AI算法研究
探索机器学习在金融市场的应用，研究智能交易算法的理论基础和技术实现。我们关注深度学习、强化学习、图神经网络等前沿技术在金融时间序列分析、模式识别与预测中的潜力，持续推动算法创新。
技术研究
技术研究领域
聚焦前沿科技，驱动金融与人文的双重创新
AI算法研究
量化分析技术
数据技术研究
AI与人自然互动
研究板块一：量化投资技术研究
专注于为内部资本管理提供智能化交易支持，探索人工智能在金融市场的深度应用。
该板块聚焦量化投资技术研究的完整链路，从 AI 算法研究、量化分析技术到数据技术研究，构成创盈金策在金融科技方向上的核心研究框架，也为创盈量化系统提供持续的策略验证、市场识别与数据支撑能力。
量化分析技术
开发回测和模拟交易系统，验证量化策略的有效性和风险控制能力。建立完善的策略评价体系，从收益、风险、稳定性、容量等多维度评估策略表现，确保策略的可靠性与可解释性。
数据技术研究
研究金融市场数据处理技术，探索多维度数据源在量化投资中的应用。包括高频数据处理、另类数据挖掘、数据清洗自动化、数据血缘追踪等，为策略研发提供高质量的数据基础。
研究板块二：AI与人自然互动研究
聚焦真实场景中“理解人”的能力建设，面向应用价值与落地效果，构建AI与人的深度连接。
在这一研究方向中，创盈金策进一步延展至 AI 与人的自然互动研究，通过 Tangmote AI 相关能力探索语境理解、情绪感知、场景化交互与安全稳定保障，推动技术从算法层迈向真实生活与服务场景。
核心定位
Tangmote AI 的本质，是一套“AI驱动的个体信息深度感知与物理化反馈系统”。与纯软件AI不同，其核心创新在于：AI的决策与生成能力，与物理载体（糖粒）的“自智能”深度耦合，形成一种双向认知增强的技术范式。
独有算法增强
提升语境理解、情绪识别和反馈连续性。
轻量交互输出
以温和、可执行的方式输出场景化交互建议。
安全稳定保障
在既有规则框架内优先保障安全、稳定和可靠性。
应用场景研究
围绕医疗健康、教育培训、个人成长与 AI 机器人互动等重点方向，持续研究 AI 在真实场景中的温和表达、稳定反馈与长期陪伴能力。
1
医疗健康
核心应用场景：医患互动、慢病支持
扩展场景：团队协作
研究定位：非治疗性辅助，提升照护体验与日常管理仪式感。
2
教育培训
核心应用场景：教学过程、个性化辅导
扩展场景：课程开发
研究定位：体验式学习媒介，服务科学、艺术、语言等学科。
3
个人成长与生活方式
核心应用场景：情感陪伴、健康养生
扩展场景：兴趣深耕
研究定位：小而美、轻负担、高频次的日常陪伴产品。
4
AI机器人互动
核心应用场景：服务接待、社交陪伴
扩展场景：协作辅助
研究定位：降低机器冰冷感、提升信任和温度的交互介质。