以下文章经许可转载自 The Conversation，这是一个报道最新研究的在线出版物。
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、效力和速度。
关于支持科学新闻报道
如果您喜欢这篇文章，请考虑通过以下方式支持我们屡获殊荣的新闻报道 订阅。 通过购买订阅，您将帮助确保有关塑造我们当今世界的发现和思想的具有影响力的故事的未来。
金融市场和 医疗保健、制造业 以及我们生活的几乎方方面面一样，情况也是如此。
我已经研究金融市场和算法交易 14 年了。 虽然人工智能提供了许多好处，但 这些技术在金融市场中日益增长的应用 也指出了潜在的风险。 纵观华尔街过去为通过拥抱计算机和人工智能来加速交易的努力，可以为使用它们进行决策的意义提供重要的经验教训。
程序交易引发黑色星期一
在 1980 年代早期，在技术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定义的规则和算法执行交易。 这帮助他们快速高效地完成大宗交易。
那时，这些算法相对简单，主要用于 所谓的指数套利，即试图从股票指数（如标准普尔 500 指数）的价格与其组成股票的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，这种程序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。 这些程序交易员的数量在很大程度上不受监管的交易高速公路上持续增长——在这些高速公路上，每天有超过 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 被称为黑色星期一的巨大股市崩盘。 道琼斯工业平均指数遭受了当时历史上最大的百分比跌幅，痛苦蔓延到全球。
作为回应，监管机构 实施了多项措施来限制 程序交易的使用，包括在市场大幅波动时暂停交易的熔断机制和其他限制。 但尽管采取了这些措施，程序交易在崩盘后的几年里仍然越来越受欢迎。
HFT：程序交易的类固醇
快进 15 年，到 2002 年，纽约证券交易所推出了全自动交易系统。 结果，程序交易员让位于更先进的自动化技术：高频交易。
HFT 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。 与程序交易员随着时间的推移买卖证券篮子以利用套利机会（类似证券的价格差异，可以利用该差异获利）不同，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 可以在大约六千四百万分之一秒内进行交易，而 1980 年代的交易员则需要几秒钟。
这些交易通常本质上是非常短期的，可能涉及在纳秒内多次买卖同一证券。 人工智能算法实时分析大量数据，并识别人类交易员不易察觉的模式和趋势。 这有助于交易员 做出更好的决策 并以比手动操作更快的速度执行交易。
人工智能在 HFT 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，例如新闻文章和社交媒体帖子。 通过分析这些数据，交易员可以获得对市场情绪的宝贵见解，并相应地调整其交易策略。
人工智能交易的优势
这些基于人工智能的高频交易员的运作方式与人类截然不同。
人脑速度慢、不准确且健忘。 它无法进行快速、高精度、浮点运算，而这是分析大量数据以识别交易信号所必需的。 计算机速度快数百万倍，具有基本上不会出错的内存、完美的注意力和在瞬间分析大量数据的无限能力。
因此，就像大多数技术一样，HFT 为股票市场带来了多项好处。
这些交易员通常以非常接近市场价格的价格买卖资产，这意味着他们不会向投资者收取高额费用。 这 有助于确保市场上始终有买家和卖家，这反过来又有助于稳定价格并降低突然价格波动的可能性。
高频交易还可以通过快速识别和利用市场定价错误来帮助减少市场效率低下的影响。 例如，HFT 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，并确保资产定价更加准确。
缺点
但速度和效率也可能造成损害。
HFT 算法对新闻事件和其他市场信号的反应速度非常快，以至于可能导致资产价格突然飙升或下跌。
此外，HFT 金融公司能够利用其速度和技术来获得相对于其他交易员的不公平优势，进一步扭曲市场信号。 这些极其复杂的人工智能驱动的交易巨兽造成的波动导致了 2010 年 5 月所谓的闪电崩盘，当时 股票暴跌，然后在几分钟内恢复——抹去了约 1 万亿美元的市场价值，然后又恢复了。
从那时起，动荡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，波动性——衡量价格上涨和下跌速度和不可预测程度的指标——在 HFT 引入后显着增加。
高频交易员分析数据的速度和效率意味着，即使市场状况发生微小变化，也可能引发大量交易，从而导致价格突然波动和波动性增加。
此外，我在 2021 年与几位同事 发表的研究表明，大多数高频交易员使用类似的算法，这增加了市场失灵的风险。 这是因为，随着这些交易员在市场中数量的增加，这些算法的相似性可能导致类似的交易决策。
这意味着，如果高频交易员的算法发布类似的交易信号，他们都可能在市场的同一侧进行交易。 也就是说，如果出现负面消息，他们都可能尝试卖出，或者如果出现正面消息，他们都可能尝试买入。 如果没有人接受交易的另一方，市场可能会崩溃。
进入 ChatGPT
这就把我们带入了一个由 ChatGPT 驱动的交易算法和类似程序组成的新世界。 它们可能会使交易中同一侧交易员过多的问题变得更糟。
总的来说，如果让人们自行决定，他们往往会做出各种不同的决定。 但是，如果每个人都从类似的人工智能中得出他们的决策，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 来决定购买哪种最佳计算机。 消费者已经非常容易 出现羊群效应行为，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促使消费者从少数几个顶级选择中进行选择。
由于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，因此聊天机器人建议的决策会存在相似性。 ChatGPT 很可能向每个人推荐相同的品牌和型号。 这可能会将羊群效应提升到一个全新的水平，并可能导致某些产品和服务短缺以及严重的价格飙升。
当做出决策的人工智能受到有偏见和不正确的信息的影响时，这个问题会变得更加严重。 当系统在有偏见、陈旧或有限的数据集上进行训练时，人工智能算法 会强化现有的偏见。 ChatGPT 和类似工具 因制造事实错误而受到批评。
此外，由于市场崩盘相对罕见，因此关于市场崩盘的数据不多。 由于生成式人工智能依赖数据训练来学习，因此它们对市场崩盘知识的缺乏可能使其更有可能发生。
至少目前看来，大多数银行都不允许其员工利用 ChatGPT 和类似工具。 花旗集团、美国银行、高盛和其他几家贷款机构 已经禁止在交易场所使用它们，理由是存在隐私问题。
但我坚信，一旦银行解决了对生成式人工智能的担忧，它们最终将拥抱它。 潜在的收益太大了，不容错过——而且存在被竞争对手甩在身后的风险。
但金融市场、全球经济和每个人的风险也很大，所以我希望他们谨慎行事。
本文最初发表于 The Conversation。 阅读 原文。