429
機器人
人工智能入侵華爾街，最聰明的公司告訴你：主動擁抱AI更明智！
本文字數：4487｜預計7分鍾讀完
科技正在重塑金融業。華爾街頂尖金融機構正主動求變，以期趕上矽穀科技公司的節奏。
想象下這樣的場景：
早上起床，一名金融人士拿起手機說，“嗨，沃倫，今天蘋果要發布新款iPad，哪一家供應商的股票漲幅最大？”數秒鍾之後，他就得到了一份漂亮而詳細的名單。
當然，回答問題的不是赫赫有名的沃倫·巴菲特，而是一款人工智能軟件，它可能對各種金融問題知無不言，比如基於雲端計算的AI軟件Kensho，可以快速掃描超過9萬份資料（包括經濟報告、貨幣政策變化、時政新聞及相關分析），在數秒鍾之內回答超過6500萬個問題。
如果華爾街的分析師從事同樣的工作，至少要花費40個小時，這些人的平均年薪是35萬-50萬美金。
人們一直擔心人工智能會取代低階的工作，其實，受到衝擊遠不止於此，西裝革履的華爾街精英也可能淪為弱勢群體。
2015年，摩根士丹利裁員1200人，其中包括處理固定收益和大宗商品業務的470名前台員工；2016年，高盛先後進行7次小規模裁員，總計裁撤443個崗位，成為2008年金融危機以來裁員最多的一年。高盛高峰期曾雇傭超過600名股票交易員，如今隻剩兩人，取而代之的是自動交易項目以及200名計算機程序員。
據統計，從2012年開始，華爾街已連續5年減聘人員，總計達到1.27萬人。單單過去一年，12家華爾街頂級投行共減聘了1900名前台人員，涉及股票、投行業務和固定收入及大宗商品業務。
需要說明的是，裁員與衰退並無關聯，摩根士丹利、摩根大通、花旗的表現均超過預期，失去的工作職位，將永遠都不會再回來。
這一切，源自於金融業正在爆發的科技革命，由於金融科技特別是人工智能技術的發展，最聰明的金融機構正在主動求變，以期盡快轉型為技術公司，他們從矽穀高薪招攬程序員，開發各種程序和智能項目，進行各種業務場景的實驗。毫無疑問，科技正在重塑金融業。
高盛：金融穀歌
高盛在金融科技領域野心勃勃，高管層多次公開表示，他們更希望變成金融界的穀歌。
首席執行官馬蒂·查維斯（Marty Chavez）有一個比喻,“想象一下，如果Google像我們一樣工作,”他形容說，“每次當你想搜索一條信息的時候，首先會拿起電話，打給你的穀歌銷售，將你要搜索的關鍵詞讀給他聽，然後他將這個詞輸入內部係統，得到反饋信息，再將信息讀給你聽。”
這聽起來像一場災難，穀歌不可能這樣工作，高盛若繼續堅持傳統方式，顯然不是聰明之舉。當務之急是處理數據，高盛擁有大量的數據，隻是存在大量冗餘重疊、缺乏透明度和權威度，利用效率過低。
2015年，高盛開始搭建數據湖（DATA LAKE），這是一個建立在開源基礎上的數據係統，它收集交易、市場、投資研究、郵件、語音、即時通訊、客戶信息和事件信息等大量數據。在整個係統中，有三方參與者共同工作，以實現運營：
生產者：負責發布其數據進入數據湖，並保證數據的有效性和服務級別協議（SLA）；改善者：負責清理、豐富和轉化數據，並將已整理的版本重新發布到數據湖中；消費者：瀏覽數據並運用數據生產報告、詢問和分析。
同時，高盛致力於消除客戶必須來電的傳統作業方式。交易平台Marquee的誕生，即是為此目標而服務。
一位參與搭建Marquee的高盛員工概括說，在初期階段，Marquee主要幫助客戶以電子方式和銀行進行互動。早在2013年6月，高盛就向部分頂級客戶提供可接入Marquee交易平台的工具，用以進行大宗股票電子交易，Marquee的算法執行交易隻需數秒，人工交易則要以分鍾或小時計。
Marquee是開源平台，允許接入多種應用，SIMON（結構化在線投資市場）是其中一個典型例子。
比如，結構性票據（Structured notes）是一種可定製投資，將固定收益的保本投資和風險較大的衍生性金融商品融為一體，在一定程度上達到規避風險和提高收益的作用。在SIMON出現以前，營業員需在客戶和票據發行公司之間進行多次的溝通調整，現在，客戶可在平台上自主完成購買操作。
SIMON也是學習平台，能加深客戶對結構性票據的了解認知。據《華爾街日報》的報道，高通正在與摩根大通和摩根士丹利洽談，希望他們也向SIMON提供產品。此外，高盛試水了在線借貸服務Marcus等項目。
高盛正在投入大量技術人才，用以完善各種技術平台，比如，招聘大量應屆生工程師奔赴紐約，並將其起薪提升至10萬美金。數據顯示，高盛雇用的3.6萬名員工中，9000名是程序員和技術工程師。
摩根士丹利：人機結合
2017年上半年，摩根士丹利的財富管理業務（Wealth Management）表現出色，營收增長同比增長8%，為公司貢獻了49%的收入和42%的稅前利潤。
財富管理正是摩根士丹利布局AI的重點領域。今年9月，摩根士丹利首次上線試用“最優行動”（Next Best Action），將有500名財務顧問首次嚐試，並根據實際運行的結果，不斷優化係統。這是其近年來最受重視的AI係統，最終係統將和16000名財務顧問一起為客戶提供服務。
“最優行動”包括三個方麵功能：第一，與市場上常見的“機器人顧問”功能類似，提供關於投資建議的自動化運算，為顧客推薦合適投資的基金、債券和股票。隻是，其推薦首先顯示給財務顧問，他們結合自己對客戶的理解，再決定是否將建議推送給具體的客戶。
第二，充當警報係統，將追加保證金通知、保證金餘額提醒、客戶投資組合預期劇烈波動等消息推送給財務顧問。當一隻股票的信用等級被提升或降低，係統會將該消息以及預計受影響的客戶名單，一並推送給財務顧問。與前者相同，財務顧問由自己整理分析後，再將警報信息推送給客戶。
第三，將客戶的生活需求納入投資係統。舉例而言，如果一個客戶的孩子生病，係統會為其推薦摩根士丹利當地最好的醫院、診所以及處理此病情的最優財務建議。這是係統的獨有功能，以便於加強客戶和財務顧問之間的關係。
當然，客戶可以直接在係統中看到最新消息，如果他們願意，甚至可以選擇隻接受係統推送信息，這種服務的價格更加低廉，對預算有限或年輕客戶更加合適。
“最優行動”不會是個一成不變的係統，而摩根士丹利試圖在人與機器之間找到一個最優平衡，與雄心勃勃的金融科技創業公司不同，這家老牌機構並不打算將所有工作交給機器。
“盡管機器人顧問普遍受到歡迎，客戶仍然希望是由人來幫助他們解決複雜的生活問題。” 摩根士丹利財富管理部門首席技術官Naureen Hassan表示，客戶希望可以有一個簡單應用跟蹤所有服務，但至少有22%的客戶希望有更多時間與人類財富顧問交流。
摩根大通：自動交易
摩根大通AI係統名為LOXM，是一個基於深度學習的智能係統，其角色不是一個顧問，而是一個交易操作員。
在短時間內，LOXM可以綜合計算數百萬筆交易數據，從而推斷出最佳的操作建議，比如，如何進行大量股權拋售的同時，避免觸發市場價格的巨幅波動。摩根大通線性量化研究團隊的負責人David Fellah介紹說：“這種操作以前是由人類實施的，現在AI機器能以更高的效率做到這點。”
據悉，2017年第一季度，LOXM已開始在歐洲進行測試，如果運行順利，將在今年底前應用於亞洲和北美的業務，為了實現最大速度和最優價格的操作，LOXM已接受過數十億筆重大交易的模擬訓練，在交易訓練中，其表現遠超過以前的人工和自動化操作。
基於交易安全的考慮，現階段LOXM沒有最終的買賣決定權，隻是提供具體的買賣方案給客戶，由他們做出最後的決定。
摩根大通並不滿足於LOXM局限在交易功能，希望LOXM可以向財務顧問的角色進化：能夠學習了解每個客戶的獨特性，在執行交易時，將其可能的反應和行為納入計算範圍，成為一個為客戶量身定製的智能係統。
“這也可能會使部分終端客戶疏遠我們。” 摩根大通全球股票電子交易主管Daniel Ciment說，“有研究表明，大多數客戶不相信技術可以進行重大的財務決策，我們需要考慮減輕這項努力所帶來的負麵影響。”
在LOXM之前，摩根大通上線了另一款機器學習軟件COIN，專門用於處理合同，可在數秒鍾之內掃描完合同文檔，其出錯率非常低，且“從來不要求休假”。在COIN之前，這項工作每年會耗費律師大約36萬小時的工作時間。
摩根大通的財報顯示，公司2016年花費96億美元的科技研發預算，約占總營收的9%，該項支出在不斷增長中。
瑞銀：前後並重
瑞銀（UBS）是歐洲最大的金融控股集團，在金融科技和人工智能領域多有試水。華爾街大鱷們相對側重後台智能化，瑞銀則對前台的技術化改造頗有興趣。
瑞銀投資銀行首席運營官Beatriz Martín Jiménez曾公開評論說：“有關後台自動化的討論很多，我們希望和前台的人討論，是否有些工作可用機器人來代替，果然發現了可做的事情。”
第一個應用是相對簡單的自動化程序，由瑞銀和德勤共同開發，用來處理客戶交易後分配請求的業務，可以掃描客戶發來的、關於如何分割資金用於大宗交易的郵件，分析郵件內容執行操作。
這項自動化程序用2分鍾的時間，能完成前台人員耗費45分鍾的工作量，幫助他們節餘精力去做其他事情，比如打電話給客戶。
另一項“小程序”用於外匯交易預約及相關業務，在UBS的倫敦辦公室，可看到一塊顯示屏和上麵自動移動的鼠標，該程序可提取大量的文件，再將他們放置在對應的另一個係統當中。對於投行家們而言，這本是一個無聊的任務。
小程序並不能滿足大公司的野心，瑞銀也在研發機器學習係統，希望利用大量數據建立投資策略並提供給客戶，他們希望該係統達到與人類投行家相當的研究水平，這在內部稱為“適應性策略”（Adaptive Strategy）。
倫敦EXCEL中心的一次公開活動上，瑞銀創新事業部的負責人Annika Schroeder公開表示，他們正在“建立一個可以模仿投資分析師的虛擬代理⋯⋯可掃描市場數據和美國證券交易委員會的文件，像人類分析師那樣將所有需要考量的信息納入計算，對一個公司進行估值”。
據Schroeder透露，係統已能用“近似於人類語言”的方式輸出結果，距離理想中的“虛擬代理”已非常接近，希望通過豐富的數據訓練，在正式上線前達到足夠高的水準。截至目前，尚無開始此係統服務客戶的公開信息或具體時間表。
Kensho：技術新寵
巨頭們的技術探索，並沒有局限在內部。
2017年2月，以標準普爾為首的九家金融巨頭，向金融科技創業公司Kensho投資5000萬美元，後者估值一舉超過5億美元。
Kensho尚未達到“獨角獸公司”的估值標準，但在其投資者的名單上，集結了幾乎全部華爾街大鱷：高盛、摩根大通、美林美銀、摩根士丹利、花旗集團和富國銀行，儼然集萬千寵愛於一身。
其中，高盛早在2014年即對Kensho投資 1500萬美元，成為最大股東，以至於後續相當長時間，Kensho一直被視為高盛的AI產品，該公司於2013年創立於波士頓，核心創始人是哈佛數量經濟學博士的丹尼爾·納德勒（Daniel Nadler）。
早在哈佛就讀期間，丹尼爾曾參訪金融機構，他意外發現，大量對衝基金盛名在外，核心計算工具居然是Excel，信息處理方式原始而緩慢：收集大量研究調查結果，雇傭高薪的量化分析團隊，運用Excel計算金融產品的未來趨勢。這與他在宿舍所做的事情並無不同，當時，擁有雲計算能力的金融公司少得可憐。
丹尼爾意識到，如果建立成熟的計算模型，輸入各種影響變量，可以快速得出結果，效率遠高於聰慧的分析師。於是，丹尼爾和MIT計算機碩士彼得?克魯斯卡爾（PeterKruskall）聘用前穀歌的工程師團隊，創立了Kensho，共同搭建出了基於雲計算的金融建模和分析軟件“沃倫（Warren）”。
Warren的計算原理不難理解，作為一個運算模型，當人們向Warren提出問題後，它能快速搜索所有相關信息並將其納入計算模型，在數秒鍾之內提供計算結果。簡單說，Warren如同金融界的Siri，會用簡單直白的語言回答使用者的問題。利用機器學習技術，未來甚至可以跟進問題重要性進行分級。
根據《福布斯》的報道，2016年6月英國決定脫歐時，Kensho曾在數秒鍾之內構建一個信息數據庫，得出當地貨幣將長期下跌的結果——這在英國脫歐後得到印證，英鎊匯率從2016年7月開始一路跌至30年來的最低點。
華爾街巨頭的觸角不止於此。2014年，14家金融機構聯合向即時通訊工具Symphony 注資 6600 萬美元，同樣有高盛領投，投資者包括摩根士丹利、摩根大通、黑石等投資銀行。
Symphony 主要服務金融業務行業，其消息服務可使得金融機構內部人員相互通訊，而且幫助他們與使用相同安全框架的其他聯係人進行溝通，付費用戶已超過20萬。2017年，Symphony又融資6300萬美元資金，公司估值超過10億美元，新一輪融資的領銜投資者是法國巴黎銀行（BNP Paribas）。
報告顯示，2017年以來，高盛投資了約15家側重資本市場業務的金融科技公司，摩根大通投資9家，預計在2017全年，華爾街成熟的金融機構將向金融科技領域投入創紀錄的17億美元。
本期編輯：李惠琳
本文版權歸21CBR所有，未經許可不得轉載、摘編或以任何形式使用。
最後更新：2017-10-08 07:54:37