704
機器人
想要占領華爾街，人工智能還要過這些關
人工智能進軍金融服務領域似乎隻是一件時間早晚的事。越來越多的“XX基金應用了XX算法”的新聞標題，讓華爾街的投行精英們不禁思考：十年後，我的這份工作還會存在嗎？(盤貝相關閱讀：人工智能來襲！華爾街這些工作已經或將會被替代)
上周金融主動投資領域也爆出了大新聞。周二，坐標舊金山的EquBot LLC公司正式推出了史上第一個用人工智能投資的ETF基金(NYSE代碼AIEQ)，建立在IBM Watson平台基礎上的這個ETF，將可能模仿一個全天候工作的股票分析師團隊。
不同於目前的量化投資基金的算法的是，IBM Watson平台上建立的AI，可以自己從錯誤中學習，無需進一步編程。根據美國商業資訊(Business Wire)的說法，這個ETF可以用IBM Watson的認知能力和大數據分析能力，來分析投資機會。簡單說，就是EquBot可以通過分析各種投資機會是否可能會受益於當前經濟狀況、趨勢以及世界和公司特定時間的可能性來進行排序，同時解析監管文件，超過100萬條新聞資訊，以及各種公司管理資料、情緒量表和財務模式等等，最後確定最有可能升值的股票，建立一個由30到70隻股票構成的投資組合。
EquBot官網主頁截圖 圖片來自EquBot
不過，EquBot隻是自動化投資的一個極端案例，絕不是所有投行和基金都已經像EquBot這麼極端。相反，雖然大家都在努力研發各種人工智能程序和投資算法，在現實中，“用人工智能控製投資進程”的唿聲，在華爾街卻實則反應平平。想要真正完全替代人類，人工智能還有很長的路要走。
講個比較早的自動化投資的例子。從上個世紀90年代開始，成功預言過“黑色星期一”事件的投資大佬Paul Tudor Jones曾經安排一個編程人員組成的團隊，為他做一個項目，叫做"Paul in a Box"(姑且譯做"保羅盒子")。他希望通過這個項目，解開對衝基金經理交易的DNA奧秘，搞清楚他們如何分析市場和他們的投資理念，然後訓練一個電腦，來做同樣的工作。
這些代碼後來被更新了很多次，現在在Tudor Investment Corp.裏麵依然還在用著。編程人員需要一次又一次的輸入新的數據類型，模擬不斷變化的價格信號。但即使如此，機器也不可能像Jones一樣，對經濟形勢變化有獨特的“嗅覺”，同時，機器也很難捕捉市場的不確定性。換句話說，最終做出決策的還是Jones本人，不是那個“保羅盒子”。
圖為Paul Tudor Jones 圖片來自Bloomberg
上麵所說的這個模型的局限性，是許多高端金融模型所共有的。目前的人工智能，離真正模擬人腦的思考還有相當的一段距離，即使編程人員設法構建了這類係統，這些軟件也需要頻繁的進行微調和數據輸入。高盛風險管理係統SecDB的首席工程師Michael Dubno表示，很多銷售人員和交易員至少現在還不會被炒魷魚的一大原因就是，“他們擁有比世界上的大多數計算機係統更為複雜的關於世界的心理模型”, 同時他認為，在短期內，人工智能的發展可能沒有大家所想的那麼迅勐。
高盛是推進自動化投資的領頭羊，自然證明投行認為自動化投資是有意義的，就像投資銀行在高頻交易領域開創性的存在一樣，使得銀行在短期內獲得了數十億美元的利潤。
然而，希望AI徹底取代股票或信貸交易員的技能，目前來看依然是不太可能實現的。自動化信貸市場交易尤其具有挑戰性，因為許多信貸交易工作取決於對每個交易的特性和人際交往的判斷，信貸市場的數據並非是標準化的，交易員需要與客戶合作來定製個性化的合同，比如商業抵押擔保證券。
插圖來自Linkedin
大家可能都認為，華爾街投行們用的肯定是最先進最牛逼的科技。然而這種想法其實是存在誤導性的。根據彭博之前的報道，目前華爾街的很多公司依賴的都是老舊的電腦，所謂的“算法”也不過是微軟的excel表格而已。根據科技谘詢公司CB Insights的數據，目前華爾街金融公司所使用的軟件的平均年齡已經長達38歲了。
令人感到意外的是，真正阻攔人工智能攻陷華爾街的第一大阻礙，正是這些算法所建立的基礎：數據。
數據作為這些智能算法存在的基石，卻往往是碎片化的、或不準確的。
說這話的不是別人，正是高盛風險管理首席工程師Dubno。Dubno認為，公司推進自動化投資的第一大障礙就是公司所擁有的遺留數據係統、錯誤的數據和不良數據。“金融公司的標準困境就是，他們卡在了一個他們的數據存的到處都是的世界。”
這是一個很難避免的問題。畢竟當這些公司成立之初，他們的存在目標並不是成為算法大牛，因此，他們所使用的交易平台往往大雜燴，而存儲在不同服務器上的excel電子表格和數據又往往不能及時同步和更新。
比方說，機器學習對於諸如檢測欺詐行為，或信用風險分析等都十分有價值，但是，想要它在瞬息萬變的市場中適應交易確實非常困難。簡單說，就是曆史數據不足以建立一個有效的算法。而當你好不容易攢夠了足夠多的數據來建立一個複雜的模型時，這波市場動態早就已經過去了。
插圖來自NCClinked
另外，行業慣性也是一大問題。
為了能夠開發尖端科技，JPM或T. Rowe Price Group這樣的大公司，都已經設立了科技中心，投入大量資金進行研發。最近一個求職季，高盛發布的職位也全都跟科技和編程有關。然而，在華爾街創新研發是一回事，在公司裏麵真的實施就是另外一回事了。畢竟對於投行來說，實施新科技並不是第一要務，為客戶賺錢和跟上目前的監管法規才是。
比方說，想要在忙成狗的交易部門安裝一個新的係統，就是非常有挑戰性的一件事。在交易部門，所有的交易員都忙的不可開交，時間非常的緊張，大家的心態都是“如果沒壞就別修了”，況且有時候，桌麵上可能已經沒地方可以放所謂的前沿科技了。
從另一個角度看，這也包含了一些微妙的“辦公室政治”因素。高管們可能並不希望引入AI，讓投資實現自動化，可能更希望保持現狀，因為他們不希望失去目前的薪水和地位。而老板們也是差不多，他們往往也不願意過多削減員工，以至於減少他們的權威，也更不願意使用自己並不了解的技術。
插圖來自Google
如此說來，AI想要完全攻陷華爾街，還是任重而道遠的一件事。而那些擔心自己會因此丟掉工作的小夥伴們，可以暫時把心放回肚子裏了，初級分析師們依然還可以保住工作，至少現在來看，短期內是如此。
最後更新：2017-10-25 07:45:45