硅谷入侵华尔街，人工智能如何无情蚕食了高薪职位？

李开复预言的未来十年，人工智能将在金融领域大放异彩，特别是在纯数字金融领域，AI的应用将成为主流。摩根士丹利和瑞信相继裁员的高盛已全面开启自动化交易程序，这标志着AI技术在金融领域的热度不断升温。

在此背景下，《21CBR》专访了北大汇丰商学院副教授朱晓天博士，深入探讨了人工智能在金融领域的应用及其带来的变革。

朱晓天博士拥有丰富的金融投资经验，曾在美国华尔街、新加坡、香港和中国内地等多个地区从事金融投资行业超过16年。在加盟北大汇丰前，他曾在中信证券担任高级副总裁，负责场外衍生品及融券池等业务。

谈及中信证券的实践，朱晓天表示，在融券池管理中，他需要保证和增强融券收益，并管理Delta One场外衍生品业务。由于监管环境的变化，他面临着不小的挑战。尽管工作内容繁琐，但他和他的团队只有五六个人，却能够高效地完成产品设计。

随着AI技术在金融领域的广泛应用，智能投顾也成为一个热门话题。朱晓天指出，目前一些券商推出的“机器人投顾”产品，其实更多的是自动化的概念，而非真正的人工智能。真正的人工智能应该具备独立思考和扩展的能力，能够在算法交易或策略开发过程中自动更新数据和寻找优化策略。

智能投顾的核心在于大类资产配置。根据客户的风险收益偏好，系统可以自动进行资产配置，实现自动化+专家系统的结合。虽然目前AI在金融领域的应用还处于初级阶段，但随着技术的不断进步，AI将在金融领域发挥更大的作用，带来更多的便利和创新。

人工智能在金融领域的应用已经取得了显著的进展，未来还有广阔的发展空间。随着技术的不断进步，我们将见证AI在金融领域的更多创新和变革。关于国内私募机构在人工智能领域的应用与探索

随着科技的进步，国内的一些私募机构开始积极采用人工智能技术。他们主要集中在两个方向进行探索：一是直接使用人工智能技术开发策略，二是借鉴Google Source的人工智能算法源代码，根据市场变化动态筛选适合的策略组合。

尽管“人工智能”这一概念火热，但真正智能化的发展还处于初级阶段。例如，一些简单的自动化系统在加入专家系统后就被称为人工智能，如信用风险管理系统。这些系统可以取代初级分析员的部分工作，处理日常重复任务。但对于更高级的量化策略开发，人工智能算法有着广阔的发展空间。

在金融领域，人工智能的实际应用主要体现在策略筛选和机器人投顾。例如，FOF（基金中的基金）的大类资产配置和产品业绩筛选都可以采用自动化的方式。人工智能在金融预测和分类方面也有广泛应用，如预测市场走势和进行信用风险评估等。

金融领域之所以成为人工智能的突破口，原因在于其丰富的数据样本。正因为样本数量庞大，如何避免过度拟合成为了一个重要问题。过度拟合可能导致模型在样本外的预测误差增大。找到一个训练平衡点，以获得最优的样本外预测模型至关重要。

相较于传统操作，使用人工智能技术的成本较高。海外投行在这方面投入巨大，如瑞信和摩根大通银行。他们不惜支付高薪招聘技术人员开发各种算法交易策略，以取得竞争优势。但在中国，一些公司可能过于急功近利，仅将简单流程自动化就称之为人工智能系统，背后的技术投入可能并不充足。

人工智能在金融领域的应用中存在着两大主要问题：“黑箱”问题和过度拟合问题。尽管人工智能的深度学习方法在金融市场和投资领域的应用非常广泛，但其内部机制仍是一个黑箱，无法直观地解释预测模型的逻辑原理。机器学习的核心算法需要找到一个训练平衡点，以避免过度拟合现象。这对于单一预测的准确率或许已经足够高，但在金融交易中，持续的成功率才是获取持续收益的关键。要真正实现人工智能技术在金融领域的普及，不仅需要资金投入，还需要核心的人工智能和大数据技术来构建稳健的算法交易平台。在国内某大型金融机构的工作经验让我深刻认识到人工智能在金融领域的巨大潜力与挑战。未来我们将继续探索与实践人工智能技术在金融领域的应用与发展。在交易结算的尾声，新数据被纳入重新计算，以调整次日交易参数，随后启动自动化交易流程。这一流程全程自动化，无人工干预。在面临数千支股票或资产的交易参数更新时，单个夜晚的计算更新任务往往难以完成，需要借助并行分布式计算，充分利用闲置的计算资源。

以Alphago为例，它拥有超过千个GPU的庞大计算能力，通过强大的内存实现了自动化过程。只要计算能力不是瓶颈，我们可以不断对这一流程进行优化。比如，原本需要十台计算机一个晚上完成的工作，现在可以利用百台甚至千台服务器同时处理，从而发掘更多的优化细节。在强大的计算力支撑下，第二天的交易参数更新将更加精准，交易策略的优势也将更加突出。

实现交易的全面自动化需要依赖先进的平台与算法，同时离不开人才投入。策略开发分析师、量化开发人员等角色在这一过程中扮演着重要角色。他们共同参与到系统的开发过程中，打造出一套适应市场的交易系统。

在高频交易领域，私募和对冲基金对系统要求极高。国内一些机构甚至开出高薪招聘IT开发人员，但合适的候选人仍然难以寻找。这是因为他们需要同时具备人工智能技术与金融市场策略开发的了解。目前，全国仅有少数几所大学开设金融科技相关专业。

回到金融领域，让我们关注无处不在的风险。以AlphaGo为例，其强大的计算能力使其能够预测未来局势的发展。人工智能也存在潜在风险。当所有机构都采用相同的算法进行预测时，市场系统风险可能会加剧。人工智能交易算法在市场价格的瞬间波动中可能起到推波助澜的作用。在可预见的未来，人工智能与人工参与将会并存，避免市场风险的恶化仍需要人工的介入。在金融领域的人工智能前景方面，从资产配置到算法交易，再到客户管理，都有无限的可能性和探索空间。我们需要不断拓展自己的知识边界，以适应这个不断变化的金融世界。