人工智能驱动的工具，如ChatGPT，有可能彻底改变人类工作的效率、效能和速度。
这在金融市场中是如此，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。
我研究金融市场和算法交易已经有14年了。虽然人工智能带来了很多好处，但这些技术在金融市场上的日益普及也带来了潜在的危险。纵观华尔街过去通过拥抱计算机和人工智能来加快交易的尝试，我们可以发现利用这些技术进行决策的一些重要教训。
1.程序化交易催生了“黑色星期一”
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来执行交易。这有助于投资者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，即从“标准普尔500指数等股票指数”与“组成该指数的股票”价格之间的差异中获利。
随着技术的进步和更多数据的可用性，这种程序交易变得越来越复杂，算法开始能够分析复杂的市场数据，并根据各种因素执行交易。这些程序化交易员的人数在基本上没有监管的交易高速公路上持续增长，每天有价值超过一万亿美元的资产易手，导致市场波动急剧增加。
最终，这导致了1987年大规模的股市崩盘，被称为“黑色星期一”。道琼斯工业平均指数遭受了有史以来最大的跌幅，并且这种苦痛蔓延到了全球。
作为应对，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，程序化交易在股灾后的几年里仍持续受到欢迎。
2.高频交易
15年后的2002年，纽约证券交易所推出了一个全自动交易系统。结果，程序化交易员让位给了更复杂的自动化交易和更先进的技术：高频交易。
高频交易使用计算机程序来分析市场数据，并以极高的速度执行交易。与程序交易员不同的是，高频交易员使用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。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的时间。
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证券。人工智能算法能够实时分析大量数据，并识别人类交易者无法即时看到的模式和趋势。这有助于交易者做出更好的决策，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，这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，交易者可以获得对市场情绪的见解，并相应地调整他们的交易策略。
3.人工智能交易的好处
这些基于人工智能的高频交易，其操作方式与人类交易非常不同。
人类的大脑是迟缓的、不准确的、健忘的，不能进行快速、高精度的浮点运算，而这种运算是分析大量数据以识别交易信号所需的技能。但计算机的速度要比人脑快数百万倍，具有无懈可击的记忆，完美的注意力，以及在几毫秒内分析大量数据的无限能力。
因此，就像大多数技术一样，高频交易为股票市场带来了若干好处。
高频交易员通常以非常接近市场价格的价格购买和出售资产，这有助于确保市场上始终有买家和卖家，而这反过来有助于稳定价格，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，来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。这种交易可以帮助纠正市场效率的低下，并确保资产定价更准确。
4.人工智能交易的弊端
但速度和效率也会给市场造成伤害。
高频交易算法可以对新闻事件和其他市场信号做出非常迅速的反应，从而导致资产价格的突然飙升或下降。
此外，高频交易金融公司能够利用其速度和技术，获得比其他交易者更大的优势，从而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，然后又迅速恢复。
自那以后，波动的市场已成为新常态。在2016年的研究中，我和两位合著者发现，在引入高频交易后，波动性显著增加。
高频交易员分析数据的速度和效率意味着，即使是市场状况的微小变化也可能引发大量交易，从而导致价格突然波动。
此外，我和其他几位同事在2021年发表的研究表明，大多数高频交易者使用相似的算法，而这增加了市场失灵的风险。这是因为随着市场上交易者数量的增加，这些算法的相似性会导致类似的交易决策。
这意味着，如果所有高频交易者的算法释放出相似的交易信号，那么他们可能会在市场的同一侧进行交易。也就是说，他们都可能试图在负面消息时卖出，在正面消息时买入。如果没有人站在交易的另一边，那么市场就会失灵。
5.进入ChatGPT时代
人工智能将我们带入了一个由ChatGPT和类似程序驱动的交易算法的新世界。而这些技术可能会把“交易中同一侧有太多交易者”的问题搞得更糟。
一般来说，人类如果顺其自然，往往会做出各种各样的决定。但如果每个人都根据类似的人工智能做出决定，那么这可能会限制意见的多样性。
考虑一个极端的、非金融的情况，在这种情况下，每个人都依赖ChatGPT来决定购买最佳计算机。这时，消费者已经非常倾向于羊群行为，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择中做出选择。
由于由生成式人工智能驱动的聊天机器人做出的决策是基于过去的训练数据，因此聊天机器人提出的决策将具有相似性。ChatGPT很可能会向所有人推荐相同的品牌和型号。这可能将“羊群效应”提升到一个更高的水平，并可能导致某些产品和服务的短缺，以及严重的价格飙升。
当人工智能根据有偏见和不正确的信息做出决定时，这就变得更成问题了。当系统在有偏见的、陈旧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和类似的工具因犯事实错误而受到了广泛诟病。
此外，由于市场崩盘相对罕见，因此没有太多相关数据。由于生成式人工智能依赖于数据训练来学习，所以它们对这些知识的缺乏可能使崩盘更容易发生。
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已以隐私担忧为由，禁止在交易大厅使用这些工具。
但我坚信，一旦银行解决了它们对生成式人工智能的担忧，最终还是会接受生成式人工智能。因为潜在的收益太大了，不容错过，而且有被竞争对手甩在后面的风险。
但对金融市场、全球经济和每个人来说，风险也很大，所以我希望他们谨慎行事。
