信息管理学院第一届学术科创节｜丁晓蔚老师课题组：深耕数智领域研发，培养数智大航海时代的卓越领航者

一、课 题 组 介 绍

1

丁晓蔚老师课题组暨南京大学普惠·三农金融科技创新研究中心（https://fintech.nju.edu.cn）是南京大学校级科研教学创新平台，致力于探索基于区块链、大数据、人工智能等先进信息技术的下一代数字金融基础设施、体系架构及计算范式，并从数字金融延伸拓展至数字经济、传播、社会、宇宙。

研究中心特色如下：

● 在长江学者苏新宁教授的指导下探索构建金融情报学（并延伸拓展至上述其他方面）；

● 挪威工程院容淳铭院士和美国数理统计学会院士、斯坦福大学黎子良教授等专家团队指导；

● 丁晓蔚教授毕业于世界顶尖名校、具备华尔街顶尖金融名企大数据AI建模优化实战经验，非常乐于手把手带教；

● 研究主线为大数据AI建模优化；

● 理论与实践相结合，面向应用，面向实践，导师丰富的业界经验可指导做真正有应用价值的研究；

● 研究金融与信息技术的学科交叉和深度融合，进而研究硬科技与软科学（不限于金融）的交叉融合；

● 体现全球视野，连线斯坦福、硅谷、清华，与它们密切交流合作；

● 追踪行业前沿，与业界前沿机构密切交流合作；

● 拥有完善的从0基础开始培养的人才培养体系。

根据同行评价，当前金融情报学呈初兴态势、方兴未艾，研究中心位居全国前列。

研究平台：

金融信息与情报、金融大数据联合课题组：与BBD成立金融信息与情报、金融大数据联合课题组。拥有完善的企业数据库和模型库、完整的大数据服务产品线和丰富的行业解决方案，致力于打造“全球领先的大数据金融科技和政府治理智库服务机构”。

金融经济大模型实验室（FinEconLLM Lab）：将LLM与金融经济领域的专业知识相结合，构建金融经济大模型，开发智能化的金融决策系统和投资分析工具，致力于用大模型来解决金融风险、市场、产业及舆情问题，推动金融经济大模型的发展。

区块链数字金融联合课题组：提供基于“基于区块链可信大数据AI”的金融数字化整体解决方案，是中国最早从事区块链新金融、法定数字货币关键核心技术和监管科技研究的团队之一。致力于近距离追踪和参与引领国际/国内对于区块链新金融领域的理论创新与实践探索。最早提出了两种金融相向而行的主张。

人工智能实验室：主要围绕金融（延伸扩展至经济和社会）领域应用。致力于人工智能领域内相关技术的研究，特别是可信人工智能的研究，包括可解释的人工智能（XAI）、以人为本的人工智能（HAI）、稳定的机器学习等以及人类智慧和人工智能深度融合的研究，从而支持更加智慧的金融研究，服务可信、安全、隐私保护、智慧、高性能、有温度的下一代数字金融（延伸扩展至数字经济和数字社会）。

2

（1）导师介绍

研究中心负责人丁晓蔚（https://im.nju.edu.cn/dxy1/list.htm），系南京大学信息管理学院教授、博导，研究中心金融经济大模型实验室负责人，亚洲区块链产业研究院学术专委会委员，中国计算机学会数字金融分会常委、数字资产发展委员会执委、区块链专委会执委。毕业于斯坦福大学先进金融科技实验室，获金融经济博士和统计学博士学位（辅）。曾在摩根斯坦利和世界知名对冲基金城堡对冲基金（被评为人类历史上最赚钱的对冲基金第1名）从事量化金融大数据AI建模优化实战，拥有丰富的大数据AI建模优化实战经验。提出并探索构建“大数据、大模型、大计算”全新范式驱动的基于区块链可信大数据可信AI的金融信息与情报学及国家金融安全和下一代数字金融，并延伸拓展至数字社会和数字传播。在UTD24/FT50和学科卓越期刊发表高被引论文多篇，论文12篇/次被《新华文摘》等四大权威文摘转载转摘。出版专著4部。授权发明专利4项。研究成果曾被微软和华尔街投行等借鉴或采纳。获江苏省第十七届社科优秀成果二等奖、全国高校双创优秀论文一等奖、省十七届学术大会优秀论文一等奖、全国区块链优秀教材二等奖。荣获CSIC2023年度数字技术创新杰出贡献人物奖。两获省委领导批示。

2017年回到母校南京大学的信息管理学院工作后，在大数据情报、金融信息与情报、大模型方向从事教学科研工作。开设《区块链+人工智能与金融创新》（校级双创平台课课程、教育部协同育人课程）和《大数据、区块链与金融情报分析》课程，现已全部引入大模型并以大模型为主要核心展开授课，探索该方向人才培养工作。指导学生获2018年度美国大学生数学建模竞赛特等奖（全球排名前7，前千分之一）、2024年度美国大学生数学建模竞赛一等奖、全球互联网与通信清算连接大会“最佳创新结算”奖、亚太区高校金融科技大赛一等奖第一名等数十个大赛奖项。2023年5月，提出融数共建、开放共赢，联合起来打造高质量产业大数据和高质量产业基座大模型两大国家新型基础设施，明确提出应对OpenAI挑战并弯道超车的方略，发起成立国内首个高质量产业大数据大模型联盟。

2020年：在苏新宁教授指导下提出构建金融信息与情报学；

2021年：提出并践行基于区块链可信大数据AI的下一代数字金融理论并延伸扩展至数字经济社会；

2022年：提出并践行“大数据、大模型、大计算”全新计算范式，提出大规模金融经济超算；

2022年：国家首个数据质量评估证书专家组组长，提出并探索“数据金融”新方向；

2023年：倡议并践行打造高质量产业大数据高质量产业基座大模型，应对OpenAI挑战并弯道超车。

丁晓蔚教授的人生轨迹

同行评价

（2）导师寄语：

作为一名导师，我始终以成为学生的良师益友为己任，致力于帮助学生实现梦想。我深知每位学生的成长路径与目标各不相同，因此，我依托自身丰富的业界经验，为学生量身定制个性化成长方案，助力他们少走弯路，更加顺利地迈向成功之路。在科研与教学中，我怀抱对学术的激情和对学生的热情，努力建立亦师亦友的关系，在学术探讨和生活交流中，以平等友爱的态度对待学生，始终将他们的利益放在首位。我相信，真诚相待才能激发学生的学习兴趣，帮助他们在学术上取得更大的成就。作为导师，我十分注重责任心，时刻关注学生的学习进度，及时给予反馈和帮助，确保他们能够获得最佳的学习成果与成长体验。希望通过我们的共同努力，学生不仅能够实现学术上的飞跃，更能在人生的道路上不断进步，迈向更加光辉的未来。

3

（1） “大数据、大模型、大计算”全新范式

课题组较早all in大模型，成立了大模型实验室（与斯坦福硅谷和清华等名校名企专家合作），并提出“大数据、大模型、大计算”全新范式。通过整合海量数据，运用算法模型，并借助强大的计算能力，识别和解决复杂问题。研究包括风险管理、政策分析、舆情监测、市场预测以及财富管理等关键领域。该范式将成为金融情报学和下一代数字经济社会的全新计算范式。基于该范式进一步驱动了数字金融基础理论、金融信息与情报学科、国家金融安全的构建和发展，为金融领域的研究和实践开辟了新的维度。课题组将该范式应用于各领域（不仅仅是金融）。

大模型示意图

引用自“A F M , A V P , B L P ,et al.OUTCOMES OF PATIENTS WITH CHRONIC LYMPHOCYTIC LEUKEMIA (CLL) ACCORDING TO THE REASONS FOR INITIATION OF FIRST-LINE TREATMENT: A RETROSPECTIVE ANALYSIS OF THE BRAZILIAN REGISTRY OF CLL - ScienceDirect[J].  2021.”

课题组探索大模型研发与应用的各个方面：

大模型的引入应用矩阵

课题组尤为注重研究时间和空间两个维度建模即Spatial-Time Modeling（这囊括了大多数建模问题）的“大数据、大模型、大计算”全新范式：

事件和事务（风险、犯罪、安全态势等）的动态时空演化：3D架构

课题组的研究重点为：将生成式人工智能AIGC与预测决策式人工智能PDAI转化融合。

（2）基于区块链可信大数据AI的全新数字基座

基于区块链可信大数据AI的下一代数字基座，体现六大技术特征：可信、安全、隐私保护、社会责任、智慧、高效。区块链+大数据AI分析可以保证数据的不可篡改性和透明性并能够提供更适应行业的数字服务，支持向数字经济和数字社会的延伸拓展，如智慧政务、智能制造等。

区块链+AI+专利贷款和保险平台

区块链+AI+专利资产证券化

（3）大数据分析挖掘与知识发现

中心专注于开发高效的数据挖掘算法和知识发现技术。通过应用情报学原理和感知、认知等大数据AI技术，对多源、异构、高维、高噪、实时的大数据进行实时分析处理，揭示市场行为的内在规律，预测行业趋势，评估风险，并为金融机构提供决策支持。我们的研究并不限于金融，而是延伸拓展至社交网络分析等传播、社会等领域。

以大模型智慧大脑作为媒介和桥梁驱动的人类智慧与机器智能融合

（4）金融信息与情报学 – 关于预测和决策的学科

探索金融信息与情报学的学科体系，包括金融科技和数字金融等领域。金融情报学的定义就是通过DIKIW范式（数据->信息->知识->情报->智慧）链从金融之外来研究金融。在理论方面，注重于金融情报学的原创理论，应用DIKIW范式着重于通过高层次的信息处理，增强对未知领域的预测和决策能力。在应用方面，通过情报学的方法和工具，提升金融信息的处理能力和应用效率。研究重点包括金融数据->信息->知识->情报->智慧的采集、处理、分析、转化和传播，以及如何以此解决金融中痛点难题。DIKIW范式体现出：从数据到信息再到知识再到情报，情报学是最牛的存在！

在苏新宁教授的引领下，课题组探索构建金融信息与情报学。

探索创建金融信息与情报学

DIKIW范式 —— 从数据到信息再到知识再到情报，情报学是最牛的存在！

参考自“Cleveland H .Information as a Resource[J].Futurist, 1982.”

（5）数字金融发展和安全，并延伸拓展至数字经济、传播、社会与宇宙（元宇宙）

课题组不但聚焦研究数字金融的发展与安全，同时也密切关注数字传播、数字经济等发展趋势。探索通过大数据AI建模优化，将金融信息情报学的话语体系、学科体系、学术体系和下一代数字基座延伸拓展至数字经济、传播、社会和宇宙。提出数字时代的整个逻辑脉络应是基于“数字身份→数字货币→数字信用/信誉→数字资产（含数据资产）→数字信贷→数字银行→数字证券→数字投行→数字金融（含数据金融）→数字经济（含数据经济）→数字社会→数字宇宙”。

数字金融2.0的金融体系

数字经济及其底座

（6）人文社会科学研究的数字化和科学化（AI4EconFinance, AI4SocialScience）

基于在金融情报学和数字金融、“大数据、大模型、大计算”全新范式、基于区块链可信大数据AI的全新数字基座等方面的研究积累，课题组致力于构建AI大模型驱动型研究环境，利用AI大模型在经济和社会科学研究中实现突破和创新。研究团队利用AI大模型开发不同数据集和预测场景的模型架构，探索算法的自动设计流程、简化AI大模型的开发和部署流程，进而提高研究工作的效率和科学性，降低行业和专家的AI使用门槛。为在社会网络分析、公共政策评估以及风险评估、经济预测等软科学的方方面面提供强有力的理论、方法和技术支持。

二、 课 题 组 成 果

1

（1）理论研究

丁晓蔚,苏新宁.金融情报学：情报学的重要分支学科[J].情报学报(学科卓越期刊、国自然管理学部A类),2020,39(02):158-170.

丁晓蔚,苏新宁.基于区块链可信大数据人工智能的金融安全情报分析[J].情报学报（学科卓越期刊、国自然管理学部A类）,2019,38(12):1297-1309.

丁晓蔚.数字金融时代的金融情报学：学科状况、学科内涵和研究方向[J].情报学报（学科卓越期刊、国自然管理学部A类）,2021,40(11):1176-1194.

丁晓蔚.从互联网金融到数字金融：发展态势、特征与理念[J].南京大学学报(哲学·人文科学·社会科学)（学科一流期刊）,2021,58(06):28-44+162.

丁晓蔚.互联网金融全面风险情报体系构建研究——金融情报学的视角[J].情报学报,（学科卓越期刊、国自然管理学部A类）2022,41(12):1280-1293.

（2）实践/技术研究

Xu R, Zhang J*, Ding X*. LLM-GNN: A Novel Large Language Model-Graph Neural Networks Integration Framework with Application in Ethereum Phishing Fraud Detection. Accepted by BCRA2024.

丁晓蔚,赵鑫,刘梓航,刘天昊.舆情精准研判中的ChatGPT:“大数据、大模型、大计算”范式驱动的理论与应用探索[J].传媒观察, 2024, 483(3):53-72.

丁晓蔚.互联网金融全面风险情报体系构建研究——金融情报学的视角[J].情报学报,（学科卓越期刊、国自然管理学部A类）2022,41(12):1280-1293.

丁晓蔚,季婧,赵笑宇等.互联网金融安全情绪感知及风险预警应用研究——基于BERT所作的探索[J].情报杂志,2023,42(09):57-70.

丁晓蔚,赵笑宇,丁毅杰等.基于大数据的互联网金融风险情报实证研究——以P2P网贷为例[J].情报科学,2022,40(12):42-55+95.DOI:10.13833/j.issn.1007-7634.2022.12.006.

Chu X, Jiang T, Li X, Ding X*. Bye audit! A novel blockchain-based automated data processing scheme for bank audit confirmation[C]//Blockchain Technology and Application: Second CCF China Blockchain Conference, CBCC 2019, Chengdu, China, October 11–13, 2019.

Ding X*, Zhu H. Blockchain-based Implementation of smart contract and risk management for interest rate wwap[C]//Blockchain Technology and Application: Second CCF China Blockchain Conference, CBCC 2019, Chengdu, China, October 11–13, 2019.

Ding X*, Ren L, Sang Z, et al. Routing optimization for high speed photon state-channel architecture[C]//Blockchain Technology and Application: Second CCF China Blockchain Conference, CBCC 2019, Chengdu, China, October 11–13, 2019.

Shi L, Li S*, Ding X*, et al. Selection bias mitigation in recommender system using uninteresting items based on temporal visibility[J]. Expert Systems with Applications(中科院1区), 2023, 213: 118932.

Ding X, Giesecke K, Tomecek P I. Time-changed birth processes and multiname credit derivatives[J]. Operations Research(UT DALLAS 24), 2009, 57(4): 990-1005.

Giesecke K, Goldberg L R, Ding X. A top-down approach to multiname credit[J]. Operations Research(UT DALLAS 24), 2011, 59(2): 283-300.

Ding X, Roy K. A novel bitstream level joint channel error concealment scheme for realtime video over wireless networks[C]//IEEE INFOCOM 2004(CCF A). IEEE, 2004, 3: 2163-2173.

（3）代表性工作论文和技术报告选列（Selected Working Papers & Technical Reports）

Statistical Arbitrage in High Frequency Trading Based on Limit Order Book Dynamics, Murat Ahmed, Anwei Chai, Xiaowei Ding, Yunjiang Jiang, Yunting Sun, 2009.

Automatic Trading and Statistical Arbitrage – A System Integration Approach, 2009.

Stock-RCNN: Stock Movement Learning by Opportunity Window Detection, 2017.

A Blockchain-Based Intelligent Trading System for Securitization and Structured Finance, 2020.

Forecasting Loan Performance Using Deep Learning and Big Data, 2020.

Forecasting Bond Ratings Using Large Language Models,2024.

（4）专利

基于小微贷款资产池损失率计算的监控方法及系统，已授权

一种基于区块链多方授权的银行电子询证函生成方法，已授权

一种基于区块链的专利证券化交易支持系统及其交易方法，已授权

基于大数据和深度学习的专利价值智能评估系统，已授权

一种基于区块链和大数据技术的新型知识产权交易系统与指数评价系统，申请中

一种基于区块链的专利质押贷款系统及交易方法，申请中

一种基于区块链和专利池技术的专利交易方法，申请中

2

（1）LLM-GNN: A Novel Large Language Model-Graph Neural Networks Integration Framework with Application in Ethereum Phishing Fraud Detection. Accepted by BCRA2024.

研究目标：开发一种新的检测框架，有效识别以太坊平台上的钓鱼欺诈行为。

研究方法：

LLM-GNN框架：创新性地将大型语言模型（LLM）与图神经网络（GNN）结合起来，构建了一个多层次、高维度的预测框架。利用LLM在语义理解和生成方面的能力，为图结构提供动态和多样化的视角。

GNN的深度挖掘：在LLM的辅助下，通过GNN挖掘网络中的隐藏模式，有效区分正常交易和欺诈活动。

总体架构图

研究过程：

从Etherscan获取以太坊交易数据，构建大型交易图。

将交易数据转换为图结构，并根据时间序列将图分割为多个子图。

设计了包含数据描述、问题描述、LLM动态预测模块、GNN模块和钓鱼检测节点分类的模型架构。

实验验证：

使用真实以太坊交易数据集评估所提出框架的有效性，并与现有的钓鱼欺诈检测模型进行比较。结果表明，所提出的解决方案在检测精度、召回率和适应新欺诈模式方面超越了现有的欺诈检测模型。

研究贡献：

提出了一种新颖的LLM与GNN集成框架。

将集成框架应用于以太坊平台的钓鱼欺诈检测，并提出了一种新的检测框架。

通过实证评估展示了所提出解决方案的优越性能。

（2）互联网金融安全情绪感知及风险预警应用研究——基于BERT所作的探索[J].情报杂志,2023,42(09):57-70.

研究目的：构建互联网金融风险情报支撑体系，提出并构建基于BERT的互联网金融安全情绪感知模型。

研究方法：

利用BERT技术构建互联网金融安全情绪感知模型（IFSSP）。

构建集成指数移动平均EMA的模型（IFSSP+EMA）。

构建集成指数移动平均EMA和对抗训练PGD的模型（IFSSP+EMA+PGD）。

模型用于从高维、异构、稀疏、高噪声、高频的大数据中挖掘隐藏信息和安全线索，提取风险预警因子、特征和指标。

在微观、中观、宏观层面上应用模型进行实证研究，包括对个别平台的风险测度、地区间风险比较、全国层面的风险压力分析。

研究结论：基于BERT的互联网金融安全情绪感知技术能提高风险预警的准确率，在实证应用中体现出可行性和有效性。

技术流程图

（3）互联网金融全面风险情报体系构建研究——金融情报学的视角[J].情报学报,（学科卓越期刊、中国自然管理学部A类）2022,41(12):1280-1293.

研究目的：探索构建一个互联网金融全面风险情报体系，以提高金融创新及规制、风控监管的理论和方法。

理论基础：文章首先提出了构建互联网金融全面风险情报体系的理论基础和框架。

风险分析：

外部风险分析：使用大数据方法推演互联网金融企业的外部风险，如法律风险、舆情风险等。

内部风险分析：通过大数据分析探析互联网金融企业的内部风险，如市场风险、信用风险等。

微观层面：构建了针对单个互联网金融企业的风险情报体系，实现实时量化风险评估。

中观和宏观层面：研究了行业、区域及国家层面的全面风险情报体系，为监管提供智力支持。

实证研究：文章进行了应用实证研究，搜集了大量P2P网贷平台数据，通过模型训练和预测，形成风险曲线和风险地图等情报产品。采用了包括时间序列分析、面板模型、深度学习等在内的多种统计和机器学习模型进行风险动态演进研究。

互联网金融全面风险情报体系研究架构图

研究结果：通过实证分析，验证了构建的互联网金融全面风险情报体系在实际应用中的可行性和有效性。提出了构建国产安全、自主可控的互联网金融全面风险情报体系的建议，并强调了国家金融安全情报超算预警“天眼”系统的重要性。

实证研究PoC 智慧大屏

互联网金融全面风险情报体系运行示意图

（4）金融情报学：情报学的重要分支学科[J].情报学报(学科卓越期刊、国自然管理学部A类),2020,39(02):158-170.

研究目的：

鉴于国家战略、风险防控、技术条件以及情报学和金融学学科自身发展的需求，金融情报学的建立和发展有其迫切性。金融情报学作为情报学的一门新兴的分支学科，有着广阔的发展前景，在服务经济社会发展和国家安全方面潜力巨大。

金融情报学主要研究内容：

核心概念界定：包括定义金融情报、金融大数据情报、金融情报学。

情报学已有积淀转化为金融情报学的研究内容：如情报分析、竞争情报、风险情报等。

金融实践为金融情报学提供内涵丰富的研究对象：如金融风险防范、金融创新发展、金融运行规律、中国金融与世界金融的对接等。

金融情报中的支撑技术及其应用示意图

金融情报学建立、建设和发展中的关键点：

实现情报学自身的提升。

实现情报学与金融学的相融。

实现思维方式的相应转变。

实现由金融数据到金融情报的转化。

实现对更强情报分析技术的目标追求。

大数据人工智能在金融情报分析中的使用示意图

（5）基于区块链可信大数据人工智能的金融安全情报分析[J].情报学报（学科卓越期刊、国自然管理学部A类）,2019,38(12):1297-1309.

研究目的：

探索和构建一个基于区块链、大数据和人工智能的金融安全情报分析框架。这个框架旨在提高金融风险的预测准确性，加强金融危机的预警能力，并维护国家金融安全。通过这一研究，作者希望为金融创新及规制、风控监管理论和方法的完善贡献力量。

研究过程：

问题识别：识别了金融安全情报分析中存在的问题，特别是2008年金融危机中情报分析的不足，包括数据不完整、信息孤岛、模型质量受限等。

技术融合探讨：探讨了区块链、大数据和人工智能技术如何与情报分析相结合，提出了可信大数据和可信人工智能的概念，并讨论了这些技术在金融情报分析中的应用潜力。

理论分析：对区块链技术特征进行了深入分析，探讨了其如何帮助解决数据质量问题，并提出了基于区块链的可信大数据和人工智能的金融情报分析模型。

功能与架构设计：设计了金融情报分析的功能与架构，包括如何利用先进技术手段改进金融风险监测、预警和防控。

区块链+AI+专利资产证券化

（6）Shi, L., Li, S., Ding, X., & Bu, Z. (2022). Selection bias mitigation in recommender system using uninteresting items based on temporal visibility. Expert Syst. Appl., 213, 118932..

这篇文章主要探讨了在推荐系统中，显式反馈数据中存在的选择偏差问题，并提出了一种基于“无兴趣项目”（uninteresting items）的填充策略来缓解这种偏差，从而提高推荐准确性。

研究目的

分析选择偏差对显式反馈数据分布和推荐结果的影响。

验证是否可以通过建模用户对未评分物品的“预使用偏好”来有效识别“无兴趣项目”。

验证基于“无兴趣项目”的填充策略是否能够缓解选择偏差，并提高推荐准确性。

比较显式反馈和隐式反馈方法在缓解选择偏差方面的效果。

研究过程：

问题分析：

显式反馈数据存在选择偏差，导致评分分布偏向高分，不利于 topN 推荐的准确性。

现有的数据填充方法大多基于观察到的评分数据，容易高估未评分物品的评分，无法有效利用用户对未评分物品的负面偏好。

方法设计：

提出“预使用偏好”的概念，将用户对物品的偏好分为“预使用偏好”和“后使用偏好”。

基于用户活动、物品流行度和时间信息构建“物品时间可见性”指标，并利用 ITV-eALS 模型来建模未评分物品的“预使用偏好”。

将“预使用偏好”较低的物品识别为“无兴趣项目”，并以低分进行填充。

实验验证：

在三个真实数据集上进行实验，验证了选择偏差对推荐结果的影响。

对比了 ITV-eALS 模型与 WRMF 和 eALS 模型的效果，验证了 ITV-eALS 模型在识别“无兴趣项目”方面的优越性。

通过参数调整实验，确定了最佳的填充策略参数。

将 ITV-eALS 模型与其他推荐算法进行对比，验证了该方法的有效性。

研究结果

选择偏差会导致评分分布偏向高分，并对推荐准确性产生负面影响。

ITV-eALS 模型能够有效识别“无兴趣项目”，并缓解选择偏差。

基于“无兴趣项目”的填充策略能够显著提高推荐准确性，并且优于仅使用隐式反馈的方法。

显式反馈方法在缓解选择偏差后，其推荐性能优于隐式反馈方法。

研究结论

基于“无兴趣项目”的填充策略是一种有效的方法，可以缓解选择偏差，并提高推荐准确性。

显式反馈方法在缓解选择偏差后，其推荐性能优于隐式反馈方法。

该方法可以应用于各种推荐算法，具有良好的通用性和实用性。

（7）Blockchain-based Implementation of Smart Contract and Risk Management for Interest Rate Swap——IRS （Interest Rate Swap）

研究目的：

目前业界存在对IRS产品风险预估的大量问题，包括不准确的产品定价方式，以及其他多种原因导致的高风险敞口。与此同时，尽管使用了较高的初始保证金，IRS产品依旧得不到较好的保护。同时，银行流动性也因此降低了。

研究过程：

分析行业痛点：仅同步账本就需大量人力物力财力；银行和金融机构就算使用较大的初始保证金IM和变动保证金VM，IRS的风险敞口依旧较高；根据Basel III，银行需要定期汇报effective expected positive exposure (EEPE)，并要求银行据此准备相应的核心资产core capital；较大的风险敞口导致银行和金融机构流动性变差，且风险变高，而区块链的出现能够缓解这个问题。

目前的行业痛点

针对IRS这一衍生品（该产品被广泛应用于对冲汇率风险，是最为重要的金融产品之一），分析传统的（违约）风险过程并揭示传统流程和模型的劣势。

Fig. 1. Diagram of a state object representing a cash claim of f100 against a commercial bank.owned by a fictional shipping company

Fig.2. Sketch map for atomic swap process.

针对传统的劣势提出基于区块链的全新解决方案：对基于区块链的违约过程时间线进行算法设计、流程图设计以及模型改进，最后经数值实验得出科学结论。

改进模型（部分）

Fig. 3. (a). Expected exposure with IM protection with and without blockchain. (b). Expected exposure without IM protection with and without blockchain.

（8）基于区块链可信大数据AI的新型知识产权（专利）交易融资平台

通过引入第三方专利池运营商，将专利池中的专利打包经营销售。同时，通过联动机制，在专利池和区块链之间形成联动。

区块链+新型知识产权（专利）交易融资平台运营流程

（9）基于区块链可信大数据AI的IoT和M2M经济的可编程支付基础设施架构

迈向可编程金融、自金融、泛金融、无金融。

Hierarchical IoT and P2P Control

三、团 队 建 设

1

（1）师生互动：导师对科研有激情，对学生热情，建立亦师亦友、平等友爱的新型师生关系，站在学生的角度考虑问题，团队打造了从0基础开始的培训和完善的实训。导师痴迷编程40年、耕耘大数据AI金融和金融科技20余载、沉浸数据+模型+计算20余年，现在仍每天码代码，并开设大模型编程课程。手把手辅导编程实证、数据建模、建模优化、项目实践、论文写作。让学生科研有动力、有方法、无压力、不迷茫，深受学生好评。

（2）开放合作与实训：团队连线斯坦福硅谷，与斯坦福、清华等名校合作，与BBD等头部企业合作，提供向行业领袖面对面请教的机会，提供与相关的课程和团队科研项目相结合的实训机会，如区块链、人工智能、大数据分析等。 

（3）多路径培养：课题组分为理论组和技术/实践组两个小组。前者适合文科背景小伙伴，后者适合理工科背景小伙伴（都可以提供0基础培训实训）。提供面向升学、考公、就业和创业的多路径培养方案，培养研究生五大能力。学术方面，支持学生将研究成果发表在学术期刊上，或申请专利，帮助学生培养学术研究兴趣和学术研究能力，提升学术履历和竞争力。在职业发展方面，导师根据学生的兴趣和职业目标，量身定制成长规划，帮助学生根据个人目标和实际情况规划职业发展道路。同时，课题组提供丰富的行业网络资源，助力学生建立职业和项目联系。课题组的毕业生去向广泛且优异，许多学生成功进入国内外知名互联网企业、金融机构、咨询公司和科研院所等高端就业市场，一部分学生还选择继续深造攻读博士学位，或在考公和创业领域取得优异成绩，展现了课题组在培养高素质、全方位人才方面的卓越成效。

2

（1）课程活动

（https://fintech.nju.edu.cn/hdsj/index.html）

南京大学国际合作与交流处、南京大学普惠•三农金融科技创新研究中心、教育部协同育人项目课程《区块链+人工智能与金融创新》联合主办了《区块链暑期学校——海外院士大讲堂》活动。暑期学校课程共5天，分为三部分内容：一是容淳铭院士向同学们面对面讲授区块链知识；二是容院士现场解答同学们的问题；三是容淳铭院士受聘为南京大学普惠·三农金融科技创新研究中心首席科学家，并为完成区块链暑期学校的学生颁发结业证书。

南京大学FinTech4Good志愿者协会、南京大学区块链+金融俱乐部邀请中山大学管理学院特聘教授袁先智教授开展探索大数据金融及信用评级体系交流研讨。

南京大学普惠·三农金融科技创新研究中心联合承办的“5G+银行机器人”应用大赛暨未来领袖高峰论坛，邀请了来自中国银行、科沃斯、IBM及南京大学等知名企业和高校的专家、学者参与评审，并对参赛选手进行全程学术支持和专项辅导。

（2）社会实践

（https://fintech.nju.edu.cn/FinTech4Good

/index.html）

南京大学Fintech4Good工作部从事金融科技向善和公益金融科技的研究工作，同时组织、指导大学生志愿者团队南京大学金融科技向善志愿者（NJU FinTech4Good）团队具体执行和实践金融科技向善和公益金融科技项目。三农金融科技项目是当前工作部组织的金融科技向善项目中的一个重点项目，我们从“三农”问题出发，寻找金融、经济、社会中的痛点，基于区块链、人工智能、大数据、5G、机器人等最新信息技术，将人文社会科学界的理念与情怀和商业界的洞见与模式融合起来，走向社会、面向农村、面向实践，每一位团队成员立志成为“知民间疾苦、有社会担当”的直击金融、经济、社会痛点问题的探索者和解决者。

项目成果

山西楚侯乡调研

山西侯乡乡长访谈楚晓岩同学形成访谈笔记      

2020年4月11日临猗富一方苹果专业合作社访谈

云南双柏实践

带领学生赴云南双柏农村就金融下乡、金融扶贫进行为期一周的调查研究，正在形成2万字的调查报告，将进一步把我们提出的解决方案进行实践落地。

云南双柏县扶贫办

带领南京大学金融科技向善(FinTech4Good)工作部团队走访云南双柏县扶贫办：

楚晓岩同学和杨晶晶同学向双柏县扶贫办领导介绍金融模式

向云南双柏县财政局领导介绍"基于区块链的三农公益金融科技创新工具箱

双柏金融机构

中国农业银行双柏支行行长（中）交流     

为邮政储蓄银行双柏支行领导介绍"基于区块链的三农公益金融科技创新工具箱

楚晓岩同学向中国人民银行双柏支行领导介绍金融模式

调研团队与双柏县农村信用合作社领导合影    

村镇与社区

与和平村村支书交谈 

  调研团队与和平村能人合影

调研团队走访双柏县妥甸镇总工会和党政办

调研团队走访康和社区与康和社区村支书合影

南京大学定点扶贫项目

调研团队走访南京大学定点扶贫项目——央派第一书记电商平台并与负责人合影

农民金融难的问题是我国小农民和大市场的主要矛盾在金融市场上的微观体现，本项目通过先连接小农户和大银行，再连接小农户和大市场，通过基于区块链可信大数据、可信人工智能科学指导生产和“资金流”、“信息流”、“产品流”、“物资流”、“人才流”，将农业从生产到销售的全产业链治理起来，彻底解决三农问题，为公益金融贡献力量。

（3）专家分享

（https://cms.nju.edu.cn/xxglxy/rcpy/index.html）

邀请世界统计学界泰斗级人物斯坦福大学黎子良教授来校为本科生做讲座，坚持践行“出神入化”办学理念，引入极其优质的资源

选修《区块链+人工智能与金融科技》课程的学生正在全神贯注地聆听斯坦福大学黎子良教授的精彩讲座并积极提问

邀请挪威工程院院士容淳铭教授走进课堂，为课程教学引入高档、优质资源。

在讲座中，容院士讲得十分投入，同学们听得非常入神

邀请同济大学博士生导师刘儿兀教授受邀来我校与修读《区块链+人工智能与金融科技》课程的学生“面对面”

同济大学刘儿兀教授与同学们分享基于DWELT融合定位的 导路者定位导航技术，同学们踊跃提问

数位行业专家为选修《区块链+人工智能与金融科技》课程的学生开区块链技术前沿讲座

行业专家的真知灼见使同学们深受启发

科沃斯商用机器人公司副总经理董纪冬先生在讲座中回答了同学们关心的机器人如何服务于金融的一连串问题

学生在研究金融服务机器人

同学们在饶有兴趣地聆听Julien Chien所做讲座

3

课题组/研究中心科研教学和人才培养工作获同行高度评价，被评为位列国内前列。

经过将近5年的耕耘和努力，金融情报学已呈初兴态势；多位同行专家对本人及课题组/研究中心（本人所负责的南京大学普惠·三农金融科技创新研究中心）金融情报教研工作作出较高评价。陈桠、洪秋兰在《我国图情院校金融情报学研究基础及发展建议》（《情报探索》2023年第6期）一文中将研究中心评价为位居全国前列（请参见下图）。

同行对课题组/研究中心教研和人才培养工作高度评价

在面向实训实践的金融信息与情报人才培养方面，陈桠等评价说：“南京大学普惠·三农金融科技创新研究中心由丁晓蔚老师与北京知链公司合作开设的区块链＋人工智能与金融创新课程，采用了高保真实战案例模拟演练的方式，对学生实行区块链＋金融科技的实训教学。这种实操类课程，不仅能够激发学生的动手热情，还可以锻炼学生的实践能力”。

四、课 题 组 优 秀 学 生 代 表

1

李虓虎，16级信息管理与信息系统系本科生，16级信息管理与信息系统系组织委员。曾协助丁晓蔚老师进行课程教学工作，指导同学学习，获得了同学老师以及合作企业代表的一致好评，作为团队成员参与了计算机科学与技术系王晓亮老师主导的《基于RDMA技术人工神经网络加速研究》，使用项目成果参加了2019 APAC HPC-AI竞赛，并作为负责人负责由我院丁晓蔚老师主导的《高性能架构状态通道研究》项目。获得“链未来”2019年度高校区块链技术应用大赛二等；2019“中银创想秀”亚太高校大学生“5G+银行机器人”应用大赛一等奖；独立完成校级暑期社会实践项目《基于高性能分布式区块链的智能金融》

搜狐网采访报道《人物特辑 | 李虓虎：大学——从知识的吸收者到知识的创造者》（https://www.sohu.com/a/347486792_765451）

Q：请问你认为你们在比赛的过程中能够获胜的关键因素是什么呢？

A：我认为我们能够取胜，第一个因素是我们受到了丁老师及其负责的南京大学普惠三农金融科技创新研究中心的精心指导和大力支持。丁老师开设的《区块链+人工智能与金融创新》课程请来大量业界专家大咖来做讲座，包括请来挪威工程院容淳铭院士、微众银行张开翔首席架构师及其团队等专家学者来为我们做辅导，让我们开放眼界，完善了我们的参赛方案。另一个因素在于我们有一个确实落地并实际运行的系统demo。在比赛中，各个参赛队伍的idea和商业计划其实都十分优秀，都切中了当前银行和金融领域存在的痛点问题，并提出了可行的解决方案。在这方面大家其实很难分出高下。这个时候，如果能够拿出一个能落地并实际运行的解决方案demo示例，那么在评委眼里这个方案的可行性就要远远超出其他队伍的方案，得分自然是不会低的。

比赛现场合照（右三）

戴静怡，中共党员，毕业于南京东山外国语学校，曾为南京大学2019级商学院财务管理专业本科生。曾担任商学院学生会副主席、班级班长、新生学院朋辈导师。曾获2021年国家奖学金、第十二届挑战杯中国大学生创新创业全国金奖、第十七届花旗杯特等奖及特别单项奖、第三届BSN黑客马拉松大赛全国创新奖、第三届全球金融精英挑战赛全国冠军及最具潜力奖、大学生计算机设计大赛国家二等奖、2022南京大学学生年度人物提名奖等奖项，并多次获得南京大学优秀共青团员、优秀学生干部标兵等荣誉称号。

《科研竞赛达人or爱舞蹈的摄影师？南大商科学子的AB面，真酷！》

（https://baijiahao.baidu.com/s?id=17618

41827907383969&wfr=spider&for=pc）

在众多乐于与自己交流、帮助自己的师友中，戴静怡印象最深的是丁晓蔚老师。在选修丁老师关于区块链金融AI的课程后，戴静怡在丁老师的指导下参加了第十六届“花旗杯”金融创新应用大赛，并作为队长带领着由三十位同学组成的团队探索区块链金融与三农的联系，与社会公益相结合，在农村与养老院进行融合利用。尽管只获得了国家级三等奖，但这一次比赛为戴静怡的专业发展点亮了一盏明灯，她发现商科能够为社会带来福祉，金融向善改变世界。后面，她也持续参加了第十七届花旗杯比赛并获得了佳绩。

第十七届“花旗杯”比赛现场的戴静怡（左一）

周孟博，硕士毕业于南京大学软件学院，现为丁老师课题组博一博士生。荣获南京大学优秀朋辈导师荣誉称号，曾参与实验室重要课题及项目3项，2篇论文现已投稿CCF A类会议，在安卓测试和分布式系统测试领域分别授权和受理国家专利各1项。参与完成了知识图谱质量保障相关的国家自然科学基金的申请工作，曾担任与中国移动的校企合作项目的负责人，并多次参与高水平学术会议。

研三期间，周孟博对金融情报学中大数据人工智能与数字金融的学科交叉领域进行了深入研究。在丁晓蔚老师的指导和帮助下，他参与了金融情报学中金融AI大模型研究工作并取得显著成果，现已发表CSSCI论文1篇，准备投稿论文1篇。该研究旨在挖掘大语言模型在情报计算和逻辑推理中的内在潜质，在深度融合金融情报学和人工智能领域知识的基础上，提出了一种全新的金融计算问题求解范式。它包括一套创新的多智能体框架，通过协调多个智能体的行为，有效地解决一系列复杂的金融计算问题，使得开源模型也能达到闭源模型（如GPT-4）的性能和准确度。该计算框架融合金融大模型与人工智能中的对比学习、集成学习等先进技术，促使金融市场情报分析、风险情报评估和情报决策优化的能力达到全新境界。其最终目标在于，通过卓越的情报处理和深度分析能力，实现对复杂金融市场动态的深入理解和精准预测，从而为高度竞争的金融市场中的决策者提供坚实的支撑，也为金融监管者提供强有力的决策支持。进而在此基础上，基于上述大语言模型来驱动金融决策，以“码治”代替“人治”，重构数字时代的金融风险管理方法和数字金融监管体系。

周孟博每次与丁晓蔚老师的交流，都像是一扇通往新知世界的大门。丁晓蔚老师人非常Nice，非常耐心、非常睿智、知识非常渊博、既是编程高手，也非常乐于帮助和辅导。在丁老师的指导下，周孟博同学发现金融AI大模型不仅是数字时代金融情报学领域的一次重大飞跃，更是促进经济稳健发展的有力支撑。他立志研发出更加智慧的模型和系统，帮助金融从业者和监管者做出更加智慧的决策，洞察市场情绪，提高市场风险预测的科学性、准确性、稳定性。这既可以发展壮大数字时代的金融情报学，也可以为维护国家金融安全贡献力量。周孟博同学正以其敏锐的学术洞察力和坚韧不拔的科研精神，为金融情报学领域注入了新的活力与希望。丁老师课题组正以开放的姿态和前瞻的视野，吸引着国内外众多优秀学者的加入。他们携手并进，致力于推动金融AI大模型的研究，为构建更加智慧、安全、高效的金融市场贡献力量，共同开创数字金融的新篇章。

2

本科生在2022-2023、2023-2024学年的匿名教评中，把我称为“信管劳模，太肝了”，是“一位幽默风趣，善解人意的好老师”，称道说：“认真负责，愿意花很多时间”，“好”，“好好好”，“DIKIW很有用，谢谢老师”，“老师讲的很多东西都特别好，讲的都是最新、最好、最实用的东西”，“老丁牛逼！！！”，“丁老师上课热情饱满，互动性强，授课内容与时俱进，实践性强”。

某次申报教学奖项，学生写了十多封推荐信（请参见下图）更是好评如潮。

3

美国大学生数学建模竞赛特等奖（全球6000多支队伍中排前7，奖牌入藏南大校史博物馆）；

全球互联网与通信清算连接大会“最佳创新结算”奖；

亚太高校金融科技大赛一等奖（第1名）、三等奖（第6名）；

全国花旗杯金融创新大赛三等奖（多项）；

全国高校区块链大赛二等奖（第2、3、4名）、三等奖（第7名）。

4

卡纳基梅隆、纽约大学、哥伦比亚大学、康奈尔大学、UCL、帝国理工、剑桥、牛津、北大、清华、中科院、交大、复旦、人大、阿里、蚂蚁金服、百度、美团、滴滴，等等。

5、优秀学生代表周孟博寄语

作为研究团队的优秀学生代表，我深感自豪。在团队中，我不仅收获了与行业前沿接轨的编程实证、数据建模等技能，还通过理论与实践的结合，深入参与了大数据、区块链、AI等领域的前沿研究。团队导师们的悉心指导，不仅帮助我在学术上取得进步，更为我量身定制了职业规划，明确了未来的发展方向。此外，在团队的温馨氛围中，我结识了来自不同学科背景的朋友，大家共同成长，彼此激励。团队强调的“金融科技向善”的理念，也让我认识到学术研究应服务社会，这不仅提升了我的专业素养，也加深了我对社会责任的理解。通过团队的训练和磨砺，我在学术与个人成长的各个方面都得到了全面发展，这一切都将成为我未来前行的宝贵财富。

作为研究团队的优秀学生代表，我深感自豪。在团队中，我不仅收获了与行业前沿接轨的编程实证、数据建模等技能，还通过理论与实践的结合，深入参与了大数据、区块链、AI等领域的前沿研究。团队导师们的悉心指导，不仅帮助我在学术上取得进步，更为我量身定制了职业规划，明确了未来的发展方向。此外，在团队的温馨氛围中，我结识了来自不同学科背景的朋友，大家共同成长，彼此激励。团队强调的“金融科技向善”的理念，也让我认识到学术研究应服务社会，这不仅提升了我的专业素养，也加深了我对社会责任的理解。通过团队的训练和磨砺，我在学术与个人成长的各个方面都得到了全面发展，这一切都将成为我未来前行的宝贵财富。

五、希望本科生及研究生了解

或掌握的关键概念或方法论