今天分享的是人工智能ChatGPT研究报告：《金融IT行业框架：深耕至精，行稳致远》。
精选报告来源公众：幻影视界
研究报告内容摘要如下
金融是数据密度和智能化非常高的行业，海外金融+ChatGPT的实践案例已经初步浮出水面，为国内金融行业AI大模型落地场景提供方向：从案例共性上看，接入ChatGPT的API，应用场景涵盖财富管理、保险理赔、智能问答、投资分析和提升业务效率等各个方面：
摩根士丹利财富管理部门（MSWM）运用GPT-4来组织调动其面向客户的知识库，从去年开始，摩根士丹利开始探索如何利用GPT的嵌入和检索功能来利用其智库——首先是GPT-，现在是GPT-4。在该模型的支持下建立一个面向内部的聊天机器人，在财富管理内容中执行全面搜索，并有效地释放MSWM积累的知识。
TwoSigma利用ChatGPT进行投资分析，TwoSigma利用ChatGPT分析财务报表和新闻内容，以识别潜在的投资机会和风险，通过利用ChatGPT的自然语言处理能力和大规模语料库，自动化的分析大量的数据，并从中提取有用的信息，以更好的了解公司业绩和市场趋势，并作出更明智的投资决策。
日本第二大券商大和证券（DaiwaSecurities）从4月中旬开始日本国内名员工将使用ChatGPT技术，对于ChatGPT的具体运用场景展望：1）缩减信息搜集、材料制作的时间和费用成本；2）ChatGPT通过完成文件，企划书等文章编程的草稿制作，以创造更多与客户接触和计划制定的时间；）通过员工的广泛使用，进一步创造出使用灵感。
瑞穗银行：GhatGPT协助查询银行内部规则、流程及其他手册
苏黎世保险公司：探索接入GhatGPT协助进行理赔和相关数据及文件的挖掘，自动风险检查和处理账单
海外：BloomBergGPT——数据集
月0日，彭博发布针对金融领域的自然语言模型BloombergGPT，构建了迄今为止最大的特定领域数据集，并训练了拥有亿参数且专门用于金融领域的LLM——BloombergGPT。经过测试，该模型在金融任务上的表现远超现有的模型，且在通用场景上的表现与现有模型也能一较高下。
数据集：BloombergGPT的训练数据库名为FINPILE，FinPile的训练数据集中约一半是特定领域的文本，一半是通用文本：
1）一系列英文金融信息，包括新闻、文件、新闻稿、网络爬取的金融文件以及提取到的社交媒体消息；为了提高数据质量；
2）FINPILE数据集也使用了公共数据集，例如ThePile、C4和Wikipedia。
为了提高数据质量，每个数据集都进行了去重处理；
FINPILE中每个文档都有时间戳，日期范围从-0-01至-07-1，虽然没有在BloombergGPT中使用日期信息，但未来可以用来评估模型在不同时间段的了解；
数据集使用Unigramtokenizer对原始文本进行tokenize。
（报告出品方：西南证券）
报告原文内容节选如下：
（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）
本报告共计：6页。受篇幅限制,仅列举部分内容。
精选报告来源公众：幻影视界，PDF。