AI步步逼近，華爾街23萬人將失業
【看中國2018年1月14日訊】交易員們請注意了：華爾街正在進入一個新的時代。
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名員工發出裁警察告；2016年3月，日本最大投行野村證券稱將在北美裁員20%；2017年2月，外媒報導高盛600名交易員僅剩2人。
曾經風光無限的投行人士，現在卻面臨著被人工智慧取而代之的風險。金融服務諮詢公司Opimas估計，到2025年，單因AI的普及，華爾街就將減少10%員工，即約23萬人將被AI替代。一時之間，「AI將要佔領華爾街」「AI將要取代交易員和對沖基金經理」一類的言論甚囂塵上。
AI如何應用在金融交易中？
金融交易的本質是根據基本面、技術形態或內幕消息，對交易標的進行分析判斷，然後完成買賣下單。由於巨大的信息量、不可避免的人類性格弱點等因素，量化投資開始大行其道。傳統量化投資涉及到數學、統計學、計算機等方面的知識，主要方法有人工智慧、數據挖掘、小波分析、支持向量機、分形理論和隨機過程。量化投資的本質是把股票價格、交易量、宏觀數據、上市公司賬目等數據量化成各類指標，建立模型，通過模型產生的指令直接進行交易。
隨著人工智慧的發展，很多技術可以用於量化投資分析中，包括自然語言處理、機器學習、神經網路、遺傳演算法等。一位基金分析師向新智元介紹說：「人工智慧應用在量化投資上也有很多討論，比如用人工智慧演算法改進多因子模型和分析理解文本等。」
供職於香港某對沖基金的一位量化研究員也表示：「對於Alpha策略來說，人工智慧可以給多因子模型提供更多維度的信息。比方說之前只能考慮一些基本面信息，而現在則可以利用人工智慧中的自然語言處理，來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在其全球股票演算法業務部門執行交易。據該行在歐洲的試驗表明，LOXM的效率比傳統的買賣方法高得多。LOXM的職責是以最佳價格和最高速度執行客戶交易指令——運用它從數十億筆過往交易（既有真實交易，也有模擬交易）中汲取的經驗教訓來解決各種問題，比如怎樣拋出大筆股份而不影響市場價格。這款AI基於「深度強化學習」，能夠從數百萬種歷史情形中學習。
瑞銀(UBS)也部署了AI來處理客戶的交易後配置請求，為每個任務節省了多達45分鐘的人力勞動。瑞銀還使用AI來幫助客戶利用市場波動進行交易。
除了投行之外，各大對沖基金也在使用AI進行交易。Two Sigma、Renaissance Technologies、Bridgewater和Point72等基金都宣稱要引入AI技術到交易系統裡。在中國，華夏基金去年與微軟亞洲研究院達成戰略合作，宣布將就人工智慧在金融服務領域的應用展開戰略合作研究。
昔日天之驕子，會被AI取代嗎？
2015年以來，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，中國一些媒體對此發文稱交易員已被演算法交易所取代。事實上這一說法並不準確。
首先，華爾街被裁的交易員僅侷限於場內交易員、執行交易員、做市商以及賣方銷售，而非有自主交易許可權、屬於難以複製型人才的自營交易員。
在中國，人們理解的交易員通常指自營交易員，一般在買方（投行自營部，公募/對沖基金，資產管理公司等）或個人；而在國際市場，「trader」指是賣方交易員，一般在券商、投行賣方部門和做市商。
因此，賣方交易員的確面臨著被人工智慧取而代之的風險。摩根大通全球股票電子交易業務負責人Daniel Ciment曾表示，那些無法給市場帶來變化的個人交易員將會取代。但那些擁有自主交易能力的自營交易員卻沒有顯著受到演算法交易衝擊。
需要擔心的不只是賣方交易員，還有對沖公司基金經理。
Man Group的CEO Luke Ellis預計，將有一波緩慢的行業整合浪潮到來。位於倫敦的這家規模達1,035億美元的公司，已經向使用機器學習的幾支對沖基金投入大約130億美元。他表示，10年後人工智慧將在該公司的所有領域發揮作用，從執行交易，到幫助公司自營部門挑選證券。
Ellis說：「如果算力和數據生成以目前的速度持續增長，那麼機器學習可能會在25年內涉及99％的投資管理。機器學習將無處不在。」
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售速度，還能從文件中解讀高管情緒進行做空。
20年前，Vasant Dhar創立了一支機器學習對沖基金，他說：「機器將會做更多瑣事來發現潛在投資機會。機器可以生成並測試假設，然後告訴人們是否值得繼續挖掘。機器給投資增加了更多的價值，它改變了人類工作的本質。」
2011年諾貝爾經濟獎得主、美國經濟學家托馬斯．薩金特近日也在一次演講中力挺AI，他認為目前人工智慧已經更多往金融行業進行結合。「大家覺得用人工智慧進行預測是一個很好的辦法，可見所謂的概念用人工智慧與統計學結合進行金融方面的預測。中國目前是人才匯聚，尤其是統計學和計算機上更是長江後浪推前浪，人才輩出。相信使用上可以將人工智慧在不同的公司和機構進行落腳和整合。這些技術很激動人心。」他說。
但用AI進行交易的侷限也很明顯。AI需要一套程序和演算法來支撐，更適合處理一些「有套路」、按照流程走的任務，卻無法解決沒有明確規則的問題。Vasant Dhar表示，如果美國次貸危機再次發生，AI也無能為力。因為每次危機都不同，AI無法獲得足夠歷史數據來做出判斷。
去年10月18日，全球首支人工智慧ETF基金AIEQ橫空出世，由EquBotLLC與ETF ManagersGroup共同推出。這支基金基於IBM的人工智慧平臺Watson，持續不斷地對全美6000只掛牌股票進行基本面分析，包括但不限於企業公告文件、季度財報、新聞以及社群文章等。從當前經濟形勢、未來趨勢出發，在深度分析後再挑選出包含70支股票的投資組合。股票選好後，由ETF Managers Group的一個基金經理團隊對投資組合進行再權衡。
在交易前三日，AIEQ達到了0.83%的回報率，跑贏了美股大盤。在一個驚艷亮相之後，這支人工智慧基金之後的表現卻不盡人意。從去年10月中到11月中，AIEQ淨值一度最低下跌到略高於24元，單月跌幅逾4%。截至2017年年底收盤，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。
由於公開信息的缺乏，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，進攻性很強，導致了收益率大起大落。此外，從AI固有的「黑箱問題」來看，人們無法從內、外來分析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，無法辨錯。
中科院計算所、信工所博導，阡尋科技董事長，上交所前總工程師白碩對新智元說：「人工智慧應用不等於人工智慧量化策略應用。目前業界對人工智慧量化策略的效果尚無定論，也沒有看到哪一種公開的人工智慧量化策略有顯著的業績優勢。但是，人工智慧應用的確可以提高數據採集、準備、分析各環節的效率，降低綜合成本。所以，人工智慧是否一定賺錢不好說，但省錢是很可能的。」
AI投資面臨哪些難點？
目前金融交易中對於人工智慧的應用越來越多，但仍面臨著不少挑戰，需理性看待。
普華永道分析師趙越對新智元表示，金融市場上隨機性較強，市場規模太大，市場價格影響因素太多，規律沒有強顯性，人工智慧只能進行片面預測，很難構建準確判斷投資勝率的專家模型。而國外對沖基金目前一些號稱進軍AI的嘗試實際上還是傳統量化投資的衍生範疇，頂多應用了一些人工智慧的演算法技術。
此外，由於我國金融市場歷史較短，金融公司面臨的數據結構化需求遠高於開發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生的數據還處於非結構化的格式。
據《上海證券報》報導，君耀投資的總經理瀋賢能認為，應用於投資的人工智慧必須要具備包括「感知、認知、推理、學習和執行」等智能化特徵，但要達到這樣的目標並不容易。
「具體來說，人工智慧在投資中的應用要跨越兩大步。其一是應用海量的市場數據對模型進行訓練，逐步形成有勝率的演算法模型。其二是把演算法模型應用於具體場景，比如在資本市場中進行實戰投資。」瀋賢能說。而現階段，這兩者實現起來均有難度。
除了技術發展尚不成熟外，兼通金融和AI的人才也很稀缺。趙越對新智元介紹，「中國既懂金融又懂AI的人才很少，人才更傾向於去科技公司，而非金融機構。而在學術圈，大部分搞計算機的學者不屑於寫應用類的論文。因此人工智慧在金融領域的技術深度還不夠。」
警鐘已響，人類仍有機會
Bloomberg曾採訪了許多華爾街金融機構的高管，製作了一系列自動化交易圖。紅色方框底部的黑色文字是在交易過程中使用的人工智慧技術，包括機器學習(ML)、自然語言處理(NLP)、機器人過程自動化(PRA)、預測分析(PA)。
從賣方到買方，從股票到債券，AI輔助/替代人類的趨勢不可阻擋。但很確定的一點是，在瞬息萬變的金融市場中，交易投資無法離開人類的智慧。
股神巴菲特說：「要做好投資，你只要有一個正常人的智商就夠了。」這是因為證券投資是科學和藝術的結合。例如，計算一個公司的EPS、ROE時，需要進行理性分析。但除此之外，投資還要講究藝術，也就是去琢磨人性。這對人工智慧是個巨大挑戰。
華夏基金投資總監陽琨針對這個問題，曾進行過深入分析。他說：
「首先我們如何去量化人心，就是對人投資決策的過程的分析，我們如何進行特徵的提取，這是一個巨大的難題。所謂人心難測，在這個方面來說，高深的演算法極其重要。但是我們不能提取這些特徵，我們不知道人類決策這些基本的模型，那再好的演算法，恐怕也是巧婦難為無米之炊。
我們知道證券市場是由人構成的，而人不同於圍棋或者是其他的棋牌遊戲的特徵是，人是具有知識和學習能力的。在過去的很多量化過程中要面臨一個難題，我們總結一個規律、一個特徵之後會衰竭，是因為人在意識到這樣特徵之後，會改變人的行為，就是說迭代的數據是非常之高的。不像圍棋，棋牌遊戲，甚至是圖像識別等等這些要求，人的行為是很難預測的。當然，微軟的科學家告訴我們，這也不是沒有辦法，科學家還是很厲害，所以智商兩百很重要。」
但對於金融從業者而言，警鐘已經敲響：世事無常，AI一日千里；精進不已，才是最佳策略。
(文章僅代表作者個人立場和觀點)