华尔街正将迈入一个新的时代。证券操盘手、衍生品行家、股票大牛，这些在业内长久以来被大家膜拜的大神，正逐渐让位于算法，在不久的未来，或将被人工智能所取代。

　　多年来，银行以及投资机构一直进行的是小修小补——微调业务模式。不过，这也给员工带来了不小的焦虑。如今，这些公司纷纷引入机器学习软件，让算法给出投资建议、进行价格预设以及做出投资决策。算法将工作人员从常规工作中解放出来，也给那些留下来的人带来竞争优势。

　　但在未来，机器或许不再需要太多帮助即可独自完成工作。难怪最近几个月，高盛集团证券业务部门的招聘职位都与技术有关。据悉，亿万富翁 Steven Cohen 也正在尝试顶级投资经理工作自动化。10万名金融从业者将面临失业的问题，风投资本家 Marc Andreessen曾表示。在对数十位华尔街银行和投资高管采访后，彭博社绘制了下面几张交易自动化图，他们中的许多人都很关注新技术的采用。

　　为了便于理解，先做简单说明：

　　分别代表(技术)已经在使用中；尝试中；有可能；不会用到。

　　ML = 机器学习；NLP = 自然语言处理；RPA = 机器人处理自动化；PA = 预测性分析技术。

　　风险投资、私人股本、资产管理基金、对冲基金等投资机构一般属于 Buy-side.

　　投行等证券中介公司属于 Sell-side.

　　SELL SIDE / 信贷

　　虽然计算机快速接管了股票交易，但是到目前为止，它们还很难处理债券和更加定制化的信贷业务。低频或不透明交易留给人类讨价还价的余地，银行也必须谨慎持有，将风险最小化。自然语言处理、数据收集以及机器学习技术方面的进展，正有助于克服这些障碍。

　　SELL SIDE / 利率和外汇

　　向电子货币交易的长期转型，正不断升级。一些公司正在利用大数据和机器学习技术预测客户需求和价格波动。这些软件也正在协助银行设计、管理更复杂的利率转换和货币衍生品。

　　SELL SIDE / 商品和证券化

　　从与黄金、石油等资产相关的高流动性合同，到实体商品本身，商品多元化导致无法全部实现自动化。因此，银行正在研究将交易员、销售人员对话编目化，勾勒出客户大致形象，更好地预测客户需求。

　　SELL SIDE / 期权

　　十年前，期权交易就已转向电子平台，也是最早采用人工智能执行交易指令的试验场之一。

　　BUY SIDE / 期权

　　对冲基金和资产管理人正在根据市场流动性，使用预测性分析技术来完任务，比如及时购入股票和风险评估。计算机可以处理数量庞大数据集(从车辆登记，到石油开采的特许权)，帮助预测股票的走势。

　　BUY SIDE / 信贷

　　对于信贷基金来说，巨大的电子表格程序并非什么新鲜事儿。但是，一些人正在教计算机理解债券契约、法律文书以及法律判决等更多的内容。然而到目前为止，对不透明市场中证券背后的合约、非流动性资产进行全自动化分析，仍然很难。

　　BUY SIDE / 宏观经济

　　公司正试图打造自己的经济分析师。他们利用自然语言处理技术详细分析中央银行言论，希望以此发现未来货币政策的线索。他们也在探索利用算法对更广泛的数据进行分析查找，如中东油轮的运输量，中国产业聚集区的卫星图像，以此来预测经济的增长。

　　然而，在机器人入侵华尔街的浪潮中，监管方却显得力所不逮。

　　过去交易员违法时，总会留下证据，比如电子邮件会证明他们掌握了一些内幕消息，即时通信会让共谋操控价格的事实露馅儿，还有通话记录等。如今，政府监管部门不得不想办法搞清楚机器学习算法的门道，因为欺诈人员可以隐藏滥用行为或者故意让软件失灵影响股市。不过，将代码作为成为呈堂证供，在判例方面几乎无先例可循。为了跟上机器人入侵的步伐，这些监管部门也和投行和对冲基金一样，正向懂代码的人求助，而不是拥有 MBA 学位的交易员。

　　失灵的自动化随着自动化交易越来越多，市场问题传播速度也有可能越来越快。当 AI 读取一个错误的命令后，一眨眼功夫，可能会给股市带来灾难。

　　从2010年5月美国股市的闪电崩盘到欧洲主权债务危机期间银行市值蒸发，都被认为与自动化交易有关。然而，当监管者寻求积极监管时，他们却面临来自业界的强大阻力。

　　秘密配方

　　2015年，美国商品期货交易委员会(CFTC)曾建议制定法规，要求算法交易员秘密交出源代码。监管者希望能够检查、评估算法，以更好地评价这些算法在市场失灵时所起的作用。

　　结果遭拒。业界表示，如果赖以为生的源代码被交出去，就有可能被黑客黑到或者被盗用用以其他违法活动。积极游说和痛苦的拉锯战后，前任 CFTC 主席最后悬置了这一议题。美国证券交易委员会(SEC)也有过类似言论。2014年，时任负责人表示希望压制加剧市场问题的高频交易。她补充表示，已指派一些工作人员制定相关规定。去年，白宫承认解决办法不好找。现在的市场情况非常复杂，交易也是分散在多种电子渠道。SEC 担忧的是会干扰有利于投资者和市场效率的实践。网络风险

　　目前，监管方正在搭建一个庞大的交易数据库，帮助监管人员监测操控行为，更快找出交易中断原因。但是9月，SEC 宣布海量公司备案文件遭黑。这些问题也让证交所开始质疑合并审计跟踪系统(Consolidated Audit Trail).

　　有限资源也让监管部门在与华尔街金融巨头博弈过程中，捉襟见肘。SEC 的年预算为16亿美元，而 CFTC 仅有2.5亿美元。不过，技术也在帮了这些监管者们不少忙。近些年来，SEC 已经在建造一些算法来识别与抵押贷款相关的不透明证券交易、汽车贷款以及其他方面的不正常。据透露，算法已经帮助他们识别出数十亿美元的不当交易。

　　1987年黑色星期一的股市暴跌发生后，美联储推动了投资银行的成立；1998年长期资本管理公司( Long-Term Capital Management)的倒闭促使美联储向公司提供融资，帮助市场的良性发展。两起案例中，当局的干预均取得了成效。但如果大型投资机构，如外汇交易机构，一直根据预先设定的程序自动卖出资产，那么，这种干预可能会变得更加困难。