為什麼說，華爾街投行的AI金融交易機器並非那麼高大上？

新聞 08-18

人工智慧是塊磚，哪裡好用往哪兒搬。這次搬到了量化交易。

近日，一則摩根大通將AI應用於交易執行的消息再掀波瀾。據外媒報道，該加持了AI的機器名為LOXM，利用了深度強化學習技術，核心功能是以最優的價格和最快的速度執行股票交易指令。它從過去數十億筆交易（既有真實交易，也有模擬交易）中汲取經驗來處理各種問題，包括如何在拋出大量股票的情況下而不引起市場波動。

第一季度開始，摩根大通將LOXM應用到歐洲股票業務，聲稱「應用效果不錯」，並計劃第四季度在亞洲和美國啟用。

從技術和市場角度拆解AI應用

對此，畢業於普林斯頓大學運籌與金融工程系（博士），曾任美林證券投顧演算法首席架構師，現任清華金融科技中心兼職教授，財富引擎科技創始人的林常樂告訴雷鋒網，「在我看來，摩根大通的AI更像是一種包裝，技術並沒有那麼神奇。」

量化交易最早出現在上世紀70年代，後續衍化出高頻交易、程序化交易、自動化交易等多種交易方式。他繼續解釋道，在交易執行中利用計算機的目標很明確，即優化交易成本。買賣數量越多，影響面越廣，交易成本越高。

「自動化交易就是在找交易數量與交易成本之間的優化空間，可以做擬合和分析，從而節省交易成本。因為市場上掛單有限，一次性買大量股票，成本不是簡單地「1+1=2」，很可能是等於3，分批次購買可以控制成本。此外，交易頻次比較快，還可以進行短期預測。」

總的來說，自動化交易的作用主要體現在提高工作效率，降低人力以及交易成本。

近年來，AI風靡全球，成為各產業界爭相擁抱的前沿科技，自然也包括投資領域。但萬變不離其宗，從線性回歸、傳統演算法到應用AI，自動化交易的原理沒有變化。

林常樂坦言，

「事實上，自動化交易是硬體驅動，硬體的作用大於演算法。而在演算法方面，只是將傳統演算法替換成了深度學習、強化學習等相關技術而已。這種變化是一種改良，還談不上『質』的變革。」

目前，AI處於弱人工智慧階段。雖然機器學習等已經在金融資管理領域有了一定的應用，但業界共識是，這還非常稚嫩。

許多優秀的交易策略還是由人來制定，機器用於輔助決策或者執行。中科院計算機副研究員羅平表示，「一些真正賺錢的基金經理的操作邏輯，可能只有一兩個特徵，但他們就能基於這些簡單的邏輯悶聲發大財。」

在林常樂看來，機器學習現在的成就主要體現在計算機視覺CV、自然語言處理NLP領域，這些領域的特徵是信息量大於噪音。而隨著模型的完善，計算能力的發展，CV和NLP的突破是理所當然。

「但金融領域非常嘈雜，噪音很大，市場的有效信息很少，且處於時刻的變化中。不管是現在，還是未來，我認為『AI取代人類』的可能性也非常渺茫。」

「如今AI介入交易執行的具體步驟並不多，更多是自動化。」財鯨聯合創始人，康奈爾大學博士王蓁與林常樂的觀點不謀而合。更有業內交易員評價說，「摩根大通的AI交易軟體可能就是一次PR。」

而事實上，摩根大通並非第一家將AI應用於交易執行的金融機構。高盛紐約現金股票交易員從2000年的600人到2017年的2人刷足了今年二月頭條。但摩根大通的競爭對手不只是它。據林常樂透露，在量化交易領域，一些偏技術公司尤其是高頻交易公司的表現能力更優於這些投行。例如量化交易巨頭如騎士資本KCG、Virtu Financial、Citadel 等。這些公司的競爭實力更加強勁，「投行已經被一些技術領先者淘汰。」

我們時常看見「AI將要取代交易員？！」的言論見報，但值得注意的是，被取代的都是執行客戶訂單的職位。在這方面，機器擁有嚴格執行命令，大單高頻操作等人類無法比擬的優勢。

而那些人沒有看到的是，在高盛交易員銳減598人的背後，增加了200名研發自動交易程序的工程師。被取代的是「可以被取代的」，行業一直向前。猶如當年ATM機的盛行革新了銀行服務，取代了一部分櫃員。量化投資同樣適用，技術和演算法的革新推動著行業向前發展。

AI應用新氣象

與此同時，林常樂指出，自動化交易實際上已經不再是金融機構的優勢領域。在美國體現為，市場競爭激烈，業務利潤率不斷下行。該領域的天花板似乎可以預見。

自動化交易或者說量化投資，目前已經擁有比較成熟的工具。除此外，他告訴雷鋒網，此前在美林證券還看到各部門在不同程度地應用AI。在財富管理領域的明星應用當屬智能投顧。這也是技術性公司最偏愛的接入領域。林常樂與深耕運籌學的杉數科技就有著一系列合作，將學界最前沿的技術應用於資產配置的計算等方面。

據雷鋒網AI金融評論此前報道，關於財富和資產管理對技術預期發展路線的問題，Celent高級分析師William Trout曾指出，