硅谷入侵華爾街，人工智能如何無情蠶食了高薪職位？
創(chuàng)新工場董事長兼CEO李開復(fù)曾公開表態(tài)，未來十年，80%金融從業(yè)者會被人工智能（AI）取代，純數(shù)字領(lǐng)域的金融，是AI最好的應(yīng)用領(lǐng)域之一。
彼時(shí)，摩根士丹利已全球裁員1200人，瑞信對倫敦1800名員工發(fā)出裁員警告；在200名計(jì)算機(jī)工程師的支持下，自動化交易程序已接管了高盛紐約總部大多數(shù)日常工作。目前AI在金融領(lǐng)域的熱度前所未有，甚至被神化。
人工智能在金融領(lǐng)域的應(yīng)用，究竟會帶來怎樣的變革？《21CBR》專訪了北大匯豐商學(xué)院副教授朱曉天博士。
加盟北大匯豐前，在美國華爾街、新加坡、香港和中國內(nèi)地金融投資行業(yè)，朱曉天有超過16年的研究和投資經(jīng)驗(yàn)，曾擔(dān)任中信證券DeltaOne指數(shù)化衍生品業(yè)務(wù)的高級副總裁。
朱曉天博士
以下是關(guān)于此次分享的整理，溫馨提醒，有大量專業(yè)術(shù)語：
中信證券的實(shí)踐
在中信證券時(shí)，有相當(dāng)長一段時(shí)間，我負(fù)責(zé)場外衍生品及管理融券池的增強(qiáng)收益工作，高峰時(shí)的融券池規(guī)模達(dá)到80個(gè)億，是市場最大的，當(dāng)時(shí)我主要兼顧兩部分工作：
首先保證和增強(qiáng)融券收益。由于融券池是多空對沖的，需要定期調(diào)倉，以保證它有額外的Alpha收益（絕對收益）。
考慮到本身資金成本和后來的基差貼水成本（產(chǎn)生于指數(shù)期貨遠(yuǎn)期合約價(jià)格低于現(xiàn)貨價(jià)格時(shí)），還需通過多頭的融券獲得收益。另外，加上Alpha策略的收益，才能獲得足夠的增強(qiáng)收益，以保證業(yè)務(wù)正常開展。
其次是DeltaOne場外衍生品業(yè)務(wù)。我們會跟一些較大的機(jī)構(gòu)客戶來合作相關(guān)業(yè)務(wù)，有大量的需求，尤其目前市場監(jiān)管較嚴(yán)，去杠桿為主，整個(gè)機(jī)構(gòu)業(yè)務(wù)對場外衍生品的需求增加。
當(dāng)場內(nèi)標(biāo)準(zhǔn)金融產(chǎn)品無法滿足特定需求時(shí)，他們不得不用場外的方式來做，就是定制化的過程。
DeltaOne主要是線性的，后來我們拓展到非線性的，以場外的工具來做一些綜合解決方案。以此維護(hù)與大型機(jī)構(gòu)客戶的合作關(guān)系。
我們?nèi)粘Ｖ饕峁┖驮O(shè)計(jì)相關(guān)的解決方案，不管是線性、非線性的，還有各種標(biāo)準(zhǔn)產(chǎn)品，需要將它們組合在一起來解決客戶的需求。有的時(shí)候，一單可以上百億，小的也有幾千萬。
其要求也相對較高，由于每一單都是相對定制化的，落地的過程中要持續(xù)不斷地溝通，包括內(nèi)部各個(gè)部門和外部客戶以及合作方。
一旦客戶開始簽署場外的協(xié)議，又涉及到場外協(xié)議過程中的相關(guān)盡調(diào)、流程、風(fēng)控等等很多的細(xì)節(jié)。
主要挑戰(zhàn)來自于市場監(jiān)管的情況隨時(shí)在變，很多時(shí)候一些解決方案，在本來政策環(huán)境下可以操作，隨著監(jiān)管政策的變化馬上又得重新調(diào)整。
看起來內(nèi)容繁瑣，我們的產(chǎn)品設(shè)計(jì)組，只有5、6個(gè)人。
智能投顧的真相
我有一個(gè)朋友在紐約從事衍生品交易，現(xiàn)在被機(jī)器直接替代了。本身衍生品交易這一塊準(zhǔn)確定價(jià)非常重要，不準(zhǔn)確的定價(jià)會導(dǎo)致錯(cuò)誤的交易并導(dǎo)致?lián)p失。
德意志銀行的衍生品交易采用人工智能模型，提高了預(yù)測股票回購率的準(zhǔn)確率，提高了關(guān)聯(lián)期權(quán)定價(jià)的準(zhǔn)確性，提高了交易利潤。定價(jià)系統(tǒng)越來越人工智能化，交易員就可以直接裁掉了，這是一個(gè)趨勢。
AI在國外金融行業(yè)的應(yīng)用趨勢比較明顯。在國內(nèi)，大家知道這是個(gè)熱點(diǎn)，也僅限于概念比較熱而已。
在算法交易方面，中信證券在行業(yè)內(nèi)應(yīng)該算數(shù)一數(shù)二的，同時(shí)也在不斷地改進(jìn)，而算法交易中用到的大數(shù)據(jù)，也是人工智能的算法。
在國內(nèi)一些券商陸續(xù)推出了機(jī)器人投顧的產(chǎn)品，在我看來，暫時(shí)只是一個(gè)熱門的概念而已目前媒體上比較時(shí)髦的AI其實(shí)有狹義和廣義之分。
狹義地來說，很多大數(shù)據(jù)自動化過程也用AI來指代，比如市場上推出的機(jī)器人投顧，除了名稱時(shí)髦外，核心是個(gè)自動化的概念，只要輸入一些相關(guān)的風(fēng)險(xiǎn)收益偏好，以及投資者特定偏好，可以馬上根據(jù)模型測算出來。
但是，真正的人工智能要更有擴(kuò)展性，可以獨(dú)立思考，獨(dú)立擴(kuò)展，比如在算法交易或者獨(dú)立開發(fā)策略的時(shí)候，能夠自動更新數(shù)據(jù)，自動尋找比較優(yōu)化的策略方案。
一般說的智能投顧，是指大類資產(chǎn)配置，例如私人銀行的角度：根據(jù)客戶或者個(gè)人、機(jī)構(gòu)、客戶風(fēng)險(xiǎn)收益偏好決定各類大類資產(chǎn)的配置比例。
通�？梢灾苯幼龀梢粋�(gè)系統(tǒng)，可以操作與它交互，達(dá)到自動進(jìn)行資產(chǎn)配置的結(jié)果。這個(gè)系統(tǒng)除了核心的資產(chǎn)配置模型外，主要是一個(gè)自動化+專家系統(tǒng)的部分。
就我了解，國內(nèi)一些私募機(jī)構(gòu)用人工智能的方式，集中在兩個(gè)方向：一是直接用人工智能開發(fā)策略；還有一類是下載GoogleSource人工智能算法的源代碼，對其策略庫進(jìn)行篩選，因?yàn)槭袌銮闆r隨時(shí)在變，就用人工智能算法來動態(tài)篩選一些適合當(dāng)前市場的最佳策略組合。
人工智能這個(gè)概念很火，有些系統(tǒng)僅僅實(shí)現(xiàn)了自動化，也稱為人工智能。例如信用風(fēng)險(xiǎn)管理系統(tǒng)，待其自動化后加入一些專家系統(tǒng)，就被稱為人工智能，屬于比較初級。
但它可以取代一些初級分析員的工作，取代日常的重復(fù)性工作。真正要做到智能化，比如說開發(fā)量化策略，其實(shí)可以用到很多人工智能算法。
人工智能的一個(gè)現(xiàn)實(shí)應(yīng)用就是策略開發(fā)中的策略篩選，另外，是用機(jī)器人投顧做大類資產(chǎn)配置，F(xiàn)OF（基金中的基金）里面的大類資產(chǎn)配置和產(chǎn)品業(yè)績篩選，都可以考慮這種自動化的配置方式。
人工智能在金融的應(yīng)用主要有兩個(gè)方向，一個(gè)是預(yù)測，一個(gè)是分類。預(yù)測為線性的時(shí)間序列預(yù)測，比如一段時(shí)間以后，KUKA機(jī)器人維修，市場漲還是跌；分類主要應(yīng)用在評級、信用風(fēng)險(xiǎn)評估等方向。
金融之所以作為AI一個(gè)突破口，是因?yàn)閿?shù)據(jù)多，樣本足；也正因樣本過多，金融市場價(jià)格的確定機(jī)制含有很多隨機(jī)過程。如何避免樣本內(nèi)訓(xùn)練的過度擬合，是要解決的問題。
相對傳統(tǒng)操作，使用人工智能技術(shù)的成本也相對較高，當(dāng)然也取決于用到哪個(gè)程度。海外在IT技術(shù)開發(fā)的投入非常大，比如瑞信。
美國的投行可能會把公司利潤的1/3、1/4拿來做技術(shù)開發(fā)，實(shí)際上是跟硅谷在搶人，支付的成本非常高，一些計(jì)算機(jī)專業(yè)的高學(xué)歷畢業(yè)生，即使沒有經(jīng)驗(yàn)，做程序員的職位也可以拿到超過10萬+美元的起薪，仍然不易留人。
這類技術(shù)人才感覺在華爾街只屬于輔助類，www.whsntf.cn，去硅谷就有機(jī)會加入到一些潛力巨大的獨(dú)角獸公司。
招聘技術(shù)人員開發(fā)各種算法交易策略成本非常大，回報(bào)也不小。例如，摩根大通銀行直接開發(fā)關(guān)于法律法規(guī)及風(fēng)控應(yīng)用方面的自動化系統(tǒng)，該系統(tǒng)幾秒鐘就可以做一般后臺人員花幾十萬小時(shí)做的事。
這是一個(gè)競爭激烈的市場，這類公司的優(yōu)勢慢慢會顯現(xiàn)出來，帶動整個(gè)行業(yè)的趨勢走向。海外投行這方面的發(fā)展非常迅猛。
相對來說，中國公司比較急功近利，在技術(shù)方面不愿意投入太多。大家覺得這概念很好，這個(gè)說法熱，蜂擁而上，應(yīng)用大數(shù)據(jù)加上一些簡單的自動化，就稱為人工智能系統(tǒng)，背后可能僅僅是一個(gè)簡單的流程自動化系統(tǒng)，其中的差別挺大。
AI的兩大軟肋
從技術(shù)本身看，AI經(jīng)過這么多年的發(fā)展，應(yīng)用場景和框架有了較大發(fā)展，而它的核心優(yōu)化算法并沒有天翻地覆的變化與十幾年前人工神經(jīng)網(wǎng)絡(luò)的優(yōu)化算法相比，其實(shí)沒有革命性的改變。
人工智能的深度學(xué)習(xí)方法，可以識別非常復(fù)雜的非線性關(guān)系，非常適合在金融市場和投資領(lǐng)域的應(yīng)用，也有兩個(gè)主要問題：
首先是黑箱問題（所謂黑箱，就是指那些既不能打開，又不能從外部直接觀察其內(nèi)部狀態(tài)的系統(tǒng)，比如人們的大腦）。不同于傳統(tǒng)的回歸或者參數(shù)模型，很容易解釋預(yù)測模型的邏輯原理。
比如告訴你哪些因子與價(jià)格變化是緊密相關(guān)的，以及相關(guān)程度的強(qiáng)弱；機(jī)器學(xué)習(xí)通過復(fù)雜的多層神經(jīng)網(wǎng)絡(luò)，挖掘輸入輸出數(shù)據(jù)之間的內(nèi)在關(guān)系，預(yù)測準(zhǔn)確度上有很大提高，但沒有直觀的歸因解釋力度。