李建平

中国科学院大学经济与管理学院 常务副院长/特聘教授

CCF大数据专家委员会特邀委员，国家杰出青年基金获得者，教育部长江学者奖励计划特聘教授。兼任国际信息技术与量化管理学会（IAITQM）秘书长；中国优选法统筹法与经济数学研究会副理事长、风险管理分会理事长等。主要研究风险管理、大数据管理决策、金融科技。获“中国青年科技奖”、“全国优秀科技工作者”等奖项。

报告题目：多源数据驱动的财务欺诈风险分析

分析大数据时代对财务欺诈风险分析的管理体制、工具以及决策模式的影响，重点包括多源数据驱动的财务欺诈风险分析的理论、机理、技术和典型案例。报告将综述财务欺诈风险分析数据从结构化、半结构化到非结构化的全景式多源大数据的演变，指出多源数据对财务欺诈风险分析带来的机遇和挑战，分析为了应对更高的数据处理要求而提出的欺诈风险分析方法的演变，并总结目前财务欺诈风险分析中仍然面临的主要挑战。

李斌

武汉大学 教授

担任金融系支部书记和金融研究中心主任，兼任中国金融学年会理事和中国中文信息学会社会媒体处理专委会智能金融工作组组长等。研究方向为金融科技、投资管理和机器学习等。他具备金融+科技的跨学科背景与研究能力，在《Journal of Accounting Research》、《Artificial Intelligence》、《Journal of Machine Learning Research》、《管理科学学报》、《中国工业经济》、ICML、IJCAI等金融会计和人工智能类期刊会议上发表论文。

报告题目：基于机器学习的股票收益实时预测

最近的研究发现基于机器学习的投资策略具有非常好的表现。这些策略使用事后发现的异象因子作为股票收益的预测指标，因而无法实时部署。我们从事前确定的基本面信号集合中构建了机器学习策略，发现它们的样本外绩效比现有研究要弱得多。此外，我们发现从样本内绩效到样本外绩效的显著下降，从而支持 Martin and Nagel (2021) 的预测。总体而言，我们的研究结果对基于机器学习的投资策略提供了更温和的观点。

何秀强

腾讯金融科技数据分析与研究中心 高级总监

香港科技大学博士，加入腾讯之前担任华为诺亚推荐与搜索实验室主任，在国际机器学习顶会上发表论文超过50篇，Google论文引用数超过3600次。

报告题目：基于因果推断的智能营销及用户增长

因果推断与大数据、机器学习相结合也成为学术界及业界的热点技术方向，在互联网用户增长等相关场景下中获得越来越多的应用。因果推断技术在金融场景下有着巨大的应用价值和空间，在智能营销、策略评估、用户增长等方面都有很好的应用。本报告将介绍我们在金融相关的业务场景下应用因果推断技术的案例和技术探索，并对金融场景下因果推断技术发展及应用进行展望。

杨洋

浙江大学 计算机学院人工智能系主任/副教授

研究方向为大规模图与时间序列建模，具体包括图表示学习、异常检测、计算社会学等。在KDD、WWW、AAAI、TKDE等国际顶级学术期刊及会议上发表论文40余篇。曾任AAAI、WSDM、KDD、WWW等国际学术会议程序委员会委员。

报告题目：大规模图数据中的异常检测

在电信领域，仅2021年在世界各地就发生了超过5亿起电信诈骗案件，造成的经济损失达到了164亿美元；在金融领域，188体育app官网：仅信贷诈骗就造成了超过270亿美元的损失；其他领域中的诸多异常事件也是层出不穷。图神经网络在大规模图数据的处理中展现了非常好的效果，我们尝试将这一有利工具应用到现实场景的异常检测任务之中。本报告围绕下面四点展开：异常检测的场景介绍，图神经网络检测异常，对抗图攻击鲁棒模型，以及实际应用的案例介绍。

谌明

浙江核新同花顺网络信息股份有限公司 人工智能研究院院长

博士，浙江核新同花顺网络信息股份有限公司首席信息官，浙江省金融信息工程技术中心副主任。主要从事面向海量客户的大型复杂系统系统研发，以及人工智能、大数据等领域的理论研究和应用落地。在国内外重要学术期刊和会议上发表论文20多篇。主持研发的证券核心智能交易系统、智能投顾系统等金融科技应用系统，为行业内覆盖客户最广、使用用户最多的系统。

报告题目：联邦学习在证券行业的应用

联邦学习作为一种数据“可用不可见”的分布式机器学习技术，已陆续在银行、电信等行业广泛应用。本报告讨论目前联邦学习算法研究中存在的问题以及在证券业落地的难点，结合我们多年来对联邦学习，尤其是“联邦优化”技术的探索及研发经验，介绍联邦优化算法在证券业智能营销、智能投研投顾、智能交易等场景中的应用。