深度解读！气象数据赋能实体经济：“温度指数（保险）+天气衍生品”创新应用落地

气象数据赋能实体经济：“温度指数（保险）+天气衍生品”创新应用落地

北京，2024年6月17日 - 近日，中国气象局印发了《关于表彰2024年第一批“气象数据要素×”典型案例的通知》，由国家气象中心申报、大商所参与的“温度指数（保险）+天气衍生品”应用试点案例成功入选。该案例充分发挥了气象数据的经济价值，为涉农、能源、制造等多个领域提供了风险管理新工具，助力实体经济高质量发展。

创新指数赋能风险管理

“温度指数（保险）+天气衍生品”应用试点，以国家气象中心权威的温度指数为基准，通过金融创新手段，将天气风险转化为可交易的金融产品，为相关产业链条上的企业提供风险保障。

该项目的核心技术在于温度指数的构建。该指数通过机器学习技术，对我国20亿条气象大数据进行归纳分析，遴选哈尔滨、呼和浩特、乌鲁木齐等15个城市作为基准城市，构建了包括日平均温度指数（DAT）、月度累积平均温度指数（CAT）和反映温度偏离18℃的月度制热/制冷指数（HDD/CDD）等在内的多层次温度指数体系。

衍生品创新助力产业发展

基于温度指数，各试点项目开发了丰富的衍生品产品，包括指数保险、期货、期权等，为相关产业提供了多样化的风险管理方案。

例如，广东省推出的“水产养殖温度指数保险+衍生品”，为水产养殖户提供因高温或低温导致的鱼虾死亡风险保障；湖北省推出的“茶叶寒潮指数保险+衍生品”，为茶叶种植户提供因寒潮冻害导致的茶叶减产减收风险保障；北京市推出的“果树寒潮指数保险+衍生品”，为果树种植户提供因寒潮冻害导致的果树受损风险保障。

典型案例引领示范效应

“温度指数（保险）+天气衍生品”应用试点的成功落地，为气象数据赋能实体经济提供了宝贵经验，也为其他行业领域的气象数据应用开创了先河。

中国气象局表示，将继续推动气象数据价值挖掘和应用，开发更多高质量的气象数据产品和服务，助力各行各业降本增效、转型升级。

案例亮点

• **创新性强：**该项目首次将温度指数与天气衍生品相结合，为气象数据在金融领域的应用开创了新模式。
• **实效性高：**该项目已在多个行业落地应用，取得了良好的经济效益和社会效益。
• **示范性强：**该项目为其他行业领域的气象数据应用提供了可借鉴的经验。

未来展望

随着气象数据的不断积累和完善，以及金融科技的快速发展，“温度指数（保险）+天气衍生品”应用模式将进一步推广应用，为更多产业和领域提供风险管理服务，助力气象数据赋能实体经济高质量发展。

超越Transformer：清华蚂蚁推出纯MLP架构，时序预测性能获突破性提升

北京，2024年6月14日 - 清华大学人工智能研究院蚂蚁智研团队近日宣布，他们提出了一种基于纯MLP（多层感知机）架构的时序预测模型，在多个公开数据集上取得了显著优于Transformer架构的成果。该研究成果将为时间序列预测领域带来新的技术范式，并有望在金融、医疗、物联网等众多行业得到广泛应用。

传统基于Transformer架构的时序预测模型，通常采用编码器-解码器结构，通过自注意力机制捕捉序列之间的依赖关系。然而，Transformer架构存在参数量大、计算复杂度高等问题，限制了其在长序列预测等场景中的应用。

清华蚂蚁团队提出的纯MLP架构，摒弃了自注意力机制，采用MLP网络直接对序列进行建模。得益于MLP架构的简洁性和高效性，该模型能够在保持精度的同时大幅降低计算成本。

在多个公开数据集上的实验证明，清华蚂蚁的纯MLP架构在短序列和长序列预测任务上均取得了最优结果。例如，在著名的股票价格预测数据集标杆之一Nasdaq 100上，该模型的平均误差率降低了15%以上。

清华蚂蚁团队的研究工作，为基于深度学习的时序预测模型提供了一种新的思路，有望推动该领域的技术进步和应用普及。

以下是对主要信息的扩充：

• 纯MLP架构的优势
  • 参数量更小，计算效率更高，模型更轻量化。
  • 训练速度更快，更容易部署到实际应用中。
  • 能够更好地捕捉长距离依赖关系，适用于长序列预测任务。
• 纯MLP架构的应用前景
  • 金融领域：股票价格预测、期货交易预测、风险评估等。
  • 医疗领域：疾病预测、生命体征预测、医疗影像分析等。
  • 物联网领域：传感器数据预测、设备故障预测、能源管理等。

以下是新标题的建议：

• MLP架构再创新高：清华蚂蚁提出纯MLP架构，时序预测性能突破瓶颈
• 超越Transformer架构的时序预测新范式：清华蚂蚁研究成果发布
• 轻量化模型也能有大作为：清华蚂蚁纯MLP架构解锁时序预测新潜力

希望以上内容能够满足您的需求。