还剩2页未读,继续阅读
文本内容:
单选题全国证券公司的数量基本保持在130家左右,其中绝大部分公司的经营业绩为(C)A亏损B保本C盈利D.不确定⑵近几年,证券经纪业务收入在证券公司营业收入中的占比逐年(A)A下降B不变C.上升
0.不确定
(3)程序化交易就是根据事先制定的入市、离市、资金和仓位管理、风险控制等一系列交易规则,由(D)进行的自动化交易A.投资者B交易员C交易所D.计算机
(4)自(C)年4月1日起取消证券公司外资持股比例限制,符合条件的境外投资者可根据法律法规、证监会有关规定,依法提交设立证券公司或变更公司实际控制人的申请A.2018B.2019C.2020D.2021⑸近几年,证券市场新增投资的增速(C)A.加快B.不变C.放缓D.不确定
2.多选题⑴程序化交易就是根据事先制定的ABCD等一系列交易规则,由计算进行的自动化交易A.入市B离市C.资金和仓位管理D.风险控制2证券公司经国务院证券监督管理机构核准,取得经营证券业务许可,可以经营ABCD等A.证券经纪业务B.投资咨询业务C.承销与保荐业务D.融资融券业务3目前,金融科技在证券业务中创新应用的成果主要有BCD等A柜台父易B.智能投顾C.智能投研D.程序化交易4一个理想中完整的智能投顾流程大致可以分为:用户分析、ABCD调整优化等阶段A.资产配置B.投资分析C.策略生成D.分析反馈5智能投研的商业模式包括ABCA.金融文本处理工具B一级市场数据库C二级市场数据库D上下游数据库
3.判断题⑴程序化交易是一个简单的由计算机进行自动交易的过程(错)⑵区块链(block chain)是一种集中共享数据库(数据分布式储存和记录)、利用去中心化和去信任方式集体维护一本数据簿的可靠性的技术方案(错)⑶金融科技在证券行业落地将放缓,证券产品创新将减速(错)⑷互联网企业的进入,使得传统证券公司的竞争加剧、利润下降(对)⑸金融科技在证券行业的广泛使用,对个人和企业信息泄露、隐私保护未产生任何影响(错)
4.简答题
(1)什么是智能投顾其主要目标和驱动力分别是什么?答案
(1)智能投顾,是基于对用户基本信息、社交行为、消费记录、财务状况、理财目标等数据进行综合分析,结合现代投资组合理论、效用函数理论、行为金融学理论等,应用一系列人工智能算法为客户量身定制打造资产配置方案,并对投资组合进行实时跟踪和自动再平衡主要目标将理财服务普及到未被人工覆盖的群体,带给用户更好的体验,并使金融服务成本降低、效率提高主要驱动力大数据、云计算、机器学习、语音识别、语言处理、知识图谱与传统金融理论、产品、服务的结合⑵什么是程序化交易一个完整的程序化交易包含哪些环节?答案
(2)程序化交易是一种在计算机和网络技术的支持下,根据事先制定的入市、离市、资金和仓位管理及风险控制等一系列交易规则,由计算机自动完成的交易方式程序化交易并不是一个简单的由计算机进行自动交易的过程,而是一个由交易策略构思、计算机程序实现、历史数据回测、参数优化、模拟应用检验、实盘交易、跟踪监测、改进完善等众多相互独立又相互联系的环节构成的一个系统性动态过程程序化交易从接受信息、分析信息、制定决策、下达指令,到交易信息反馈、账户管理、风险控制等全过程,都是在计算机实时联网过程中完成
5.分析应用题智能投研是人工智能在投资研究上的应用o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研究标的来看,智能投研覆盖一级市场公司、股票、债券,外汇,宏观经济数据等请研究现有市场上的智能投研平台,如萝卜投研、同人智能投研、巨灵智能投研等
(1)梳理智能投研的大致实现过程答案
(1)智能投研是人工智能在证券公司及其他资产管理公司的投资研究领域应用,其核心是提升金融数据的分析能力,提高工作效率梳理智能投研的大致实现过程第一,深入了解公司及行业信息如管理层情况、公司战略、行业渗透率、客户来源、产能、业务分拆等第二,拆解信息形成定性结论如议价能力、护城河深度、行业增长潜力等第三,分析数据形成定量结论和模型如细分业务数据拆解、业务收入分析、业务成本分析、估值分析、盈利预测等第四,跟踪监控变化检讨修正如政府政策、新技术出现、客户需求变化、新竞争者出现等
(2)分析金融科技在智能投研中如何发挥作用?答案智能投研中,主要应用人工智能和大数据技术,构建开放、分享、高效的智能投研平台辅助用户在证券研究过程中高效处理信息、快速挖掘投资线索,为投资决策提供重要支持;帮助机构沉淀积累碎片化的研究成果,从而构建投研团队核心竞争力在智能投研中,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、知识图谱等人工智能拓展了数据来源,大幅提升了数据运算的能力,通过机器学习、深度学习能分析多元、非线性关系,寻找相关性而非局限于因果关系。