306
機器人
人工智能來襲！華爾街這些工作已經或將會被替代
華爾街正在進入一個全新的時代。所有的債券行家、股票精英都準備好了嗎？很快，你的位置很快會被算法和人工智能取代。
銀行和投資基金們的人工智能化已經醞釀多時。現在，人工智能還沒有“聰明”到可以完全取代人類交易員的程度，然而這已經讓華爾街精英們十分焦慮。目前，銀行和投資基金們推出了機器學習軟件，來幫助分析市場趨勢，量化對衝，設定價格等等。
這些工具是一把雙刃劍，一方麵它帶來的是大量便利，讓交易員從繁重的日常工作裏麵解放了出來；而另一方麵，它也會讓不少人失去工作。七月份，谘詢公司麥肯錫發發布了一份報告，機器人已經準備取代銀行中大約三分之一的工作。風險資本家Marc Andreessen也表示，對金融員工的需求至少下降1萬人。難怪高盛最近幾個月出來的招聘廣告都是要找科技人才。
點擊播放
GIF/473K
在討論人工智能的勐烈攻勢之前之前，我們先來看看，目前華爾街投行們最愛用的四種科技都是什麼：
ML=Machine Learning,即機器學習
NLP=Natural-Language Processing,即自然語言處理技術
RPA= Robotic Process Automation,即機器流程自動化
PA=Predictive Analytics,即預測分析
下麵，就讓我們掰開了揉碎了看看，到底哪些工作正在逐漸被人工智能吞並？
(綠色表示還未受到嚴重威脅，橘紅色表示銀行已經在測試此類算法，深紅色表示這類職位已經受到了嚴重威脅。)
賣方之信貸交易
事實證明，雖然人工智能迅速攻占了證券交易，債券交易和信貸業務似乎對電腦來說並不是那麼容易。銀行必須仔細地控製持股量，以盡量減輕資產負債表的負擔。自然語言處理，數據收集和機器學習的進步有助於克服這方麵的困難。
Trading:很多公司使用軟件來確定最適合公司資產負債表的信用互換，同時還會用統計學的機器學習來測試投資組合。
Sales:一些銀行正在測試一種軟件，能夠聽懂與客戶的對話，分析他們的交易，同時為銷售提供建議，以及預測客戶未來的需求。
賣方之利率與外匯
貨幣方麵交易的長期轉型正在加速升級。公司正在利用大數據和機器學習來預測客戶的需求以及價格的波動。軟件還幫助設計和管理銀行更複雜的匯率互換和貨幣衍生工具的庫存。
利率：
Trading：銀行正在使用軟件來確定最適合公司資產負債表的利率互換，算法還正在學習中。
Sales：機器已經可以監控客戶郵件的收件箱與電子平台等，來了解客戶想要如何配置資產。
外匯:
Trading:機器學習軟件已經能夠在資產價格和其他數據之間找到關聯，並預測在接下來幾個小時內的價格變動。
Sales:機器已經可以監控與客戶的通信來確定客戶想如何配置資產。
賣方之商品與證券
從與黃金和石油等資產相關的高流動性合約到商品本身，商品交易世界並不總是想變得自動化的。但是目前銀行正在對交易員和銷售人員與客戶之間的對話進行編目，以便創建客戶的個人資料，更好地預測他們的意願。
商品：
Trading:在這方麵銀行還在早期實驗中。
Sales:一些銀行正在測試一種軟件，能夠聽懂與客戶的對話，分析他們的交易，同時為銷售提供建議，以及預測客戶未來的需求。
證券：
Trading:銀行正在測試使用深度學習(deep learning)來建模違約率，同時預測投資組合的表現。
Sales:這方麵還在早期實驗開發中。
賣方之股票交易
幾十年前，股票交易就已經開始轉向電子平台了。股票交易是使用人工智能執行訂單的前幾個測試平台之一。
現金：
Trading:一種叫做"強化學習"(Reinforcement learning)的人工智能可以運行數以千萬計的模擬和測試，來找到以最佳價格執行客戶訂單的時機，並將對市場的影響降到最低，很快它也將被用到作價和對衝中去。
Sales:機器已經可以監控客戶郵件的收件箱與電子平台等，來了解客戶想要如何配置資產。
衍生品：
Trading:銀行已經在測試一種平台，利用機器學習，來定製和對衝賣給客戶的股權衍生品。同時，執行現金股票訂單的軟件很快也將被用於期貨和期權交易。
Sales:軟件已經可以讀取合同，並通知客戶有關互換到期和其他期限與條款等。機器同時還可以監控客戶郵件的收件箱與電子平台等來了解客戶需求。
買方之股票交易
對衝基金和資產管理人員正在使用預測分析來完成一些日常任務，如定時股票購買和基於市場流動性評估風險。計算機在幫助銀行消化龐大的數據量，從汽車登機到石油鑽井情況，幫助預測股票的表現。
投資組合經理：
確定交易：計算機通過分析曆史數據，來確定潛在的股票交易，並預測它們在不同的情形下的表現如何。
資產組合建構：算法們可以通過分析曆史數據來幫助銀行確定投資組合的大小、時間和久期。模型們同時還可以評估市場作價和流動性，幫助設計對衝。
監控交易：算法通過分析數據，來將交易的變化建模，同時根據市場上發生的變化，對調整方案做出建議。
執行：目前計算機將買賣的單子都發給經紀人，銀行正在測試讓機器直接完成這一步。
股票分析師：
證券建模：計算機模型可以監控目前和未來的交易，對估值進行分析，同時預測股價。
金融研究：算法可以打包分析大量的數據，比如對某個品牌的用戶體驗，email收據，甚至是石油鑽井的采油量。NLP可以分析財報會議的文字記錄來判別其中的關鍵字和主題。
提出交易計劃：機器已經學會了如何閱讀新聞媒體，監控社交媒體，用NLP來總結研報，為潛在交易機會提出建議。
買方之信貸
大量的電子表格，如按揭債券的細節等等，對信貸基金來說並不新鮮。有些基金教電腦掃描並了解更大範圍的債券契約，法律文件和法院裁決。在不透明市場自動化分析合約和流動資產依然是一個很大的挑戰。
投資組合經理：
確定交易：計算機通過分析曆史數據，來確定潛在的股票交易，並預測它們在不同的情形下的表現如何。
資產組合建構：算法們可以通過分析曆史數據來幫助銀行確定投資組合的大小、時間和久期。模型們同時還可以評估市場作價和流動性，幫助設計對衝。但是對於定製合同來說，依然存在很大的挑戰，
監控交易：算法通過分析數據，來將交易的變化建模，同時根據市場上發生的變化，對調整方案做出建議。市場的不透明性依然是一個很大的挑戰。
執行：公司依然還在測試，讓機器試著完成OTC交易和定製合同的買賣訂單，但是在這方麵的自動化依然是非常有挑戰性的。
信貸分析師：
金融研究：計算機已經能夠處理抵押貸款和違約數據。現在它們已經可以分析財報會議的文字記錄來判別其中的關鍵字和主題。但是目前分析法庭聽證會的細節依然比較困難。
證券建模：計算機模型可以監控目前和未來的交易，對估值進行分析，同時預測價格。但是對於定製合同依然存在困難。
提出交易計劃：公司已經在教機器閱讀法律文件以及債券契約，計算機同時也會監控陷入麻煩的公司的信用評級、風險、估值，以及是否有複蘇的希望。但是很多文件的複雜程度依然要求有人類參與。
買方之宏觀
公司正在努力培養AI經濟學家。他們正在用自然語言處理來篩選中央銀行的評論，獲得有關未來貨幣政策的線索。他們還在嚐試一些算法，可以掃描遠距離的數據，如來自中東的油罐運輸或中國工業現場的衛星圖像，以預測增長。
投資組合經理：
確定交易：計算機通過分析曆史數據，來確定潛在的股票交易，並預測它們在不同的情形下的表現如何。
資產組合建構：算法們可以通過分析曆史數據來幫助銀行確定投資組合的大小、時間和久期。模型們同時還可以評估市場作價和流動性，幫助設計對衝。但是對於定製合同來說，依然存在很大的挑戰，
監控交易：算法通過分析數據，來將交易的變化建模，同時根據市場上發生的變化，對調整方案做出建議。市場的不透明性依然是一個很大的挑戰。
執行：公司依然還在測試，讓機器試著完成OTC交易和定製合同的買賣訂單，但是在這方麵的自動化依然是非常有挑戰性的。
信貸分析師：
金融研究：計算機已經能夠處理分析衛星圖像、石油運輸以及賣房廣告等數據來追蹤經濟發展趨勢。軟件也能夠分析央行的評論和其他會議的記錄，檢索關鍵字，分析市場情緒。但是最麻煩的一點是，在很多場合下，當一個人在講話時，是不允許有一台計算機在場的。
證券建模：計算機模型可以監控目前和未來的交易，對估值進行分析，同時預測價格。
提出交易計劃：機器已經學會了如何閱讀新聞媒體，監控社交媒體，用NLP來總結研報，為潛在交易機會提出建議。
盤貝中國致力於打造投資金融類原創新聞，任何單位及個人如需轉載，須事先取得盤貝中國授權後方可使用和轉載。任何未盡許可的轉載我們將訴諸法律途徑。具體轉載事宜請直接聯係微信公眾號。
最後更新：2017-10-19 07:38:31