華爾街近兩年來(lái)紛紛大規模裁員，高盛600名交易員現今只剩2人。據預測到2025年，華爾街23萬(wàn)人將被AI替代。AI的確能夠大幅提高效率和降低成本，但由于金融市場(chǎng)瞬息萬(wàn)變，AI還無(wú)法量化人心。在A(yíng)I步步逼近華爾街的當下，人類(lèi)仍有機會(huì )。

交易員們請注意了：華爾街正在進(jìn)入一個(gè)新的時(shí)代。

2015年起，華爾街各大金融機構紛紛大舉裁員：2015年12月，摩根士丹利表示將在全球裁員1200人；2016年1月，瑞信對倫敦的1800名員工發(fā)出裁員警告；2016年3月，日本最大投行野村證券稱(chēng)將在北美裁員20%；2017年2月，外媒報道高盛600名交易員僅剩2人。

曾經(jīng)風(fēng)光無(wú)限的投行人士，現在卻面臨著(zhù)被人工智能取而代之的風(fēng)險。金融服務(wù)咨詢(xún)公司Opimas估計，到2025年，單因AI的普及，華爾街就將減少10%員工，即約23萬(wàn)人將被AI替代。一時(shí)之間，“AI將要占領(lǐng)華爾街”“AI將要取代交易員和對沖基金經(jīng)理”一類(lèi)的言論甚囂塵上。

AI如何應用在金融交易中？

金融交易的本質(zhì)是根據基本面、技術(shù)形態(tài)或內幕消息，對交易標的進(jìn)行分析判斷，然后完成買(mǎi)賣(mài)下單。由于巨大的信息量、不可避免的人類(lèi)性格弱點(diǎn)等因素，量化投資開(kāi)始大行其道。傳統量化投資涉及到數學(xué)、統計學(xué)、計算機等方面的知識，主要方法有人工智能、數據挖掘、小波分析、支持向量機、分形理論和隨機過(guò)程。量化投資的本質(zhì)是把股票價(jià)格、交易量、宏觀(guān)數據、上市公司賬目等數據量化成各類(lèi)指標，建立模型，通過(guò)模型產(chǎn)生的指令直接進(jìn)行交易。

隨著(zhù)人工智能的發(fā)展，很多技術(shù)可以用于量化投資分析中，包括自然語(yǔ)言處理、機器學(xué)習、神經(jīng)網(wǎng)絡(luò )、遺傳算法等。一位基金分析師向新智元介紹說(shuō)：“人工智能應用在量化投資上也有很多討論，比如用人工智能算法改進(jìn)多因子模型和分析理解文本等。”

供職于香港某對沖基金的一位量化研究員也表示：“對于A(yíng)lpha策略來(lái)說(shuō)，人工智能可以給多因子模型提供更多維度的信息。比方說(shuō)之前只能考慮一些基本面信息，而現在則可以利用人工智能中的自然語(yǔ)言處理，來(lái)加入新聞情緒等熱度信息。”

摩根大通可謂是最為積極擁抱AI的投行之一。去年，摩根大通表示將利用一款叫做LOXM的AI在其全球股票算法業(yè)務(wù)部門(mén)執行交易。據該行在歐洲的試驗表明，LOXM的效率比傳統的買(mǎi)賣(mài)方法高得多。LOXM的職責是以最佳價(jià)格和最高速度執行客戶(hù)交易指令——運用它從數十億筆過(guò)往交易（既有真實(shí)交易，也有模擬交易）中汲取的經(jīng)驗教訓來(lái)解決各種問(wèn)題，比如怎樣拋出大筆股份而不影響市場(chǎng)價(jià)格。這款AI基于“深度強化學(xué)習”，能夠從數百萬(wàn)種歷史情形中學(xué)習。

瑞銀(UBS)也部署了AI來(lái)處理客戶(hù)的交易后配置請求，為每個(gè)任務(wù)節省了多達45分鐘的人力勞動(dòng)。瑞銀還使用AI來(lái)幫助客戶(hù)利用市場(chǎng)波動(dòng)進(jìn)行交易。

除了投行之外，各大對沖基金也在使用AI進(jìn)行交易。Two Sigma、Renaissance Technologies、Bridgewater和Point72等基金都宣稱(chēng)要引入AI技術(shù)到交易系統里。在國內，華夏基金去年與微軟亞洲研究院達成戰略合作，宣布將就人工智能在金融服務(wù)領(lǐng)域的應用展開(kāi)戰略合作研究。

昔日天之驕子，會(huì )被AI取代嗎？

2015年以來(lái)，美銀美林、渣打、德意志銀行、美國銀行、高盛等歐美大行紛紛大舉裁員，國內一些媒體對此發(fā)文稱(chēng)交易員已被算法交易所取代。事實(shí)上這一說(shuō)法并不準確。

首先，華爾街被裁的交易員僅局限于場(chǎng)內交易員、執行交易員、做市商以及賣(mài)方銷(xiāo)售，而非有自主交易權限、屬于難以復制型人才的自營(yíng)交易員。

在國內，人們理解的交易員通常指自營(yíng)交易員，一般在買(mǎi)方（投行自營(yíng)部，公募/對沖基金，資產(chǎn)管理公司等）或個(gè)人；而在國際市場(chǎng)，“trader”指是賣(mài)方交易員，一般在券商、投行賣(mài)方部門(mén)和做市商。

因此，賣(mài)方交易員的確面臨著(zhù)被人工智能取而代之的風(fēng)險。摩根大通全球股票電子交易業(yè)務(wù)負責人Daniel Ciment曾表示，那些無(wú)法給市場(chǎng)帶來(lái)變化的個(gè)人交易員將會(huì )取代。但那些擁有自主交易能力的自營(yíng)交易員卻沒(méi)有顯著(zhù)受到算法交易沖擊。

需要擔心的不只是賣(mài)方交易員，還有對沖公司基金經(jīng)理。

Man Group的CEO Luke Ellis預計，將有一波緩慢的行業(yè)整合浪潮到來(lái)。位于倫敦的這家規模達1,035億美元的公司，已經(jīng)向使用機器學(xué)習的幾支對沖基金投入大約130億美元。他表示，10年后人工智能將在該公司的所有領(lǐng)域發(fā)揮作用，從執行交易，到幫助公司自營(yíng)部門(mén)挑選證券。

Ellis說(shuō)：“如果算力和數據生成以目前的速度持續增長(cháng)，那么機器學(xué)習可能會(huì )在25年內涉及99％的投資管理。機器學(xué)習將無(wú)處不在。”

很多金融機構現在都在利用AI監測社交媒體和手機數據，比分析師更快地預測公司受益和銷(xiāo)售速度，還能從文件中解讀高管情緒進(jìn)行做空。

20年前，Vasant Dhar創(chuàng )立了一支機器學(xué)習對沖基金，他說(shuō)：“機器將會(huì )做更多瑣事來(lái)發(fā)現潛在投資機會(huì )。機器可以生成并測試假設，然后告訴人們是否值得繼續挖掘。機器給投資增加了更多的價(jià)值，它改變了人類(lèi)工作的本質(zhì)。”

2011年諾貝爾經(jīng)濟獎得主、美國經(jīng)濟學(xué)家托馬斯·薩金特近日也在一次演講中力挺AI，他認為目前人工智能已經(jīng)更多往金融行業(yè)進(jìn)行結合。“大家覺(jué)得用人工智能進(jìn)行預測是一個(gè)很好的辦法，可見(jiàn)所謂的概念用人工智能與統計學(xué)結合進(jìn)行金融方面的預測。中國目前是人才匯聚，尤其是統計學(xué)和計算機上更是長(cháng)江后浪推前浪，人才輩出。相信使用上可以將人工智能在不同的公司和機構進(jìn)行落腳和整合。這些技術(shù)很激動(dòng)人心。”他說(shuō)。

但用AI進(jìn)行交易的局限也很明顯。AI需要一套程序和算法來(lái)支撐，更適合處理一些“有套路”、按照流程走的任務(wù)，卻無(wú)法解決沒(méi)有明確規則的問(wèn)題。Vasant Dhar表示，如果美國次貸危機再次發(fā)生，AI也無(wú)能為力。因為每次危機都不同，AI無(wú)法獲得足夠歷史數據來(lái)做出判斷。

去年10月18日，全球首支人工智能ETF基金AIEQ橫空出世，由EquBotLLC與ETF ManagersGroup共同推出。這支基金基于IBM的人工智能平臺Watson，持續不斷地對全美6000只掛牌股票進(jìn)行基本面分析，包括但不限于企業(yè)公告文件、季度財報、新聞以及社群文章等。從當前經(jīng)濟形勢、未來(lái)趨勢出發(fā)，在深度分析后再挑選出包含70支股票的投資組合。股票選好后，由ETF Managers Group的一個(gè)基金經(jīng)理團隊對投資組合進(jìn)行再權衡。

在交易前三日，AIEQ達到了0.83%的回報率，跑贏(yíng)了美股大盤(pán)。在一個(gè)驚艷亮相之后，這支人工智能基金之后的表現卻不盡人意。從去年10月中到11月中，AIEQ凈值一度最低下跌到略高于24元，單月跌幅逾4%。截至2017年年底收盤(pán)，AIEQ漲幅0.6%，美股標普500指數漲幅為3.39%。整體而言，AIEQ持續跑輸大盤(pán)。

由于公開(kāi)信息的缺乏，AIEQ近期表現低迷的原因尚難判斷。一些投資人士認為， AIEQ的選股結果偏激進(jìn)，進(jìn)攻性很強，導致了收益率大起大落。此外，從AI固有的“黑箱問(wèn)題”來(lái)看，人們無(wú)法從內、外來(lái)分析AI做出決定的原因，就使得對其所做出的結果缺乏修正理由，無(wú)法辨錯。

中科院計算所、信工所博導，阡尋科技董事長(cháng)，上交所前總工程師白碩對新智元說(shuō)：“人工智能應用不等于人工智能量化策略應用。目前業(yè)界對人工智能量化策略的效果尚無(wú)定論，也沒(méi)有看到哪一種公開(kāi)的人工智能量化策略有顯著(zhù)的業(yè)績(jì)優(yōu)勢。但是，人工智能應用的確可以提高數據采集、準備、分析各環(huán)節的效率，降低綜合成本。所以，人工智能是否一定賺錢(qián)不好說(shuō)，但省錢(qián)是很可能的。”

AI投資面臨哪些難點(diǎn)？

目前金融交易中對于人工智能的應用越來(lái)越多，但仍面臨著(zhù)不少挑戰，需理性看待。

普華永道分析師趙越對新智元表示，金融市場(chǎng)上隨機性較強，市場(chǎng)規模太大，市場(chǎng)價(jià)格影響因素太多，規律沒(méi)有強顯性，人工智能只能進(jìn)行片面預測，很難構建準確判斷投資勝率的專(zhuān)家模型。而國外對沖基金目前一些號稱(chēng)進(jìn)軍AI的嘗試實(shí)際上還是傳統量化投資的衍生范疇，頂多應用了一些人工智能的算法技術(shù)。

此外，由于我國金融市場(chǎng)歷史較短，金融公司面臨的數據結構化需求遠高于開(kāi)發(fā)AI的需求。大量的歷史數據尚未電子化，甚至大量金融公司新產(chǎn)生的數據還處于非結構化的格式。

據《上海證券報》報道，君耀投資的總經(jīng)理沈賢能認為，應用于投資的人工智能必須要具備包括“感知、認知、推理、學(xué)習和執行”等智能化特征，但要達到這樣的目標并不容易。

“具體來(lái)說(shuō)，人工智能在投資中的應用要跨越兩大步。其一是應用海量的市場(chǎng)數據對模型進(jìn)行訓練，逐步形成有勝率的算法模型。其二是把算法模型應用于具體場(chǎng)景，比如在資本市場(chǎng)中進(jìn)行實(shí)戰投資。”沈賢能說(shuō)。而現階段，這兩者實(shí)現起來(lái)均有難度。

除了技術(shù)發(fā)展尚不成熟外，兼通金融和AI的人才也很稀缺。趙越對新智元介紹，“國內既懂金融又懂AI的人才很少，人才更傾向于去科技公司，而非金融機構。而在學(xué)術(shù)圈，大部分搞計算機的學(xué)者不屑于寫(xiě)應用類(lèi)的論文。因此人工智能在金融領(lǐng)域的技術(shù)深度還不夠。”

警鐘已響，人類(lèi)仍有機會(huì )

Bloomberg曾采訪(fǎng)了許多華爾街金融機構的高管，制作了一系列自動(dòng)化交易圖。紅色方框底部的黑色文字是在交易過(guò)程中使用的人工智能技術(shù)，包括機器學(xué)習(ML)、自然語(yǔ)言處理(NLP) 、機器人過(guò)程自動(dòng)化(PRA) 、預測分析(PA)。

從賣(mài)方到買(mǎi)方，從股票到債券，AI輔助/替代人類(lèi)的趨勢不可阻擋。但很確定的一點(diǎn)是，在瞬息萬(wàn)變的金融市場(chǎng)中，交易投資無(wú)法離開(kāi)人類(lèi)的智慧。

股神巴菲特說(shuō)：“要做好投資，你只要有一個(gè)正常人的智商就夠了。” 這是因為證券投資是科學(xué)和藝術(shù)的結合。例如，計算一個(gè)公司的EPS、ROE時(shí)，需要進(jìn)行理性分析。但除此之外，投資還要講究藝術(shù)，也就是去琢磨人性。這對人工智能是個(gè)巨大挑戰。

華夏基金投資總監陽(yáng)琨針對這個(gè)問(wèn)題，曾進(jìn)行過(guò)深入分析。他說(shuō)：

“首先我們如何去量化人心，就是對人投資決策的過(guò)程的分析，我們如何進(jìn)行特征的提取，這是一個(gè)巨大的難題。所謂人心難測，在這個(gè)方面來(lái)說(shuō)，高深的算法極其重要。但是我們不能提取這些特征，我們不知道人類(lèi)決策這些基本的模型，那再好的算法，恐怕也是巧婦難為無(wú)米之炊。

我們知道證券市場(chǎng)是由人構成的，而人不同于圍棋或者是其他的棋牌游戲的特征是，人是具有知識和學(xué)習能力的。在過(guò)去的很多量化過(guò)程中要面臨一個(gè)難題，我們總結一個(gè)規律、一個(gè)特征之后會(huì )衰竭，是因為人在意識到這樣特征之后，會(huì )改變人的行為，就是說(shuō)迭代的數據是非常之高的。不像圍棋，棋牌游戲，甚至是圖象識別等等這些要求，人的行為是很難預測的。當然，微軟的科學(xué)家告訴我們，這也不是沒(méi)有辦法，科學(xué)家還是很厲害，所以智商兩百很重要。”

但對于金融從業(yè)者而言，警鐘已經(jīng)敲響：世事無(wú)常，AI一日千里；精進(jìn)不已，才是最佳策略。