AI赋能计划·科研系列-8丨知识图谱赋能金融生态系统—

AI赋能计划·科研系列-8丨知识图谱赋能金融生态系统——范式转型与实践应用

AI赋能计划

项目成果推介

Ai for social science

AI赋能计划/

人工智能促进科研范式改革赋能学科跃升计划

为推动高校人工智能促进科研范式改革，上海市教育委员会于2024年启动实施人工智能促进科研范式改革赋能学科跃升计划（简称“AI赋能计划”），支持科研人员主动拥抱并深刻理解人工智能思维、熟练掌握并有效运用人工智能方法。

上海对外经贸大学获批立项8项，共计18个子项目。本文将介绍由统计与数据科学学院方艳教授为负责人的重点项目子项目：知识图谱赋能金融生态系统——范式转型与实践应用。

知识图谱赋能金融生态系统——范式转型与实践应用

研究背景

本研究的核心科学挑战在于应对金融生态系统的高度复杂性与动态演化特性。传统的分析方法在整合多源异构金融数据（如非结构化文本信息）方面存在明显局限，难以实现对金融实体间复杂关联关系的全景刻画，亦无法有效追踪风险传导与产业联动的动态演变过程。此外，传统研究范式在面对大规模、跨领域、强专业性的金融分析任务时，往往面临信息割裂、机制解释不足等问题。

本研究通过引入人工智能技术，构建的“实体-关系-属性”统一表征框架，从而能够实现对分散数据的深度融合、对金融专业知识的结构化表达，进而揭示系统内蕴的深层逻辑关联，并支持时序推演与因果推断分析。这不仅标志着方法学层面的重要突破，更代表着从传统的“数据关联分析”向“知识驱动决策”的科研范式转变。该框架可为系统性风险识别、智能监管体系建设与产业链协同分析等重大应用场景，提供具备可解释、可推演、可操作特性的认知基础设施，对于增强金融体系韧性、提升金融服务实体经济效能具有重要的战略意义。

技术方法与创新

为实现核心目标，本项目拟采用混频数据深度融合与动态机理建模的创新方法：

一是构建“结构-时序”双驱动的智能分析模型，通过动态特征从多源异构数据中自动识别金融实体间的隐含关联模式，并耦合多尺度时序注意力机制，实现对金融生态系统结构特征与动态演化的联合建模，克服传统方法在时序与关联分析上的割裂局限；

二是研发面向高维复杂数据的稳健尾部关联分析方法，基于非参数模型与极值理论框架，揭示系统性风险的传导路径与结构依赖性，为风险溯源与政策模拟提供可解释的机制分析，突破传统计量方法对线性假设与预设函数形式的约束；

三是构建涵盖多频域金融数据的仿真验证平台，通过动态情景模拟，对模型结果进行多维度、可复现的实证检验，推动人工智能方法与复杂金融系统科学问题的深度融合与持续优化。

主要成果与成效

理论创新

团队创新性地提出了双动态极值Copula模型、混频MIDAS回归及基于遗传算法的期权定价等方法，系统揭示了金融市场间的非线性关联特征与跨境风险传导机制。相关成果已在《Journal of Business & Economic Statistics》《International Review of Financial Analysis》等高水平期刊发表。

在AI技术前沿探索方面，开展了面向边缘设备的轻量化大模型适配研究。成果被中国计算机学会（CCF）C类国际会议PRICAI2025接收并发表。

人才培养与团队建设

在人才培养方面，成功培育两项研究生创新项目，分别致力于多模态金融预测模型与宏观经济即时预报系统原型的研发。此外，多项智库研究成果已被相关政府部门采纳，有效支撑了政策决策。

另外，研究团队围绕GDP实时预报混合模型（MF-DFM-iTransformer）等前沿方向开展深入攻关。该研究重点聚焦于动态可解释AI架构的研发、系统性风险仿真推演平台的构建，并推动在产业链评估等关键场景中的闭环验证与落地应用。

论文及其他成果

本团队已经发表了9篇论文，其中，国际二类1篇，国际三类3篇，JCR 1区2篇，B刊2篇，其他1篇；决策咨询3篇；研究生AI科研创新培育项目两项；工作论文数篇。具体如下：

（1）已发表论文：

[1]Fang, Y., Xiao, X., Dong, P., Chen, G.A., Xue, L., and You, J.H., 2025. Double Dynamic Max-copula Model with Application to Financial Time Series. Journal of Business & Economic Statistics. Accepted. https://doi.org/10.1080/07350015.2025.2547065（国际II类）

[2]Fang, Y., and Yang, Y., 2025. Dynamic Linkage Between Stock and Forex Markets: Mechanisms and Evidence from China. Emerging Markets Finance and Trade. Accepted. https://doi.org/10.1080/1540496X.2025.2535710（JCR 1区）

[3]Fang, Y., and Wu, P.C., 2025. Patching LLMs Efficiently for Edge Devices. 22nd Pacific Rim International Conference on Artificial Intelligence (PRICAI 2025). November 17-21, 2025, Wellington, New Zealand. （国际III类）

[4]Fang, Y., Zhu, C., Chen, X., and Yang, Y., 2025. Do EU-China Spillover Effects Inhibit China's Carbon Market Volatility? A Mixed Data Sampling Approach. International Review of Financial Analysis, Vol 106, p.104566. （国际III类）

[5]Fang, Y., Guan, C., and Wu, J., 2025. A New Method of Exploring the Parameters of Heston Option Pricing Model: Multi-Population Genetic Algorithm, 2025 5th International Conference on Intelligent Computing (ICIC 2025), Ningbo, China, July 26-29, 2025. （国际III类）

[6]Fang, Y., Liu, Y., Yang, Y., Lucey, B. and Abedin, M.Z., 2025. How do Chinese Urban Investment Bonds Affect its Economic Resilience? Evidence from Double Machine Learning. Research in International Business and Finance, 74, p.102728. February 2025

[7]方艳，陈高昂，范彩云. FDI对GDP影响案例分析: 基于部分线性单指标面板无交叉分位数回归模型, 应用统计与数据科学. 2025(6): 081.

[8]陈晓静, 方艳. 提升外资在沪研发中心运营粘性. 文汇报（文汇理论.智库）. 2024年12月1日，第7版. （B刊）

[9]刘映琳, 方艳, 杨金强. 我国粮食能源的跨市场风险传染与外部冲击[J]. 中国管理科学, 2024, 32(11):103-114.（B刊）

(2)带领研究生团队申请两项研究生AI科研创新培育项目：

[1]杨泽峰，大语言模型驱动的多模态金融时间序列预测研究——基于动态可解释MOE架构；

[2]顾佳妮，人工智能驱动下的宏观经济预测与解释系统研究：基于机器学习组合模型对中国GDP的即时预测

(3)工作论文：

[1]Quantile-Based Analytical Characterization of the Infinite-Horizon Inventory Problem. Working paper.

[2]A Multi-Objective Calibration Framework for the Heston Model: Integrating Pricing and Volatility Criteria via Evolutionary Algorithms. Working paper.

[3]Government Subsidies, Large Enterprises’ CVC Investment and Startups’ Ecosystem Participation: An Evolutionary Game Analysis. Working paper.

[4]Noncrossing Quantile Regression for Single-Index Spatial Autoregressive Model. Working paper.

[5]MF-DFM-iTransformer Models: Application to nowcasting China’s Real GDP. Working paper.

项目负责人简介

方艳，上海对外经贸大学统计与数据科学学院教授，博士生导师，俄勒冈州立大学统计学博士，上海浦江人才，九三学社社员，上海财经大学统计与管理学院博士后，中国现场统计研究会统计调查分会理事，中国现场统计研究会试验设计分会理事。主要从事金融统计、统计机器学习、风险管理等研究。主持国家社科一般项目、国家自科青年项目、博士后科学基金、上海市教委科研创新项目等，参与国家自然科学基金面上项目、国家社科基金重大项目等。先后在Journal of Business & Economic Statistics、Biometrics、Insurance: Mathematics and Economics、国际金融研究、国际贸易问题、中国管理科学等核心刊物上发表论文二十多篇。曾获各级领导人批示数篇。

END

编辑：刘洋志

审核：张海娜