AD
人工智能越来越多地应用于金融市场。基金经理在AI辅助下做出交易判断，往往就通过AI对海量财务数据中潜藏的规律进行识别；“投喂”给AI的数据越多，AI“成长”得就越快。
随着金融市场所产生的数据规模愈来愈大，人工智能理应越来越好。但若“投喂”给AI的数据不正常，让AI“吃坏了肚子”，又会发生什么？
低波动率“温室”下成长起来的AI 海啸再次到来时将沦为废物？
2017年产生的数据量，比2010年多出10倍左右（下图）。这同时也意味着，质量最高、AI接触最多的数据也高度集中于近几年——而金融危机以来的这个世界，却充斥着央行通过量化宽松和资产购买释放到市场上的廉价资金，这对市场而言，远非一个“正常”的状态。这样的“非常态”已经造成了一些影响，从依靠债务杠杆度日的“僵尸”公司数量攀升，到创历史地位的波动率促使上市公司大举回购股票，不一而足。
来源：金融稳定委员会
在这么多数据“喂养”下成长起来的AI，可能连“正常”的市场是什么样子都不知道。达拉斯联储总裁Robert Kaplan近日指出了当今存在的一些市场极端状况，他在文中警告大家，日益严重的经济失衡将会增加资产价格大幅回调的风险。
现在美股总市值约占GDP的135%，是2000年以来的最高值;公司债务规模处于历史记录高位;纽约证券交易所2017年的成交量较2007年下降了51%，而纽交所总市值却上涨28%。美国股市12个月内未出现过单日3%的调整，波动率创记录新低。
Kaplan指出，今天低迷的波动率“非同寻常”。但他没有说的，是波动率低迷背后的罪魁祸首正是市场上成本低廉的信贷。如果信贷唾手可得，公司就可以依靠债务融资一直维持下去，而本该如实公司资产价值的股权价格，自然也就没有了任何大幅波动的必要。以前市场所经历过的低波动时期，每次都以估值修复的剧烈振荡告终。
These violent delights have violent ends, “这些残暴的欢愉，终将以残暴收场”，在狂欢戛然而止之后，在低波动率“温室”下成长起来的人工智能，很可能将沦为废物。
量化交易AI：既是“多米诺”效应的接棒者，也是金融冲击的“放大器”
金融稳定委员会 (Financial Stability Board) 是G20国家集团在08年金融危机后在瑞士巴塞尔设立的国际机构，近日公布的研报中针对人工智能和机器学习可能对金融稳定造成的潜在影响，进行了研究分析。该委员会着重强调的一大风险，就是对冲基金和做市商越来越多地在日常操盘交易中使用AI。因为人工智能在优化错综复杂的量化交易系统方面效率极高，对AI的使用很可能导致金融机构的资本安全措施逼近“临界点”，比如将保证金控制在理论上刚刚好能够覆盖未平仓交易头寸的比例上。
AI在金融市场中的应用越来越广泛。低波动、高负债的廉价金融时代终将结束，宣告新市场环境真正到来的剧烈调整当中，AI当然也将在大舞台上扮演推波助澜的角色。
问题是，目前水平的人工智能，需要学习极长时间跨度上极大规模的数据，才能适应新的市场条件，避免量化操作的过激反应。当下一场金融海啸席卷全球，市场环境变得完全陌生的时候，这些掌管金融资产规模以亿计算的AI，究竟会做什么？随着金融系统内部的关联愈加紧密，“牵一发动全身”，进行量化交易操作的人工智能，可以作为“放大器”更快速地将金融冲击散播到整个金融系统，使得整个系统在危机爆发时变得更加不稳定。如果各家机构的AI交易策略使用的同一数据源，那么这些特定的数据源受到冲击之后的“多米诺”效应就会更加势不可挡。
现在很火的自动驾驶汽车，可以作为AI的“阿喀琉斯之踵”形象的比喻。当谷歌在总部Mountain View的街道上训练自驾车时，车在街口拐角处遇到了一位坐在轮椅上的女子，一边挥舞着扫帚一边追着一只鸭子。这辆车的数据库当中从未遇到过这样的对照物，而内设的“保险丝”要求它在遇到完全陌生的情况下停车等待，于是避免了一场事故的发生。而去年7月的另一起自动驾驶汽车事故中，配备自动驾驶装置的特斯拉轿车在未能识别出正在左转的白色卡车时，选择继续前进，造成了车毁人亡的惨剧。
人工智能在完全陌生没有先例可循的情况下，表现可能还不如一个天生懂得“趋利避害”的新生婴儿。对于处理量化交易的金融AI来说，一根“保险丝”就足够了吗？
