交易员时代“退场” 华尔街热衷机器人投资模型研发

尽管今年以来，美股迭创新高，但华尔街不少金融机构交易员却在担心自己“饭碗不保”。

比如，花旗集团近日就计划裁减数百位交易员。究其原因，一是今年上半年花旗集团股票交易收入下降17%，且交易总额下降5%，难以满足有形资产回报率12%的目标，只能通过裁员降低成本。二是机器人投资模型在华尔街日益流行，大幅挤压交易员的生存空间。

“相比前者，后者对交易员生存业态的冲击更大。”一位华尔街金融机构股票交易员向记者直言，基于大数据、人工智能等各类金融科技技术的机器人投资模型，正从根本上替代交易员的人工交易决策机制，最终导致交易员这个职业“成为历史”。

记者注意到，随着金融科技技术的崛起，华尔街各家大型投资银行与对冲基金都在不遗余力地研发机器人投资模型。比如摩根大通此前宣布将投资114亿美元研发全球股票交易机器人，贝莱德基金则正积极引入基于机器人投资决策的量化策略替代交易员人工投资决策机制，高盛则侧重投行工作的自动化，将IPO过程分成逾140个步骤，通过机器人模型自动完成。

“不过，机器人投资模型能否安全替代交易员的人工投资决策时代，现在还不好说。”上述股票交易员认为，机器人投资模型依然面临数据不全、深度学习能力不强、部分投资结论缺乏逻辑推敲等问题，导致其实际投资效果差强人意。

但他承认，随着人工智能与大数据技术日新月异，未来机器人投资模型的成熟度与准确性也会随之不断提升，交易员在投资决策的比重注定会持续下滑。

“未来华尔街金融机构的实力比拼，不再是交易员的能力，而是机器人模型的投资能力。”他强调说。

机器人投资模型实践效果待考

“目前华尔街大型投行与金融机构对金融科技的研发投入，都是数十亿美元级别的。”上述华尔街金融机构股票交易员向21世纪经济报道记者坦言。

在他看来，目前华尔街大型投行与金融机构对金融科技的研发投入，主要聚焦在三大领域，一是基础设施的建设，比如多数投行都在借助金融科技设计新的交易系统，从而获得更快的交易速度与更高的交易优势，二是将线下业务搬到线上，以此降低运营成本，比如摩根大通设计的金融合同解析软件COIN节省了律师与贷款人员大量工作时间，且业务出错率也大幅降低；三是设计机器人投资模型创造更高收益以赢得客户青睐。

“目前研发环节最艰难的，就是机器人投资模型。”他告诉记者，一个运营成熟的机器人投资模型，需要输入海量交易数据与各类金融资产历史走势，让机器人既能从历史走势里找出能创造高回报的投资策略，还得根据历史走势洞察未来，对未来金融市场变化及时做出准确回应捕捉新的投资机会。

一位曾参与机器人投资模型研发的华尔街金融机构基金经理坦言，尽管他们为机器人投资模型根据历史交易数据设计了不同场景的交易策略，实际投资效果却低于预期，甚至时常出现“明显违背投资常识”的错误交易行为。

究其原因，是机器人投资模型自主创造的投资结论与交易策略缺乏逻辑性且让人“看不懂”，在实际投资环节得不到合理解释，因此出现差错也难以“纠正”。这导致他们一直没有将机器人投资模型推荐给FOF机构等客户。

但他发现，不少FOF与大型资管机构对机器人投资模型的投资兴趣一直在增加，原因是美联储降息与经济衰退风险令美债收益率持续走低，导致无风险套利收益大幅缩水，因此他们迫切需要新的策略找到低风险高回报的投资机会，而机器人模型的“投资潜力”或许能帮助他们完成这个夙愿。

“因此我们一直在加强机器人投资模型在美股投资方面的数据理解与分析能力，从而令其投资效果能真正达到预期值。”这位基金经理向记者直言。但这将是一个持续完善的过程。

21世纪经济报道记者多方了解到，目前也有不少华尔街金融机构推出由数百个机器人模型提供交易信号的程序化交易产品，与智能投顾类似，但实际投资收效同样千差万别，真正跑赢美股涨幅的相关产品并不多。

新型高频交易利器？

值得注意的是，在机器人投资模型研发领域，一些领跑者已悄然浮出水面。

比如信安环球投资公司(PGI)宏观货币部门研发了一套机器人投资模型，其最大特点是一年只工作一天。具体而言，这个机器人投资模型根据历史交易数据、外汇走势、特定宏观经济数据进行综合分析，每年初设定一套贯穿未来12个月的投资交易策略并执行落地。

“起初我们对此不抱很高的期望值，但没想到他的回报超出我们想象。”PGI量化策略主管Ivan Petej曾向21世纪经济报道记者直言，2016年这个机器人投资模型决定押注日元兑瑞士法郎大幅升值，当时几乎没有交易员认为这项交易策略能赚钱。但随着当年全球经济波动加剧导致避险资金大举涌入日元，日元兑瑞士法郎一度大涨15%，令基于上述机器人投资模型进行交易，资产管理达到8.3亿美元的“全球时间多元化策略”(Global Time Diversified Strategy)在2016年的回报率一度达到13.8%，是同期对冲基金研究公司HFRI宏观货币指数回报率的五倍。

在Ivan Petej看来，这套机器人投资模型之所以业绩不错的主要原因，是它对宏观经济指标有着精准遴选。

“事实上，宏观货币投资要关注的宏观经济数据非常多，但这套机器人投资模型主要关注制造业先行指标等数据，因为它们对外汇市场交易具有潜在的巨大影响。”他表示。

但他承认，这种剑走偏锋型的机器人投资模型(即一年只工作一天)在华尔街金融机构界并不多，目前多数华尔街金融机构会将大部分精力放在通过金融科技提升交易速度获取交易优势，这令机器人投资模型更像是一种高频交易产物，即比其他交易模型更快地捕捉到市场价差套利机会，进而抢先下单锁定价差收益。

“这导致华尔街多数机器人投资模型更擅长根据美股价格变化寻找套利投资机会，缺乏对宏观经济基本面与价值投资的关注，其结果是美股等金融投资品种的波动性骤然放大。”前述华尔街金融机构股票交易员向记者指出，今年他所在的投资机构因此多次吃亏，迫使他们将注意力放在如何提升机器人投资模型的深度学习能力——若再次遇到美股剧烈波动场景，机器人投资模型不会盲目止损离场，而是根据以往交易教训转而伺机反向投资博取高回报。

他告诉记者，因此他所在的机构目前需要引入大量AI领域技术人才。

“事实上，当前美国大型互联网企业与知名AI公司的技术人员，在华尔街正变得特别吃香，各家金融机构都愿高薪聘请他们以提升机器人投资模型运营效果。”他指出。

（文章来源：21世纪经济报道）