不可解释或合规风险。
- 能够围绕普惠金融、信用评分、市场预测、组合优化、客户分群和金融文本处理设计小型实证项目。
怎么理解
学习产出不只是会写代码，而是能把模型结果翻译成金融语言，例如“风险提高了多少”“主要证据是什么”“是否应该人工复核”。
普惠金融例子
在助农贷款场景中，模型输出 0.18 的违约概率本身意义有限。更有价值的是说明：该客户风险主要来自现金流季节性、近期交易下降和同村同业经营波动。
课堂追问
模型结果进入金融业务流程前，至少需要哪些人工或制度检查？
04
建议学习方式
- 每章先读“金融问题定义”，再读公式。公式的作用是澄清变量、假设和目标函数，不是为了堆砌技术细节。
- 每个算法至少回答三个问题：它在优化什么？它依赖什么假设？它在金融数据上最容易失败在哪里？
- 课堂练习建议采用“纸面推导 + Python 复现 + 业务解释”三步完成。
怎么理解
每章公式可以先当成“变量关系图”来读：先问变量是什么，再问目标是什么，最后再问怎样计算。
普惠金融例子
学习贝叶斯公式时，不必一开始记推导。先用“旧经验 + 新证据 = 新判断”理解，再回到公式里看先验、似然和后验分别对应什么。
课堂追问
如果一个公式无法对应到真实业务变量，它在金融应用中还可靠吗？