更加高效，还是更多波动？金融市场采用最新的人工智能（AI）可以改善风险管理并深化流动性；但它也可能造成市场的不透明，增加其监测难度，并使其更易遭受网络攻击和操纵风险。
最新一期的《全球金融稳定报告》利用新的市场数据，研究了这项技术可能会将我们带往何方。从投资者到技术提供商，再到市场监管机构——IMF的工作人员与各类利益相关方进行了广泛的接触，以研究金融机构如何利用AI的进步从事资本市场活动，以及采用AI会带来何种潜在影响。
几十年来，对冲基金、投资银行和其他机构一直都在使用量化交易策略。自动交易算法帮助市场提高了速度，并使人们能够更高效地消化美股等主要资产类别的大量交易。但它们也导致了“闪崩”事件——市场价格在很短时间内发生剧烈的波动，例如，2010年5月美股暴跌，仅在几分钟后又出现了反弹；此外，人们还担心自动交易算法可能会在出现严重压力和巨大不确定性时破坏市场的稳定。
AI能够几乎实时地处理大量的数据（甚至也包括文本）以供交易者使用，会将这类变化推升到另一个层次。虽然生成式AI和近期的其他突破得到了大众媒体和金融市场的关注，但当前，实际投资者仅以有限的几种方式使用它们。那么，如果我们目前只是站在一场由AI主导的转型的起点，那么我们未来可能会走向何方？
专利申请是理解这个问题的一个很好的途径，因为从提交申请到发展出可用于实际生产的技术，往往要经历很长的准备时间。自2017年大语言模型（LLM）开始问世以来，在算法交易的相关专利申请中，与AI有关内容的比例已经从2017年的19%上升到了2020年以来的每年50%以上，这表明该领域正在掀起一股创新的浪潮。
这些新的创新很可能会进一步增强AI快速调整投资组合的能力，而这反过来又会带来更高的交易量。接受我们调查的市场参与者均认为：由AI驱动的高频交易预计将变得更加普遍，在股票、政府债、上市衍生品等流动性资产类别中尤其如此。他们预计，未来三到五年内，复杂的AI将被更多整合到投资交易的决策之中；不过，“人机协同”的做法预计还将延续下去，在大规模资本配置的决策中将尤其如此。
在交易所交易基金（ETF）市场上，这些变化的证据已然出现。AI驱动的ETF虽然规模尚小，但与其他ETF相比，其周转速度要高得多。一个典型的主动管理股票型ETF持股的周转速度远低于每年一次，而AI驱动的ETF的周转速度大约为每月一次。如果此类策略被广泛使用，则可能在未来深化市场并增加其流动性，这对投资者是有利的。但它们也可能加剧市场的不稳定：在2020年3月的市场动荡期间，一些AI驱动的ETF的周转速度有所加快，这表明在压力时期有可能会出现更多的群体性抛售。
在AI驱动的市场中，价格的反应速度可能要快得多。投资者提到的一个例子是：在美联储发布复杂且冗长的会议纪要时，AI可以比任何人类交易员更快提供交易信号——而这可能已经发生了。自2017年LLM问世以来，美联储会议纪要发布15秒后美股的变动情况，似乎与纪要发布15分钟后的中期变动方向是一致的——这与LLM问世之前二者明显不相关的变动形成了鲜明的对比。
谁将能够利用这些新的技术？AI可能导致投资进一步转移至对冲基金、自营交易公司和其他非银行金融中介机构，这将降低市场的透明度，并使监测变得更加困难。非银行机构在采用AI方面具有结构性的优势。与大型商业银行和投资银行相比，它们通常更加敏捷，更少受到监管约束；而大型商业银行和投资银行通常必须应对先前遗留的基础设施，且可能需要遵守更严格的规定（包括需要确保能解释复杂的AI模型）。
政策建议
面对这个新的世界，监管机构应如何做好准备？在一个反应更加迅速的市场中，非银行机构的重要性可能会持续上升，因此应加强AI相关领域各方面的监管。
金融部门当局和交易场所应决定是否需要设计新的波动应对机制（或妥善修改现有机制），对可能源自AI驱动交易的“闪崩”事件作出响应。这些机制包括保证金要求、熔断机制和有韧性的中央对手方。
同样，金融部门当局应继续加强对非银行金融中介机构的监督和监管，要求它们表明身份并披露与AI相关的信息；同时，其还应要求金融机构定期评估数据、模型和支持AI模型的技术基础设施之间的相互依赖关系。
对这个快速变化的市场进行密切的监测和监督，将为采取适当且平衡的监管应对措施打下基础，而这将使金融部门的参与者从AI中受益，同时降低其风险。
