ai辅助交易中的人情味

通过Rajneesh Malviya,Ashok Hegde博士，Samad马苏德,Sharan Bathija. 2019年6月|文章|11分钟阅读|本文的电子邮件|下载
在贸易执行和战略设计中发生范式转变。银行和对冲基金正在将人工智能部署为竞争性贸易工具，远离人类投入。然而，人类将仍然是监督和管理AI辅助交易至关重要。
ai辅助交易中的人情味

人工智能辅助交易中的人性化

科技已经极大地改变了资本市场，这个在历史上被定义为依赖人类和他们的声音来进行交易和管理日常业务的空间。美国每日成交量的近80%1现在都是使用算法进行电子交易，而不是上世纪末盛行的公开叫价交易大厅。

与其他行业不同，它不仅是推动了这一领域的运营效率。资本市场参与者部署了竞争优势的算法和AI功能，实现了更复杂的产品，加强了更高的交易量。

然而，依赖电脑做出投资决策(通常是高速的)可能会带来灾难性的风险。在这个采用人工智能的新时代，现在是时候考虑如何将人类重新引入这一过程，充当安全阀。

资本市场算法和AI

银行一直在使用电脑，几十年来做出关于交易的决定。在最基本的形式中，算法用于在复杂的投资组合中创建投资策略，然后用于执行该策略。

执行自动有效地将一个大的交易分解成小的批次，允许交易在一段时间内以正确的价格执行。

决策仍然由人类交易者制作，但这些决定被告知，然后通过算法执行。

最复杂的算法驱动高频交易，不涉及任何人工干预。竞争优势纯粹是通过对市场走势做出最快的反应并利用它们来获得的——通过拥有最低的延迟算法，以及在物理上离交易所自己的计算机最近。

近年来，交易技术人员已经开始试验人工智能。这使得决策超越了为速度、策略和执行而设计的算法，进入了认知决策的世界。人工智能使用神经网络扫描多个数据源，有效地取代了人类。

算法交易的风险

算法交易没有未明确的声誉。虽然它的大部分时间都在努力，但出现问题时，它可能是灾难性的。

2012年，在纽约证券交易所(New York Stock Exchange)拥有超过17%市场份额的做市商Knight Capital是算法交易的早期倡导者。然而，在当年8月，当新算法上线时，该公司在45分钟内就损失了4.4亿美元。该算法存在缺陷，引发了交易史上最严重的崩盘之一。数百家公司的股价螺旋式下跌。2

这不是算法交易问题的第一个例子。2010年的“Flash Crash”开始于Waddell＆Reed，一个共同基金会，通过其算法交易系统启动了销售41亿美元的标准普尔500次期货合约的命令。3.这一指令吸走了市场的流动性，导致道琼斯工业股票平均价格指数(Dow Jones Industrial Average)暴跌9%，损失8,620亿美元4投资者财富和寄存股票价格市场领导者，包括苹果，埃森哲，GE和P＆G，显着降低。

这并不能改变这样一个事实:算法交易在帮助交易量增长10倍方面发挥了重要作用5从90年代初开始。在很大程度上，它通过较低的交易成本、较高的交易执行概率、较窄的买卖价差和增加的市场流动性创造了净收益。银行目前正在进一步推进算法交易，并试验人工智能。

竞争优势的人工智能

过去10年，银行和对冲基金投入大量资金，开发能够凭直觉做出战略决策的人工智能交易平台。

期望是，AI将为竞争对手提供进一步的竞争优势，并能够创建新的甚至更复杂的产品。

2014年，高盛(Goldman Sachs)领投了一轮1500万美元的人工智能平台Kensho。6该平台利用机器学习扫描数以百万计的市场数据点，寻找合理的相关性和套利机会。例如，在叙利亚内战的新闻发布期间，Kensho在几分钟内就为交易员提供了有关大宗商品和货币的见解，而如果不是这样，这些见解需要几天才能收集到。

Aidyia成立于2011年，它利用人工智能处理大量数据，识别和预测肉眼看不见的模式，并发展其交易策略。金融科技的深度学习和神经网络读取和解读新闻文章和社交媒体的情感，而其自然语言处理器分析和处理来自不同语言的数据。所有这些都是在没有人为干预的情况下完成的。

关于人工智能的表现，目前还没有定论

尽管对人工智能进行了投资和关注，但该技术仍处于起步阶段，而且也出现了几起引人注目的人工智能失败案例。帮助创建Siri的巴巴克·霍贾特(Babak Hodjat)和安东尼·布隆多(Antoine Blondeau)花了近10年时间开发了一个人工智能系统，该系统检索了数万亿数据集，并使用进化计算技术创建了一组“超级交易员”。布隆多认为，如果人工智能能够学会自动驾驶，在战略游戏中击败人类，并能理解多种语言，那么它肯定可以进行交易。Sentient投资管理公司的人工智能基金于2016年开始接受私人投资者。两年后，该对冲基金被清算。该公司管理的资产约为1亿美元，2017年盈利4%，2018年为零。7

2018年2月14日,之间没有爱失去了香港房地产大亨Samathur李Kin-kan和Tyndaris投资,李robo-powered对冲基金的成本2000万美元。萨马图曾将25亿美元交给Tyndaris Investments管理，他引入了K1的想法。K1是一台超级计算机，可以实时浏览新闻和社交媒体，感知投资者情绪，预测美国股票期货。李打算加倍他的回报。然而，事情并没有按计划进行，从他投资的那一刻起，他就开始亏损。他现在起诉该公司，要求赔偿2300万美元。8

即使事情做好工作，似乎AI管理资金制定的策略并不总是擅长基准指数。例如，雇用AI和机器学习（ML）的EUREKAHEDGE AI对冲基金指数在2014年至2019年期间的5年间CAGR中增长了8.3％（图1）。虽然这比对冲基金指数的5年复合年度（全球，平等加权指数超过1,400个单一经理资金），但它的成绩低于标准普尔500指数的10.9％。

AI指数击败了单一基金的综合指数，但未能超过标准普尔500指数(2014-2019年)

可解释性是下一个大挑战

尽管存在初期问题，但毫无疑问，人工智能将越来越多地影响并最终管理相当大比例的交易，因为它可以快速管理更高的交易量和更复杂的决策。但目前尚不清楚，人工智能在理解结构性风险(如10多年前的美国抵押贷款市场危机)或避免闪电崩盘方面是否会比人类更出色。

我们相信，在人工智能驱动的交易中，人类仍将起到指导作用。为了做到这一点，复杂和快节奏的决定需要被解释和理解。这并不容易。

随着人工智能越来越好，越来越多地通过深度学习技术，理解计算机决策的沿路只会变得更加复杂。

作为斯坦利德鲁克·梅勒尔，前任对冲基金Duquesne首都董事长，“这些藻类已经从市场上取出了所有的节奏，并对我来说变得非常困惑。”9

具有讽刺意味的是，贸易商和工程师在解释计算机生成的策略方面的挑战也是阻止许多基于AI和ML的算法看到光之光的挑战。解释算法如何工作的挑战有时是对基于AI的举措实现的大缺点。

从银行的角度来看，解决“可解释性”难题将增强管理层在与监管机构、投资者和决策者打交道、为人工智能项目分配预算时的信心，并将帮助交易员有效利用策略。更重要的是，这将有助于避免，或至少将灾难性损失最小化。人类不再是制定策略的中心，但他们在解读人工智能决策和充当指导者方面发挥着更重要的作用。未来在于人类与人工智能共存，同时充当安全阀。

找到可以解释的技巧

人们将很难找到并培养解读和寻找人工智能失败预警信号所需的技能。银行已经在追求具备双重技能的个人——会编程的交易员或会交易的程序员——而不是专注于单一技能。这刺激了对STEM(科学、技术、工程和数学)领域的人才的需求，包括物理学博士、量子计算博士、统计学家或数据科学家。高盛(Goldman Sachs)的36,000名员工中，近25%是工程师。10

越来越多的新雇员不仅需要培训，而不是在设计基于AI的系统和策略方面，而且还在理解和管理AI系统方面，这将越来越能够设计和建立自己。未来可能少对人类贸易商，更多关于AI Caretakers，Doctors或警察的信息。必须制定检测和管理AI系统意外威胁的能力，以便为资本市场真正接受。

参考文献
  1. “卖出可能归结为控制美国股市80％的机器，基金经理”CNBC，2018年12月
  2. “骑士资本的崛起和堕落 - 购买高，卖得低。冲洗并重复。“中等，2018年8月
  3. “2010年”闪存崩溃“：它如何展开，”监护人，2015年4月
  4. “高频贪婪，”福布斯，2012年1月
  5. “长期股票成交量下降并非前所未有，”里昂股票，2014年7月，
  6. “华尔街科技狂欢：与Kensho收购标准普尔全球最大的A.I。历史上交易，“福布斯，2018年3月
  7. 彭博昆特，2018年9月，《人工智能对冲基金据说将在不到两年的时间里清算》
  8. 《Magic Captain ' s collide With Tycoon Over 50亿美元对冲基金》彭博社，2019年3月
  9. “Stanley Druckenmiller：Algos已经脱离了市场的节奏，”收购者的多个，2018年10月
  10. “计算机工程师现在构成了四分之一的高盛队伍，”CNBC，2018年4月
下载