人工智能機器在金融交易市場中的應用

　　早在2016年人工智能機器已在金融行業嶄露頭角。因此，人工智能時代下的交易時代離中國金融市場已不再遙遠，金融變革也在逐漸延伸，人工智能的金融時代已經到來。任何恐慌都來源于陌生，讓我們用科學的視角去理解、接受并運用它。資產管理智能化分為股權投資與量化交易兩部分，本文為大家介紹的是金融二級市場的量化交易。

　　關鍵詞：人工智能,機器交易,金融市場

　　數量化是人工智能交易的基礎

　　1934年，《證券分析》一書的出版是如今展開智能交易的歷史基礎，作者本杰明·格雷厄姆在文中給出了上市公司估值的計算方式。因此，數學早在20世紀30年代就成為證券市場的重要工具。

　　1952年，馬科威茨首次提出證券投資組合理論，即應用數學模型計算在一定風險水平下，按不同比例投資多種證券獲得最大收益的投資方法，數學在金融行業有了更進一步的發揮和應用。

　　20世紀70年代，數學家們開始推出各種金融資產的定價方式，最著名的是布萊克-斯科爾斯期權定價公式，該法則已成為金融機構設計金融新產品的思想方法，斯科爾斯由此獲得了1997年的諾貝爾經濟學獎。

　　1995年3月6日，美國花旗銀行副總裁柯林斯(Collins)在英國劍橋大學牛頓數學科學研究所的演講中說：“從事銀行業工作而不懂數學的人，實際上工作沒有意義”,并強調花旗銀行70%的業務都依賴數學來完成。演講最后他說：“沒有數學發展起來的工具和技術，許多事情我們是一點辦法也沒有的，沒有數學我們不可能生存。”

　　自20世紀30年代開始，數學家們對金融數量化理論已有近80年的研究，21世紀開始，部分高等學府將金融數學納為金融專業的重要課程，金融數學理論的不斷完善奠定了人工智能交易的基礎。

　　相對于理論研究，數學在金融交易中的實際應用節奏要稍慢一些，其發展充滿戲劇性。麻省理工的歷任數學系主任都是天才，其中愛德華·索普尤具代表性。他利用在麻省理工任教的便利條件，自學計算機編程語言，推演出“戰勝莊家”數學公式。以他的事跡為題材翻拍的電影《21點》，講述了數學天才們通過數學算法在賭場里大殺四方的故事。而現實中的愛德華·索普在拉斯維加斯賭場用數學算法贏了很多錢，卻被莊家在咖啡里投毒，險些丟了性命。

　　之后，愛德華·索普帶著數學才華來到了華爾街，使用大數定律理論研究了一套科學股票市場系統，使用這種量化投資策略投資股票權證市場，讓愛德華·索普在華爾街名聲大震，這套對股票價格的分析方式也是布萊克-斯科爾斯期權定價公式的理論基礎，接著他又出版了《戰勝市場》一書，轟動了整個金融市場，被公認為數量化交易的起點，愛德華·索普也因此被人們稱為“量化之父”.

　　量化交易是人工智能交易的原型，實則將交易產品進行數量化分析，這個分析范疇包括投資勝率、獲勝概率、倉位風控等必要參數，而當計算機與網絡傳輸也加入到金融交易市場時，量化交易則被計算機賦予自動化的能力，于是人工智能交易時代到來。

　　科技對金融變革的主導性

　　金融行業通常更快地接受新科技，電報與電話等通信設備最先在華爾街普及，計算機亦如此。自1965年以來，半導體以摩爾定律的速度在發展。1969年12月開始聯機的ARPA網絡奠定了互聯網發展基礎，到20世紀70年代便已形成傳輸與計算雙軌井噴的發展態勢，分別體現在網絡進入兆級傳輸速度，計算機進入民用普及時代。加之存儲技術的迭代更新，數據存儲門檻降低，如今以CBA(云存儲與計算、大數據與區塊鏈、人工智能)為主框架的新科技平臺已經成型，各行各業都將升級或轉型，包括金融領域的銀行業、保險業、證券業等。

　　科技的發展對金融業的變革迅速而無情。1969年，美國第一臺ATM機在化學銀行長島分行投入使用，進入20世紀70年代，前端業務的電子化帶來銀行員工的失業潮，甚至有銀行失業柜員憤怒地損毀ATM機。之后，許多新型金融業務產品也發展起來。據統計，到20世紀90年代，美國銀行平均每月54%的交易來自于ATM機，更加充分地證明科技對金融變革的主導性。

　　證券交易與計算機科學的結合，是從數據傳輸開始的，開始只是取代電話與電報的通訊功能，交易商使用即時通訊將交易信息送達給證券經紀，交易操作還是通過人工來完成。然而一場金融危機卻催生了計算機深度參與到市場交易中。

　　1987年10月19日的黑色星期一，美國股市發生大跌，當日道瓊斯指數下跌了22%,市場面臨崩盤，交易商們不停地用電話聯系納斯達克市場的做市商來撤銷訂單或平倉，可是電話一直無人接聽，做市商們為了自己的利益，將投資者置之腦后，給他們造成了無法挽回的損失。后來迫于公眾壓力，納斯達克要求做市商們在SOES系統上自動進行不足1000股數量股票的買賣交易，SOES系統在1988年6月30日上線運行。

　　SOES是第一個美國真正意義上的電子交易系統，它的發布為人工智能的量化交易開啟了大門，很快使計算機進行自動化交易進入高速發展期，于是，原先由大型交易公司壟斷控制的股票市場格局徹底被打破，那些曾經由交易員通過電話進行交易的情形一去不復返，市場迅速演變成一個基于電腦的交易網絡。華爾街的股票市場的運作結構不斷地朝著滿足機器需求的方向移動，而機器對于交易速度及流動性的需求永無止境。

　　隨著計算機工程師一味追求運行速度的極限，機器便處于永無止境的迭代狀態，就像不斷培育新的機器來替代自己。而交易算法是機器交易的靈魂，它們會突變成長和進化，在一個巨大而且不斷增長的數字交易池中吞噬其他的算法。

　　人工智能交易的爭議

　　智能交易可看作金融交易市場的工具或武器，隨著科技的發展與監管的完善，智能交易形成兩個重要的發展方向：空隙交易與價值策略。

　　空隙交易

　　在20世紀80年代，SOES系統進行量化交易時，不斷涌現出的自動化交易公司多半專注于空隙交易，交易員利用美國股市多家做市商不能統一報價的間隙，在計算機上開發出迅速買賣的快捷程序，通過計算機在做市商之間快速倒賣股票而獲取利益，雖然這種“剝頭皮策略”的空隙會很快被機構防范，但是新的空隙又會再次出現并被利用。空隙交易的關鍵是交易速度的比拼，速度可以造成信息不對稱，這便出現了掠奪性交易機會。

　　因此，從20世紀70年代開始，金融市場里那些臭名昭著的高頻交易公司，在交易池里不斷上演著“速度與激情”的戲碼。從中國的金融交易市場規范中可以看出，中國股指期貨市場上的行情公布頻率是500毫秒，這就意味著交易員對這500毫秒內發生的事情渾然不知。但是，這對能夠直連交易所的交易員毫無影響，因為通過直連交易所，交易機器可以觀察到這500毫秒內所有的報價和成交信息。“天下武功唯快不破”,直連在中國是違法的，這種利用機制上的漏洞進行高頻交易，其本質是投機行為，有違市場投資準則，在全世界都受到詬病。

　　價值策略

　　相對于單純通過速度差造成的空隙交易，價值策略偏重于對金融投資的深度理解和前沿科技應用。

　　雖然人工智能的進步，讓AlphaGo在圍棋方面已經完勝人類，但它最大的弱點在于不會遷移學習。遷移學習是目前機器學習領域的前沿科技，可以讓人工智能做到舉一反三，通過找到兩個或多個不同應用場景的共性，把A領域的模型和經驗遷移應用到B領域。

　　另一個重要原因是智能交易需要與條件市場相匹配，股市的波動率是由多因子影響組合形成。在國內，政策因子對股市影響的導向性尤為突出，海外智能交易策略中將信息因子對標(經濟指數)采集分析的方式在中國證券市場會嚴重水土不服，這正是價值策略的核心。價值策略的精髓在于結合多種因子(價格影響因素)的算法擬合，因子包含了價格、交易量、外部數據、消息面影響等，這是數理專業人才發揮才能的領域。

　　價值策略是在符合投資者價值觀的框架下進行的。以股票為例，智能交易選擇的因子信息包含了企業的經營數據、行業自動化分析、政策、資金博弈、歷史行情周期等，這些因子都是人類投資必要的調研基礎信息，智能交易只是讓計算機代替人類對這些數據進行自我學習。標的物為期貨的機器交易選擇的因子信息包含了歷史行情周期、國際貿易數據、政策信息等，這與將人類分析替換為機器人分析如出一轍。

　　再如金融衍生品期權。期權是由數學家們將標的物的資產價值結合交易因素進行公式化后創造的，通過數學公式創造金融衍生品的從業者被稱之為寬客(Quant)，所以，不具備數理能力深涉金融衍生品交易是非常困難的，這也是華爾街擁有工程與計算機科學專業背景的人才大受歡迎的原因。價值策略的人工智能交易符合良性市場投資方向，它為市場提供很強的流動性，同時對實業發展起到增益價值，未來有著廣闊的發展空間。

　　人工智能進入金融交易市場，從1930年就已經開始孕育，數學一直與金融同行，在計算機沒有普及的時代，數學家就已經通過人工計算的方式參與了金融交易。計算機與互聯網于20世紀80年代末期爆發，計算與傳輸都發生了質的飛躍，改變了交易者進行金融交易方式，普通投資者只需要一臺電腦就可以在家里交易證券產品，這在20世紀六七十年代則是無法想象的。如今，因為科技帶來金融產品的不斷創新與普惠，加速提升了市場交易的總量與頻度，市場流動性充足，吸引了大批工程或計算機專業人才進入金融交易領域，從而刺激了人工智能交易的快速發展。

　　相關閱讀：電子工程師論文機械電子工程與人工智能的關系

　　這篇電子工程師論文發表了機械電子工程與人工智能的關系，機械電子工程與人工只能的融合提高了社會生產力水平，論文探討了他們之間的內在聯系，在有機結合這兩種系統的基礎下，從而實現對飛機動力模型的建立需求，并對飛機動力模型進行完善。