交易員要被取代了？華爾街熱衷機器人投資模型研發

目前華爾街大型投行與金融機構對金融科技的研發投入，主要聚焦在三大領域，一是基礎設施的建設、二是將線下業務搬到線上、三是設計機器人投資模型創造更高收益以贏得客戶青睞。

儘管今年以來，美股迭創新高，但華爾街不少金融機構交易員卻在擔心自己「飯碗不保」。

比如，花旗集團近日就計畫裁減數百位交易員。究其原因，一是今年上半年花旗集團股票交易收入下降17%，且交易總額下降5%，難以滿足有形資產回報率12%的目標，只能通過裁員降低成本。二是機器人投資模型在華爾街日益流行，大幅擠壓交易員的生存空間。

「相比前者，後者對交易員生存業態的衝擊更大。」一位華爾街金融機構股票交易員向記者直言，基於大數據、人工智能等各類金融科技技術的機器人投資模型，正從根本上替代交易員的人工交易決策機制，最終導致交易員這個職業「成為歷史」。

隨著金融科技技術的崛起，華爾街各家大型投資銀行與對沖基金都在不遺餘力地研發機器人投資模型。比如摩根大通此前宣佈將投資114億美元研發全球股票交易機器人，貝萊德基金則正積極引入基於機器人投資決策的量化策略替代交易員人工投資決策機制，高盛則側重投行工作的自動化，將IPO過程分成逾140個步驟，通過機器人模型自動完成。

「不過，機器人投資模型能否安全替代交易員的人工投資決策時代，現在還不好說。」上述股票交易員認為，機器人投資模型依然面臨數據不全、深度學習能力不強、部分投資結論缺乏邏輯推敲等問題，導致其實際投資效果差強人意。

但他承認，隨著人工智能與大數據技術日新月異，未來機器人投資模型的成熟度與準確性也會隨之不斷提升，交易員在投資決策的比重注定會持續下滑。

「未來華爾街金融機構的實力比拚，不再是交易員的能力，而是機器人模型的投資能力。」他強調說。

機器人投資模型實踐效果待考

「目前華爾街大型投行與金融機構對金融科技的研發投入，都是數十億美元等級的。」上述華爾街金融機構股票交易員表示。

在他看來，目前華爾街大型投行與金融機構對金融科技的研發投入，主要聚焦在三大領域，一是基礎設施的建設，比如多數投行都在借助金融科技設計新的交易系統，進而獲得更快的交易速度與更高的交易優勢，二是將線下業務搬到線上，以此降低運營成本，比如摩根大通設計的金融合同解析軟體COIN節省了律師與貸款人員大量工作時間，且業務出錯率也大幅降低；三是設計機器人投資模型創造更高收益以贏得客戶青睞。

「目前研發環節最艱難的，就是機器人投資模型。」一個運營成熟的機器人投資模型，需要輸入巨量交易數據與各類金融資產歷史走勢，讓機器人既能從歷史走勢裡找出能創造高回報的投資策略，還得根據歷史走勢洞察未來，對未來金融市場變化及時做出準確回應捕捉新的投資機會。

一位曾參與機器人投資模型研發的華爾街金融機構基金經理坦言，儘管他們為機器人投資模型根據歷史交易數據設計了不同場景的交易策略，實際投資效果卻低於預期，甚至時常出現「明顯違背投資常識」的錯誤交易行為。

究其原因，是機器人投資模型自主創造的投資結論與交易策略缺乏邏輯性且讓人「看不懂」，在實際投資環節得不到合理解釋，因此出現差錯也難以「糾正」。這導致他們一直沒有將機器人投資模型推薦給FOF機構等客戶。

但他發現，不少FOF與大型資管機構對機器人投資模型的投資興趣一直在增加，原因是美聯儲降息與經濟衰退風險令美債收益率持續走低，導致無風險套利收益大幅縮水，因此他們迫切需要新的策略找到低風險高回報的投資機會，而機器人模型的「投資潛力」或許能幫助他們完成這個夙願。

「因此我們一直在加強機器人投資模型在美股投資方面的數據理解與分析能力，進而令其投資效果能真正達到預期值。」這位基金經理直言。但這將是一個持續完善的過程。

目前也有不少華爾街金融機構推出由數百個機器人模型提供交易訊號的程式化交易產品，與智慧型投顧類似，但實際投資收效同樣千差萬別，真正跑贏美股漲幅的相關產品並不多。

新型高頻交易利器？

值得注意的是，在機器人投資模型研發領域，一些領跑者已悄然浮出水面。

比如信安環球投資公司（PGI）宏觀貨幣部門研發了一套機器人投資模型，其最大特點是一年只工作一天。具體而言，這個機器人投資模型根據歷史交易數據、外匯走勢、特定宏觀經濟數據進行綜合分析，每年初設定一套貫穿未來12個月的投資交易策略並執行。

「起初我們對此不抱很高的期望值，但沒想到他的回報超出我們想像。」PGI量化策略主管Ivan Petej直言，2016年這個機器人投資模型決定押注日元兌換瑞士法郎大幅升值，當時幾乎沒有交易員認為這項交易策略能賺錢。但隨著當年全球經濟波動加劇導致避險資金大舉湧入日元，日元兌換瑞士法郎一度大漲15%，令基於上述機器人投資模型進行交易，資產管理達到8.3億美元的「全球時間多元化策略」（Global Time Diversified Strategy）在2016年的回報率一度達到13.8%，是同期對沖基金研究公司HFRI宏觀貨幣指數回報率的五倍。

在Ivan Petej看來，這套機器人投資模型之所以業績不錯的主要原因，是它對宏觀經濟指標有著精準遴選。

「事實上，宏觀貨幣投資要關注的宏觀經濟數據非常多，但這套機器人投資模型主要關注製造業先行指標等數據，因為它們對外匯市場交易具有潛在的巨大影響。」他表示。

但他承認，這種劍走偏鋒型的機器人投資模型（即一年只工作一天）在華爾街金融機構界並不多，目前多數華爾街金融機構會將大部分精力放在透過金融科技提升交易速度獲取交易優勢，這令機器人投資模型更像是一種高頻交易產物，即比其他交易模型更快地捕捉到市場價差套利機會，進而搶先下單鎖定價差收益。

「這導致華爾街多數機器人投資模型更擅長根據美股價格變化尋找套利投資機會，缺乏對宏觀經濟基本面與價值投資的關注，其結果是美股等金融投資品種的波動性驟然放大。」前述華爾街金融機構股票交易員向記者指出，今年他所在的投資機構因此多次吃虧，迫使他們將注意力放在如何提升機器人投資模型的深度學習能力——若再次遇到美股劇烈波動場景，機器人投資模型不會盲目止損離場，而是根據以往交易教訓轉而伺機反向投資博取高回報。

因此他所在的機構目前需要引入大量AI領域技術人才。

「事實上，當前美國大型網路企業與知名AI公司的技術人員，在華爾街正變得特別吃香，各家金融機構都願高薪聘請他們以提升機器人投資模型運營效果。」他指出。

本文授權轉載自網路天文館