不死武帝1 人工智能驱动的工具可能彻底改变人类工作的效率和速度，这项技术在金融市场上的日益普及可能带来许多好处，但同时也存在潜在危险。

　　2 20世纪80年代初，机构投资者开始使用计算机程序根据预先设定的规则和算法执行交易，但引发了被称为“黑色星期一” 的大规模股市崩盘。

　　3 美国纽约证券交易所2002年推出了全自动交易系统，促使高频交易诞生，导致了2010年5月所谓的“闪电崩盘” 。

　　4ChatGPT驱动的交易算法和类似程序，可能会让太多交易员同时执行类似交易操作的问题变得更糟糕，从而引发股市崩盘。

　　腾讯科技讯 5月22日消息，像聊天机器人ChatGPT这种人工智能驱动的工具，有可能彻底改变人类工作的效率、效果和速度。这在金融市场是如此，在医疗保健、制造业以及我们生活的几乎所有其他方面也是如此。虽然人工智能带来了很多好处，但这项技术在金融市场上的日益普及也带来了潜在的危险。回顾下华尔街过去通过采用计算机和人工智能来加快交易速度的努力，就会发现利用它们进行决策带来的重要教训。

　　20世纪80年代初，在科技进步和衍生品等金融创新的推动下，机构投资者开始使用计算机程序根据预先设定的规则和算法执行交易。这有助于他们快速高效地完成大宗交易。

　　当时，这些算法相对简单，主要用于所谓的指数套利，即试图从某个股票指数（如标准普尔500指数）与其所包含成分股之间的价格差异中获利。

　　随着技术进步和可用数据越来越多，这种程序化交易变得越来越复杂，算法能够分析复杂的市场数据并根据各种因素执行交易。在基本上不受监管的“交易高速公路上” ，这种程序化交易的数量继续增长，每天有价值超过1万亿美元的资产易手，导致市场波动性急剧增加。

　　最终，这导致了1987年的大规模股市崩盘，也就是众所周知的“黑色星期一” 。当时，道琼斯工业平均指数遭受了有史以来最大的跌幅，这种痛苦逐渐蔓延到了全球。

　　作为回应，监管部门实施了一系列措施来限制程序化交易的使用，包括在市场出现重大波动时暂停交易的熔断机制和其他限制。但是，尽管采取了这些措施，程序化交易在崩盘后的几年里依然受到欢迎。

　　时间来到15年后的2002年，美国纽约证券交易所推出了全自动交易系统。结果，程序化交易让位给更复杂、技术更先进的自动化交易，即高频交易。

　　高频交易使用计算机程序分析市场数据并以极高的速度执行交易。与程序化交易不同的是，高频交易员使用功能强大的计算机和高速网络来分析市场数据，并以闪电般的速度执行交易。而程序交易员长期买卖一篮子证券，以利用套利机会(利用类似证券的价格差异获利)。高频交易员可以在大约6400万分之一秒内完成交易，而上世纪80年代的交易员则需要几秒钟。

　　这些交易通常是非常短期的，可能涉及在几纳秒内多次买卖同一种股票证券。人工智能算法实时分析大量数据，并识别人类交易员无法立即看到的模式和趋势。这有助于交易员做出更好的决策，并以比手动更快的速度执行交易。

　　人工智能在高频交易中的另一个重要应用是自然语言处理，它涉及分析和解释人类语言数据，如新闻文章和社交媒体帖子。通过分析这些数据，交易员可以获得有关市场情绪的宝贵见解，并相应地调整他们的交易策略。

　　人类的大脑存在反应速度慢、不准确以及健忘的缺点，它无法进行快速、高精度的浮点运算，这需要分析海量数据以识别交易信号。而计算机的速度要快数百万倍，具有基本不会出错的内存、完美的注意力和在几毫秒内分析大量数据的无限能力。

　　这些交易员通常以非常接近市场实时价格的价格买卖股票债券，这意味着他们不会向投资者收取高额费用。这有助于确保市场上总是有买家和卖家，这反过来又有助于稳定价格，减少价格突然波动的可能性。

　　高频交易还可以通过快速识别和利用市场中的错误定价，帮助减少市场效率低下的影响。例如，高频交易算法可以检测到特定股票何时被低估或高估，并执行交易以利用这些差异。通过这样做，这种交易可以帮助纠正市场效率低下的问题，并确保资产定价更准确。

　　但速度和效率的提升也会造成伤害。高频交易算法可以对新闻事件和其他市场信号做出如此迅速的反应，以至于它们可能导致资产价格突然飙升或下跌。

　　此外，高频交易金融公司能够利用他们的速度和技术获得比其他交易员不公平的优势，进一步扭曲市场信号。由这些极其复杂的人工智能驱动的交易造成的波动导致了2010年5月所谓的“闪电崩盘” ，当时股市暴跌，然后在几分钟内回升，抹去了大约1万亿美元的市值，然后又恢复了过来。

　　自那以后，市场急剧波动已成为新常态。在2016年的研究中，两位研究人员发现，在引入高频交易后，波动性显著增加。波动性是衡量价格上下波动的速度和不可预测性的指标。

　　高频交易员分析数据的速度和效率提高意味着，即使是市场发生微小变化也可能引发大量交易，导致价格突然波动，波动性加大。

　　此外，2021年的一项研究表明，大多数高频交易员使用类似的算法，这增加了市场失控的风险。这是因为，随着市场上这类交易员数量的增加，这些算法的相似性会导致类似的交易决策。

　　这意味着，如果所有高频交易员的算法释放出相似的交易信号，他们可能会在市场进行类似的交易操作。也就是说，他们都可能试图在出现负面消息时卖出股票，在有利好消息时买入。如果没有人站在交易的另一边，市场就会崩溃。

　　这将我们带入了一个由ChatGPT驱动的交易算法和类似程序组成的新世界。他们可能会让太多交易员同时执行类似交易操作的问题变得更糟糕。

　　总体而言，如果让人类自己决定，他们往往会做出各种不同的决定。但如果每个人都从类似的人工智能中得出相同的结论，这可能会限制观点的多样性。

　　考虑一种极端的非金融情况，在这种情况下，每个人都依赖ChatGPT来决定购买最好的计算机。消费者已经非常倾向于从众行为，他们倾向于购买相同的产品和型号。例如，Yelp、亚马逊等网站上的评论会促使消费者在几个最佳选项中做出选择。

　　由生成式人工智能驱动的聊天机器人做出的决策基于过去的训练数据，因此聊天机器人提出的建议将具有相似性。ChatGPT很可能会向所有人推荐相同的品牌和型号。这可能会把从众性带到更高的水平，并可能导致某些产品和服务的短缺以及价格飙升。

　　当人工智能根据有偏见和不正确的信息做出决定时，这会引发严重后果。当系统在有偏见的、过时的或有限的数据集上训练时，人工智能算法会强化现有的偏见。ChatGPT及其类似的工具已经因犯下事实错误而受到批评。

　　此外，由于市场崩盘的情况相对罕见，因此没有太多相关数据。而生成式人工智能依赖于数据训练来学习，缺乏这方面的知识可能会使市场崩盘的情况更有可能发生。

　　至少就目前而言，大多数银行似乎不会允许员工使用ChatGPT和类似的工具。花旗集团、美国银行、高盛和其他几家银行都以隐私担忧为由，禁止在交易大厅使用这些工具。

　　不过，一旦银行解决了对生成式人工智能的担忧，它们最终会接受它。毕竟，潜在好处太多了，不容错过。而且，拒绝人工智能有被竞争对手甩在后面的风险。但金融市场、全球经济和每个人面临的风险也很大，所以希望他们能够谨慎行事。