‌ · 人工智能 技术 在 金融 市场 的 应用 来源 ： 南方 都市报 2017 年 06 月 04 日 版次 ： RB 10 作者 ： 王 秀 宁 南都 记者 邹 卫 摄 主办单位 ： 南方 都市报 朱 晓天 ： 北大 汇丰 商学院 副教授 ， 复旦大学 管理学院 客座教授 ， 国家 千 人 计划 金融类 专家 。 曾 在 中信证券 负责 DeltaOne 场外 指数化 衍生 品 业务 ， 负责 行业 最大 的 80 亿融 券 池 的 增强 收益 ， 参与 规模 达 上千亿 的 收益 互换 和 场外 衍生 品 业务 。 -- 在 美国 华尔街 、 新加坡 、 香港地区 和 中国 内地 金融投资 行业 有 超过 16 年 的 研究 和 投资 经验 。 很 高兴 有 这个 机会 跟 大家 分享 “ 人工智能 技术 在 金融 市场 的 应用 ” 这个 主题 。 我们 先 看 一下 最近 的 热点 ， 都 是 2017 年 的 一些 新闻 。 交易员 正在 被 迅速 替代 首先 高盛 的 新闻 ， 高盛 现在 很多 职位 逐步 被 人工智能 所 取代 。 以前 股票 的 现券 交易员 有 600 个人 ， 现在 基本上 只 剩下 2 个人 了 ， 基本上 这 一块 就 被 机器 替代 了 。 -- 我 以前 在 纽约 有 一个 朋友 ， 他 一直 在 德意志银行 做 衍生 品 交易 ， 他 是 一个 交易员 ， 今年 他 的 职位 就 被 机器 替代 了 ， 所以 他 最近 也 在 找工作 ， 所以 连衍 生品 的 交易员 都 被 机器 替代 了 。 今年 的 新闻 一下子 出来 了 这么 多 ， 很 明显 的 趋势 ， 感觉 上 这是 一个 大家 很 关心 的 问题 ， 人工智能 会 取代 很多 的 职位 。 因为 金融 领域 是 一个 切入点 ， 它 是 做 人工智能 、 大数据 很 重要 的 切入点 ， 金融 领域 如果 很多 机会 逐步 被 人工智能 替代 的 话 ， 将来 会 有 什么样 的 影响 。 人工智能 表现 在 比如 行动 、 决策 、 感知 ， 行动 上 包括 自动化 、 机器人 、 运行 ， 决策 包括 识别 、 分类 、 预测 ， 感知 包括 感知 图象 、 语音 、 文字 。 你 说 它 能 达到 完全 把 这 三个 方面 做好 的 话 ， 就 真的 变成 人工智能 了 ， 它 又 能 行动 ， 又 能 决策 ， 又 能 感知 ， 也就是 一 个人所 能够 做 的 事情 全都 可以 做 了 。 金融 市场 中 的 人工智能 应用 以前 我们 在 做 人工智能 研究 的 时候 ， 人工智能 在 现实 当中 有 很多 的 应用 ， 最 主要 是 两 块 ， 一块 是 分类 ， 一块 是 预测 。 实际上 分类 和 预测 都 差不多 ， 中间 就是 有 一些 细节 上 的 区别 。 -- 德意志银行 的 衍生 品 交易 定价 这 一块 也 是 用 人工 神经网络 。 其次 是 人工智能 技术 在 固定 收益 类 资产 配置 方面 的 应用 。 对 固定 收益 管理 来说 ， 收益率 曲线 的 期限 结构 对 风险管理 和 投资 决策 都 非常 重要 。 -- 收益率 曲线 的 结构 变化 也 很多 ， 有 平行 变化 的 ， 有 斜度 调整 的 ， 还有 弯曲 度 调整 的 ， 收益率 曲线 的 变化 方式 对于 做 投资 决策 和 风险管理 都 非常 重要 。 第 三 ， 是 人工智能 技术 在 自动 做 市 和 算法 交易 方面 的 应用 。 自动 做 市 和 算法 交易 目前 国际 投 行 在 这方面 投入 很大 ， 包括 自动 做 市 和 算法 交易 ， 第 三代 算法 交易 系统 的 目标 已经 不仅仅 是 减少 交易 执行 成本 和 市场 冲击 ， 而是 获得 比 基准 VWAP 更好 的 结果 。 -- 这个 可能 还是 一个 趋势 。 第 四 ， 是 人工智能 技术 在 复杂 衍生 品 交易 和 定价 方面 的 应用 。 衍生 品 交易 这 一块 准确 定价 非常 重要 ， 不 准确 的 定价 会 导致 错误 的 交易 并 导致 损失 ， 并且 导致 对 风险 计量 VAR （ 风险 价值 模型 ） 的 错误 估值 ， 导致 不 匹配 的 对冲 策略 ， 这样 就 会 造成 整个 投资 组合 风险 头寸 的 暴露 。 特别 是 挂钩 一些 流动性 不 太 好 的 标 的 ， 股权 的 期权 定价 由于 传统 统计 模型 无法 准确预测 该 股票 的 回购 率 ， 进而 无法 准确 计算 它 的 远期 价格 ， 从而 很 难 准确 定价 。 德意志银行 的 衍生 品 交易 采用 人工智能 模型 解决 这个 问题 ， 提高 了 预测 该 股票 回购 率 的 准确率 ， 提高 了 关联 期权 定价 的 准确性 ， 提高 了 交易 利润 。 定价 系统 越来越 人工 智能化 ， 所以 交易员 就 可以 直接 裁 掉 了 ， 这是 一个 趋势 。 第 五 ， 是 人工智能 技术 在 债券 评级 方面 的 应用 。 标准 普尔 已经 通过 多层 神经网络 做 主权 债 、 企业债 的 评级 ， 预测 的 准确度 也 提高 了 ， 只不过 这种 模型 还有 一个 问题 就是 “ 黑箱 ” 操作 ， 它 不 像 传统 统计 模型 比较 好 解释 ， 中间 哪个 变量 大一 点 ， 本身 人工 神经网络 是 一个 “ 黑箱 ” ， 里面 有 很多 的 权重 和 节点 ， 每 一个 节点 的 权重 自动 通过 输入 和 输出 优化 ， 找到 调整 这些 节点 的 权重 。 -- 所以 ， 这是 一个 “ 黑箱 ” 操作 ， 但是 抓住 非线性 关系 的 能力 很 强 。 第 六 ， 人工智能 技术 在 信用 风险 预测 方面 的 应用 。 以前 我 在 摩根大通 和 贝尔斯 登 工作 过 ， 做 过 信用 风险 方面 的 模型 开发 ， 信用卡 行业 也 普遍 用 这个 神经 模型 做 系统 风险 预测 模型 和 信贷 审批 模型 ， 资产 证券化 产品 的 价格 也 受 底层 违约 率 和 提前 还款率 的 影响 ， 人工 神经网络 本质 也 是 一 种 统计 模型 ， 2008 年 次 贷 危机 的 时候 ， 贝尔斯 登 、 摩根大通 银行 的 信用 风险 部门 也 开始 利用 非传统 统计 模型 即 神经网络 做 一些 预测 ， 而且 我们 当时 在 2007 年底 的 时候 预测 房产 抵押贷款 的 违约 率 会 急剧 上升 ， 我们 就 用 了 这个 网络 模型 ， 结果 的确 是 发生 了 。 最后 ， 人工智能 技术 在 消费 银行业 市场 划分 方面 的 应用 。 人工 神经网络 在 算法 交易 训练 的 时候 ， 比 传统 的 统计 分类 模型 有 一些 优势 ， 人工 神经网络 解决 传统 统计 模型 的 两个 问题 ， 一个 是 不 需要 事先 知道 有 几 个 划分 区域 ， 它 是 根据 数据 特征 找到 有 几 个 ， 而 不 需要 事先 知道 有 几 个 ， 而且 也 不 需要 设立 起始 的 区域 中心 。 -- 所以 ， 神经网络 与 传统 统计 模型 肯定 是 有 一些 优势 ， 它 提高 了 花旗银行 消费 银行 领域 的 市场 划分 准确度 ， 进一步 提高 了 各个 划分 领域 中 的 风险管理 实践 。 人工智能 技术 的 角色 与 目标 这里 可以 再 提 一下 金融 与 科技 交叉 ， 即 人工智能 技术 在 证券投资 领域 创新 和 发展 的 方向 。 我 觉得 可以 分 几 个 层次 ： 第 一个 是 算法 交易 执行 的 创新 。 -- 跨 市场 或者 跨 品种 的 定制 化 交易 需求 能够 轻松 实现 。 第 二 个 是 投资 策略 产生 的 创新 ， 投资 策略 的 生产 模式 由 大规模 人力 转向 大规模 人工智能 机器 。 由于 计算机 能力 的 大幅 提高 以及 平行 分布式 计算 的 广泛 应用 策略 开发 的 时间 大大 缩短 ， 结合 大数据 ， 机器学习 的 强大 挖掘 能力 将 会 开发 出 以往 无法 发现 的 “ 新 认知 ” 和 新 策略 。 -- 第 三个 是 资产 配置 效率 的 创新 。 基于 大数据 的 人工智能 的 应用 ， 可以 显著 提高 资本 市场 的 深度 和 宽度 ， 人工智能 代理 会 以 人工智能 无法 比拟 的 速度 、 效率 和 海量 计算 捕捉 任何 交易 机会 ， 这样的话 市场 的 有效性 会 大大 提高 ， 资本 市场 有效 配置 资源 的 功能 将 得到 很 好 的 发挥 。 将来 很多 套利 的 机会 越来越 少 ， 因为 出现 套利 机会 计算机 马上 就 自动 发现 了 ， 就 像 美国 一样 越来越 难 做 套利 了 。 第 四 个 是 金融 行业 结构 的 变革 。 由于 人工智能 技术 的 专业性 、 复杂性 提高 ， 将 衍生 出新 的 业态 。 比如 量化 技术 背景 的 智能 信号 服务 提供商 开始 为 金融机构 提供 定制 的 信号 。 -- 这个 趋势 是 自动化 越来越 普及 ， 智能 算法 也 越来 越多 ， 这个 行业 肯定 竞争 也 越来越 激烈 ， 但是 很多 初级 分析师 的 职位 也 会 被 逐步 取代 。 人工智能 的 未来 我 觉得 人工智能 的 本性 包括 强大 的 计算 能力 、 大数据 、 深度学习 的 算法 ， 解决 过度 拟合 的 问题 ， 还有 人类 专家系统 ， 堆积 起来 以后 就 形成 的 人工智能 。 人工智能 至少 在 现阶段 还是 为 人类 服务 的 ， 以前 我 觉得 超越 人类 感觉 上 还是 遥遥无期 ， 现在 感觉 这个 趋势 还是 有点 加强 ， 这个 过程 有点 加强 。 我们 研究 人工 神经网络 的 ， 感觉 它 很 有意思 的 一 点 ， 它 模拟 的 是 人脑 神经元 。 -- 跟 神经网络 一样 ， 弄 了 一个 很 复杂 的 就 像 深度学习 一样 10 层 的 网络 ， 这 中间 一 层 一 层 交联 ， 然后 中间 调节 它 的 权重 ， 然后 我 看到 这个 问题 输入 和 输出 的 关系 ， 一 开始 琢磨 参数 ， 多 看 几 遍 、 多 考虑 ， 突然 就 考虑 清楚 了 ， 这个 过程 就是 在 模仿 人脑 的 神经元 原理 。 一 开始 ， 人工智能 的 发展方向 哪怕 就是 “ 黑箱 ” 模型 ， 但是 它 能够 抓住 问题 的 实际 潜在 关系 ， 特别 是 复杂 非线性 关系 能 抓住 ， 它 就 对 人类 有 帮助 。 如果 智能化 发展 到 一定 程度 ， 我 感觉 也 有 可能 哪 一 天 你 给 它 许多 任务 ， 假如 它 考虑 问题 越来 越多 ， 说不定 有 一 天 它 就 真的 有 智能 了 ， 因为 它 这个 过程 本来 就是 一个 “ 黑箱 ” ， 一个 模拟 人脑 神经元 的 过程 。 这个 过程 你 可以 把 它 看成 一个 非常 复杂 的 统计 模型 ， 但是 这个 趋势 确实 有 智能化 的 潜力 ， 特别 是 真正 提到 人工智能 ， 它 不光 为了 完成 一个 特定 的 任务 ， 它 还有 这个 能力 进一步 优化 或者 扩展 ， 或者 它 就 知道 下 一 步 怎么样 系统化 地 把 这个 事情 做好 ， 这 可能 是 将来 人工智能 发展 的 方向 。 南都 评论 记者 王 秀 宁 整理 scroll 手机 看报 RightsReserved