雖然在AI技術的加持下，能夠保證收益更高，但它也有自身的弊端。
這個被摩根大通内部稱為LOXM的人工智能，主要的功能就是以最優惠的價格和最快的速度執行客戶的要求。它能通過過往的無數筆真實和模拟交易，學習該如何處理股權交易，然後用最合适的方式賣掉大筆股權。最重要的是，這樣的操作還不會影響市場價格。
摩根大通内部人士對于LOXM評論是，其定價政策已經遠遠超過基準水準。
衆所周知，要想做一個稱職的操盤手，必須要保持高效的效率和果斷的決策，但是人無完人，在瞬息萬變的金融市場，沒有人能夠保證從不虧損。實際上，即使是再牛X的AI系統，也不能保證萬無一失。
但是，AI卻還是在一步步的取代人類操盤手，比方說華爾街知名投行高盛集團位于紐約的股票現金交易部門，其操盤手的人數已經從2000年600人，減少到了現在的2人。20年不到的時間，AI幾乎“橫掃”交易席位。
其實一個普通操盤手的核心工作在于，通過擷取市場資訊，結合自己對市場的判斷，适時進行投資交易決策。而這也正是AI的優勢所在：
AI更強大的資料收集和運算能力遠超人類。無論是宏觀經濟名額還是市場價格資料，AI的搜集和整理速度要遠遠超過人類，再結合内嵌的算法模型，就能夠短時間内做出投資決策。
深度學習的“輔助”下AI比人類更容易掌握市場規律。人類操盤手做出的投資決策往往基于個人經驗和傳統的方法論，而AI則可以根據以往市場規律和市場大環境因素，在深度學習之後，迅速的做出相應調整。
失手的可能性更低。人類操盤手的操作風險以及道德風險都是不定的，這也讓金融機構承擔着随時有可能出現重大損失的風險。如果使用AI操盤，首先在“忠誠度”上就不必擔心，而且其犯錯的幾率也是微乎其微。
是以，像高盛和摩根大通這樣的知名金融機構自然願意啟用AI進行交易，在現代高頻交易模式下，為流動性資本提供更大的交易優勢。
但是，也有不少反對的聲音，他們認為AI這種現代技術已經打破了傳統的市場體系。除此之外，AI也有其在金融領域的弊端。
相信有過炒股經曆的朋友，一定有過過度自信的時刻，因為你很可能在掌握了一個走勢規律之後，就認為掌握了對同一問題的全部規律性認識。AI同樣如此，因為在機器學習中，模型越是複雜、需要納入的變量越是多，就越容易出現過度拟合的問題。放在金融領域，找到避免這類假規律的方法，正是阻礙AI能夠全面應用的核心問題。
無論是高盛還是摩根大通，他們的AI操盤手在做出一個投資決策之後，都沒法給出一個解釋。如果AI的決策能一直為這些機構賺錢，這一問題肯定沒人在乎，但是AI也有失手的時候，這時的投資機構就希望能弄清楚其決策背後的原因。
要知道，金融市場誕生的時候計算機可是連模型都沒有，而且在曆史上出現的多次金融危機，很多都是由于一些“場外因素”造成的。如果高頻交易系統的資料集隻能夠追溯一二十年的話，那麼機器學習将受限于資料量不夠，而無法進行長線投資。而且，缺失的曆史資料，也有可能讓AI難以規避可能會再度來臨的金融危機。
是以說，現階段有了AI加持的金融機構，或許能夠替代人類操盤手，并且為金融機構帶來更為穩定的收益，但是其自身的弊端也是很難規避的。未來随着AI的持續發展，必然會有更多的金融崗位被它取代，隻是在關鍵時期的重要決策，恐怕還是離不開人類的智慧。
原文釋出時間：2017-08-16 20:11
本文作者：JOKER
本文來自雲栖社群合作夥伴鎂客網，了解相關資訊可以關注鎂客網。