为什么说，华尔街投行的AI金融交易机器并非那么高大上？

人工智能是块砖，哪里好用往哪儿搬。这次搬到了量化交易。

近日，一则摩根大通将AI应用于交易执行的消息再掀波澜。据外媒报道，该加持了AI的机器名为LOXM，利用了深度强化学习技术，核心功能是以最优的价格和最快的速度执行股票交易指令。它从过去数十亿笔交易（既有真实交易，也有模拟交易）中汲取经验来处理各种问题，包括如何在抛出大量股票的情况下而不引起市场波动。

第一季度开始，摩根大通将LOXM应用到欧洲股票业务，声称“应用效果不错”，并计划第四季度在亚洲和美国启用。

从技术和市场角度拆解AI应用

对此，毕业于普林斯顿大学运筹与金融工程系（博士），曾任美林证券投顾算法首席架构师，现任清华金融科技中心兼职教授，财富引擎科技创始人的林常乐告诉雷锋网，“在我看来，摩根大通的AI更像是一种包装，技术并没有那么神奇。”

量化交易最早出现在上世纪70年代，后续衍化出高频交易、程序化交易、自动化交易等多种交易方式。他继续解释道，在交易执行中利用计算机的目标很明确，即优化交易成本。买卖数量越多，影响面越广，交易成本越高。

“自动化交易就是在找交易数量与交易成本之间的优化空间，可以做拟合和分析，从而节省交易成本。因为市场上挂单有限，一次性买大量股票，成本不是简单地“1+1=2”，很可能是等于3，分批次购买可以控制成本。此外，交易频次比较快，还可以进行短期预测。”

总的来说，自动化交易的作用主要体现在提高工作效率，降低人力以及交易成本。

近年来，AI风靡全球，成为各产业界争相拥抱的前沿科技，自然也包括投资领域。但万变不离其宗，从线性回归、传统算法到应用AI，自动化交易的原理没有变化。

林常乐坦言，

“事实上，自动化交易是硬件驱动，硬件的作用大于算法。而在算法方面，只是将传统算法替换成了深度学习、强化学习等相关技术而已。这种变化是一种改良，还谈不上‘质’的变革。”

目前，AI处于弱人工智能阶段。虽然机器学习等已经在金融资管理领域有了一定的应用，但业界共识是，这还非常稚嫩。

许多优秀的交易策略还是由人来制定，机器用于辅助决策或者执行。中科院计算机副研究员罗平表示，“一些真正赚钱的基金经理的操作逻辑，可能只有一两个特征，但他们就能基于这些简单的逻辑闷声发大财。”

在林常乐看来，机器学习现在的成就主要体现在计算机视觉CV、自然语言处理NLP领域，这些领域的特征是信息量大于噪音。而随着模型的完善，计算能力的发展，CV和NLP的突破是理所当然。

“但金融领域非常嘈杂，噪音很大，市场的有效信息很少，且处于时刻的变化中。不管是现在，还是未来，我认为‘AI取代人类’的可能性也非常渺茫。”

“如今AI介入交易执行的具体步骤并不多，更多是自动化。”财鲸联合创始人，康奈尔大学博士王蓁与林常乐的观点不谋而合。更有业内交易员评价说，“摩根大通的AI交易软件可能就是一次PR。”

而事实上，摩根大通并非第一家将AI应用于交易执行的金融机构。高盛纽约现金股票交易员从2000年的600人到2017年的2人刷足了今年二月头条。但摩根大通的竞争对手不只是它。据林常乐透露，在量化交易领域，一些偏技术公司尤其是高频交易公司的表现能力更优于这些投行。例如量化交易巨头如骑士资本KCG、Virtu Financial、Citadel 等。这些公司的竞争实力更加强劲，“投行已经被一些技术领先者淘汰。”

我们时常看见“AI将要取代交易员？！”的言论见报，但值得注意的是，被取代的都是执行客户订单的职位。在这方面，机器拥有严格执行命令，大单高频操作等人类无法比拟的优势。

而那些人没有看到的是，在高盛交易员锐减598人的背后，增加了200名研发自动交易程序的工程师。被取代的是“可以被取代的”，行业一直向前。犹如当年ATM机的盛行革新了银行服务，取代了一部分柜员。量化投资同样适用，技术和算法的革新推动着行业向前发展。

AI应用新气象

与此同时，林常乐指出，自动化交易实际上已经不再是金融机构的优势领域。在美国体现为，市场竞争激烈，业务利润率不断下行。该领域的天花板似乎可以预见。

自动化交易或者说量化投资，目前已经拥有比较成熟的工具。除此外，他告诉雷锋网(公众号：雷锋网)，此前在美林证券还看到各部门在不同程度地应用AI。在财富管理领域的明星应用当属智能投顾。这也是技术性公司最偏爱的接入领域。林常乐与深耕运筹学的杉数科技就有着一系列合作，将学界最前沿的技术应用于资产配置的计算等方面。

据雷锋网AI金融评论此前报道，关于财富和资产管理对技术预期发展路线的问题，Celent高级分析师William Trout曾指出，

简单地说，智能投顾一定程度上已经瓦解了这个行业，因为他们提供了更加高度定制化、数字化、低成本的财富管理体验，这足以让他们能够如所需要地快速拓展市场规模。

William Trout认为，理财经理人最佳的应对方式是化为己用，在规模化扩展与客户定制化服务之间寻找平衡。

用他话说，“他们应该为那些本金低于100或500万美金的低净值客户也提供个性化服务。这个技术过程包括你将如何发现投资者的不同需求，以及如何为他们做好服务。”

。