人工智能机器在金融交易市场中的应用

　　早在2016年人工智能机器已在金融行业崭露头角。因此，人工智能时代下的交易时代离中国金融市场已不再遥远，金融变革也在逐渐延伸，人工智能的金融时代已经到来。任何恐慌都来源于陌生，让我们用科学的视角去理解、接受并运用它。资产管理智能化分为股权投资与量化交易两部分，本文为大家介绍的是金融二级市场的量化交易。

　　关键词：人工智能,机器交易,金融市场

　　数量化是人工智能交易的基础

　　1934年，《证券分析》一书的出版是如今展开智能交易的历史基础，作者本杰明·格雷厄姆在文中给出了上市公司估值的计算方式。因此，数学早在20世纪30年代就成为证券市场的重要工具。

　　1952年，马科威茨首次提出证券投资组合理论，即应用数学模型计算在一定风险水平下，按不同比例投资多种证券获得最大收益的投资方法，数学在金融行业有了更进一步的发挥和应用。

　　20世纪70年代，数学家们开始推出各种金融资产的定价方式，最着名的是布莱克-斯科尔斯期权定价公式，该法则已成为金融机构设计金融新产品的思想方法，斯科尔斯由此获得了1997年的诺贝尔经济学奖。

　　1995年3月6日，美国花旗银行副总裁柯林斯(Collins)在英国剑桥大学牛顿数学科学研究所的演讲中说：“从事银行业工作而不懂数学的人，实际上工作没有意义”,并强调花旗银行70%的业务都依赖数学来完成。演讲最后他说：“没有数学发展起来的工具和技术，许多事情我们是一点办法也没有的，没有数学我们不可能生存。”

　　自20世纪30年代开始，数学家们对金融数量化理论已有近80年的研究，21世纪开始，部分高等学府将金融数学纳为金融专业的重要课程，金融数学理论的不断完善奠定了人工智能交易的基础。

　　相对于理论研究，数学在金融交易中的实际应用节奏要稍慢一些，其发展充满戏剧性。麻省理工的历任数学系主任都是天才，其中爱德华·索普尤具代表性。他利用在麻省理工任教的便利条件，自学计算机编程语言，推演出“战胜庄家”数学公式。以他的事迹为题材翻拍的电影《21点》，讲述了数学天才们通过数学算法在赌场里大杀四方的故事。而现实中的爱德华·索普在拉斯维加斯赌场用数学算法赢了很多钱，却被庄家在咖啡里投毒，险些丢了性命。

　　之后，爱德华·索普带着数学才华来到了华尔街，使用大数定律理论研究了一套科学股票市场系统，使用这种量化投资策略投资股票权证市场，让爱德华·索普在华尔街名声大震，这套对股票价格的分析方式也是布莱克-斯科尔斯期权定价公式的理论基础，接着他又出版了《战胜市场》一书，轰动了整个金融市场，被公认为数量化交易的起点，爱德华·索普也因此被人们称为“量化之父”.

　　量化交易是人工智能交易的原型，实则将交易产品进行数量化分析，这个分析范畴包括投资胜率、获胜概率、仓位风控等必要参数，而当计算机与网络传输也加入到金融交易市场时，量化交易则被计算机赋予自动化的能力，于是人工智能交易时代到来。

　　科技对金融变革的主导性

　　金融行业通常更快地接受新科技，电报与电话等通信设备最先在华尔街普及，计算机亦如此。自1965年以来，半导体以摩尔定律的速度在发展。1969年12月开始联机的ARPA网络奠定了互联网发展基础，到20世纪70年代便已形成传输与计算双轨井喷的发展态势，分别体现在网络进入兆级传输速度，计算机进入民用普及时代。加之存储技术的迭代更新，数据存储门槛降低，如今以CBA(云存储与计算、大数据与区块链、人工智能)为主框架的新科技平台已经成型，各行各业都将升级或转型，包括金融领域的银行业、保险业、证券业等。

　　科技的发展对金融业的变革迅速而无情。1969年，美国第一台ATM机在化学银行长岛分行投入使用，进入20世纪70年代，前端业务的电子化带来银行员工的失业潮，甚至有银行失业柜员愤怒地损毁ATM机。之后，许多新型金融业务产品也发展起来。据统计，到20世纪90年代，美国银行平均每月54%的交易来自于ATM机，更加充分地证明科技对金融变革的主导性。

　　证券交易与计算机科学的结合，是从数据传输开始的，开始只是取代电话与电报的通讯功能，交易商使用即时通讯将交易信息送达给证券经纪，交易操作还是通过人工来完成。然而一场金融危机却催生了计算机深度参与到市场交易中。

　　1987年10月19日的黑色星期一，美国股市发生大跌，当日道琼斯指数下跌了22%,市场面临崩盘，交易商们不停地用电话联系纳斯达克市场的做市商来撤销订单或平仓，可是电话一直无人接听，做市商们为了自己的利益，将投资者置之脑后，给他们造成了无法挽回的损失。后来迫于公众压力，纳斯达克要求做市商们在SOES系统上自动进行不足1000股数量股票的买卖交易，SOES系统在1988年6月30日上线运行。

　　SOES是第一个美国真正意义上的电子交易系统，它的发布为人工智能的量化交易开启了大门，很快使计算机进行自动化交易进入高速发展期，于是，原先由大型交易公司垄断控制的股票市场格局彻底被打破，那些曾经由交易员通过电话进行交易的情形一去不复返，市场迅速演变成一个基于电脑的交易网络。华尔街的股票市场的运作结构不断地朝着满足机器需求的方向移动，而机器对于交易速度及流动性的需求永无止境。

　　随着计算机工程师一味追求运行速度的极限，机器便处于永无止境的迭代状态，就像不断培育新的机器来替代自己。而交易算法是机器交易的灵魂，它们会突变成长和进化，在一个巨大而且不断增长的数字交易池中吞噬其他的算法。

　　人工智能交易的争议

　　智能交易可看作金融交易市场的工具或武器，随着科技的发展与监管的完善，智能交易形成两个重要的发展方向：空隙交易与价值策略。

　　空隙交易

　　在20世纪80年代，SOES系统进行量化交易时，不断涌现出的自动化交易公司多半专注于空隙交易，交易员利用美国股市多家做市商不能统一报价的间隙，在计算机上开发出迅速买卖的快捷程序，通过计算机在做市商之间快速倒卖股票而获取利益，虽然这种“剥头皮策略”的空隙会很快被机构防范，但是新的空隙又会再次出现并被利用。空隙交易的关键是交易速度的比拼，速度可以造成信息不对称，这便出现了掠夺性交易机会。

　　因此，从20世纪70年代开始，金融市场里那些臭名昭着的高频交易公司，在交易池里不断上演着“速度与激情”的戏码。从中国的金融交易市场规范中可以看出，中国股指期货市场上的行情公布频率是500毫秒，这就意味着交易员对这500毫秒内发生的事情浑然不知。但是，这对能够直连交易所的交易员毫无影响，因为通过直连交易所，交易机器可以观察到这500毫秒内所有的报价和成交信息。“天下武功唯快不破”,直连在中国是违法的，这种利用机制上的漏洞进行高频交易，其本质是投机行为，有违市场投资准则，在全世界都受到诟病。

　　价值策略

　　相对于单纯通过速度差造成的空隙交易，价值策略偏重于对金融投资的深度理解和前沿科技应用。

　　虽然人工智能的进步，让AlphaGo在围棋方面已经完胜人类，但它最大的弱点在于不会迁移学习。迁移学习是目前机器学习领域的前沿科技，可以让人工智能做到举一反三，通过找到两个或多个不同应用场景的共性，把A领域的模型和经验迁移应用到B领域。

　　另一个重要原因是智能交易需要与条件市场相匹配，股市的波动率是由多因子影响组合形成。在国内，政策因子对股市影响的导向性尤为突出，海外智能交易策略中将信息因子对标(经济指数)采集分析的方式在中国证券市场会严重水土不服，这正是价值策略的核心。价值策略的精髓在于结合多种因子(价格影响因素)的算法拟合，因子包含了价格、交易量、外部数据、消息面影响等，这是数理专业人才发挥才能的领域。

　　价值策略是在符合投资者价值观的框架下进行的。以股票为例，智能交易选择的因子信息包含了企业的经营数据、行业自动化分析、政策、资金博弈、历史行情周期等，这些因子都是人类投资必要的调研基础信息，智能交易只是让计算机代替人类对这些数据进行自我学习。标的物为期货的机器交易选择的因子信息包含了历史行情周期、国际贸易数据、政策信息等，这与将人类分析替换为机器人分析如出一辙。

　　再如金融衍生品期权。期权是由数学家们将标的物的资产价值结合交易因素进行公式化后创造的，通过数学公式创造金融衍生品的从业者被称之为宽客(Quant)，所以，不具备数理能力深涉金融衍生品交易是非常困难的，这也是华尔街拥有工程与计算机科学专业背景的人才大受欢迎的原因。价值策略的人工智能交易符合良性市场投资方向，它为市场提供很强的流动性，同时对实业发展起到增益价值，未来有着广阔的发展空间。

　　人工智能进入金融交易市场，从1930年就已经开始孕育，数学一直与金融同行，在计算机没有普及的时代，数学家就已经通过人工计算的方式参与了金融交易。计算机与互联网于20世纪80年代末期爆发，计算与传输都发生了质的飞跃，改变了交易者进行金融交易方式，普通投资者只需要一台电脑就可以在家里交易证券产品，这在20世纪六七十年代则是无法想象的。如今，因为科技带来金融产品的不断创新与普惠，加速提升了市场交易的总量与频度，市场流动性充足，吸引了大批工程或计算机专业人才进入金融交易领域，从而刺激了人工智能交易的快速发展。

　　相关阅读：电子工程师论文机械电子工程与人工智能的关系

　　这篇电子工程师论文发表了机械电子工程与人工智能的关系，机械电子工程与人工只能的融合提高了社会生产力水平，论文探讨了他们之间的内在联系，在有机结合这两种系统的基础下，从而实现对飞机动力模型的建立需求，并对飞机动力模型进行完善。