【智能社会治理研究学术开放论坛】第三期

4月18日，第三期智能社会治理研究学术开放论坛在蒙民伟楼328-18会议室如期开展，浙江大学公共管理学院教授黄萃老师主持了论坛。在主讲报告环节，有2位同学进行了分享。分别是（1）计算机科学与技术学院陈杨瑾博士后研究员：《人工智能在量化金融领域中的应用与探索》；（2）教育学院王丽博士研究生：《ChatGPT对论证内容的评价及反馈效果研究》

人工智能在量化金融领域中的应用与探索

陈杨瑾博士后分别介绍了多因子模型、深度学习Alpha因子研究、强化学习资产配置、机器学习量化基本面等内容。（1）首先通过建立多因子模型进行风险暴露计算、绩效归因和组合优化。（2）深度学习算法模型参数复杂，适用于从长期历史数据中寻找alpha因子、对高频时间序列趋势判断、高维量化因子融合训练等计算量庞大的复杂任务。（3）深度强化学习资产配置研究目标建立平衡风险和收益的RL交易框架；建立portfolio间的资产联系；提供模型可解释性。（4）机器学习量化基本面研究构建宏观因子、行业因子、产业链因子、公司财务因子等多维基本面因子，全方面覆盖物价、货币、财政、利率、工业、生产、消费、进出口、各行业上下游供应链状况等指标，利用机器学习算法追踪行业板块轮动和商业周期，优化资产配置。

ChatGPT对论证内容的评价及反馈效果研究

在论证教学评价过程中，由于论证内容量大、复杂程度高，因此，教师对论证内容的评价与反馈耗时费力，常出现评价要点遗漏、反馈滞后、缺乏个性化等问题。ChatGPT的出现为解决这一问题提供了可能性。本研究以论证内容的评价为切入点，采用混合研究方法，通过使用ChatGPT对论证内容进行评价与反馈，从精准度及反馈类型出发检验ChatGPT对论证内容的评价与反馈的效果，探究ChatGPT应用于论证内容评价与反馈的潜在价值。

王丽博士根据研究发现：第一，ChatGPT对论证内容评价的精确度表现良好，达到了智能反馈工具精确度的阈值范围（90%-100%）。第二，ChatChatGPT对论证内容评价效果受到文本长度的影响，具体表现为其精确度和召回率随着文本长度的增加而降低。第三，ChatGPT对论证内容评价的精确度和召回率受到提示词数量的影响，具体表现为提示词数量越多，其精确度和召回率越高。第四，ChatGPT针对论证内容生成四种反馈类型，包括任务型反馈、过程型反馈、建议型反馈和情感型反馈。

总体而言，ChatGPT在论证内容的评价与反馈过程中表现出良好的潜力与价值，能够为教师评价论证内容提供有益补充。最后，研究从教师角色的转变、学生反馈素养的提升、自动反馈工具的更新迭代三个方面提出启示与建议。

*注意：为了保护知识产权，论坛会议全程请勿录音、录像、截屏。会议嘉宾对其PPT内容和演讲词具有最终解释权。未经主讲人许可，严禁对外私自传播会议中出现的数据模型、文献引用等演讲内容。