人工智能时代的金融数学革新：香港-苏州双城联动的学术与实践

2025 年3月15日，由中国计算机学会（CCF）主办，CCF YOCSEF香港分论坛与苏州分论坛学术委员会同步组织的“CCF YOCSEF双城联动CLUB：探秘生成式人工智能与金融数学创新”活动在香港培侨书院与昆山狄邦华曜学校同步举行。

在昆山会场，我们在狄邦华曜的校园里迎来了国际数学建模挑战赛（IMMC）联合创办人张岩峰、西交利物浦大学郭进教授、李华康教授、亚马逊云科技教育行业总监兼CCF YOCSEF香港副主席刘东屏博士以及苏州本地的百余位高中生、大学生、教育工作者、科技企业代表及政府代表等人的到访。

跨越两城、联合三校，我们与来自香港中文大学的龙卓瑜香港岭南大学沈家星、香港培侨书院校长吴静雯以及香港培侨书院的高中生展开了一场聚焦生成式AI与金融数学的深度对话。

在AI时代变局下的教育对话

在全球科技快速发展的浪潮中，人工智能（AI）在金融行业的运用越来越广泛，其价值愈发凸显。权威机构预测，到2027年全球生成式AI市场规模将突破2,000亿美元，其中金融领域的应用将占据重要份额。

在投资决策、风险管理、量化交易等领域，AI技术正展现出革命性的创新潜力。这一趋势正在为青年学子带来前所未有的机遇，特别是在数理基础与科技创新交汇的领域。

香港作为全球领先的国际金融中心，拥有得天独厚的创新优势。香港金融科技生态系统高度发达，拥有超过800家金融科技公司，年度交易额超过2000亿港元。同时，香港在人工智能研究领域实力雄厚，相关论文被引用次数及影响力排名全球第三。

昆山作为中国经济最为发达的县级市之一，以其深厚的教育底蕴和蓬勃的科技创新环境著称，在人工智能应用领域的探索更是走在全国前列。此外，昆山拥有独特的国际教育资源，包括昆山狄邦华曜学校、昆山杜克大学，为本次活动提供了丰富的国际化教育背景。

在活动开场，昆山狄邦华曜学校校长蔡芳和香港培侨书院校长吴静雯分别致辞。

蔡芳校长以“人工智能与金融数学融合”为主题，鼓励青年学子勇于创新，探索科技与金融的无限可能，并强调跨地域、跨学科交流对培养创新思维与实践能力的重要意义。

吴静雯校长以“香港作为国际金融中心的AI技术应用”为主题，展望了AI技术在金融领域的广阔前景，鼓励青年学子把握机遇，推动科技创新与金融发展的深度融合，并期待两地青年通过此次活动深入交流，共同成长。

1、从数学建模的十年变迁，看AI带给教育的新方向

作为国际数学建模挑战赛（IMMC）联合创办人，张岩峰在论坛开场中展开了关于《金融数学与人工智能的融合创新》的主题演讲，深入探讨了AI技术在金融领域的应用前景，强调了数学建模在金融科技创新中的核心作用。

引入国际数学建模竞赛（IMMC）经验：融合数学、金融与AI技术，推动跨学科创新实践，培养青年学子的数理建模与解决实际问题的能力。

人工智能是否会颠覆传统教育模式？

张岩峰先生引用清华大学经济学钱颖一教授的观点，指出人工智能可能使以“机械记忆、重复训练”为核心的传统教育优势荡然无存。他提出，AI的普及将迫使教育回归本质。

AI革命实际上是解放了人类的大脑。它把我们从机械、重复、被动的脑力劳动中解放出来，让我们能发展想象力和创造力，提升对美、同理心、责任、爱的感知与践行能力，还催生出许多和创造力、健康、心理相关的新职业。

AI时代下教育的新机遇是什么？

当传统教育模式被颠覆，受教育者要经历从“分数竞赛”到“能力重塑”的过程，张岩峰先生谈到人工智能给我们的教育带来的机遇。

第一个机遇让我们重新领会老子的智慧。

老子说“为学日益，为道日损”。AI 很擅长整合知识，从数学的角度看，就像是用积分把过去的知识都归纳起来再输出，这就好比 “为学日益”，不断积累知识。

不过，AI 没办法拥有人类真正的智慧。用数学概念来讲，真正的智慧是对知识进行 “微分”，找到知识里变化的规律，这一点 AI 做不到。

香港大学有位教授，他对人工智能也有类似的反思，提到了 “integration”（整合）和 “differentiation”（分化、区分）的概念。这两个概念的差异，让我们意识到教育和学习应该更加注重智慧的培养和价值的追求。这也给了我们反思和回归东方教育优势的机会。

第二个机遇源自孔子的 “学而不思则罔，思而不学则殆”。

在 AI 时代，面对 AI 给出的各种信息，我们要有判断力和批判思维。借助 AI 提升学习效率时，掌握提问策略、发挥想象力和创造力、具备主人翁意识至关重要。

同时，即使 AI 能快速给答案，我们也不能放弃基础知识、理论和方法的学习。像数学中的证明、推导过程，必须亲自体验，这就是人类独有的体验式学习。

第三个机遇，在 AI 时代，我们有更多机会实现人的全面自由发展。

当AI变得触手可及，人们很容易陷入 “AI 平庸”，不假思索地依赖 AI，做 AI 也能做的事。

展望未来，我们必须拒绝这种“AI 平庸”，人类的创造力、情感感知、复杂情境下的应变能力等，都是 AI 没有的。我们应该多去做 AI 做不到的事，凸显人类自身的价值。

从前沿到课堂，数学建模如何让中学生成为AI时代的“问题解决者”？

IMMC（国际数学建模挑战赛）一直坚信中学生能够勇立时代潮头，与前沿专家学者展开对话，就像今天这样，少年志存高远。回顾过去十年，他们通过将前沿问题转化为课堂题目，设计出了许多有趣的题目。

2017 年，IMMC出了优必选人形机器人建模的问题；

2019 年，在OpenAI发展前期，设置了聊天机器人模型训练策略的建模题目；

2020 年，有互联网保险相关的题目；

2022 年，探讨了区块链推进社区商户联盟价值的问题。

还有疫情期间进行远程学习时，分组检测的题目还被纳入北京市高考数学建模试题。由此可见，数学建模教学，尤其是实践环节，对培养人工智能时代所需的元认知和元能力极为重要。

IMMC鼓励学生主动思考、定义问题。在解决问题过程中，还要学会设定关键变量、目标函数，抓住主要矛盾，运用数学方法探寻变化规律，通过数据验证模型的效能与可靠性。最后要跳出数学理论框架回归现实，用构建的数学模型切实解决实际问题。

2、 当AI遇上金融行业深度融合的背后有哪些挑战？

将学校教育与社会发展相结合，让学生了解社会行业最新发展的方向与动态也是必不可少的。

当摩根大通的客户打开手机，AI顾问“Index GPT”已根据实时市场波动生成10套资产配置方案；

当BlackRock的基金经理轻点鼠标，生成式AI从海量财报中提炼出关键信号，自动优化万亿级投资组合——金融业正经历一场颠覆性的“智能革命”。

生成式AI不再只是辅助工具，它开始深度参与投资决策、风险定价甚至战略规划，成为金融系统的“数字大脑”。

越来越多的证据显示，AI在金融领域有着广泛的应用。

在金融系统层面，它能够生成自动化的流程，还可用于制定自动化的投资决策，形成不同的投资理论和策略；

在个人投资者服务方面，AI同样表现出色，能为各类财富管理机构提供个性化、定制化的投资服务。

AI如今已是实用工具，能生成金融爆品，可你真的愿意把钱投进 PVI 系统，让它代管资产、负责投资吗？

在圆桌论坛上，狄邦华曜KASHFLOW经济社团团长Johnny分享了自己在金融投资领域对 AI 的切身体验与深入思考：

身为初涉金融投资的高中生，Johnny曾面对海量股票与金融产品不知所措。而AI理财工具助其打破困境，为他量身定制出既通俗易懂又切实可行的理财规划，还在风险管理方面给予专业指导，尽显 AI 在金融服务中的便捷高效与专业水准。

但与此同时，Johnny也对AI投资建议的可靠性提出质疑。尽管AI生成的理财方案看似专业，可鉴于自身专业知识储备不足，他不禁思索普通人是否能毫无保留地信赖金融科技给出的建议。

进一步探究AI与传统数学模型于金融领域的地位时，他结合智能管理学院官网资讯指出，即便人工智能模型依托精准数据训练，仍可能输出偏差结果，如ChatGPT力荐的元宇宙概念股遭遇暴跌。

这引发了在AI赋能金融的当下，究竟是科技引领潮流，还是传统数学模型筑牢根基的深刻探讨，而他坚定地认为两者相辅相成、缺一不可。

如何突破生成式AI在投资决策和风险管理中的痛点问题？

郭进教授在《生成式人工智能+金融痛点》的主题演讲中，以真实案例剖析了AI技术在金融领域遭遇的重重困境。

投资者因 “黑箱决策” 对AI理财顾问存疑，如某养老基金因 AI 误判政策损失净值，却无人能解决策缘由；数据安全堪忧，MIT实验表明黑客可还原部分金融数据；监管滞后，欧盟法案难追GPT-5迭代速度，跨国金融机构合规成本高。

面对这些问题，郭进教授提出了问题解决的突破口。

当前，提升模型可解释性已成为关键任务。借助AI系统实现这一点后，模型的“黑箱”将被打开，使用者能明晰其运作机制、思考逻辑与结论推导过程。

这也是计算机科学、金融等多领域学者攻坚的前沿阵地——大家都在绞尽脑汁探索如何为机器学习、人工智能及生成式人工智能注入“可解释”的灵魂，从而精心雕琢出一套能赢得大众信赖的系统，为行业发展开辟新航道。

3、 金融科技创新，从高校研究到企业实践

结合生成式AI技术前沿，推动数学、金融与实体经济的深度融合，探索AI在金融科技与实业创新中的跨界应用。

当AI与金融深度融合，计算机、金融两个不同领域的关注点有何不同？

结合前面几位专家学者的观点，香港中文大学贾颜玮教授在《金融研究中的机器学习与强化学习》的演讲中提出了一些不同的思考：

金融是一个很宽泛的概念，从从业和应用层面，以及学术研究层面来看同一件事，可能会有截然不同的看法和想法。

金融学者则是思维派，他们思考AI对行业系统的影响，将AI作为研究工具，探索传统方法忽略的市场规律，以及借助AI更清晰地认识经济准则。

比如，前面郭进教授提到，生成人工智能可以为我们生成金融爆品，这无疑是一个重要应用。

从研究角度看，金融学者会思考诸多AI在金融领域应用的问题，如AI生成金融报告是否会带来错误激励、引发道德和公平正义冲突；引入AI技术能否改善信贷市场效率，用AI决定房屋贷款发放是否会引发社会正义问题；以及机器学习用于投资决策是否真比传统做法效果好，这需要丰富充分的实证证据才能判定，这些体现了不同层面的对比。

计算机科学家或工程师则属于行动派，侧重于开发AI系统，让其在特定场景达到特定目的，追求更先进、高效的系统。

比如说在智能交通领域，他们通过研发基于AI的交通流量监测与控制系统，利用摄像头、传感器收集实时路况数据，经AI算法分析后，自动调整信号灯时长，缓解交通拥堵，提高道路通行效率；

在医疗影像诊断方面，开发AI辅助诊断系统，让其学习海量的医学影像数据，帮助医生更快速、精准地识别病变，为患者争取治疗时间，提升诊断的准确性和效率；

在电商领域，打造智能推荐系统，依据用户的浏览、购买历史等数据，运用 AI 算法为用户精准推荐商品，增加用户购物的便捷性，同时提高电商平台的销售额。

以亚马逊云科技，。。（提个问题）

作为最后一位引导发言的嘉宾，亚马逊云科技教育行业总监刘东屏博士带来了以《金融科技创新：从高校研究到企业实践》为题的分享，介绍了AI技术在金融科技领域的实际应用案例，还强调了学术研究向产业实践转化的路径。

亚马逊云科技作为全球云计算的领导者，已经服务了数百万企业客户。在中国，他们已经深耕云服务市场11年，不断优化和迭代服务，以适应本土市场的发展需求，进一步挖掘云计算的巨大潜力。

今天的分享中，有一支专注于 “反单词” 的AI团队。从技术维度剖析，基础模型、生成式人工智能模型、机器学习以及实时通信学习等，各自发挥着独特功能。

比如在邮件领域，不同的AI技术分别用于过滤垃圾邮件、甄别误判邮件、总结邮件内容等。AI 与金融领域结合点众多，大模型集成多种功能。

很多企业想探索人工智能创新，首先要转变思路，正确看待生成式人工智能可能出现的错误和幻觉。在金融银行客服场景，虽然接入了生成式人工智能，但客户体验还有提升空间。活动现场播放了相关案例，涉及客户解决 API 定价问题、理财产品推荐等，希望能启发大家思考。

4、 双城学者对话，AI赋能下科技与数学的平衡

在圆桌论坛环节，来自昆山狄邦华曜学校、昆山杜克大学、香港培侨书院的学生代表分别发言，探讨了AI工具在金融领域的应用、金融产品创新中的技术与理论平衡、量化交易中数学思维与编程能力的重要性等议题。

双方学生代表在互动讨论中碰撞出思想的火花，深入探讨了数理基础与技术创新在金融科技发展中的最佳结合点。

AIGC赋能金融：关键是科技驱动还是数学支撑？

昆山狄邦华曜学校KASHFLOW社团

我认为在金融投资领域，科技比数学基础模型更重要。传统数学模型虽有其价值，但在实际运用时，常以悲观视角呈现，现实应用困难重重。而科技与大数据的结合，能将采集的数据用于优化模型，让其更贴合实际。

以我自身为例，作为金融知识储备不足的人，科技在投资中作用巨大。借助 ChatGPT、DP 等模型，我能轻松描述投资需求，获得通俗易懂的投资指导，逐步掌握理财知识完成投资。

所以，数学模型虽提供了基础架构，但科技和 AI 的应用，才是帮助大众参与投资、弥补传统模型缺陷的关键。同时，从数学应用的合理性出发，还能探讨 PC 如何通过自然语言进行投资交互。

昆山杜克大学AI Club

关于这个话题，我倾向于认为AI金融本质上依托于数学知识。我是计算机专业学生，在筹备商赛时，即便自身掌握了一些问题工程知识，也有AI基础，可最终生成的结果却让我颇为费解。

而且整个过程于我而言相当陌生，我深感自身在金融和数学概念的理解、探究方面存在较大欠缺。

依我个人经验来看，AI 金融科技实际上是运用技术手段解决金融科技领域的问题，其核心依旧是金融，它扮演的是服务金融的角色。由此可见，即便理解并能应用一些技术，也并不意味着就能妥善解决问题，要想更好地运用金融科技工具，关键还在于深入了解问题所属的专业领域，包括金融的诸多概念、原理以及规则。

香港培侨书院

从我的视角来看，数学领域的诸多突破往往能给予我们对事物更全面、更深刻的认知。

就拿混沌理论来说，面对一些细微矛盾所引发的状况，我们可以借助数学语言对其发生情景予以精准描述。反之，倘若我们仅仅倚仗科技，即便拥有超强算力，得到的结果可能杂乱无章，致使我们无法从全局把控局势，甚至会朝着错误方向渐行渐远。在这种关键时刻，数学便能发挥引领方向的关键作用。

所以，当我们为科技发展投入大量人力、物力、财力之时，如果连数学层面最基本的方向都确定不下来，基础模型的下一步走向都毫无头绪，盲目地追求硬件等方面的科技应用，成效必然大打折扣。因而，在思索金融 AI 后续的进阶之路前，我们务必先把准方向，如此才能行稳致远。

我听完大家的发言后，发现很多人觉得数学重要且担忧 AI 存在的问题。但我认为数学是基础，技术才是将数学知识应用于金融的关键工具，借助技术运用数学知识进行金融分析更重要，所以技术比数学更重要。

从中央工业大学产业人士的跨学科视角看，金融早于现代科技存在，算法属于数学，算力提升靠科技，算法优化对金融发展很关键。

AI 工具虽能拓展概念、联系事物，但在挖掘金融领域复杂事物内在联系上存在局限，解答笼统。而人类分析师能综合判断，要提升 AI 在金融分析上的能力，离不开数学构建更科学的算法。