當前，以大數據和人工智能技術為核心的金融科技正以不可阻擋之勢迅猛崛起，不僅將重塑金融業的格局與生態，更將深刻影響人類未來的生活方式與行為方式。不少華爾街投資機構已經從“招募程式員來協助交易員，用軟體執行交易策略”逐漸轉變為“讓程式員變成交易員，由程式員接管交易”，傳統金融的交易模式正在經歷著一場變革。
近日，在“銀科控股杯”大學生智能交易大賽啟動儀式暨“當投資遇上人工智能”學術講座上，銀科金融創新實驗室首席學術顧問、哈佛大學統計學終身教授劉軍認為，智能交易的發展需要金融專業知識、統計數學模型和人工智能技術的三者融合。數學中的概率論隨機模型和決策論是金融理論的基礎；統計學是數據分析的基本語言，研究在隨機環境中的最佳策略、量化不確定性；人工智能則負責研究如何使電腦從經驗數據中學習，從而完成預測。
哈佛大學統計學終身教授劉軍
作為研究的基礎，數據種類繁多。除了金融市場成交數據以外，還有經濟指標、消費指標、市場情緒指標等等。隨著大數據概念的發展，投資者越來越重視與金融不直接相關甚至看似無關的數據。“星巴克顧客人數、宜家停車數量、春節車運人流量，這些看似和金融風馬牛不相及的數據，也會對交易產生影響。”劉軍表示，不同模型對數據的解讀都不盡相同。而金融數據本身的非穩態性和關聯性更使得各種策略模型在預測市場方面難以行之有效。
正如華爾街兩位建模大師伊曼紐爾·德曼（Emanuel Derman）和保羅·威爾莫特（Paul Wilmott）在《金融建模者宣言》中反思在2008年金融危機中所犯的錯誤，“金融學竭力仿效物理學來建立自身原理。但是市場是由人組成的，人受種種事件的影響而變化，所以事實上並不存在‘金融原理’，即使有，也無法驗證”，“將數學應用到金融市場時必須非常謙卑。人們喜歡簡單、完美的模型，而現實世界並不簡單，完美的模型也不存在”。
講座現場，香港數值算法公司CEO李克辛亦表示：“模型不是印鈔機，交易策略也只是一種工具，我可能同時擁有多個策略，並且在對趨勢把握不準的時候，我可能會選擇放假休息，不執行任何交易”。並且，“資產配置並不是現在人工智能可以解決的問題，算法交易取代人類目前並無可能。”
複旦大學教授、摩根士丹利固定收益部前執行總經理孫健教授也就“量化和金融市場實務”為主題發表了演講。他認為，在進入金融市場進行智能交易前，除了要打好包括統計學、數學、電腦學等相關學科的理論基礎之外，還需要了解金融市場實務，明確交易目的。在資本市場中的投機交易、算法交易及衍生品交易中，都涉及到量化交易，當量化交易與金融市場實務相結合，資本中介將有更大的盈利太空。
據了解，本次“銀科控股杯”大學生智能交易大賽將採用模擬交易和實盤交易結合的模式，通過初賽、複賽、決賽及現場答辯的環節，於今年9月決出冠亞季軍和優勝選手。（實習記者徐嘉瀅對本文亦有貢獻）
香港九龍灣馬來街興發大廈15樓D室