雖然在AI技術(shù)的加持下，能夠保證收益更高，但它也有自身的弊端。
幾天前，來自華爾街的巨頭摩根大通宣布了一個有意思的消息，該公司即將使用全球首創(chuàng)的機器人來進行他們的全球股票算法交易。而摩根大通之所以敢于做出這樣的嘗試，正是因為他們早就在歐洲利用這一新人工智能項目嘗到了甜頭。
這個被摩根大通內(nèi)部稱為LOXM的人工智能，主要的功能就是以最優(yōu)惠的價格和最快的速度執(zhí)行客戶的要求。它能通過過往的無數(shù)筆真實和模擬交易，學習該如何處理股權(quán)交易，然后用最合適的方式賣掉大筆股權(quán)。最重要的是，這樣的操作還不會影響市場價格。
摩根大通內(nèi)部人士對于LOXM評論是，其定價策略已經(jīng)遠遠超過基準水平。
眾所周知，要想做一個稱職的操盤手，必須要保持高效的效率和果斷的決策，但是人無完人，在瞬息萬變的金融市場，沒有人能夠保證從不虧損。實際上，即使是再牛X的AI系統(tǒng)，也不能保證萬無一失。
但是，AI卻還是在一步步的取代人類操盤手，比方說華爾街知名投行高盛集團位于紐約的股票現(xiàn)金交易部門，其操盤手的人數(shù)已經(jīng)從2000年600人，減少到了現(xiàn)在的2人。20年不到的時間，AI幾乎“橫掃”交易席位。
其實一個普通操盤手的核心工作在于，通過獲取市場信息，結(jié)合自己對市場的判斷，適時進行投資交易決策。而這也正是AI的優(yōu)勢所在：
AI更強大的數(shù)據(jù)收集和運算能力遠超人類。無論是宏觀經(jīng)濟指標還是市場價格數(shù)據(jù)，AI的搜集和整理速度要遠遠超過人類，再結(jié)合內(nèi)嵌的算法模型，就能夠短時間內(nèi)做出投資決策。
深度學習的“輔助”下AI比人類更容易掌握市場規(guī)律。人類操盤手做出的投資決策往往基于個人經(jīng)驗和傳統(tǒng)的方法論，而AI則可以根據(jù)以往市場規(guī)律和市場大環(huán)境因素，在深度學習之后，迅速的做出相應調(diào)整。
失手的可能性更低。人類操盤手的操作風險以及道德風險都是不定的，這也讓金融機構(gòu)承擔著隨時有可能出現(xiàn)重大損失的風險。如果使用AI操盤，首先在“忠誠度”上就不必擔心，而且其犯錯的幾率也是微乎其微。
所以，像高盛和摩根大通這樣的知名金融機構(gòu)自然愿意啟用AI進行交易，在現(xiàn)代高頻交易模式下，為流動性資本提供更大的交易優(yōu)勢。
但是，也有不少反對的聲音，他們認為AI這種現(xiàn)代技術(shù)已經(jīng)打破了傳統(tǒng)的市場體系。除此之外，AI也有其在金融領(lǐng)域的弊端。
相信有過炒股經(jīng)歷的朋友，一定有過過度自信的時刻，因為你很可能在掌握了一個走勢規(guī)律之后，就認為掌握了對同一問題的全部規(guī)律性認識。AI同樣如此，因為在機器學習中，模型越是復雜、需要納入的變量越是多，就越容易出現(xiàn)過度擬合的問題。放在金融領(lǐng)域，找到避免這類假規(guī)律的方法，正是阻礙AI能夠全面應用的核心問題。
無論是高盛還是摩根大通，他們的AI操盤手在做出一個投資決策之后，都沒法給出一個解釋。如果AI的決策能一直為這些機構(gòu)賺錢，這一問題肯定沒人在乎，但是AI也有失手的時候，這時的投資機構(gòu)就希望能弄清楚其決策背后的原因。
要知道，金融市場誕生的時候計算機可是連模型都沒有，而且在歷史上出現(xiàn)的多次金融危機，很多都是由于一些“場外因素”造成的。如果高頻交易系統(tǒng)的數(shù)據(jù)集只能夠追溯一二十年的話，那么機器學習將受限于數(shù)據(jù)量不夠，而無法進行長線投資。而且，缺失的歷史數(shù)據(jù)，也有可能讓AI難以規(guī)避可能會再度來臨的金融危機。
所以說，現(xiàn)階段有了AI加持的金融機構(gòu)，或許能夠替代人類操盤手，并且為金融機構(gòu)帶來更為穩(wěn)定的收益，但是其自身的弊端也是很難規(guī)避的。未來隨著AI的持續(xù)發(fā)展，必然會有更多的金融崗位被它取代，只是在關(guān)鍵時期的重要決策，恐怕還是離不開人類的智慧。
聯(lián)系客服
