連「正常」市場是什麼樣都不懂的AI 能避免下一場金融危機？

摘要：2017 年全球產生的數據量，是七年前的十倍。隨著金融市場所產生的數據規模越來越大，人工智慧理當越來越聰明。但若「投餵」給 AI 的數據不正常，讓 AI 連「正常」市場的樣子都不知道，又會發生什麼？

人工智慧在金融市場的應用日益廣泛。基金經理在 AI 輔助下做出交易判斷，往往是透過 AI 對海量財務數據中，潛藏的規律進行識別；理論上，「投餵」給 AI 的數據越多，AI「成長」得就越快。

隨著金融市場所產生的數據規模越來越大，人工智慧理應越來越好。但若「投餵」給 AI 的數據不正常，讓 AI「吃壞肚子」，又會發生什麼？

低波動率「溫室」下成長起來的 AI 海嘯再次到來時將淪為廢物？

2017 年產生的數據量，比 2010 年多出 10 倍左右（下圖）。這同時也意味著，質量最高、AI 接觸最多的數據，也高度集中於近幾年——而金融危機以來的這個世界，卻充斥著央行透過量化寬鬆和資產購買，釋放到市場上的廉價資金，這對市場而言，絕非「正常」狀態。

這樣的「非常態」已經造成了一些影響，從依靠債務槓桿度日的「殭屍」公司數量攀升，到創歷史地位的波動率促使上市公司大舉回購股票，不一而足。

來源：金融穩定委員會

在這麼多數據「餵養」下成長起來的 AI，可能連「正常」的市場是什麼樣子都不知道。達拉斯聯儲總裁 Robert Kaplan 近日指出了當今存在的一些市場極端狀況，他在文中警告大家，日益嚴重的經濟失衡，將會增加資產價格大幅回調的風險。

• 現在美股總市值約占 GDP 的 135％，是 2000 年以來的最高值;
• 公司債務規模處於歷史記錄高點;
• 紐約證券交易所 2017 年的成交量較 2007 年下降 51％，但紐交所總市值卻上漲 28％。
• 美國股市 12 個月內未出現過單日 3％的調整，波動率創新低。

Kaplan 指出，今天低迷的波動率「非同尋常」。但他沒有說的，是波動率低迷背後的罪魁禍首，正是市場上成本低廉的信貸。如果信貸唾手可得，公司就可以依靠債務融資一直維持下去，而本該如實反映公司資產價值的股價，自然也就沒有任何大幅波動的必要。以前市場所經歷過的低波動時期，每次都以估值修復的劇烈震盪告終。

These violent delights have violent ends, 「這些殘暴的歡愉，終將以殘暴收場」，在狂歡戛然而止後，在低波動率「溫室」下成長起來的人工智慧，很可能淪為廢物。

量化交易 AI：既是「多米諾」效應的接棒者，也是金融衝擊的「放大器」

金融穩定委員會 (Financial Stability Board) 是 G20 國家集團在 08 年金融危機後在瑞士巴塞爾設立的國際機構，近日公布的研究報告中，針對人工智慧和機器學習可能對金融穩定造成的潛在影響，進行了研究分析。

該委員會強調的一大風險，就是對沖基金和做市商越來越多地在日常操盤交易中使用 AI。因為人工智慧在優化錯綜複雜的量化交易系統方面效率極高，對 AI 的使用很可能導致金融機構的資本安全措施逼近「臨界點」，比如將保證金控制在理論上剛剛好能夠覆蓋未平倉交易部位的比例上。

AI 在金融市場中的應用越來越廣泛。低波動、高負債的廉價金融時代終將結束，宣告新市場環境真正到來的劇烈調整當中，AI 當然也將在大舞台上扮演推波助瀾的角色。

問題是，目前水平的人工智慧，需要學習極長時間，吸收極大規模數據，才能適應新的市場條件，避免量化操作的過激反應。當下一場金融海嘯席捲全球，市場環境變得完全陌生的時候，這些掌管金融資產規模以億計算的 AI，究竟會做什麼？

隨著金融系統內部的關聯愈加緊密，「牽一髮動全身」，進行量化交易操作的人工智慧，可以作為「放大器」更快速地將金融衝擊散播到整個金融系統，使得整個系統在危機爆發時變得更加不穩定。如果各家機構的 AI 交易策略使用的同一數據源，那麼這些特定的數據源受到衝擊之後的「多米諾」效應就會更加勢不可擋。

現在正夯的自動駕駛汽車，可以作為 AI 的「阿基里斯腱」形象的比喻。當 Google 在總部 Mountain View 的街道上訓練自駕車時，車在街口轉角處遇到了一名坐在輪椅上的女子，一邊揮舞着掃把，一邊追著一隻鴨子。這輛車的資料庫當中，從未遇到過這樣的對照物，而內設的「保險絲」要求它在遇到完全陌生的情況下時，停車等待，於是避免了一場事故的發生。

而去年 7 月的另一起自動駕駛汽車事故中，配備自動駕駛裝置的特斯拉轎車在未能識別出正在左轉的白色卡車時，選擇繼續前進，造成了車毀人亡的慘劇。

人工智慧在完全陌生沒有先例可循的情況下，表現可能還不如一個天生懂得「趨吉避凶」的新生兒。對於處理量化交易的金融 AI 來說，一根「保險絲」就足夠了嗎？

『新聞來源／華爾街見聞』