摘要
在涉及大规模数据集、不确定性以及复杂决策的金融技术应用中，人工智能和机器学习正变得越来越重要。首先，本文回顾了2010年至2025年间应用于金融领域的基于人工智能和机器学习的方法，重点探讨了预测分析与基于优化的决策方法之间的关系。研究指出存在两大主要研究方向：（一）用于金融预测、股价预测、风险管理以及欺诈检测的预测型人工智能/机器学习模型；（二）用于解决具有约束条件的金融决策问题的优化方法，包括投资组合优化、资产负债管理以及基于风险的决策制定。这两大方向大多独立发展，而在现实金融环境中，预测的不确定性会直接影响决策质量，这就带来了诸多挑战。其次，本文从决策角度分析了如何利用基于人工智能/机器学习的预测结果，在存在不确定性和实际金融约束的情况下进行优化。文章强调了考虑不确定性因素的优化方法、基于模拟的方法以及诸如混合启发式方法在提升金融决策稳健性方面的作用。最后，本文指出了未来研究的方向，即构建整合预测分析、优化方法和模拟技术的综合金融决策支持框架，以应对动态且充满不确定性的金融技术环境。
