機器中的幽靈：人工智能在金融市場的影響、風險及監管

人工智能將帶來的不是不計后果的速度或失控，而是一個具有史無前例深度和廣度的洞見，以及依照信息行動并從行動中學習的能力。

【編者按】本文作者：Tom Upchurch、Denis McCauley、 Claire Boston，機器之心編譯，參與：吳攀、原野、天之道LYC、趙天昊、劉宗堯、王紫薇、亞洲、微胖

《機器中的幽靈：金融市場中的人工智能、風險及監管》是Euromoney Institutional Investor Thought Leadership 的一項調查報告，他們對全球金融機構中的 424 名高級管理人員進行了調查問卷，研究人工智能/機器學習在金融市場的風險以及監管問題。

本文結構：

一、所有系統向前進（Go）

二、從快速思維到智能思維

三、起作用的人工智能

四、從摩爾定律到墨菲定律

五、結論

六、關于本調查

七、附錄（完整調查結果）

一、所有系統向前進（Go）

2016 年 3 月 15 日，一個名為 AlphaGo 的人工智能程序在圍棋中擊敗了人類世界冠軍。圍棋游戲非常復雜，其走法存在的可能性數量總和比宇宙原子數量還高出幾百個數量級。AlphaGo 最終以 4-1 的成績取得了絕對的勝利。此外在識別模糊模式、學習新模式和調整策略以應對變化中的環境等方面，AlphaGo 也展現出人工智能的一些顯著進步。

然而，就在 AlphaGo 取得勝利兩周之后，一個名叫 Tay 的聊天機器人就暴露出了人工智能黑暗的一面。 Tay 原本是為了與人們進行友好的網絡交談，并用微軟服務協助人類。Tay 獨特的設計特點使她可以從在線交互中進行學習。在 Tay 公開發布后，Twitter 用戶鋪天蓋地的謾罵和煽動性語言接踵而來，這教給了 Tay 錯誤的東西。該程序被敗壞，變得口噴種族主義、性別歧視和排外言論；這揭示了人工智能設計和編程中潛在缺陷，以及人工智能和自然智能之間令人不安的互動。

這兩件事揭示了引入人工智能所存在的矛盾。AlphaGo 這樣的程序展示了人工智能可以如何分析海量數據、識別復雜模式，賦予人類新的分析能力。相反地，Tay 的惡意故障提醒著我們，這項技術還遠未達到萬無一失的程度，尤其是當與人類交互時。

人工智能將帶來的不是不計后果的速度或失控，而是一個具有史無前例深度和廣度的洞見，以及依照信息行動并從行動中學習的能力。

在對全球金融機構和金融科技企業的 424 位高管進行調查、對該領域的一些頂尖專家進行采訪之后，我們發現，隨著人工智能在整個金融市場開疆擴土，這一矛盾也同樣很明顯。

許多人將人工智能看作是可以幫助改善金融機構風險管理的工具，比如，進行更為深度的投資組合風險評估和更透徹、更全面、更清楚的信用風險評估。在這些應用中，人工智能將帶來的不是不計后果的速度或失去控制，而是具有前所未有深度、廣度的洞見，以及依照信息行動并從行動中學習的能力。

然而，許多專家也承認人工智能的使用存在一定的風險。這部分源于不確定性——畢竟在包括交易、投資組合管理和信用評估等許多應用中，人工智能尚處于實驗階段。因此，安全、隱私和數據質量上還縈繞著算法出故障的風險和擔憂，這導致了對新的監管的呼吁。

而人們甚至更擔憂人工智能的監管對策。在監管者是否存在足夠的知識和技能以跟上新的金融技術的問題上，本次調研的參與者明顯缺乏信心。事實上，調查參與者懷疑監管者才剛剛開始了解人工智能對金融市場和公司的潛在影響。目前而言，他們關注的重點仍然是從教訓中吸取經驗（fighting the last war ），識別人類直接濫用技術的違反合規行為。他們注意力開始轉向算法的正當性，而這也是未來幾年制定任何關于機器學習規則的重點。

調查中，大量金融機構對監管機構了解人工智能相關的法律風險上沒有信心。但鑒于人工智能在這些部門的使用處于初期階段，這可能也并不令人驚訝。比如，由于人工智能驅動的模型能夠收集和分析更大體量的數據，數據和隱私風險也將隨之增長。知識產權糾紛也很有可能增加，因為算法的所有權會導致企業和監管部門之間的摩擦。最后在人工智能出故障和編程錯誤的可能事件中，合同和訴訟風險也會涌現。

人工智能和機器學習毫無疑問將改變該行業所需的員工人數和技能性質。調查中，有明顯少數的受訪者擔心，在未來幾年中其對勞動力的影響是負面的。但大規模的遷移是一個長期過程——接近 70% 的人認為，人工智能在 15 年內會給他們自己的工作帶來徹底或很大程度上的改變。即使是在金融交易這個自動化已經得到了廣泛使用的領域，人類角色在算法驗證、監控、合規等領域仍然是很關鍵的。目前，很少人認為，機器學習模型可以或應該完全獨立于人類控制地驅動金融市場業務。

二、從快速思維到智能思維

購買《華爾街計算機評論》1987 年 6 月刊的人將會知道圍繞金融市場中的人工智能的討論不新鮮事。其封面上顯眼地寫著：「教計算機模擬偉大的思想家」，同時還搭配著一張蘇格拉底為一群計算機聽眾講學的圖片，即使 30 年前就已經有基于人工智能的交易應用的計劃了。事實證明，這些早期應用中許多是更接近理論化的而非實用化的。

盡管以前有一輪又一輪的炒作，但一些評論家認為，這次對人工智能重燃的興趣是合理的。計算能力的持續快速發展以及計算成本的顯著下降讓人工智能應用更加實用。社交網絡、智能手機和可穿戴消費設備的增長也帶來了數據數量和可用性的爆發——這些都變成了優化人工智能算法的養料。

從金融機構、技術和金融科技公司對人工智能投資的增長可以看出這種重燃的興趣。BlackRock、Two-Sigma 、 Renaissance Technologies 等基金管理公司一直忙于在全世界挖角最好的數據科學家。它們與越來越多的科技公司競爭和合作，其中包括 Context Relevant、Sentient Technologies 和 Kensho，以及谷歌、Facebook 、微軟等人工智能巨頭。僅在 2015 年，這些公司就在人工智能研究、收購和人才上花費了超過 85 億美元。

在交易和投資管理中，Aidiya 和 Sentient Technologies 這樣的公司是人工智能交易程序的先驅。它們使用機器學習技術和進化算法的結合來濃縮巨量數據以識別隱晦的模式，這是其它公司還未實現的。和通過人類手動部署算法更新的傳統量化交易形式相反，許多人工智能軟件程序能自動且獨立于人類干預地學習和更新它們的模型。

人工智能交易程序的另一個特點是差異化的重要性。正如金融咨詢公司 The Thalesians 的聯合創始人 Saeed Amen 說的那樣：「機器學習的好處在于它能讓交易者發現那些不易察覺的關系，因此不用再和其他市場參與者進行貼身肉搏去爭奪這些交易機會?！?/p>

這推動了差異化，將人工智能和高頻交易（HFT）等其它形式的算法交易區分開。例如，高頻交易是關于速度的，而機器學習是關于見解的深度和廣度的?！高@場機器學習革命，是從急劇擴大的可用數據和信息中識別復雜的模式，從而做出任何視角來看都是最優秀的決策?！菇鹑谛袠I新聞和分析工具提供商 RavenPack 首席數據科學家 Peter Hafez 說，「該市場正從更快轉向更智能?！?/p>

創新的潛力將因此變得顯著——不僅是在交易中，而且還在投資建議和貸款等金融行業的其它部分。變化不會馬上到來，但它會來的。按照比爾·蓋茨的名言警句：「我們總是高估未來兩年內將發生的變化和低估未來十年內將發生的變化?！刮覀兊恼{查表明，人工智能會導致類似的一系列金融市場變革。

三、起作用的人工智能

1）人工智能和機器學習將具有多大的顛覆性？會顛覆哪些領域？

在接下來的三年中，最顯著的變化將出現在交易、財務分析和信息技術中，它們分別得到了受訪者 64%、60% 和 60% 的認同（見表1）。很多人也希望，機器學習能實質性的影響到風險評估（59%）、信用評估（57%）和投資組合管理（52％）。風險評估和金融研究是企業在未來三年內最可能實驗機器學習應用的領域。

麻省理工學院斯隆商學院金融工程實驗室主任 Andrew Lo（他同時也是一家定量投資管理公司的創始人）認為，人工智能的影響將會非常廣泛：「我認為其將改變金融行業所有方面，因為該行業的許多部分都可以使用這些類型的算法和使用大型數據池來實現自動化?！?/p>

除了交易和研究，Peter Hafez 還認為，機器學習將會極大助益于消費者的信用評分以及不同類型的金融機構的合規職能。他指出，比如說，合規經理開始使用新聞源等非結構化內容以警告他們可疑的交易。

機器學習技術已經在零售投資咨詢中實現了應用。據澳大利亞證券和投資委員會（ASIC）的專員 John Price 稱：「機器人顧問（Robo-advisers）」——投資管理網站向投資者提供自動化的建議——現已構成了一個使用人工智能的領域，該領域接受積極的監管審查管轄。英國金融行為監管局甚至走得更遠，該機構在其最新的「金融咨詢市場評估（FAMR）」報告中建議金融機構使用機器建議向它們的客戶提供「精簡化建議（streamline advice）」以提升成本效益。

2）即將來臨的顛覆

接受本報告采訪的專家認為，對金融市場運行來說，機器學習的顛覆性并不大，至少在未來的三到五年內是這樣的。當用于交易時，一家開發人工智能的公司——Sentient Technologies 的首席科學家 Babak Hodjat 預測，這種顛覆性影響將是十分巨大的，但并不會造成根本破壞?！敢驗槟阏龔挠扇撕蛿盗糠治鰧＜襾沓鲋\劃策、排兵布局轉移到由機器來做這些事情。過程更快了，但是結果相似?！?/p>

而且，大多數專家同意，人工智能技術會有很多積極應用。Paul Ebner，BlackRock’s Scientific Active Equity Unit 的一個高級投資組合經理相信，機器學習能夠幫助大量公司進行深入的金融分析，金融交易也會受益于此。

「較之僅僅利用電子表格數據，機器學習的分析能再深入好幾步。速度很重要，但是，這種速度不同于高頻交易速度。它可以快速為我們處理許多數據并找到市場最終會發現的答案?！?/p>

BlackRock’s Scientific Active Equity unit ——一個大約百人團隊，包括數據科學家和機器學習專家以及傳統金融行業的數量分析專家( quants )——正在將機器學習技術置入不同的工作模式來預測股價變化。 Ebner 說：「我們正在利用這種工具來分析各企業的數據，并預測一些基本因素，最終預測這些企業股票回報，創建投資組合?！贡热?，在公司公布季報之前，這個團隊通過分析公司的貨幣風險暴露，更加深入地洞見到它們的預期收益。

調查對象對機器學習將帶來的另外一項優勢洞若觀火：64%的回答者認為，機器學習的使用將給金融市場競爭帶非常積極的影響（見表三）。乍看，結果似乎反直覺。最優秀人才和最先進技術的高昂成本，將導致只有那些荷包夠深的公司才能接觸到人工智能。某種程度上，這是實話——只有像 Bridgewater 這樣的公司才雇傭得起 IBM 史詩般超級計算機 Watson 背后的首席工程師。

然而，一些規模較小的公司，甚至個人已經證明它們可以站在浪潮之巔。部分原因在于，開源軟件可以讓規模更小的組織用先進的算法和代碼進行試驗。一個最近的例子，2016年3月，兩位退休的對沖基金的金融工程師，此前沒有使用人工智能軟件工作的經驗，設計了根據核磁共振成像( MRI )圖片診斷心臟病的算法。盡管這些創新者對人工智能較為生疏，他們仍然可以從開源網站 GitHub下載軟件，設計推動產業變革的應用。

這對金融組織間的競爭意味著什么，只有時間才會告訴我們答案。然而，當產業巨頭，比如黑石，做了大量繁重的研究和試點工作，人工智能應用和服務也能變得讓廣大中小型組織觸手可及。

3）案例研究：理解外匯風險暴露，預測收益

進行大量出口銷售的公司，天然受制于外匯市場的反復無常。據 Black Rock 的 Paul Ebner 說，2014 年，貨幣流動，尤其是美元走堅對公司盈利有異乎尋常的影響。BlackRock 的 Scientific Active Equity 團隊并未因此出現紕漏，部分是由于機器學習。

進行大量出口銷售的公司，天然受制于外匯市場的反復無常。據 Black Rock 的 Paul Ebner 說，2014 年，貨幣流動，尤其是美元走堅對公司盈利有異乎尋常的影響。BlackRock 的 Scientific Active Equity 團隊并未因此出現紕漏，部分是由于機器學習。

4）人工智能的洞見

很清楚的是，人工智能以及數據分析取得的進展正在引發用于決策參考的數據類型和數量的不斷膨脹。然而，在根據傳統參考單位，比如價格、利率或收入位數，做出投資決定之前，人工智能可以將事件（events）和意見（sentiment）當做要素，納入資產價格預測過程中。比如，吸收非結構化數據有助于推近意見分析。但是，Hafez 說，篩選事實和解釋觀點意見一樣重要?！覆粌H僅是指傳統意義上的情感（sentiment），比如指引，也是指某些事實，這些事實可以從非結構化內容中提取出來，并以一種機器可以理解的格式予以交付?！?/p>

如今，機器交易模型通常用來分析收益評估和公司報告。通過分析產品發布、回收，監管批準，收購以及其他市場事件，它們可以及時捕捉到更多的東西。Hafez 也期待機器學習模型能夠被輸入來自圖片、視頻素材等方面的洞見。他說，有些公司使用衛星圖跟蹤大型零售商店停車場的汽車數量，試圖理解它們收入和收益的大致方向。這意味著，人工智能可以改變參數，金融機構憑借這些參數做出投資決策。傳統考慮因素的重要性在下降，因為金融機構收集了海量非結構化數據——它們只能借助人工智能和機器學習的力量。

分析工具正越來越善于理解語境——機器學習另一個重要的不同之處。Ebner 解釋說，他的團隊使用的機器學習工具能通過上下文來理解詞匯使用的微妙之處。比如，在美國證監會檔案中，單詞「垃圾（garbage）」 是指廢物管理，但是，在投資人博客上，這個單詞很可能就是用來批評股票或公司管理用語。我們能打造出根據語言來源語境不同而不斷學習、演化的詞典。

人們也正在將相似的技術引進到這樣的領域，幫助消費者處理投訴和咨詢。RBS 最近已經宣布，將引進人工智能程序（ Luvo）用于協助消費者投訴。程序擁有人工個性，模仿了人類特征，比如，友善，共情以及理性。據程序員介紹，Luvo 也能從錯誤中學習，猜測一個人的情緒狀態。由此看來，人工智能被塑造成朋友，而不是敵人。

四、從摩爾定律到墨菲定律

哪些方面會出錯？Andrew Lo 認為市場將出現更多的瞬間暴跌，或者其他負面變化，行業和監管者目前對這些問題還沒有清晰的認識?！高@些策略的性質使它們很難被理解。這意味著它們產生的影響也將很難預測，就像沒人能預測出2010年5月6日的暴跌——即使到今天我們仍然不太了解到底發生了什么」。他也提到了騎士資本（Knight Capital）的覆滅，2012年這家美國主要的交易商由于軟件故障在交易過程中損失了4.4億美元，直接被推到了破產邊緣：「我不認為我們會很快處理好這類問題，因為最終要解決的是人類能力和技術之間的錯配和不協調。即摩爾定律遇上墨菲定律?！?/p>

技術并不能將對未來事件下注等金融活動的內在風險去除。無論人們或算法怎么做，這種風險仍可能存在。

正如貝克·麥堅時律師事務所（Baker & McKenzie）的合伙人 Arun Srivastava 指出的，「金融機構已經由于交易員違法違規被處罰了數十億美元。銀行可行的應對方案就是用程序化來做盡可能多的決策，因此越來越多的銀行去擁抱人工智能和程序化交易。但降低了操作風險的同時，人工智能方面的內在未知風險并沒有被消除?！?/p>

1）所有一切都在算法里

監管部門雖然對機器學習還不太了解，但也將算法視為可能發生問題的領域進而重點關注。加拿大投資行業監管組織（IIROC）市場監管高級副總裁 Victoria Pinnington 稱她目前最大的擔憂就是關于算法的產生過程，無論是在機器學習還是在更廣義的系統化交易背景下，「如果算法有問題，」她說，「對市場的影響可能就會相當大?！?/p>

算法可能在各個方面出現問題。一個最常見的錯誤就是「過度擬合」，通常發生在一個算法過于復雜并缺乏合理假設時。在這種情況下它們無法從大量無關數據中（噪聲）分辨出有用的相關性（信號），而是識別出了「幽靈」參數或似是而非的相關性。想象一下用一個敏感的麥克風對古典音樂會錄音。過度擬合將把周圍的背景噪音視為與管弦樂隊發出的聲音同等重要。就像 Babak Hodjat 所警示的，「人們可能錯誤的使用機器學習并且不做檢驗。如果你使用一個機器學習算法但沒有充分檢驗它，那可能就會存在一些過度擬合，使算法今天看上去不錯，但明天就可能會大錯特錯。這是需要仔細檢查的?！?/p>

程序錯誤風險提高了使用新程序的壓力。像之前提到的，差異化對于一個人工智能交易員的成功是很關鍵的。做出第一款成功的應用，機構將得到一個獨一無二的可以盈利的機會——一個沒有競爭的市場。接下來的風險就是其他機構將在市場上應用這個成功的策略。谷歌前工程師，目前任機器智能研究機構（Machine Intelligence Research Institute）研究人員的 Nate Soares 在接受金融時報采訪時稱，「將足夠強大的保障措施編入高級人工智能，只有5%的可能性?！?/p>

2）數據、責任和法律風險

機構是否已了解與新型金融科技相關的法律風險目前還有很大不確定性：有47%的被調查者對此沒信心。Price 先生并不驚訝?！冈蛟谟谶@種技術還處于初期階段，而且還在不斷進步。人們對可能的風險感到謹慎和些許不確定也正是反映了這種技術處于初期階段?！?/p>

一個風險是公司責任。做出糟糕的投資決策可能是由于數據質量差、對公司業績分析失誤、或算法有瑕疵，這都會引起投資者大幅虧損。機器學習模型對信用風險做出糟糕的決策時：出借方可能遭受財務損失、或潛在融資方的聲譽受損，責任問題就可能出現。當這種情形發生時由誰承擔責任目前還不明晰——金融機構自身、算法的作者、交易平臺、數據提供者、或是其他人？

機器學習的智能及數據處理特性也可能使數據保護和隱私風險達到另一個高度。個人投資數據或敏感的公司數據無論因為事故（被黑客獲?。┻€是因為制度（被市場管理者和政府獲?。┒淙肫渌耸种?，都是互聯網時代的一個非常常見的風險。當機器學習模型為達到更好效果而收集更多的數據時，這種風險也將隨之增大。機構將越來越需要了解數據隱私與消費者保護法規之間的緊密聯系，以及擴大的法律管轄范圍，例如歐盟Cookie指令（EU Cookie directive）。貝克·麥堅時律師事務所（Baker & McKenzie）合伙人 Adrian Lawrence 預計獲取數據的能力將對人工智能系統的范圍及影響起著核心作用，她稱「數據，及使用和獲取數據的各類規則及過程，位于具有顛覆性的金融科技領域的核心位置。即使是最先進和最智能的算法及模型在不能有效、安全和合法的獲取詳細、準確、及時的數據時，也將變得毫無用處」。

除了法律風險，這些被調查者對于他們所在的機構是否了解人工智能的影響也是明顯缺乏信心。49%的被調查者不能確定他們的機構了解了人工智能的其他重大風險。只有32%是確定的?？紤]到這項應用還處于早期發展階段，這項調查表明人工智能將會向機構展示出一系列風險，而其中的大部分還尚未定義。

3）對人工智能的過度依賴

很多專家都認為，人工智能最大的威脅不在于機器學習這項技術本身，而在于人們對這項技術的錯誤使用，以及在沒有人類監督的情況下過度相信人工智能可以達成某些目標?！溉绻覀兠つ康爻缟锌萍?，」Babak Hodjat 警告到，「事情將會朝著錯誤的方向發展。如果人工智能的成功意味著這項技術更多的應用在無監管的狀況下，那我們會承受更大風險?！?/p>

Saeed Amen 擔心業界會將機器學習作為一種黑箱來使用。如果一旦這成為現實，他說：「它們最終將會創造出一種連自己都無法理解的交易系統。這是十分危險的，對于任何的系統模型都是如此。你應該理解交易策略到底是什么?！?/p>

就跟人類一樣——程序、電腦和機器也有可能會變得愚蠢。而危險就在于它們是以很高的速度和很大的數量級在運行。騎士資本那場災難正好說明了人類要對新型人工智能系統保持監督、理解和控制的重要性。

這又和人工智能技術的核心相矛盾。當我們處理一些存在固有風險的任務——比如做投資決策或者在未來可能發生的事情上押寶——時，對人工智能的過度依賴會擴大系統風險。但同時它也能提升金融機構對于標的公司盡職調查的深度和質量。通過它們強大的數據處理能力，例如詐騙、洗錢、賄賂和其他的一些傳統手段難以發現的腐敗行為也可以輕松被鑒別出來。

通過這些例子，調查受訪者似乎希望機器學習將幫助他們在某些情況下降低風險。近六成（58%）的人認為機器學習將「大大提升」他們的風險評估流程。比如，機器學習技術可以被用來警示基金經理去關注他們已投的企業中新出現的一些弱點（參見上圖「了解外匯風險預測收益」）。

來自 Baker & McKenzie 的 Astrid Raetze 還期望消費信貸風險評估可以通過對客戶進行更全面的風險剖析來加強。Raetze 女士表示，「如果能得到正確的部署，人工智能也可以在一些領域降低一定的風險。市場失當行為，反洗錢（AML）行為和了解你的客戶（KYC）行為都是地方監管機構可以利用人工智能來改進監管和審查的?！够跈C器學習的分析也可以識別某些客戶活動的具體方式，甚至可能辨別某種形式的瀆職。這有助于解釋為什么相對于其他領域，受訪者更希望能在未來三年內，機器學習能應用在風險評估領域。

4）人工智能 VS 知識產權

調查對象似乎一致認為，算法需要更多的監管。超過一半的人（56%）說，給監管機構提供檢查交易的算法將有助于保證金融體系的安全。這說明大量的金融監管機構正計劃使算法的源代碼開放給當局檢查。

例如，美國商品期貨交易委員會（CFTC）目前正在試圖推動一項關于自動交易的規定（或稱為 REGAT）。這項規定最有爭議的點之一是，使商品期貨交易委員會和美國司法部獲得金融機構的交易算法。

REGAT最直接的對手，Chris Giancarlo（美國商品期貨交易委員會的共和黨成員）認為，給監管機構這種程度的控制將向較小的市場參與者征收額外的合規成本，并阻礙期貨市場的創新。

此外，Giancarlo 先生主要是擔心本條例將標志著有關當局可以前所未有的入侵私人知識產權。他在最近的一份聲明中表示，「我不知道除了國防和安全之外的任何其他行業，聯邦政府是否都有如此容易獲得一個公司的知識產權和未來的商業策略的方式…」。類似的監管機制也表現在歐洲 MiFID 市場的監管上，并可能導致類似的知識產權沖突的算法。實際上，Baker & McKenzie的 John Flaim 預測知識產權糾紛的本質會顯著改變，他認為，「知識產權所有權將是關鍵。自本世紀初開始，電子商務專利申請的文件有了顯著的增加。但是，美國最高法院發布的判決導致許多電子商務的專利在2014年全面失效。許多其他地區，比如歐洲，完全不允許軟件專利。金融行業因此面臨著平衡他們已增加的研發努力和電子商務專利的高門檻?！?/p>

在源代碼存儲庫移交之前，監管機構還需要證明數據保護和網絡安全的能力。2014年3月，一群中國黑客攻擊了美國人事管理辦公室。他們盜竊了2100萬份美國聯邦雇員的記錄，其中包括美國商品期貨交易委員會的高級成員。這樣的漏洞在當局獲取算法之前就需要修復，然而，結果的出現使得一些人懷疑，監管當局并未認真準備快速迭代的技術。

5）監管者跟上進度了嗎？

當被問及金融監管機構是否「跟上了技術進步」時，76% 的受訪者持反對意見。近十分之七的受訪者表示，他們對于「監管機構對金融技術和它們對如今金融服務部門的影響有足夠的了解」這一點幾乎沒有信心。一位受訪者評論道，「監管機構可悲的不能勝任人工智能監管，他們需要增強了解，不然有著被邊緣化的風險?！?/p>

在競爭數據科學家和其他擁有機器學習相關知識的專業人員方面，面對大型金融機構，監管機構肯定處于不利地位。這使得他們很難跟上這一領域最新的技術進展。不過，監管機構開始探索機器學習在金融市場扮演的角色和產生的影響。正如 REGAT 和 MiFID II 一樣，很多探索都發生在整個系統交易環境，而不是針對機器學習。然而，在美國證券交易委員會和美國金融業監管局、英國央行（Bank of England）和新加坡金融管理局（Monetary Authority of Singapore）等監管機構帶領下，監管人員開始了解人工智能和機器學習在金融市場扮演的角色。

在 ASIC，John Price 2015 年初帶頭創立了一個創意中心，試驗在金融市場上應用機器學習的不同領域，而且它已經向使用這樣技術的公司/組織提供建議。Victoria Pinnington 在加拿大 IIROC 也正在帶領一個類似的組織。兩邊官員都說，他們所在的機構都在與監管機構交流研究結果。

這種互動便是調查對象們給監管機構提議的核心所在。當被問及監管機構應采取的管理新技術風險的單一措施是什么時，多數受訪者（32%）認為監管機構應該與一些金融科技公司合作。而有的受訪者（25%）則建議應該在全球范圍內協調跨市場的監管能力。

調查中，絕大多數的產業管理者們相信，我們需要針對人工智能和機器學習的新監管形式。60% 的調查對象相信，現存的規定需要加以改善，而目前的監管是不夠的（見圖 6 ）。但是，監管者并不想在近期起草針對人工智能的特別規定。那些近期出現的規定將關注算法本身或者稍廣泛的系統性交易領域。在澳大利亞，Price 先生說，任何規則制定都應該以原則為基礎，而不是基于規定?！溉魏涡碌囊巹t都不會說『你得去做X、Y 還有 Z』。它們會規定，比如說，要求這些公司必須要擁有足夠完善的風險管理程序?！?/p>

6）飛行員與自動飛行

幾乎可以確信，隨著時間的流逝，機器學習將把一些交易員、分析師、還有其他產業雇員推離他們目前的崗位。68% 的調查對象預期，在十五年內將看到自己工作發生完全或者顯著的改變。每十個人中就會有四人擔心三年內它會對勞動力結構帶來負面影響。

然而，在大多數職位中（包括交易），人類還不太可能在短期內就消失。據 Hodjat 先生所言，個體交易者的角色將會被削弱一些，但絕不會完全被抹滅。他指出，特定類型的交易技能是無法被代替的，才華橫溢的專業人員也會被需要，比如需要他們構建、驗證算法。這也許會挫敗一位微軟執行官在 2014 年所作出的預言：「在十年內，將由機器人運行這座城市，投資銀行家們、分析師們、甚至是量化分析師都會變得多余?！?/p>

Amen 先生也相信，引導人工智能運用走向成功，人類直覺和影響十分重要?！讣词故褂脵C器學習，你仍需要運用少量的市場理解和直覺。輸入一個系統，接下來十年都不管它，情況不是這樣的；你時刻都希望想出與市場變化有關的新點子，這最終還是需要人來做?！?/p>

Ebner 先生把機器學習時代里投資組合經理的職位比做飛行員?！肝覀冎車嬖谀撤N結構，而且我們一路上幾乎都在采用自動飛行模式，但是，我們可以將一些細節信息輸入導航系統，可以決定什么時候自動飛行，什么時候手動操作。我們正控制著這架飛機?！?/p>

五、結論

2016 年年初，一群世界領軍的企業家，包括 Peter Thiel 和 Elon Musk，宣布他們將要投入十億美金建立一個叫做 OpenAI 的公司。它的唯一目的就是保護人類免受人工智能危害。在一封公開信中，這些創始人總結了這項技術中的緊張關系，寫道，「我們很難測量人類級別的人工智能到底會給社會帶來多少好處，同樣難以想象如果以不當的方式構建、使用人工智能，會對社會產生什么樣的危害?！?/p>

類似的情緒也貫穿了金融市場對人工智能應用的看法。所有人都承認，機器學習會有多么顛覆性，對比，我們還有很多需要學習的地方。同時，我們也需要去了解它潛在的負面效果。

大多數的受訪者都對未來人工智能在金融市場的角色表示出謹慎的樂觀。這一樂觀態度源自于人們認識到，成功的應用將會帶來的巨大機遇。然而，像所有的科技一樣，很大程度上，人工智能使用方式將最終決定它的風險跟回報。

六、關于本調查

1）定義我們的術語

人工智能是一個總稱，包含了計算機科學研究的多個領域，這些領域都試圖讓計算機系統執行那些通常需要借助人類智能的任務，比如視覺感知和決策。機器學習是人工智能的一個分支，它能讓計算機系統根據算法和分析數據，獨立學習和自適應。人們正將機器學習布局在金融業的幾個領域里，最顯著的當屬交易和財務研究方面，但是，機器學習也被用于其它方面，比如投資咨詢。

2）這一研究

調查時，Euromoney Institutional Investor Thought Leadership 從全世界的金融機構中調查了424 名高級管理人員。其中，超過四分之一（26%）的受訪者在資產管理公司工作，16% 的受訪者在投資銀行工作，其余的在銀行、保險公司、對沖基金和經紀公司工作。大多數的受訪者（57%）在他們的公司擁有 C 級職位；剩下的其他人是不同領域的高級管理人員，包括數據、技術、法律、合規等。此外，調查對象中大型、中型、小型企業都有涉及，51% 的公司擁有 100 名或更多的員工。最后，調查樣本是全球范圍的：三分之一的受訪者來自歐洲，三分之一的受訪者來自北美，16% 來自亞洲，剩下的受訪者來自拉丁美洲、中東和非洲。

除外，還有 11 名高級產業高管和獨立專家參與了深度訪談。

他們是：

Saeed Amen ：Thalesians 總經理、聯合創始人

Paul Ebner：Blackrock Scientific Activ Equity 高級投資組合經理

John G.Flaim：貝克•麥堅時的知識產權全球總監

Peter Hafez：首席數據科學家，Raven Pack

Babak Hodijat：Sentient 科技公司的首席科學家

Adrian J.Lawrence：貝克•麥堅時的媒體和 IT 合作伙伴

Andrew Lo：MIT 斯隆管理學院金融工程實驗室的金融教授、主任

Victoria Pinnington：加拿大投資行業監管組織（IIROC）市場監管高級副總裁

John Price：澳大利亞證券投資委員會委員

Astrid Raetze：貝克•麥堅時的銀行與金融業務合作伙伴

Arun Srivastava：貝克•麥堅時的金融服務監管合作伙伴

《機器中的幽靈：金融市場中的人工智能、風險及監管》是Euromoney Institutional Investor Thought Leadership 的一項報告，受到了貝克·麥堅時國際律師事務所的委托。這一研究由 Thought Leadership 指揮完成的。報告中的結果和觀點只代表 Thought Leadership 公司自己，不完全反映贊助商的觀點。

調查數據產生了許多關于人工智能技術如何被來自世界各地的管理者們采用、管理和感知的有趣發現和見解。下面是調查中一些其它有趣的發現。

3）非洲是人工智能「局外人」？

當被問到在接下來的三年里，人工智能和機器學習將會顛覆哪三大部門時，幾乎世界各地的金融服務高管們都選擇信貸、資產管理和股票證券交易受到的影響最大。

特例是那些來自中東和非洲的調查對象。有趣的是，他們預言了支付系統和虛擬錢包將會首先受到顛覆。正當大量的移動銀行平臺在非洲鄉村推廣時，我們能否期待新的人工智能應用將會更進一步的改革非洲的小額銀行業務？

4）最高管理層預見了顛覆

我們分析了參與者中高級管理層的回答，他們是一個有影響力的團體，占到了全部調查人數的 57%。驚奇的是，這些決策制定者們認為，在整個金融服務業中，人工智能最負面的影響將會體現在勞動力結構上。

39% 的調查對象認為人工智能在勞動力結構上的影響，要么非常消極要么比較消極。他們也承認，人工智能在市場穩定性上的負面影響，有 38% 的人認為人工智能技術將會有負面的或者非常負面的影響。

5）監管和干預上的合作與協調

當我們要求調查對象給出一個監管機構應該采取的、解決新科技影響的最重要的辦法時，大多數人表示，監管機構和金融科技使用者之間的合作是最重要的（32%）。然而，亞洲的調查對象把以一種系統的全球方式，協同各個市場的監管能力看做是最重要的措施。不出所料，（38%）調查對象不認為，管理者增加市場監督或者迫使市場參與者們公布更多技術信息是最佳的解決辦法。

6）對監管者的信任度

全球對監管者的信任度都非常低，但在北美洲尤其的明顯。這個發現非比尋常。因為美國的金融監管者已經引進了全球最先進的機構，其中包括金融研究辦公室（the Office for Financial Research），一個通過先進的數據科學對金融市場進行更為精細分析的組織。

7）人工智能/機器學習和監管

一些調查對象相信，為了解決由人工智能/機器學習引發的問題，需要起草、實施進一步的規定。那些專司法律、合規以及規定領域的調查對象，與數據和技術特定部門人士一起，最渴望新規定的出臺和實施。

七、附錄（完整調查結果）

Q1：你認為，三年內，下面的金融服務部門會多大程度上被人工智能和機器學習技術改變？

Q2：在未來三年，你期望人工智能和機器學習最能顛覆哪一個金融服務部門？（最多選擇三項）

Q3：在未來三年，人工智能和機器學習對下面金融市場方面將產生怎樣的影響？

Q4：人工智能和機器學習會如何影響金融市場結構？下面哪一條描述，最接近你的預測？

Q5：就中、長期而言，你認為，你的工作將多大程度上被人工智能和機器學習技術改變？

Q6：在接下來三年中，下面列出的技術中，哪一個對你的公司/組織最為重要？

Q7：您希望貴公司在未來三年中將人工智能或機器學習技術引入哪些領域？（可多選）

Q8：貴公司通過何種方式開發人工智能或機器學習的能力儲備？（可多選）

Q9：公司希望借由引入人工智能或機器學習技術所達到的最重要的優勢是那些（最多三項）？

Q10：公司在嘗試引入人工智能或機器學習技術所遇到的最艱難的障礙是那些（最多三項）？

Q11：公司董事會是否了解新技術對公司業務產生的更加廣泛的影響？

Q12：你是否贊同以下陳述？

Q13：為了應對金融新技術所造成的影響，監管機構應采取的最重要措施是哪一個？

Q14：你是否認同以下觀點？

Q15：監管部門已經充分了解及融技術及其對當前金融服務部門的影響，對于這一判斷，你有多大信心？

Q16：為了降低監管風險，監管者應當優先在 哪個領域采納人工智能技術？

Q17：你認為現有的規定足夠解決人工智能/機器學習產生的問題？

Q18：你所在的組織已經很好理解了所有與新技術有關的實質法律風險嗎？對此，你有多自信？

Q19：你的公司/組織已經認識所有其他與金融技術有關的風險了嗎？對此，你有多自信？

最后，記得關注微信公眾號：鎂客網（im2maker），更多干貨在等你！