以下文章經許可轉載自 The Conversation，這是一個報道最新研究的線上出版物。
人工智慧驅動的工具，如 ChatGPT，有可能徹底改變人類工作的效率、效力和速度。
關於支援科學新聞報道
如果您喜歡這篇文章，請考慮透過以下方式支援我們屢獲殊榮的新聞報道 訂閱。 透過購買訂閱，您將幫助確保有關塑造我們當今世界的發現和思想的具有影響力的故事的未來。
金融市場和 醫療保健、製造業 以及我們生活的幾乎方方面面一樣，情況也是如此。
我已經研究金融市場和演算法交易 14 年了。 雖然人工智慧提供了許多好處，但 這些技術在金融市場中日益增長的應用 也指出了潛在的風險。 縱觀華爾街過去為透過擁抱計算機和人工智慧來加速交易的努力，可以為使用它們進行決策的意義提供重要的經驗教訓。
程式交易引發黑色星期一
在 1980 年代早期，在技術進步和衍生品等金融創新的推動下，機構投資者開始使用計算機程式根據預定義的規則和演算法執行交易。 這幫助他們快速高效地完成大宗交易。
那時，這些演算法相對簡單，主要用於 所謂的指數套利，即試圖從股票指數（如標準普爾 500 指數）的價格與其組成股票的價格之間的差異中獲利。
隨著技術的進步和更多資料的可用，這種程式交易變得越來越複雜，演算法能夠分析複雜的市場資料並根據各種因素執行交易。 這些程式交易員的數量在很大程度上不受監管的交易高速公路上持續增長——在這些高速公路上，每天有超過 萬億美元的資產 易手——導致 市場波動性急劇增加。
最終，這導致了 1987 年 被稱為黑色星期一的巨大股市崩盤。 道瓊斯工業平均指數遭受了當時歷史上最大的百分比跌幅，痛苦蔓延到全球。
作為回應，監管機構 實施了多項措施來限制 程式交易的使用，包括在市場大幅波動時暫停交易的熔斷機制和其他限制。 但儘管採取了這些措施，程式交易在崩盤後的幾年裡仍然越來越受歡迎。
HFT：程式交易的類固醇
快進 15 年，到 2002 年，紐約證券交易所推出了全自動交易系統。 結果，程式交易員讓位於更先進的自動化技術：高頻交易。
HFT 使用計算機程式來分析市場資料並以極高的速度執行交易。 與程式交易員隨著時間的推移買賣證券籃子以利用套利機會（類似證券的價格差異，可以利用該差異獲利）不同，高頻交易員使用強大的計算機和高速網路來分析市場資料並以閃電般的速度執行交易。 高頻交易員 可以在大約六千四百萬分之一秒內進行交易，而 1980 年代的交易員則需要幾秒鐘。
這些交易通常本質上是非常短期的，可能涉及在納秒內多次買賣同一證券。 人工智慧演算法即時分析大量資料，並識別人類交易員不易察覺的模式和趨勢。 這有助於交易員 做出更好的決策 並以比手動操作更快的速度執行交易。
人工智慧在 HFT 中的另一個重要應用是 自然語言處理，它涉及分析和解釋人類語言資料，例如新聞文章和社交媒體帖子。 透過分析這些資料，交易員可以獲得對市場情緒的寶貴見解，並相應地調整其交易策略。
人工智慧交易的優勢
這些基於人工智慧的高頻交易員的運作方式與人類截然不同。
人腦速度慢、不準確且健忘。 它無法進行快速、高精度、浮點運算，而這是分析大量資料以識別交易訊號所必需的。 計算機速度快數百萬倍，具有基本上不會出錯的記憶體、完美的注意力和在瞬間分析大量資料的無限能力。
因此，就像大多數技術一樣，HFT 為股票市場帶來了多項好處。
這些交易員通常以非常接近市場價格的價格買賣資產，這意味著他們不會向投資者收取高額費用。 這 有助於確保市場上始終有買家和賣家，這反過來又有助於穩定價格並降低突然價格波動的可能性。
高頻交易還可以透過快速識別和利用市場定價錯誤來幫助減少市場效率低下的影響。 例如，HFT 演算法可以檢測到特定股票何時被低估或高估，並執行交易以利用這些差異。 透過這樣做，這種交易可以幫助糾正市場效率低下，並確保資產定價更加準確。
缺點
但速度和效率也可能造成損害。
HFT 演算法對新聞事件和其他市場訊號的反應速度非常快，以至於可能導致資產價格突然飆升或下跌。
此外，HFT 金融公司能夠利用其速度和技術來獲得相對於其他交易員的不公平優勢，進一步扭曲市場訊號。 這些極其複雜的人工智慧驅動的交易巨獸造成的波動導致了 2010 年 5 月所謂的閃電崩盤，當時 股票暴跌，然後在幾分鐘內恢復——抹去了約 1 萬億美元的市場價值，然後又恢復了。
從那時起，動盪的市場已成為新常態。 在 2016 年的研究中，我和兩位合著者發現，波動性——衡量價格上漲和下跌速度和不可預測程度的指標——在 HFT 引入後顯著增加。
高頻交易員分析資料的速度和效率意味著，即使市場狀況發生微小變化，也可能引發大量交易，從而導致價格突然波動和波動性增加。
此外，我在 2021 年與幾位同事 發表的研究表明，大多數高頻交易員使用類似的演算法，這增加了市場失靈的風險。 這是因為，隨著這些交易員在市場中數量的增加，這些演算法的相似性可能導致類似的交易決策。
這意味著，如果高頻交易員的演算法釋出類似的交易訊號，他們都可能在市場的同一側進行交易。 也就是說，如果出現負面訊息，他們都可能嘗試賣出，或者如果出現正面訊息，他們都可能嘗試買入。 如果沒有人接受交易的另一方，市場可能會崩潰。
進入 ChatGPT
這就把我們帶入了一個由 ChatGPT 驅動的交易演算法和類似程式組成的新世界。 它們可能會使交易中同一側交易員過多的問題變得更糟。
總的來說，如果讓人們自行決定，他們往往會做出各種不同的決定。 但是，如果每個人都從類似的人工智慧中得出他們的決策，這可能會限制意見的多樣性。
考慮一個極端的、非金融的情況，在這種情況下，每個人都依賴 ChatGPT 來決定購買哪種最佳計算機。 消費者已經非常容易 出現羊群效應行為，他們傾向於購買相同的產品和型號。 例如，Yelp、亞馬遜等網站上的評論促使消費者從少數幾個頂級選擇中進行選擇。
由於生成式人工智慧驅動的聊天機器人做出的決策 基於過去的訓練資料，因此聊天機器人建議的決策會存在相似性。 ChatGPT 很可能向每個人推薦相同的品牌和型號。 這可能會將羊群效應提升到一個全新的水平，並可能導致某些產品和服務短缺以及嚴重的價格飆升。
當做出決策的人工智慧受到有偏見和不正確的資訊的影響時，這個問題會變得更加嚴重。 當系統在有偏見、陳舊或有限的資料集上進行訓練時，人工智慧演算法 會強化現有的偏見。 ChatGPT 和類似工具 因製造事實錯誤而受到批評。
此外，由於市場崩盤相對罕見，因此關於市場崩盤的資料不多。 由於生成式人工智慧依賴資料訓練來學習，因此它們對市場崩盤知識的缺乏可能使其更有可能發生。
至少目前看來，大多數銀行都不允許其員工利用 ChatGPT 和類似工具。 花旗集團、美國銀行、高盛和其他幾家貸款機構 已經禁止在交易場所使用它們，理由是存在隱私問題。
但我堅信，一旦銀行解決了對生成式人工智慧的擔憂，它們最終將擁抱它。 潛在的收益太大了，不容錯過——而且存在被競爭對手甩在身後的風險。
但金融市場、全球經濟和每個人的風險也很大，所以我希望他們謹慎行事。
本文最初發表於 The Conversation。 閱讀 原文。