306
机器人
人工智能来袭！华尔街这些工作已经或将会被替代
华尔街正在进入一个全新的时代。所有的债券行家、股票精英都准备好了吗？很快，你的位置很快会被算法和人工智能取代。
银行和投资基金们的人工智能化已经酝酿多时。现在，人工智能还没有“聪明”到可以完全取代人类交易员的程度，然而这已经让华尔街精英们十分焦虑。目前，银行和投资基金们推出了机器学习软件，来帮助分析市场趋势，量化对冲，设定价格等等。
这些工具是一把双刃剑，一方面它带来的是大量便利，让交易员从繁重的日常工作里面解放了出来；而另一方面，它也会让不少人失去工作。七月份，咨询公司麦肯锡发发布了一份报告，机器人已经准备取代银行中大约三分之一的工作。风险资本家Marc Andreessen也表示，对金融员工的需求至少下降1万人。难怪高盛最近几个月出来的招聘广告都是要找科技人才。
点击播放
GIF/473K
在讨论人工智能的猛烈攻势之前之前，我们先来看看，目前华尔街投行们最爱用的四种科技都是什么：
ML=Machine Learning,即机器学习
NLP=Natural-Language Processing,即自然语言处理技术
RPA= Robotic Process Automation,即机器流程自动化
PA=Predictive Analytics,即预测分析
下面，就让我们掰开了揉碎了看看，到底哪些工作正在逐渐被人工智能吞并？
(绿色表示还未受到严重威胁，橘红色表示银行已经在测试此类算法，深红色表示这类职位已经受到了严重威胁。)
卖方之信贷交易
事实证明，虽然人工智能迅速攻占了证券交易，债券交易和信贷业务似乎对电脑来说并不是那么容易。银行必须仔细地控制持股量，以尽量减轻资产负债表的负担。自然语言处理，数据收集和机器学习的进步有助于克服这方面的困难。
Trading:很多公司使用软件来确定最适合公司资产负债表的信用互换，同时还会用统计学的机器学习来测试投资组合。
Sales:一些银行正在测试一种软件，能够听懂与客户的对话，分析他们的交易，同时为销售提供建议，以及预测客户未来的需求。
卖方之利率与外汇
货币方面交易的长期转型正在加速升级。公司正在利用大数据和机器学习来预测客户的需求以及价格的波动。软件还帮助设计和管理银行更复杂的汇率互换和货币衍生工具的库存。
利率：
Trading：银行正在使用软件来确定最适合公司资产负债表的利率互换，算法还正在学习中。
Sales：机器已经可以监控客户邮件的收件箱与电子平台等，来了解客户想要如何配置资产。
外汇:
Trading:机器学习软件已经能够在资产价格和其他数据之间找到关联，并预测在接下来几个小时内的价格变动。
Sales:机器已经可以监控与客户的通信来确定客户想如何配置资产。
卖方之商品与证券
从与黄金和石油等资产相关的高流动性合约到商品本身，商品交易世界并不总是想变得自动化的。但是目前银行正在对交易员和销售人员与客户之间的对话进行编目，以便创建客户的个人资料，更好地预测他们的意愿。
商品：
Trading:在这方面银行还在早期实验中。
Sales:一些银行正在测试一种软件，能够听懂与客户的对话，分析他们的交易，同时为销售提供建议，以及预测客户未来的需求。
证券：
Trading:银行正在测试使用深度学习(deep learning)来建模违约率，同时预测投资组合的表现。
Sales:这方面还在早期实验开发中。
卖方之股票交易
几十年前，股票交易就已经开始转向电子平台了。股票交易是使用人工智能执行订单的前几个测试平台之一。
现金：
Trading:一种叫做"强化学习"(Reinforcement learning)的人工智能可以运行数以千万计的模拟和测试，来找到以最佳价格执行客户订单的时机，并将对市场的影响降到最低，很快它也将被用到作价和对冲中去。
Sales:机器已经可以监控客户邮件的收件箱与电子平台等，来了解客户想要如何配置资产。
衍生品：
Trading:银行已经在测试一种平台，利用机器学习，来定制和对冲卖给客户的股权衍生品。同时，执行现金股票订单的软件很快也将被用于期货和期权交易。
Sales:软件已经可以读取合同，并通知客户有关互换到期和其他期限与条款等。机器同时还可以监控客户邮件的收件箱与电子平台等来了解客户需求。
买方之股票交易
对冲基金和资产管理人员正在使用预测分析来完成一些日常任务，如定时股票购买和基于市场流动性评估风险。计算机在帮助银行消化庞大的数据量，从汽车登机到石油钻井情况，帮助预测股票的表现。
投资组合经理：
确定交易：计算机通过分析历史数据，来确定潜在的股票交易，并预测它们在不同的情形下的表现如何。
资产组合建构：算法们可以通过分析历史数据来帮助银行确定投资组合的大小、时间和久期。模型们同时还可以评估市场作价和流动性，帮助设计对冲。
监控交易：算法通过分析数据，来将交易的变化建模，同时根据市场上发生的变化，对调整方案做出建议。
执行：目前计算机将买卖的单子都发给经纪人，银行正在测试让机器直接完成这一步。
股票分析师：
证券建模：计算机模型可以监控目前和未来的交易，对估值进行分析，同时预测股价。
金融研究：算法可以打包分析大量的数据，比如对某个品牌的用户体验，email收据，甚至是石油钻井的采油量。NLP可以分析财报会议的文字记录来判别其中的关键字和主题。
提出交易计划：机器已经学会了如何阅读新闻媒体，监控社交媒体，用NLP来总结研报，为潜在交易机会提出建议。
买方之信贷
大量的电子表格，如按揭债券的细节等等，对信贷基金来说并不新鲜。有些基金教电脑扫描并了解更大范围的债券契约，法律文件和法院裁决。在不透明市场自动化分析合约和流动资产依然是一个很大的挑战。
投资组合经理：
确定交易：计算机通过分析历史数据，来确定潜在的股票交易，并预测它们在不同的情形下的表现如何。
资产组合建构：算法们可以通过分析历史数据来帮助银行确定投资组合的大小、时间和久期。模型们同时还可以评估市场作价和流动性，帮助设计对冲。但是对于定制合同来说，依然存在很大的挑战，
监控交易：算法通过分析数据，来将交易的变化建模，同时根据市场上发生的变化，对调整方案做出建议。市场的不透明性依然是一个很大的挑战。
执行：公司依然还在测试，让机器试着完成OTC交易和定制合同的买卖订单，但是在这方面的自动化依然是非常有挑战性的。
信贷分析师：
金融研究：计算机已经能够处理抵押贷款和违约数据。现在它们已经可以分析财报会议的文字记录来判别其中的关键字和主题。但是目前分析法庭听证会的细节依然比较困难。
证券建模：计算机模型可以监控目前和未来的交易，对估值进行分析，同时预测价格。但是对于定制合同依然存在困难。
提出交易计划：公司已经在教机器阅读法律文件以及债券契约，计算机同时也会监控陷入麻烦的公司的信用评级、风险、估值，以及是否有复苏的希望。但是很多文件的复杂程度依然要求有人类参与。
买方之宏观
公司正在努力培养AI经济学家。他们正在用自然语言处理来筛选中央银行的评论，获得有关未来货币政策的线索。他们还在尝试一些算法，可以扫描远距离的数据，如来自中东的油罐运输或中国工业现场的卫星图像，以预测增长。
投资组合经理：
确定交易：计算机通过分析历史数据，来确定潜在的股票交易，并预测它们在不同的情形下的表现如何。
资产组合建构：算法们可以通过分析历史数据来帮助银行确定投资组合的大小、时间和久期。模型们同时还可以评估市场作价和流动性，帮助设计对冲。但是对于定制合同来说，依然存在很大的挑战，
监控交易：算法通过分析数据，来将交易的变化建模，同时根据市场上发生的变化，对调整方案做出建议。市场的不透明性依然是一个很大的挑战。
执行：公司依然还在测试，让机器试着完成OTC交易和定制合同的买卖订单，但是在这方面的自动化依然是非常有挑战性的。
信贷分析师：
金融研究：计算机已经能够处理分析卫星图像、石油运输以及卖房广告等数据来追踪经济发展趋势。软件也能够分析央行的评论和其他会议的记录，检索关键字，分析市场情绪。但是最麻烦的一点是，在很多场合下，当一个人在讲话时，是不允许有一台计算机在场的。
证券建模：计算机模型可以监控目前和未来的交易，对估值进行分析，同时预测价格。
提出交易计划：机器已经学会了如何阅读新闻媒体，监控社交媒体，用NLP来总结研报，为潜在交易机会提出建议。
盘贝中国致力于打造投资金融类原创新闻，任何单位及个人如需转载，须事先取得盘贝中国授权后方可使用和转载。任何未尽许可的转载我们将诉诸法律途径。具体转载事宜请直接联系微信公众号。
最后更新：2017-10-19 07:38:31