2019年智能投研行业分析报告

2019年智能投研行业

分析报告

2019年6月

一、智能投研的产业链分析 (6)

1、智能投研的定义 (6)

（1）狭义：人工智能在投资研究上的应用 (6)

（2）广义：人工智能在资本市场相关领域的应用 (7)

2、智能投研产业链的供求关系 (8)

（1）智能投研的产业链涉及数据的获取、处理及应用 (8)

（2）上游：数据源 (8)

①传统数据 (8)

②爬虫数据 (8)

③另类数据 (9)

（3）中游：主要是数据的采集和标准化 (9)

（4）下游：数据的需求方和应用场景，以金融机构为主 (9)

3、智能投研行业的参与者 (10)

（1）传统的金融数据服务商 (10)

（2）创业公司 (10)

（3）互联网巨头 (11)

（4）投资机构内部研发 (11)

二、商业模式 (12)

1、金融文本处理工具 (12)

（1）产品定位及目标客户 (12)

（2）竞争优势及核心技术 (13)

（3）交付方式及收费模式 (13)

2、一级市场数据库 (13)

（1）产品定位及目标客户 (13)

（2）竞争优势及核心技术 (14)

（3）交付方式及收费模式 (15)

3、二级市场数据库 (15)

（1）产品定位及目标客户 (15)

（2）竞争优势及核心技术 (16)

（3）交付方式及收费模式 (16)

三、底层技术 (16)

1、人工智能 (16)

2、自然语言处理 (17)

3、知识图谱 (19)

四、市场空间及行业趋势 (20)

1、智能投研的市场空间 (20)

（1）要从数据服务广义的角度看智能投研的市场空间 (20)

（2）从长期来看，智能投研的潜在市场空间远大于现有金融数据行业规模 (21)

（3）资产管理行业长期保持增长 (22)

2、智能投研的发展趋势 (23)

（1）顺应资产管理行业精细化的发展趋势，资产管理机构在数据及技术方面的投入增速大于资产管理规模的增速 (23)

（2）传统的金融数据公司通过并购整合保持持续的竞争优势 (24)

（3）大量创业公司在努力拓展人工智能的边界 (24)

（4）智能投研公司成功路径：深度和广度必取其一 (25)

五、海外案例分析 (25)

1、数据分析公司Kensho (25)

2、资产管理系统Aladdin (26)

六、国内公司案例分析 (28)

1、庖丁科技 (28)

2、文因互联 (29)

3、犀语科技 (31)

4、视野金服 (32)

5、因果树 (34)

6、烯牛数据 (35)

7、数库 (37)

8、宽拓科技 (39)

智能投研的产业链：（1）智能投研是人工智能在投资研究及其他资本市场相关领域的应用，其核心是提升金融数据的分析能力，提高人工的工作效率。（2）智能投研的产业链涉及数据的获取、处理及应用。数据源包含传统金融数据、爬虫数据及另类数据等。中游主要是数据的采集和标准化。下游是数据的需求方和应用场景，包括投资机构、监管部门及非金融机构等。（3）智能投研行业的参与者包括传统的金融数据服务商、创业公司、互联网巨头及投资机构内部研发。

三种商业模式：（1）金融文本处理工具。针对特定场景的金融数据处理的工具，所处理的文本以标准化的金融文本为主，主要的功能是审核检查。客户以证监会、交易所等监管职能部门，其次是券商投行部门、银行信贷审核部门等，交付方式以项目制为主。（2）一级市场数据库。提供全方位了解一级市场公司的数据库和搜索工具。产品的核心是标签体系。目标客户包括一级市场投资机构、券商投行部门及直投部门、银行企业客户部门等。一般采用数据终端或者数据接口的方式交付。（3）二级市场数据库。提供比传统金融数据服务商颗粒度更高的数据产品，重点在非结构化数据的处理。成熟资本市场客户主要是二级市场投资者，尤其是量化投资。国内的客户还包括券商和综合金融集团。

底层技术：在智能投研中主要应用的人工智能技术包括图像识别、自然语言处理、情感分析、知识图谱等。（1）优势：人工智能拓展了数据来源，大幅提升了数据运算的能力。机器能分析多元、非线性关系，寻找相关性而非局限于因果关系。（2）不足：就现阶段来看，

人工智能在有明确边界、规则和目标的场景中，效果更明显。（3）约束条件：数据质量影响智能投研的效果，随着底层数据质量不断提升，智能投研的效果会越来越好。

市场空间及行业趋势：（1）要从数据服务广义的角度看智能投研的市场空间。在考虑资产管理规模和资产管理机构数量之外，收入的增量空间还包括对数据量、数据维度、数据综合服务的需求提升，以及投资机构之外其他机构对金融数据的需求。从长期来看，智能投研的潜在市场空间远大于现有金融数据行业规模。（2）智能投研的发展趋势。资产管理机构在数据及技术方面的投入增速大于资产管理规模的增速。传统的金融数据公司通过并购整合保持持续的竞争优势。大量创业公司在努力拓展人工智能的边界。成功的智能投研公司在数据服务的广度或深度上超越对手。

一、智能投研的产业链分析

1、智能投研的定义

（1）狭义：人工智能在投资研究上的应用

通过人工智能技术拓宽投资信息来源，提高获取信息的及时性，减少基础数据处理的工作量，通过自动化的数据分析，为投资决策提供参考，从而提高投资研究的效率。

人工智能行业研究分析报告

概要人工智能是信息时代的尖端技术。从人类建立起需要指导操纵才能运行的计算机，到计算机拥有能够自己去学习的能力，这一飞跃对各行各业都产生了巨大的阻碍。尽管现在此刻可能是下一个 AI 冬季（图8）到来之前的「给予承诺又让人失望」的周期，但这些投资和新技术至少会给我们带来有形的机器学习生产力的经济利益。

与此同时，人工智能、机器人和无人驾驶汽车差不多成为了流行文化甚至是政治话语的前沿。而且我们在过去一年的研究使我们相信这不是一个错误的开始，而是一个拐点。正如我们将在本报告中探讨的那样，那个变化的缘故有显而易见的（更快更强的计算资源和爆炸式增长的数据库），也有细致入微（深度学习，专有硬件和开源的崛起）的。那个 AI 拐点（AI inflection）中更令人兴奋的一个方面是「现实世界」的使用案例比比皆是。尽管深度学习使计算机视觉和自然语言处理等技术有了显著的提高，比如苹果公司的Siri，亚马逊的 Alexa 和 Google 的图像识不，然而 AI 不仅仅是「科技技术」（tech for tech），也确实是大数据集与足够强大的技术相结合的情况下，价值正在被慢慢创建，竞争优势也变得越来越明显。例如，在医疗保健中，图像识不技术能够提高癌症诊断的准确性。在农业中，农民和种子生产商能够利用深度学习技术来提高作物产量。在制药业中，深度学习能够用于改善药物的研发。在能源方面，勘探效率正在提高，设备可用性正在不断增强。在金融服务方面，通过开发新的数据集，实现更快的分析，从而降低成本，提高回报。AI 现在还处于发觉其可被利用场景的早期时期，这些必要的技术会通过基于云的服务实现大众化、平等化，我们相信随之而来的创新浪潮将在每个行业中制造新的赢家和输家。

人工智能项目投资建设可行性研究报告

人工智能项目投资建设可行性研究报告规划设计/投资分析/产业运营

摘要人工智能在投资研究上的应用。通过人工智能技术拓宽投资信息来源，提高获取信息的及时性，减少基础数据处理的工作量，通过自动化的数据分析，为投资决策提供参考，从而提高投资研究的效率。人工智能在资本市场相关领域的应用。从使用者的角度来看，智能投研的受众包括各种类型的投资者（买方）、券商（卖方）、监管机构、银行和财经媒体等。从投资的标的来看覆盖一级市场公司、股票、债券、外汇等。而人工智能的应用场景涉及业务的各种环节，与投研直接相关的就包括研究、投资、交易和风险管理。人工智能是新一轮产业变革的核心驱动力，将进一步释放历次科技革命和产业变革积蓄的巨大能量，并创造新的强大引擎，重构生产、分配、交换、消费等经济活动各环节，形成从宏观到微观各领域的智能化新需求，催生新技术、新产品、新产业、新业态、新模式。人工智能正在与各行各业快速融合，助力传统行业转型升级、提质增效，在全球范围内引发全新的产业浪潮。国家高度重视人工智能产业的发展。2017年国务院发布《新一代人工智能发展规划》，对人工智能产业进行战略部署;在2018年3月和2019年3月的政府工作报告中，均强调指出要加快新兴产业发展，推动人工智能等研发应用，培育新一代信息技术等新兴产业集群壮大数字经济。

该人工智能项目计划总投资17992.77万元，其中：固定资产投资13304.66万元，占项目总投资的73.94%；流动资金4688.11万元，占项目总投资的26.06%。本期项目达产年营业收入43788.00万元，总成本费用33492.60万元，税金及附加350.28万元，利润总额10295.40万元，利税总额12065.74万元，税后净利润7721.55万元，达产年纳税总额4344.19万元；达产年投资利润率57.22%，投资利税率67.06%，投资回报率42.91%，全部投资回收期3.83年，提供就业职位644个。

中国商业智能(BI) 市场调研报告

2011-2015年中国商业智能(BI) 市场调研及发展前景预测报告随着企业CRM、ERP、SCM等应用系统的引入，企业不停留在事务处理过程而注重有效利用企业的数据为准确和更快的决策提供支持的需求越来越强烈，由此带动的对商业智能的需求将是巨大的。中国报告网发布的《2011-2015年中国商业智能(BI) 市场调研及发展前景预测报告》共十一章。首先介绍了中国商业智能(BI) 行业市场发展环境、中国商业智能(BI) 整体运行态势等，接着分析了中国商业智能(BI) 行业市场运行的现状，然后介绍了中国商业智能(BI) 市场竞争格局。随后，报告对中国商业智能(BI) 做了重点企业经营状况分析，最后分析了中国商业智能(BI) 行业发展趋势与投资预测。您若想对商业智能(BI) 产业有个系统的了解或者想投资商业智能(BI) 行业，本报告是您不可或缺的重要工具。本研究报告数据主要采用国家统计数据，海关总署，问卷调查数据，商务部采集数据等数据库。其中宏观经济数据主要来自国家统计局，部分行业统计数据主要来自国家统计局及市场调研数据，企业数据主要来自于国统计局规模企业统计数据库及证券交易所等，价格数据主要来自于各类市场监测数据库。第一章商业智能（BI）原理及商业价值创造路径分析第一节商业智能发展阶段第二节商业智能（BI）内涵、结构及原理一、商业智能（BI）内涵二、商业智能（BI）特征功能三、商业智能（BI）层次结构四、商业智能（BI）实现原理第三节商业智能（BI）产业链条解构一、BI产业链解构模型二、BI产业链构成现状及特点三、BI产业链关键环节现状剖析

四、BI产业链发展趋势第四节商业智能（BI）商业价值创造路径第二章全球商业智能(BI)产业运行动态分析第一节全球商业智能(BI)产业运行环境分析第二节全球商业智能(BI)产业市场透析一、商业智能引领全球企业信息化二、商业智能软件厂商三、制造业是商业智能的重要市场第三节世界各地区企业对商务智能（BI）应用状况分析一、欧洲二、亚太第四节2011-2015年全球商业智能的五大预测分析第三章中国商业智能（BI）行业发展背景分析第一节中国商业智能（BI）行业发展历程第二节中国商业智能（BI）行业现状特征第三节中国商业智能（BI）行业发展的全球基调一、信息技术促使商业模式变革二、全球经济一体化促进商业理念的传播与变革三、全球经济一体化促进商务贸易往来四、全球产业分工与各国产业升级第四节中国商业智能（BI）行业发展PEST分析一、改革30年造就数量庞大的企业群体二、集约化经济转型三、国内IT技术进步与国外技术引进四、IT创造价值观念慢慢渗透各行各业第五节主要发达国家商业智能（BI）发展现状及价值创造启示一、美国二、日本

人工智能完成总结报告

完成总结报告项目名称：数独游戏设计与实现组员：王郑合 2014204081 栾杰 2014204080 文宽 2014204104 二〇二〇年三月二十四日

1 问题描述 1.1 问题说明数独游戏起源于瑞士，由十八世纪的瑞士数学家欧拉发明，是一种数字拼图游戏，其游戏规则是： ①在9×9的大九宫格内，已给定若干数字，其他宫位留白，玩家需自己按照逻辑推敲出剩下的空格里是什么数字。 ②必须满足的条件：每一行与每一列都有1到9的数字，每个小九宫格里也有1到9的数字，并且一个数字在每行、每列及每个小九宫格里只能出现一次，既不能重复也不能少。 ③每个数独游戏都可根据给定的数字为线索，推算解答出来。 1.2 数独求解描述由于数独游戏的推广与普及，在当今世界上有着大量的数独爱好者，本项目的目的就是按照数独的游戏规则，通过对数据结构的分析和人工智能算法的研究，利用计算机程序来实现对已知数独游戏的快速求解。 1.3 数独出题描述数独游戏挑战者的水平各异，对数独题目的难度要求各不相同，所以本项目致力于设计一种算法，使其在尽可能短的时间内生成不同难度等级的数独题，以满足不同水平游戏者的需求。同时，该算法还要考虑到三个方面要求：可变化的难度、解的唯一性和算法复杂度最小化。

2 功能分析 2.1 数独求解数独虽然号称是数学问题, 但在求解时几乎用不上数学运算方法，事实上它更像是一种思维方式。数独游戏开始后，要想在空格中填入正确的数字，先要根据数独游戏规则对1-9分别进行逻辑判断，然后选择正确的数字填入空格。另外，由于某个格子填入数据时，有可能还要对原来已填入的数据进行修正，所以可以考虑使用递推和回溯搜索来求解数独问题。 2.2 数独出题出题时，要能保证算法生成的数独题具有可变化的难度和唯一解,该算法内部应该包含有对数独题的求解和评级功能。本项目使用了一种基于“挖洞”思想的数独题生成算法，将该算法的设计工作分为评级、求解和生成三部分工作。利用随机数出现的概率不同来确定不同的难度，通过避免重填一个被“挖去”的格子，或者回溯到一个曾经无法“挖去”的格子，来降低算法的复杂性。 2.3 题目保存当用户需要退出却仍没有完成数独题目的解答时，可以选择是否保存当前的求解进度。如果需要，本系统会帮助用户将目前未完成的数独题目的解答进度保存起来，以便用户下次使用本系统时，可以继续解答上次未完成的题目。 2.4 题目读取用户可以在程序开始运行后，选则读取一道之前保存起来的题目进行解答，被读取的题目将会显示到程序界面上。

干货投行PEVC行业研究方法总结

干货：投行/PE/VC行业研究方法总结文 / 吕顺辉导读作者自从事工作来，基本都于研究打交道，尤其是行业研究，在此，把这几年如何做行业研究的一些体会和经验与大家分享，希望对初入行业研究的初学者能提供一些浅显提示，避免少走弯路，同时也想通过本研究与行业研究的志同伙伴（有经验者）做一个沟通交流，起到“抛砖引玉”之效。原标题：投资技能：行业研究方法与案例一、行业研究认识 1、行业研究引题本行业研究的分享主要有三个方面的内容，一是行业研究的基本概述，包括行业研究的认识、目的、原则和方法等；二是行业研究流程与内容，包括行业研究的基本流程，行业研究内容及研究报告框架等；三是行业研究的案例，以电视剧行业为实证来完整介绍一个行业研究的全过程。行业研究经验分享目的及主要内容图 2、行业研究定义行业研究的定义：参考相关文献，行业研究是通过深入研究某一行业发展动态、规模结构、竞争格局以及综合经济信息等，为企业自身发展或行业投资者等相关客户提供重要的参考依据。行业研究是重点研究行业过去发展历程、行业现在发展现状和行业未来发展趋势，发现与挖掘行业发展阶段、主要影响因素及行业内的行业关键成功因素等，为企业发展方向提供指导及为投资者决策提供依据。行业研究定义的包含要素示意图

3、行业研究认识（1）行业研究是规律可循的，专业并非是绝对壁垒行业研究是揭示行业发展重要工具，研究不同行业虽然有不同内容与因素，但是从研究方法与规律来看有共同点，也就是说行业研究是相通的。很多人研究员把其专业背景作为行业研究的壁垒来看，其实不然，虽具有某行业专业背景能够很快了解其行业，但不是构成该行业绝对壁垒。目前认为壁垒相对较高的行业如医药、TMT等，需要一定的专业知识背景，但也可以通过后续的学习弥补相关技术等知识欠缺，因此只要我们掌握了行业研究的基本规律与方法，任何行业都是可以通过时间和努力去研究与掌握的。（2）行业研究需要从微观中来，也需要到宏观中去（大处着眼、小处着手）何为行业研究，简单来讲就是对某一个特定行业及行业内聚合的企业进行深入了解与研究，包括行业发展历史、现状、规模结构、竞争格局、未来趋势及综合信息等因素，为企业自身或行业投资者提供重要的参考依据。从行业研究的所属层次来看，行业研究是介于宏观经济研究与公司微观经济研究之间，在经济学上可以称为中观层次研究。正是因为行业研究是介于宏观经济研究与公司微观经济研究之间，行业研究在行业本身之发展之外，需要关注本行业与宏观经济有何关联与发展逻辑，注重从大处着眼，我们知道毕竟每个产业或行业都是国民经济（宏观经济）的一个链条而已，通过弄清楚你所研究的行业在国民经济结构的位置和地位，就很容易理解与掌握宏观经济变动对你所研究的行业造成的影响。从行业基本概念可以看出，我们研究行业都要回归到各个细分子行业及企业层面，也就是我们常说的行业的核心就是需要深入研究组成行业基本单元的企业，但也在研究一批企业后升华提炼出企业所具备的共性东西。因此，只注重行业层面没有深入企业和仅深入企业了解没有行业提炼的升华，都是无法真正做好行业研究的。（3）行业研究无速成捷径，“方法时间专注”是关键本人总结了下六、七年来行业研究最大体会就是行业研究没有速成的捷径，唯有掌握正确的方法加上长期的专注才能使你成为真正某一个行业研究人员。前辈的研究方法、思路与框架能够缩短你研究所走的弯路，但前人的经验与方法也无法让你快速了解一个行业，因为真正了解一个行业只有长期专注于某一个行业进行深入研究才能做到。在我们做投资过程中，接触到的企业家虽然无法很专业地表述行业研究中的一些专业名称，但对行业发展中关键因素及未来发展趋势把握要比我们做行业研究的要透彻的多，毕竟很多企业家是十年乃至几十年的长期专注一个行业。因此

2020年金融科技行业分析报告

2020年金融科技行业分析报告 2020年9月

目录一、金融科技概况 (9) 1、金融科技基本内涵及生态体系 (9) 2、中国金融科技行业目前已进入平稳发展期 (10) （1）第一阶段市场启动期（2004-2012年）：金融科技公司萌芽，科技开始渗透进金融核心业务 (11) （2）第二阶段高速发展期（2013-2015年上半年）：各机构开始大规模互联网化布局 (12) （3）第三阶段市场调整期（2015年下半年-2018年）：监管政策密集出台，行业发展趋于缓慢 (13) （4）第四阶段稳步增长期（2019年至今）：监管压力减小，行业健康稳步发展 .. 13 3、金融科技投融资情况 (14) （1）金融科技融资规模：2018年达历史高点，全球融资突破千亿美元 (15) （2）金融科技融资阶段：交易份额转向中后期（B轮以后）融资 (16) （3）金融科技融资领域：支付领域仍为热点，保险科技与区块链表现强劲 (17) 二、金融科技四大技术方向解读：ABCD (18) 1、人工智能AI：智能风控、智能支付、智能投研、智能投顾等 (19) 2、区块链BlockChain：解决安全、信任、效率三大痛点 (20) 3、云计算Cloud：在信息获取、资源配置、IT运营三方面发力 (20) 4、大数据Data：应用于银行、保险、证券等细分领域 (21) 三、金融科技六大细分领域剖析 (22) 1、移动支付 (22) （1）行业格局：行业增速放缓，监管收紧；C端呈双寡头格局，B端具发展潜力 23 ①移动支付交易规模扩大，监管政策收紧，行业增速放缓 (23) ②C端呈双寡头格局，B端具发展潜力 (24)

2018年智能制造行业分析报告

2018年智能制造行业分析报告 2018年6月

目录一、工业互联网是制造业升级的核心 (2) 1、工业互联网平台是工业全要素链接的枢纽 (2) 2、政策春风拂面，市场前景可期 (4) 二、平台体系是工业互联网的关键 (6) 1、不同分类下，国内外工业互联网平台一览 (6) 2、三类平台的比较分析及未来发展趋势 (10) 3、他山之石：GEPredix——全球工业互联网平台的典型 (12) 三、工业软件应用构成工业互联网平台的重要资源 (17) 1、工业软件丰富程度决定工业平台整体竞争力 (17) 2、工业互联网平台助力软件企业打开发展空间 (22) 四、投资标的 (23) 五．风险提示 (28) 一、工业互联网是制造业升级的核心 1、工业互联网平台是工业全要素链接的枢纽工业互联网是制造业数字化、网络化、智能化的重要载体，也是全球新一轮产业竞争的制高点。工业互联网是新一代信息通信技术与现代工业技术深度融合的产物，通过构建链接机器、物料、人、信息系统的基础网络，实现工业数据的全面感知、动态传输、实时分析、形成科学决策与智能控制，提供制造资源配置效率，正成为领军企业竞争的新赛道、

全球布局的新方向、制造大国竞争的新焦点。工业互联网平台是工业全要素链接的枢纽，是工业资源配置的核心。工业互联网构建基于海量数据采集、汇聚、分析的服务体系，支撑制造资源泛在链接、弹性供给和高效配置。工业互联网平台可以分为4个部分：1>边缘层：通过协议转化和边缘计算形成有效的数据采集体系，从而将物理空间的隐形数据在网络空间显性化。2>IaaS层：将基础的计算网络存储资源虚拟化，实现基础设施资源池化；3>工业PaaS层：工业操作系统，向下对接海量工业装备、仪器、产品，向上支撑工业智能化应用的快速开发和部署；4>工业APP：通过调用和封装工业PaaS平台上的开放工具，形成面向行业和场景的应用。对于工业互联网平台来说，数据采集、工业PaaS、工业APP是核心三大要素。 1>数据采集是基础。工业大数据有三类：生产经营相关业务数据、设备物联数据、外部互联网数据。其中，设备物联数据采集受制于传感器部署不足，装备智能化水平低，数据采集颗粒度不足，无法支持上层应用。随着兼容多种协议的技术产品构建，此类问题将得到改善。同时通过部署边缘计算模块，实现数据在生产现场的轻量级运算和实时分析。可以缓解数据的云端计算压力。 2>工业PaaS是关键。现有的通用PaaS平台尚不能满足工业级应用需要。未来通过对通用PaaS的深度改造，构

商业智能(BI)项目可行性研究报告

商业智能（BI）项目第一章、商业智能(BI)项目总体介绍第一节、项目名称商业智能（BI）项目第二节、商业智能（BI）概念商业智能又名商务智能，英文为Business Intelligence，简写为BI。商业智能通常被理解为将企业中现有的数据转化为知识，帮助企业做出明智的业务经营决策的工具。这里所谈的数据包括来自企业业务系统的订单、库存、交易账目、客户和供应商等来自企业所处行业和竞争对手的数据以及来自企业所处的其他外部环境中的各种数据。而商业智能能够辅助的业务经营决策，既可以是操作层的，也可以是战术层和战略层的决策。为了将数据转化为知识，需要利用数据仓库、联机分析处理（OLAP）工具和数据挖掘等技术。可以认为，商业智能是对商业信息的搜集、管理和分析过程，目的是使企业的各级决策者获得知识或洞察力（insight），促使他们做出对企业更有利的决策。商业智能一般由数据仓库、联机分析处理、数据挖掘、数据备份和恢复等部分组成。商业智能的实现涉及到软件、硬件、咨询服务及应用，其基本体系结构包括数据仓库、联机分析处理和数据挖掘三个部分。因此，把商业智能看成是一种解决方案应该比较恰当。商业智能的关键是从许多来自不同的企业运作系统的数据中提取出有用的数据并进行清理，以保证数据的正确性，然后经过抽取（Extraction）、转换（Transformation）和装载（Load），即ETL过程，合并到一个企业级的数据仓库里，从而得到企业数据的一个全局视图，在此基础上利用合适的查询和分析工具、数据挖掘工具、OLAP工具等对其进行分析和处理（这时信息变为辅助决策的知识），最后将知识呈现给管理者，为管理者的决策过程提供支持。

2019人工智能产业投资分析报告

2019人工智能产业投资分析报告前言：人工智能(AI)将接棒移动互联网，成为下一轮科技创新红利的主要驱动力。透过丰富的数据采集(互联网和IoT)、更快的数据传输(5G)、更强大的数据运算处理(AI)，科技企业和传统企业将在更广泛的领域深度融合。 AI将广泛助力传统行业转型，渗透互联网竞争下半场，催生无人驾驶、城市大脑、工业互联网、农业大脑、智慧医疗、Fintech、机器人等广义AI 应用，酝酿万亿级市场和投资机会。

▌AI主导下一轮科技创新红利AI孕育万亿级别市场人工智能(AI)指利用技术学习人、模拟人，乃至超越人类智能的综合学科。人工智能技术可以显著提升人类效率，在图像识别、语音识别等领域快速完成识别和复杂运算。此外，面对开放性问题，人工智能技术亦可通过穷举计算找到人类预料之外的规律和关联。自1956年“人工智能”概念首次被提出，AI技术“三起两落”。本轮人工智能腾飞受益于持续提升的AI算力对神经网络算法的优化。 AI产业链分为:基础层、技术层、应用层。基础层主要包括:AI芯片、IoT传感器等，技术层主要包括:图像识别、语音识别、自然语言处理NLP、知识图谱等，应用层的场景包括:无人驾驶、智慧安防、智慧城市(城市大脑)、金融科技(Fintech)、智慧医疗、智慧物流等领域。 AI市场规模快速成长。中国是全球第二大AI力量，人工智能企业超过1000家。

2018年中国AI市场规模约330亿元人民币，全球AI市场规模约2700亿美元。我们预计，中国人工智能市场规模有望成长至万亿量级，成为下一轮科技创新红利的主导力量。 Statista预计2019、2020年，全球人工智能市场规模将分别增长59%、61%，成长至6800亿美元量级。我们判断，中国人工智能市场有望在2030年达到万亿量级，传统行业和技术的结合是主要的应用领域，2G(对政府）和2B（对企业）将成为主要的营收来源。

2017年投行行业分析报告

2017年投行行业分析报告 2017年7月

目录一、投行业务发展机会 (3) 1、监管层鼓励股权融资发展 (3) 2、实体经济证券化率有待提高 (3) 3、并购重组需求将增多 (4) 二、投行业务发展现状 (5) 1、股权承销业务规模收入增长，费率未明显下滑 (5) 2、股权承销业务竞争格局较稳定，IPO业务中大券商表现更好 (6) 3、并购重组业务收入集中度较高 (9) 4、并购重组业务竞争格局趋于稳定 (10) 三、券商投行业务模式 (11) 1、央企系：大项目经验带来品牌溢价，精细化行业区域布局 (11) 2、地方国企系：基于区域优势，深耕细分领域 (13) 3、民营系：体制更灵活，业务增长靠引进成熟人才 (13) 4、PE/VC系：参与新兴企业全融资周期 (15) 5、小结：各派系因禀赋不同，更应该针对自身特色进行差异化发展 (17)

一、投行业务发展机会 1、监管层鼓励股权融资发展 2016年5月人民日报刊登的权威人士署名文章和2017年第五次全国金融工作会议中都多次强调了实体经济降杠杆。而在实体经济去杠杆的过程中，资本市场无疑将发挥重要作用。中国经济虽然已换档降速，但依然保持6.5%以上的速度增长，融资需求仍非常庞大。在顶层坚定去杠杆的态势下，这些融资需求势必需要通过资本市场尤其是股权融资（IPO、再融资、配股、可转债、优先股）来实现。从去年下半年开始的IPO发行提速也侧面印证了监管层鼓励股权融资的态度。 2、实体经济证券化率有待提高目前A股市值中实体经济证券化率依然较低。2016年全年规模以上工业企业实现总利润6.88万亿元。若按照新股发行最高23倍PE估算，

智能家居行业分析研究报告

智能家居行业分析研究报告一、智能家电领域发展分析目前，智能家电市场处于发展初期，面临标准、成本、产业生态系统建设、商业模式等诸多问题，还需要经历一个较长的市场培育期，规模商用尚需时日。不过，由于人们提高用能效率的意识不断高涨，加上多项政府计划的激励，在接下来的几年里，智能家电的部署进程将有望加速。预计智能家电所带来的商业影响将是全球范围的。作为电力网的终端用电设备，家用电器的能耗不容小觑，即使是待机功耗也是一项不小的开销。据中国节能认证中心调查，中国城市家庭的平均待机功耗相当于每个家庭每天都亮着一盏25瓦到50瓦的长明灯。据测算，家电待机能耗已占到中国家庭电力消耗的20%以上。美国能源部的报告也显示，超过三分之一的美国发电量被用于家用电器。智能控制技术、信息技术的快速发展为家电智能化提供了可能，智能家电由于能够实现更高效能而被认为是促进节能降耗的有效途径。这一方面缘于人们生活水平的提高，倾向使用性能更好的家电产品；另一方面，在全球变暖和能源成本不断上升的压力下，市场更加青睐高能效的智能家电。人们对节能降耗、人机界面和通信功能等方面的需求将是拉动智能家电市场增长的主要力量。现在世界很多国家，包括中国在内都在鼓励家电厂商研制这类智能家电。

二、智能家居领域发展分析当年比尔盖茨为了实现他的智能豪宅，铺设了84公里电缆、耗资5.3 亿美元。如今智能家居不再是镜花水月，而是未来家庭生活的发展模式，一个无线遥控器就把大小设备浓缩于手指挥若定，通过网络等信息通讯技术手段，使家居控制能按照人们设想运作，而不论距离远近，智能家居的远程控制和自动控制是真正智能化的必然结果。如朝华数码有关人士提出的：领先的无线移动、不依靠PC的独立形态是今后业界发展的趋势。智能家居控制系统可以简单概括为一个各种家庭设备互连和控制的网络。现代家居系统的服务应用平台从服务特征上来看，一般包括了娱乐、医疗、安防、通信、事务管理等，控制功能几乎渗透到每一个家居子系统。智能家居控制是通讯技术、计算机技术、网络技术、控制技术的综合运用。国家建设部住宅产业化促进中心提出住宅小区要实现六项智能化要求，其中包括实行安全防范自动化监控管理：对住宅的火灾、有害气体的泄漏实行自动报警；防盗报警系统应安装红外或微波等各种类型报警探测器；系统应能与计算机安全综合管理系统联网;计算机系统能对防盗报警系统进行集中管理和控制。由此可见，家居控制已成为智能家居领域新的业务增长点。

2013年商业智能BI与大数据行业分析报告

2013年商业智能BI与大数据行业分析报告 2013年8月

目录一、行业：BI是为客户真正创造价值的大数据核心应用 (4) 1、大数据时代来临，迎接她，拥抱她 (4) （1）数据爆发性增长，潜在价值巨大 (4) （2）IT巨头重金投入大数据，抢位关键环节 (6) 2、BI是贴近客户并且为客户创造价值的大数据核心应用 (7) （1）BI处于大数据分析应用层的核心位置 (7) （2）BI体系架构：辅助决策，帮助客户拓展业务 (7) （3）BI贴近客户并为客户创造价值，最具含金量 (8) 3、BI应用快速推广，未来消费智能百倍增长空间 (9) （1）BI成为全球CIO首选技术，我国BI市场提速发展 (9) （2）从商业智能到消费智能，前景广阔 (10) ①BI发展趋势一：从O/B域向M域延伸 (10) ②BI发展趋势二：企业全员BI (11) ③BI发展趋势三：消费智能 (11) 二、标杆分析：东方国信 (12) 1、BI龙头，有能力发展成全产业链解决方案提供商 (12) （1）国内BI格局 (12) （2）公司深耕BI领域，具备成为全产业链解决方案提供商的能力 (14) 2、战术措施：纵向产业链延伸，横向行业拓展 (17) （1）纵向延伸，向上管理咨询，向下业务运营 (17) （2）横向拓展，重点突破金融、制造、能源等领域 (20) 3、业务：电信领域稳健成长，非电信领域倍增空间 (21) （1）电信领域：从O/B域向M域扩展，从联通向移动电信渗透 (21) ①从O/B域向M域扩展将提升BI业务的体量和效果 (21) ②基于联通的成功，大力拓展移动电信业务 (22) （2）非电信领域：并购进入金融和制造业BI领域，能源空间广阔 (23) ①金融行业是BI的下一个主战场 (23)

人工智能课程报告-138071解读

研究生课程考试成绩单任课教师签名：日期：

浅谈基于人工神经网络的日负荷预测学号：138071 姓名：万玉建摘要本文是作者在学习《人工智能》课程以后，结合作者本人工作的需要，根据《人工智能》课程中人工神经网络知识和在网上搜索到的相关资料，提出关于电力系统日负荷预测，运用基于人工神经网络的算法的组网结构和实现步骤的一些简单的构思和设想。 1引言本人一直从事电力系统监控软件研发和管理工作，电力系统监控软件监控的对象就是电力负荷情况，而电力负荷预测则是系统的高级应用，它是根据历史的负荷数据，预测未来的负荷情况。由于电力负荷资源不可储存性，即发电机发出多少电，实时就要用多少负荷量，因此，就要求事先需要知道未来的用电负荷。正确地预测电力负荷，既是为了保证人们生活充足的电力的需要，也是电力工业自身健康发展的需要。日负荷预测是指对未来1日的负荷进行预测，一般每15分钟一个负荷点，1日共96个数据。实际工作中，当天上午负荷预测人员根据昨天和更前的历史负荷数据预测明天的负荷数据，然后按一定格式生成文件上传到相关负荷管理部门。之前公司负荷预测软件中提供了线性回归法、曲线拟合法、平均值外推法、最小二乘法等负荷预测算法，但是这些算法都只是根据历史负荷数据进行一些数学的运算，没有考虑天气、节假日等情况，这些因素是负荷变化的重要的因素，而这些算法无法将这些因素量化并参加计算。本学期学习了《人工智能》课程，其中有关于人工神经网络知识，这让本人想起来早在几年前在设计负荷预测软件时，曾经看到有人使用基于人工神经网络，把天气、节假日等因素加进来的进行预测的算法，当时也想增设这样的算法，但因为对算法不是很理解和其他种种原因一直没有实现。而今，恰好在课本学了人工神经网络，就考虑设计一种基于人工神经网络的负荷预测算法。本文描述这种算法的构思和设想。 2影响负荷预测因素的分析由于电力系统负荷是一个很复杂的非线性系统，有许多直接或间接的因素都会对电力系统的日负荷产生直接的影响。但是在实际的负荷预测中，又不能考虑太多的影响因素。这一方面是收集这些资料困难，另一方面因素太多会造成建模困难，并且会带来大量的计算。因此，在考虑神经网络输入量的问题上，应抓住其中几个最具特征的影响因素。根据对历史负荷的分析，一般可把负荷分为两类：周期性负荷和变动性负荷。周期性负荷，或者说标准负荷，反映的是负荷自身变化的基本规律，呈较强的周期性，尤其受到时间周期的影响。针对短期负荷，时间周期因素包括：周周期、日周期等。它们对于日负荷的曲线模式有着极为重要的影响。在气象条件中，起主要作用的是温度因素和天气状况。因此为了在负荷预测中考虑这两方面的影响，本文对每天的气温的输入变量可以进行分段处理，将天气状况中最重要的气温因素进行量化处理并作为神经网络的一个输入量。这样就更加能够体现出实际负荷的变化情况。

人工智能企业现状分析报告

人工智能企业现状分析报告目录第一节人工智能企业现状分析 (2) 一、人工智能企业现状发展阶段 (2) 二、人工智能企业现状发展概况 (2) 三、人工智能企业现状商业模式分析 (3) 第二节人工智能企业发展现状 (4) 一、人工智能企业现状分析 (4) 二、人工智能企业发展分析 (4) 第三节人工智能企业分析报告 (4) 第一节人工智能企业现状分析一、人工智能企业现状发展阶段近些年来，我国人工智能领域有取得了飞速发展。英飞拓人工智能企业是一家创新型、信息化、集成化的整体安防制造商，致力于为全球英飞拓人工智能安防提供最高端、最安全、最值得信赖的解决方案。科大讯飞语音识别技术已经处于国际领先地位，其语音识别和理解的准确率均达到了世界第一，自2006年首次参加国际权威的Blizzard Challenge大赛以来，一直保持冠军地位。百度推出了度秘和自动驾驶汽车。腾讯推出了机器人记者Dreamwriter和图像识别产品腾讯优图。阿里巴巴推出了人工智能平台DTPAI和机器人客服平台。清华大学研发成功的人脸识别系统以及智能问答技术都已经获得了应用。中科院自动化所研发成功了“寒武纪”芯片并建成了类脑智能研究平台。华为也推出了MoKA人工智能系统。

人工智能作为一种通用目的技术（GPT），是当前科技创新和推动产业升级转型的焦点。人工智能的发展及其在各个领域的应用，将会显著改变几乎所有行业原来发展的路径，不断催生新的业态和新的商业模式，形成新的发展空间，同时也为我国促进科技创新、提升国家竞争优势甚至赶超发达国家带来了新的机遇。二、人工智能企业现状发展概况人工智能（Artificial Intelligence，简称AI）是研究人类智能活动的规律，构造具有一定智能的人工系统，研究如何让计算机去完成以往需要人的智力才能胜任的工作，也就是研究如何应用计算机的软硬件来模拟人类某些智能行为的基本理论、方法和技术。人工智能是计算机学科的一个分支，既被称为20世纪世界三大尖端科技之一，也被认为是21世纪三大尖端技术之一。近年来，我国人工智能产业获得快速发展。我国市场的工业机器人销量猛增我国智能语音交互、指纹识别、人脸识别、虹膜识别等产业规模迅速扩大。同时，我国已经拥有国家重点实验室等设施齐全的研发机构和优秀的人工智能研发队伍，研发产出数量和质量也有了很大提升。很多企业也积极布局，如百度的百度大脑计划、科大讯飞超脑计划、京东智能聊天机器人等。目前我国自主知识产权的文字识别、语音识别、中文信息处理、智能监控、生物特征识别、工业机器人、服务机器人、无人驾驶汽车等智能科技成果已进入广泛的实际应用。也正基于此，我国出台了大量支持人工智能发展的政策。2015年7月1日，国务院印发《关于积极推进"互联网+"行动的指导意见》，将"互联网+人工智能"列为11项重点行动之一；而时至11月，《机器人产业"十三五"发展规划》草案已基本制定完成。另外“中国制造2025”重点领域技术路线图构建了中国机器人产业发展蓝图的同时扩大了人工智能的关注度。

券商行业分析报告

券商行业分析报告一、业务结构（一）券商四大业务结构： 1.收别人的钱-经纪业务：相当于麻将馆老板，你们自娱自乐我来抽成。行话叫“通道”，各大券商的主要财源； 2.帮别人借钱-投资银行业务（盘活资产）。包括IPO，承销股票债券，以及做并购交易的掮客。 3.管别人的钱-资产管理：一个是设计，发行理财产品。二是通过基金子公司来管理。 4.向市场提供钱-交易：这里分两部分，一个是借本钱给人玩（资本中介），包括融资融券，约定式回购和股票质押，以及做市商应该也算。二是用自己本钱下注，包括股票，股指期货，ETF以及分级基金，对冲基金等。下面统计为总资产排名前六位券商的业务结构制表(截止2014年年报) （二）国外同行的业务结构

1、摩根士丹利和高盛高盛44%的收入来自对机构客户的服务部门，除交易外，高盛在直接投资方面也十分活跃，该部门现在被称为商业银行部门。其财富管理部门与摩根士丹利无法比拟，摩根士丹利仅靠财富管理部门收益便有45亿美元收入，而高盛的相应部门收入仅为15.8亿美元，是摩根士丹利的三分之一。摩根士丹利CEO James Gorman在财报发布后向摩根士丹利分析员表示，“关键就是不为取得盈利而加大风险。”高盛首席财务官Harvey Schwartz上周强调了高盛致力于复杂交易的决心，交易包括大宗商品、衍生品、和债券交易，并认为交易结果决定了高盛第一季度的成功。可见国外同行与国内不同之处在于盈利模式的个性化，这也将是未来国内券商的发展方向。 2、高盛10k报告解析

高盛四块业务： 1、投资银行，包括金融咨询，承销服务，又分股票承销和债券承销； 2、机构客户服务，这部分貌似提供做市商功能，在股票、固定收益、货币和大宗商品市场提供做市商功能和专业建议。客户中大部分为个人打理退休金、闲置资金和存款等。通过高盛全球买卖系统接收交易指令，发布投资研究，交易建议，搜集市场信息和进行深度分析。发布分为固定收益，货币和商品客户交易指令执行（代客户交易），股票，又分股票客户执行，佣金和手续费，证券服务收入。收入的四个来源：流动性高的市场：如sp500，抵押证券等，执行大量交易指令；低流动性市场：如中型企业基金，成长初期的货币和抵押证券等；指定交易，如客户的风险敞口或者一些复杂的需求；剩下的就是类似于国内的融资融券。总体分为现金和衍生品两部分，收取手续费和佣金。总体感觉，执行交易、做市商、融资融券等，收取手续费。3、投资和借款。长期投资，在不同资产间切换，首选是债券。可能直接投资，也可能通过自己管理的基金来投资。高盛管理了很多资产组合，在资产置换，带杠杆的并购基金，并购和投资基金，被外部部门管理。投资管理，通过全球资产配置，投资组合来管理，手段包括对冲基金，信用基金，私人股权基金，不动产，现金，衍生品等。给客户理财。根据客户需求定制资产组合，进行资产配合和投资变现。4、其他就是管理和咨询费用，从管理的高净值客户资产中产生。（三）国内券商与高盛的比较

2017年面向大数据的人工智能技术综述报告

面向大数据的人工智能技术综述报告【摘要】本文通过分析人工智能技术当前的主流分类及所采用的核心技术，对其现状进行梳理，据此总结出目前所存在的问题及难点，并在上述研究和分析的基础上，探讨在大数据快速发展的背景下，人工智能技术的发展趋势和关键技术领域，就面向大数据的人工智能技术未来发展的相互关系和潜力进行一些初步探讨，提出可以利用大数据完善人工智能技术的建议。【关键词】面向大数据；人工智能；发展趋势引言 2016年正好是人工智能诞生60周年，它从科学成果逐渐转化为商业应用成果，并在人们的生活中逐渐起到越来越重要的作用。近年来，人工智能技术日益融入金融、科研等各个领域，随之而来的是大量的新型信息数据和资料的产生。当人工智能遇上大数据，究竟会引爆怎样一种改变世界的力量？是更大的数据让人工智能凸显出独立性，还是更强的算法成就了机器的自我学习？对于进入机器学习的时代，应用需求已经超越了原来普通的编程和数据库所能提供的解决范畴，面对空前庞大的数据量，通过人工智能技术将可能提供智能化的处理服务解决方案。面对大量的数据，如何进行整合处理，将大数据用于实时分析并对未来预测，使当下获取到的数据信息能进行有利于现有行为的分析预测，转化为有利的资源，俨然成为新的思潮。１.研究背景 1.1 大数据和人工智能的概念什么是大数据？是技术领域发展趋势的一个概括，这一趋势打开了理解世界和制定决策的新办法之门。根据技术研究机构IDC的预计，大量新数据无时不刻不在涌现，它们以每年50%的速度在增长，或者说每两年就要翻一番多。并不仅仅是数据的洪流越来越大，而且全新的支流也会越来越多。比方说，现在全球就有无数的数字传感器依附在工业设备、汽车、电表和板条箱上。它们能够测定方位、运动、振动、温度、湿度、甚至大气中的化学变化，并可以通信。将这些通

行业研究报告投资银行篇

行业研究报告投资银行篇如果说咨询是靠智慧赚钱，那投行就是靠钱赚钱……你想知道投行是如何创造一个又一个的财富神话的吗你想走近传说中拿到投行offer的几位南大牛人吗也许，投行对你来说很陌生;也许，你从没有听过MS，ML，GS，Jp Morgan，CSFB……但当你点击浏览的那一刻起，你的职业生涯也许就会因此而改变!让我们一起，慢慢揭开投行神秘的面纱。1.投行生活在感性的印象里，投资银行里工作的是一群穿西装、打领带、开名车、坐飞机头等舱、住星级酒店的典型成功人士。虽然不知道他们在干什么，但从他们今天巴黎，明天纽约的行程中，我们也能隐约地知道他们都很忙。的确，国际知名的投资银行一直都是华尔街精英梦寐以求的地方。由于投资银行所从事的交易一直以来很少让公众所知晓，而投资银行又不断地创造着财富神话，再加上投资银行家们独具品位的生活方式，这种反差使得投资银行这个行业充满了神秘感和诱惑力。超负荷的繁忙生活想进投行，就要做好准备迎接超负荷、高强度的工作和毫不停歇的长途奔波。不仅如此，投行的精英们还要不断地更新知识、获得信息，使自己永远处于最专业最敏感的状态。所以，一旦进入这一行，你就必须对自己的生活方式高度自律。职业银行家应该做好长期奋斗的心理准备，调整自己的生活节奏，尽最大努力获得学习经验，保持坚持不懈的专业精神。投资银行帮助企业和政府

发行证券，帮助投资者购买证券、管理金融资产，进行证券交易与提供金融咨询等服务。因此，投行从业人员需要极为熟悉欧美国家(尤其是美国市场)的主要经济指标和统计数据的解读及其在投资银行具体行业研究中的应用。体面的收入投行不仅以高强度的工作闻名，也以其丰厚的薪水让人称之为“金领一族”，让其它行业望尘莫及。根据《澳大利亚金融评论》引述一项非正式的调查结果，在纽约投资银行工作的 MBA 毕业生，第一年可以挣得 20 万到万美元，4 年以后，这个数字涨到 60 万元，如果坚持 7 年，可以达到每年 100 万元。在高盛银行和摩根斯坦利，这个数字还可以稍微高一点，每年有 110 万元。7 年就可以成为百万富翁，这个梦的诱惑太大了，大得可以盖过所有过来人的“忠告”，任何一个年轻的银行家，不论为哪一家投资银行工作，都可以告诉刚刚走出校门、渴望挣大钱的学生们同样的故事：如果选择了投资银行，就意味着要放弃好多年正常人的生活，他们如何一连7 天工作，一连数周每天只睡 2 个小时，如何因为一点拼写错误而遭到来自老板的难以想象的训斥，如何忍受屈辱、收起自尊，一遍又一遍改写一个高中水平的简单文件。但这些带有劝戒的故事，从来没有激起哪怕是一点点浪花，多少年来，华尔街都有人嚷嚷着“My Life Sucks”，然后甩出辞职信，从投资银行离开，但很快又会有人前仆后继地加入。此外，还有一个有趣的现象是，在申请投资银行

重庆人工智能项目投资分析报告

重庆人工智能项目投资分析报告投资分析/实施方案

摘要人工智能在投资研究上的应用。通过人工智能技术拓宽投资信息来源，提高获取信息的及时性，减少基础数据处理的工作量，通过自动化的数据分析，为投资决策提供参考，从而提高投资研究的效率。人工智能在资本市场相关领域的应用。从使用者的角度来看，智能投研的受众包括各种类型的投资者（买方）、券商（卖方）、监管机构、银行和财经媒体等。从投资的标的来看覆盖一级市场公司、股票、债券、外汇等。而人工智能的应用场景涉及业务的各种环节，与投研直接相关的就包括研究、投资、交易和风险管理。该人工智能设备项目计划总投资20665.28万元，其中：固定资产投资14660.51万元，占项目总投资的70.94%；流动资金6004.77万元，占项目总投资的29.06%。达产年营业收入40197.00万元，总成本费用31296.20万元，税金及附加370.80万元，利润总额8900.80万元，利税总额10499.30万元，税后净利润6675.60万元，达产年纳税总额3823.70万元；达产年投资利润率43.07%，投资利税率50.81%，投资回报率32.30%，全部投资回收期 4.60年，提供就业职位739个。报告根据项目产品市场分析并结合项目承办单位资金、技术和经济实力确定项目的生产纲领和建设规模；分析选择项目的技术工艺并配置生产设备，同时，分析原辅材料消耗及供应情况是否合理。

随着人工智能的迅速发展，将提升社会劳动生产率，特别是在有效降低劳动成本、优化产品和服务、创造新市场和就业等方面为人类的生产和生活带来革命性的转变。基于人工智能产业的战略作用，中国政府正通过多种形式支持人工智能的发展，形成了科学技术部、国家发改委、中央网信办、工信部、中国工程院等多个部门参与的人工智能联合推进机制。 2017年，人工智能首次写入政府工作报告，同年7月，国务院印发《新一代人工智能发展规划》，明确人工智能的发展在国家战略中的地位。报告主要内容：项目概述、背景及必要性、市场前景分析、投资建设方案、项目选址规划、项目工程设计、工艺技术分析、项目环境影响分析、项目安全管理、项目风险、项目节能方案分析、实施进度计划、项目投资情况、项目经济评价分析、综合结论等。