華爾街的 banker 們，趕緊學編程吧！

當特斯拉股價在Q3財報公布後逆市大漲時，不少投資者吃了一驚。大家沒有猜到特斯拉可以實現盈利。

不過，在華爾街某個角落的辦公室裡，一些基金經理卻並不感到意外。他們早就預判出特斯拉產量會大增，並且提前做了投資布局，而他們所使用的方法，卻與以往華爾街的判斷方法完全不同。

他們靠的是手機信號。

特斯拉 CEO 馬斯克一直強調自己的公司在加班加點生產，但特斯拉的工廠向來十分封閉，外界並無法確認這一資訊。於是，一家叫做 Thasos Group 的金融科技公司想出一個辦法，他們在一張電子地圖上圍著特斯拉在東灣弗雷蒙特的工廠周圍畫了一個數位地理圍欄，然後將GPS數據顯示來自這個圈裡的手機信號數據都單獨圈了出來。

對這些數據的分析讓他們發現，今年6月到10月，特斯拉工廠的加班情況增長了30%。

Thasos 將這些數據和發現賣給華爾街的對衝基金們，他們據此加倉特斯拉，當特斯拉在財報後股價大漲10%時，這些金主只需要躺著數錢就行了。

數據就是金錢

人們都說數據對於未來人類社會，就是新的石油，它能驅動一切。而對於華爾街來說則更加直接，數據就是金錢。

金融行業，大家都在從大量的資訊中尋找有價值的資訊來構建自己的模型，如果可以比別人更快更準地做出判斷，那麽你就贏了。而互聯網科技的發展，讓越來越多以前無法收集的資訊變成了可以分析的數據，同時，機器學習等人工智能技術，又讓分析數據，從這些雜亂無章的資訊中找到規律的能力變得無比強大。

不只是人們的手機數據，華爾街的金融機構們早已經開始嘗試用AI分析社交網絡數據、用自然語義處理的技術分析那些枯燥的財報，甚至從電話會議裡各個上市公司高管的語氣來判斷公司的前景。

曾在微軟擔任人工智能首席科學家的鄧力，在2017年就離開科技圈加入了美國知名的對衝基金Citadel。鄧力是人工智能，尤其是自然語言理解與語音識別技術的專家。他在 2009 年同 Geoffrey Hinton 教授一起，首次將深度神經網絡應用到大規模語言識別中，引領了潮流。

“我現在就是把以前在自然語義等方面的研究，應用到金融方面。”矽星人在AI Frontiers 大會上見到鄧力。他帶領的團隊正在嘗試使用自然語義處理等技術，把那些對與投資決策很重要的非結構化數據變成可以放入投資交易模型的量化數據，從而提高投資表現，提高回報率。

除了像 Thasos 公司和鄧力的團隊這樣，在拓展數據來源上做各種新的嘗試，華爾街的金融機構還在廣泛地引入機器學習等技術用於數據分析。而機器得出的結論往往被認為比那些投資大師還要靠譜。

今年早些時候，一家位於倫敦的對衝基金 Winton，就分析了過去半個世紀的9000多次美國大公司並購數據，並且證明了巴菲特的說法是錯誤的。

巴菲特曾經表示，大型的收購會破壞公司的價值，但Winton的機器學習算法並不這麽認為，他們的分析得出的結論正好相反。

所以，巴菲特的直覺，和強大的AI模型，你會相信哪一個呢？

AI 專家吃香 金融從業者失業？

越來越多的金融機構在擁抱AI。這些機構的日常運作就變成了這樣：

有經驗的交易員和基金經理們選擇出他們認為最重要的影響力因子，然後通過各種先進的數據收集方式得到這些因子對應的數據。之後，用機器學習模型來訓練和提高這些因子的準確性，從而能得到更準確的預判。

訓練之後，這些模型會由同樣是由機器運行的自動化交易系統裡，對他們所持倉的股票作出買賣判斷。

如果這些模型對所投資的公司的某些數據的賭注“賭對了”，也就是比上市公司公開這些數據更早的判斷對了這些數據的變化，那麽他們就會賺錢。

而很顯然，這裡面更需要懂的機器學習等AI技術的人員，而傳統的分析師等崗位注定受到衝擊。

谘詢公司 Opimas 的一份報告就指出，由於人工智能的發展，金融業現存的30萬基金經理，分析師，後台員工等崗位，到2025年將減少9萬個。與此同時，AI 專家們開始受到華爾街熱捧，技術大牛們開始從矽谷流向華爾街。

“我從微軟加入Citadel，從一個科學家，變成了一個掌管著300億美元的對衝基金的高管。我都挺驚訝。”鄧力說。“事實是，我對金融一點都不懂。”

這些財大氣粗的華爾街巨頭並不需要他們的金融知識。鄧力在和招聘他的人聊了半天，並且自己又研究了一下對衝基金的基本運行方式後，得出一個簡單粗暴的結論：“他們就是希望我來幫忙找出垃圾嘛。”

他口中的垃圾就是那些對投資並無參考意義的噪音，而鄧力的用詞與華爾街完全不同，給人滿滿的“矽谷入侵華爾街”的畫面感。

鄧力在2017年離開微軟，加盟Citadel後擔任“首席人工智能官”，這也是單獨為他新設立的職位。他透露，今年 Citadel 允許他在西雅圖設立了辦公室，專門“挖角”科技公司的人才。“當然，我不會挖微軟。”他開玩笑的說。

“我招人跟他們金融部門完全不同，這些候選人一點金融知識都不需要懂，我看重的是技術，是AI 和數據分析的能力。他只需要對金融有一點感覺，就完美了。”

類似的，摩根大通最近請來了卡內基梅隆大學機器學習系主任曼努埃拉·維羅索，來長官他們的人工智能研究實驗室。華盛頓大學電腦系的知名教授佩德羅·多明戈斯，加入了華爾街對衝基金DE Shaw，負責他們新成立的機器學習部門。

同時，花費在AI上的投入也不斷增長。據彭博的一份數據，華爾街的金融機構如今在這些AI大牛身上的投入，一年可能就要達到100萬美元。

這也自然擠佔了雇傭傳統的分析師，投資經理的預算。這些曾經意氣風發的投資經理們，也許需要從現在開始學習編程，才能保住飯碗了。