中信证券基于大模型技术，推出了债券智能助手Bond Copilot，全方位支持债券承揽、承做、承销三大环节以缓解投行债券全链条工作的痛点，提升效率、优化流程、控制风险、优化客户体验，快速响应投资者关心问题。
Bond Copilot 全方位提升投行工作效率，提供可视化图表输出、多轮交互连续问答、高准确率&数据隐私保证等能力。随着技术的不断进步和应用场景的不断拓展，下阶段Bond Copilot将为证券行业带来更多的业务赋能，实现对债券领域业务场景的全面覆盖，并扩展到基金、股票等其它金融产品，为证券业务搭配独一无二的智能助手。
案例选自：《2024年生成式AI案例研究简报（6月）》
随着企业财务舞弊的动机、手段呈现多样化、复杂化趋势，传统财务风险模型过度依赖财报等低频数据，存在样本不均衡、模型性能不足等难题，无法满足广发证券企业财务风险预警的业务需求。
广发证券基于大模型构建企业财务风险预警模型，识别人工难以识别的潜在风险，降低项目审核、尽调、投研成本，提高工作效率，且与传统专家规则模型、机器学习模型相比，精度更高、效果更好。目前，企业财务智能预警平台已经覆盖广发证券投行、风控、投资自营、财富管理等多个业务条线。
完整内容：广发证券企业财务预警场景的大模型应用
在机构业务展业过程中，银行证券基于大模型实现自动询报价与智能文档问答服务，提升对客服务效率，优化机构客户满意度。本案例通过介绍银河证券在机构业务领域的大模型应用，为其他证券公司提供参考。
完整内容：银河证券机构业务领域大模型应用
中金公司从开发人员的角度找到迫切想要解决的问题，在不影响开发人员工作效率的同时为开发人员带来增量服务，提高开发效率，最终确定代码审核、单元测试、代码翻译三个落地场景，这些场景的共同特点是耗时长、效率低，对开发有一定阻碍，且一线人员对这类工作比较反感。
针对上述三个场景，中金公司进行了技术验证和落地：
完整内容：中金公司代码大模型实践
山西证券于2023年3月启动大模型研究，经过对大模型厂商的充分调研与开源大模型部署，逐步启动大模型在固收、合规领域的探索。
例如在合规领域，山西证券内部已建立合规宝典（合规知识库）用于员工开展合规作业，将本地知识库变成问答应用。
通过结合人工智能大模型，进行证券合规知识训练后，可为证券从业人员提供一个合规方面的智能问答机器人，在提升从业人员合规知识储备的同时节省大量文档检索时间，提升合规问答的精度和准确度，大幅提高工作效率，助力证券行业的合规智能化。
完整内容：山西证券大模型应用实践
研报内容通常结构复杂、格式多样，且每日更新的数据量较大，专业人员人工提取关键信息的成本较高，而非专业人员要理解研报内容有一定困难，导致目前研报信息使用效率较低，研报价值无法充分发挥。
申万宏源证券基于传统算法与大模型训练相结合的方式，实现了研报自动化智能降维解读。目前，智能研报降维服务已在申万宏源证券的一站式服务平台上线，为MOT（关键事件管理系统）、公司详情、行业详情、经济解读、债券解读、配置策略、热门板块等多个场景提供支持。
案例选自：《2024年生成式AI案例研究简报（6月）》
