J.P. Morgan机器学习卓越中心高管亲述，华尔街AI实战心法

近年来，人工智能和机器学习正逐渐成为金融行业的重要推动力。从量化交易到风险管理，AI 的应用场景不断扩展。但当算法模型从学术研究走向华尔街的实际应用时，也暴露出一系列现实挑战。

许多讨论停留在理论层面，而在实践中，问题往往更为复杂。例如：

• 大多数模型在预测方面表现良好，但金融机构更关心的是支持「What-if」分析的决策工具。例如，如何通过模型回答「如果提高利率会怎样」这类关键问题？

• 在金融中，相关性并不等于因果关系。历史数据中机票价格与销量的正相关，并不意味着简单的因果逻辑。如何避免如「对撞机问题」（collider problem）这类统计误区，是建模必须关注的关键点。

• 金融数据不仅是简单的时间序列，还包括收益率曲线（函数时间序列）、支付网络（动态图）以及不同频率的宏观数据。传统的 LSTM 等模型在处理这些复杂结构时存在先天不足。

• 在快速迭代的环境中，Jupyter Notebook 有时会成为工程管理的障碍；TensorFlow 与 PyTorch 难以兼容，也使得可复用组件的建设更具挑战。与此同时，能够兼顾金融、机器学习与系统工程的复合型人才十分稀缺。

这些来自实践的经验和问题，往往缺乏系统性的公开讨论。为此，我们特别邀请到 J.P. Morgan 机器学习卓越中心（MLCOE）的王泽基 (Chak Wong) 教授。他将结合团队在构建可复用 AI 组件库过程中的实践，分享对上述问题的第一手经验与思考。

本次讲座不仅是一次深度技术分享，同时也将作为 MLCOE 年度全球招聘宣讲会的内地站。我们诚邀对金融、AI、数据科学等领域感兴趣的同学和业界同仁加入，与国际顶级团队面对面交流。

分享主题：人工智能与机器学习在大型国际商业银行和投资银行中的落地实践

嘉宾简介：

王泽基 (Chak Wong)

当前任职

• MD, Machine Learning Centre of Excellence and Global Head of TSRL, J.P. Morgan

• Professor of Practice, 香港科技大学数学系

过往履历

• MD, Head of quantitative investment, 平安资管

• Managing Director, Head of Financial Institutions and Sovereigns Asia, 法国兴业银行

• Professor of Fintech, 香港中文大学系统工程系

• Professor of Finance practice, 香港中文大学(深圳)商学院金融系

• Board member & Investment Committee, 香港存款保障委员会

• Lecture (Part-time), 香港浸会大学新闻系

• Managing Director, Head of IBD Structuring Asia, 巴克莱资本

• Managing Director, Head of non-vanilla trading, 瑞银集团

• Executive Director, exotic derivative trading, 高盛

分享摘要：王教授将结合 JPMC全球团队的真实案例，系统解析 AI/ML 在金融机构的应用：从模型工程、数据处理、特征构建、决策分析、因果推断到风险管理，展示AI如何深度赋能国际银行业务，推动行业效率与竞争力提升。

全球招聘

本次分享也是 J.P. Morgan MLCOE 年度全球招聘宣讲会的内地站。王教授将介绍团队在过往五年的实践中所积累的经验与教训、以及当前团队所正在开展的前沿项目。

不论你是博士、博士后，还是对金融科技充满热情的求职者，不限学校和专业背景都欢迎积极参与，与国际顶级团队共创未来！工作地点可在香港、伦敦和纽约三个城市中任选。

Time Series and Reinforcement Learning (TSRL) Team 招聘:

https://jpmc.fa.oraclecloud.com/hcmUI/CandidateExperience/en/sites/CX_1001/job/210643786/?utm_medium=jobshare&utm_source=External+Job+Share

直播时间：9月8日19:30-20:30