騰訊科技訊 5月22日消息，像聊天機器人ChatGPT這種人工智能驅動的工具，有可能徹底改變人類工作的效率、效果和速度。這在金融市場是如此，在醫療保健、制造業以及我們生活的幾乎所有其他方面也是如此。雖然人工智能帶來了很多好處，但這項技術在金融市場上的日益普及也帶來了潛在的危險。回顧下華爾街過去通過采用計算機和人工智能來加快交易速度的努力，就會發現利用它們進行決策帶來的重要教訓。
程序化交易導致“黑色星期一”
20世紀80年代初，在科技進步和衍生品等金融創新的推動下，機構投資者開始使用計算機程序根據預先設定的規則和算法執行交易。這有助于他們快速高效地完成大宗交易。
當時，這些算法相對簡單，主要用于所謂的指數套利，即試圖從某個股票指數（如標準普爾500指數）與其所包含成分股之間的價格差異中獲利。
隨著技術進步和可用數據越來越多，這種程序化交易變得越來越復雜，算法能夠分析復雜的市場數據并根據各種因素執行交易。在基本上不受監管的“交易高速公路上” ，這種程序化交易的數量繼續增長，每天有價值超過1萬億美元的資產易手，導致市場波動性急劇增加。
最終，這導致了1987年的大規模股市崩盤，也就是眾所周知的“黑色星期一” 。當時，道瓊斯工業平均指數遭受了有史以來最大的跌幅，這種痛苦逐漸蔓延到了全球。
作為回應，監管部門實施了一系列措施來限制程序化交易的使用，包括在市場出現重大波動時暫停交易的熔斷機制和其他限制。但是，盡管采取了這些措施，程序化交易在崩盤后的幾年里依然受到歡迎。
高頻交易：程序化交易的“類固醇”
時間來到15年后的2002年，美國紐約證券交易所推出了全自動交易系統。結果，程序化交易讓位給更復雜、技術更先進的自動化交易，即高頻交易。
高頻交易使用計算機程序分析市場數據并以極高的速度執行交易。與程序化交易不同的是，高頻交易員使用功能強大的計算機和高速網絡來分析市場數據，并以閃電般的速度執行交易。而程序交易員長期買賣一籃子證券，以利用套利機會(利用類似證券的價格差異獲利)。高頻交易員可以在大約6400萬分之一秒內完成交易，而上世紀80年代的交易員則需要幾秒鐘。
這些交易通常是非常短期的，可能涉及在幾納秒內多次買賣同一種股票證券。人工智能算法實時分析大量數據，并識別人類交易員無法立即看到的模式和趨勢。這有助于交易員做出更好的決策，并以比手動更快的速度執行交易。
人工智能在高頻交易中的另一個重要應用是自然語言處理，它涉及分析和解釋人類語言數據，如新聞文章和社交媒體帖子。通過分析這些數據，交易員可以獲得有關市場情緒的寶貴見解，并相應地調整他們的交易策略。
人工智能交易的好處
這些基于人工智能的高頻交易員的操作方式與人類手動操作截然不同。
人類的大腦存在反應速度慢、不準確以及健忘的缺點，它無法進行快速、高精度的浮點運算，這需要分析海量數據以識別交易信號。而計算機的速度要快數百萬倍，具有基本不會出錯的內存、完美的注意力和在幾毫秒內分析大量數據的無限能力。
因此，就像大多數技術一樣，高頻交易為股票市場帶來了許多好處。
這些交易員通常以非常接近市場實時價格的價格買賣股票債券，這意味著他們不會向投資者收取高額費用。這有助于確保市場上總是有買家和賣家，這反過來又有助于穩定價格，減少價格突然波動的可能性。
高頻交易還可以通過快速識別和利用市場中的錯誤定價，幫助減少市場效率低下的影響。例如，高頻交易算法可以檢測到特定股票何時被低估或高估，并執行交易以利用這些差異。通過這樣做，這種交易可以幫助糾正市場效率低下的問題，并確保資產定價更準確。
人工智能交易的的缺點
但速度和效率的提升也會造成傷害。高頻交易算法可以對新聞事件和其他市場信號做出如此迅速的反應，以至于它們可能導致資產價格突然飆升或下跌。
此外，高頻交易金融公司能夠利用他們的速度和技術獲得比其他交易員不公平的優勢，進一步扭曲市場信號。由這些極其復雜的人工智能驅動的交易造成的波動導致了2010年5月所謂的“閃電崩盤” ，當時股市暴跌，然后在幾分鐘內回升，抹去了大約1萬億美元的市值，然后又恢復了過來。
自那以后，市場急劇波動已成為新常態。在2016年的研究中，兩位研究人員發現，在引入高頻交易后，波動性顯著增加。波動性是衡量價格上下波動的速度和不可預測性的指標。
高頻交易員分析數據的速度和效率提高意味著，即使是市場發生微小變化也可能引發大量交易，導致價格突然波動，波動性加大。
此外，2021年的一項研究表明，大多數高頻交易員使用類似的算法，這增加了市場失控的風險。這是因為，隨著市場上這類交易員數量的增加，這些算法的相似性會導致類似的交易決策。
這意味著，如果所有高頻交易員的算法釋放出相似的交易信號，他們可能會在市場進行類似的交易操作。也就是說，他們都可能試圖在出現負面消息時賣出股票，在有利好消息時買入。如果沒有人站在交易的另一邊，市場就會崩潰。
引入ChatGPT交易存在風險
這將我們帶入了一個由ChatGPT驅動的交易算法和類似程序組成的新世界。他們可能會讓太多交易員同時執行類似交易操作的問題變得更糟糕。
總體而言，如果讓人類自己決定，他們往往會做出各種不同的決定。但如果每個人都從類似的人工智能中得出相同的結論，這可能會限制觀點的多樣性。
考慮一種極端的非金融情況，在這種情況下，每個人都依賴ChatGPT來決定購買最好的計算機。消費者已經非常傾向于從眾行為，他們傾向于購買相同的產品和型號。例如，Yelp、亞馬遜等網站上的評論會促使消費者在幾個最佳選項中做出選擇。
由生成式人工智能驅動的聊天機器人做出的決策基于過去的訓練數據，因此聊天機器人提出的建議將具有相似性。ChatGPT很可能會向所有人推薦相同的品牌和型號。這可能會把從眾性帶到更高的水平，并可能導致某些產品和服務的短缺以及價格飆升。
當人工智能根據有偏見和不正確的信息做出決定時，這會引發嚴重后果。當系統在有偏見的、過時的或有限的數據集上訓練時，人工智能算法會強化現有的偏見。ChatGPT及其類似的工具已經因犯下事實錯誤而受到批評。
此外，由于市場崩盤的情況相對罕見，因此沒有太多相關數據。而生成式人工智能依賴于數據訓練來學習，缺乏這方面的知識可能會使市場崩盤的情況更有可能發生。
至少就目前而言，大多數銀行似乎不會允許員工使用ChatGPT和類似的工具。花旗集團、美國銀行、高盛和其他幾家銀行都以隱私擔憂為由，禁止在交易大廳使用這些工具。
不過，一旦銀行解決了對生成式人工智能的擔憂，它們最終會接受它。畢竟，潛在好處太多了，不容錯過。而且，拒絕人工智能有被競爭對手甩在后面的風險。但金融市場、全球經濟和每個人面臨的風險也很大，所以希望他們能夠謹慎行事。（金鹿）
