TensorFlow

项目搭载五大串联式核心功能模块，形成反洗钱全闭环能力。异动监测完成全行交易全量扫描，实时触发风险预警并统计风险走势；支持策略参数灵活调优，优化规则命中率。风险评分模型量化交易风险等级，自动分拣高风险案件。AI审理可全自动完成客户资料核查、案件初审与复核，支持自动审理/人工复核双模式。最后标准化生成监

1. 模块总览：全局指标看板，统计交易量、规则命中、AI高风险案件，展示14日风险趋势，统筹监控、分析、运营全流程。​2. 监控与合规解析：自动解析监管合规文件，生成风控规则，实时监测全量交易流水。​3. 规则&AI模型管理：统一配置风控阈值、策略，深度学习模型评定交易风险，输出高风险工单。​4. 

项目背景随着金融市场数据规模快速增长，传统量化策略依赖人工经验设计因子和规则，难以充分挖掘复杂时间序列中的隐藏规律。本项目探索深度学习模型在量化投资策略预测中的应用。核心功能金融行情数据采集与预处理多维特征工程与因子构建LSTM/GRU/Transformer时间序列预测模型量化策略生成与历史回测收

项目包含数据读取与清洗、归一化处理、灰色关联度分析特征筛选、WGAN合成样本生成、LSTM时序预测、误差评估（MSE/RMSE/MAE）和结果可视化等模块，核心功能是在小样本金融数据条件下提升股价预测精度与稳定性。

基于RAG的LLM金融AI分析师系统，支持用户上传财报、研报、新闻等金融文本资料，并结合实时新闻资讯进行公司分析。系统通过文档切分、向量化存储、相似度检索和提示词组装，将用户问题与相关资料一起输入大语言模型，生成带有来源引用的金融问答、基本面分析、风险提示和投资研究摘要。项目重点解决通用大模型在金融

1.自选基金管理支持添加/删除自选基金，维护个人关注组合支持为每只基金录入成本价、持仓份额、持仓备注（可选）支持分组管理（如：半导体、制造、指数、债基等）2.规则配置与策略模板支持为每只基金配置个性化规则：买入区间（如2.27–2.30）止盈阈值（如≥2.47）止损阈值（如≤2.20）分批买入/分批