华尔街的科技图景

　　华尔街最聪明的金融机构正主动求变，以期赶上硅谷科技公司的节奏。

　　想象下这样的场景：

　　早上起床，一名金融人士拿起手机说，“嗨，沃伦，今天苹果要发布新款iPad，哪一家供应商的股票涨幅最大？”数秒钟之后，他就得到了一份漂亮而详细的名单。

　　当然，回答问题的不是赫赫有名的沃伦·巴菲特，而是一款人工智能软件，它可能对各种金融问题知无不言，比如基于云端计算的AI软件Kensho，可以快速扫描超过9万份资料（包括经济报告、货币政策变化、时政新闻及相关分析），在数秒钟之内回答超过6500万个问题。如果华尔街的分析师从事同样的工作，至少要花费40个小时，这些人的平均年薪是35万-50万美金。

　　人们一直担心人工智能会取代低阶的工作，其实，受到冲击远不止于此，西装革履的华尔街精英也可能沦为弱势群体。

　　2015年，摩根士丹利裁员1200人，其中包括处理固定收益和大宗商品业务的470名前台员工；2016年，高盛先后进行7次小规模裁员，总计裁撤443个岗位，成为2008年金融危机以来裁员最多的一年。高盛高峰期曾雇佣超过600名股票交易员，如今只剩两人，取而代之的是自动交易项目以及200名计算机程序员。

　　据统计，从2012年开始，华尔街已连续5年减聘人员，总计达到1.27万人。单单过去一年，12家华尔街顶级投行共减聘了1900名前台人员，涉及股票、投行业务和固定收入及大宗商品业务。

　　需要说明的是，裁员与衰退并无关联，摩根士丹利、摩根大通、花旗的表现均超过预期，失去的工作职位，将永远都不会再回来。

　　这一切，源自于金融业正在爆发的科技革命，由于金融科技特别是人工智能技术的发展，最聪明的金融机构正在主动求变，以期尽快转型为技术公司，他们从硅谷高薪招揽程序员，开发各种程序和智能项目，进行各种业务场景的实验。毫无疑问，科技正在重塑金融业。

　　高盛：金融谷歌

　　高盛在金融科技领域野心勃勃，高管层多次公开表示，他们更希望变成金融界的谷歌。

　　首席执行官马蒂·查维斯（Marty Chavez）有一个比喻，“想象一下，如果Google像我们一样工作，”他形容说，“每次当你想搜索一条信息的时候，首先会拿起电话，打给你的谷歌销售，将你要搜索的关键词读给他听，然后他将这个词输入内部系统，得到反馈信息，再将信息读给你听。”

　　这听起来像一场灾难，谷歌不可能这样工作，高盛若继续坚持传统方式，显然不是聪明之举。当务之急是处理数据，高盛拥有大量的数据，只是存在大量冗余重叠、缺乏透明度和权威度，利用效率过低。

　　2015年，高盛开始搭建数据湖（DATA LAKE），这是一个建立在开源基础上的数据系统，它收集交易、市场、投资研究、邮件、语音、即时通讯、客户信息和事件信息等大量数据。在整个系统中，有三方参与者共同工作，以实现运营：

　　生产者：负责发布其数据进入数据湖，并保证数据的有效性和服务级别协议（SLA）；

　　改善者：负责清理、丰富和转化数据，并将已整理的版本重新发布到数据湖中；

　　消费者：浏览数据并运用数据生产报告、询问和分析。

　　同时，高盛致力于消除客户必须来电的传统作业方式。交易平台Marquee的诞生，即是为此目标而服务。一位参与搭建Marquee的高盛员工概括说，在初期阶段，Marquee主要帮助客户以电子方式和银行进行互动。早在2013年6月，高盛就向部分顶级客户提供可接入Marquee交易平台的工具，用以进行大宗股票电子交易，Marquee的算法执行交易只需数秒，人工交易则要以分钟或小时计。

　　Marquee是开源平台，允许接入多种应用，SIMON（结构化在线投资市场）是其中一个典型例子。

　　比如，结构性票据（Structured notes）是一种可定制投资，将固定收益的保本投资和风险较大的衍生性金融商品融为一体，在一定程度上达到规避风险和提高收益的作用。在SIMON出现以前，营业员需在客户和票据发行公司之间进行多次的沟通调整，现在，客户可在平台上自主完成购买操作。

　　SIMON也是学习平台，能加深客户对结构性票据的了解认知。据《华尔街日报》的报道，高通正在与摩根大通和摩根士丹利洽谈，希望他们也向SIMON提供产品。此外，高盛试水了在线借贷服务Marcus等项目。

　　高盛正在投入大量技术人才，用以完善各种技术平台，比如，招聘大量应届生工程师奔赴纽约，并将其起薪提升至10万美金。数据显示，高盛雇用的3.6万名员工中，9000名是程序员和技术工程师。

　　摩根士丹利：人机结合

　　2017年上半年，摩根士丹利的财富管理业务（Wealth Management）表现出色，营收增长同比增长8%，为公司贡献了49%的收入和42%的税前利润。

　　财富管理正是摩根士丹利布局AI的重点领域。

　　今年9月，摩根士丹利首次上线试用“最优行动”（Next Best Action），将有500名财务顾问首次尝试，并根据实际运行的结果，不断优化系统。这是其近年来最受重视的AI系统，最终系统将和16000名财务顾问一起为客户提供服务。

　　“最优行动”包括三个方面功能：第一，与市场上常见的“机器人顾问”功能类似，提供关于投资建议的自动化运算，为顾客推荐合适投资的基金、债券和股票。只是，其推荐首先显示给财务顾问，他们结合自己对客户的理解，再决定是否将建议推送给具体的客户。

　　第二，充当警报系统，将追加保证金通知、保证金余额提醒、客户投资组合预期剧烈波动等消息推送给财务顾问。当一只股票的信用等级被提升或降低，系统会将该消息以及预计受影响的客户名单，一并推送给财务顾问。与前者相同，财务顾问由自己整理分析后，再将警报信息推送给客户。

　　第三，将客户的生活需求纳入投资系统。举例而言，如果一个客户的孩子生病，系统会为其推荐摩根士丹利当地最好的医院、诊所以及处理此病情的最优财务建议。这是系统的独有功能，以便于加强客户和财务顾问之间的关系。

　　当然，客户可以直接在系统中看到最新消息，如果他们愿意，甚至可以选择只接受系统推送信息，这种服务的价格更加低廉，对预算有限或年轻客户更加合适。

　　“最优行动”不会是个一成不变的系统，而摩根士丹利试图在人与机器之间找到一个最优平衡，与雄心勃勃的金融科技创业公司不同，这家老牌机构并不打算将所有工作交给机器。“尽管机器人顾问普遍受到欢迎，客户仍然希望是由人来帮助他们解决复杂的生活问题。”摩根士丹利财富管理部门首席技术官Naureen Hassan表示，客户希望可以有一个简单应用跟踪所有服务，但至少有22%的客户希望有更多时间与人类财富顾问交流。

　　摩根大通：自动交易

　　摩根大通AI系统名为LOXM，是一个基于深度学习的智能系统，其角色不是一个顾问，而是一个交易操作员。

　　在短时间内，LOXM可以综合计算数百万笔交易数据，从而推断出最佳的操作建议，比如，如何进行大量股权抛售的同时，避免触发市场价格的巨幅波动。摩根大通线性量化研究团队的负责人David Fellah介绍说：“这种操作以前是由人类实施的，现在AI机器能以更高的效率做到这点。”

　　据悉，2017年第一季度，LOXM已开始在欧洲进行测试，如果运行顺利，将在今年底前应用于亚洲和北美的业务，为了实现最大速度和最优价格的操作，LOXM已接受过数十亿笔重大交易的模拟训练，在交易训练中，其表现远超过以前的人工和自动化操作。

　　基于交易安全的考虑，现阶段LOXM没有最终的买卖决定权，只是提供具体的买卖方案给客户，由他们做出最后的决定。

　　摩根大通并不满足于LOXM局限在交易功能，希望LOXM可以向财务顾问的角色进化：能够学习了解每个客户的独特性，在执行交易时，将其可能的反应和行为纳入计算范围，成为一个为客户量身定制的智能系统。

　　“这也可能会使部分终端客户疏远我们。”摩根大通全球股票电子交易主管Daniel Ciment说，“有研究表明，大多数客户不相信技术可以进行重大的财务决策，我们需要考虑减轻这项努力所带来的负面影响。”

　　在LOXM之前，摩根大通上线了另一款机器学习软件COIN，专门用于处理合同，可在数秒钟之内扫描完合同文档，其出错率非常低，且“从来不要求休假”。在COIN之前，这项工作每年会耗费律师大约36万小时的工作时间。

　　摩根大通的财报显示，公司2016年花费96亿美元的科技研发预算，约占总营收的9%，该项支出在不断增长中。

　　瑞银：前后并重

　　瑞银（UBS）是欧洲最大的金融控股集团，在金融科技和人工智能领域多有试水。华尔街大鳄们相对侧重后台智能化，瑞银则对前台的技术化改造颇有兴趣。

　　瑞银投资银行首席运营官Beatriz Martín Jiménez曾公开评论说：“有关后台自动化的讨论很多，我们希望和前台的人讨论，是否有些工作可用机器人来代替，果然发现了可做的事情。”

　　第一个应用是相对简单的自动化程序，由瑞银和德勤共同开发，用来处理客户交易后分配请求的业务，可以扫描客户发来的、关于如何分割资金用于大宗交易的邮件，分析邮件内容执行操作。

　　这项自动化程序用2分钟的时间，能完成前台人员耗费45分钟的工作量，帮助他们节余精力去做其他事情，比如打电话给客户。

　　另一项“小程序”用于外汇交易预约及相关业务，在UBS的伦敦办公室，可看到一块显示屏和上面自动移动的鼠标，该程序可提取大量的文件，再将他们放置在对应的另一个系统当中。对于投行家们而言，这本是一个无聊的任务。

　　小程序并不能满足大公司的野心，瑞银也在研发机器学习系统，希望利用大量数据建立投资策略并提供给客户，他们希望该系统达到与人类投行家相当的研究水平，这在内部称为“适应性策略”（Adaptive Strategy）。

　　伦敦EXCEL中心的一次公开活动上，瑞银创新事业部的负责人Annika Schroeder公开表示，他们正在“建立一个可以模仿投资分析师的虚拟代理……可扫描市场数据和美国证券交易委员会的文件，像人类分析师那样将所有需要考量的信息纳入计算，对一个公司进行估值”。

　　据Schroeder透露，系统已能用“近似于人类语言”的方式输出结果，距离理想中的“虚拟代理”已非常接近，希望通过丰富的数据训练，在正式上线前达到足够高的水准。截至目前，尚无开始此系统服务客户的公开信息或具体时间表。

　　Kensho：技术新宠

　　巨头们的技术探索，并没有局限在内部。

　　2017年2月，以标准普尔为首的九家金融巨头，向金融科技创业公司Kensho投资5000万美元，后者估值一举超过5亿美元。Kensho尚未达到“独角兽公司”的估值标准，但在其投资者的名单上，集结了几乎全部华尔街大鳄：高盛、摩根大通、美林美银、摩根士丹利、花旗集团和富国银行，俨然集万千宠爱于一身。

　　其中，高盛早在2014年即对Kensho投资1500万美元，成为最大股东，以至于后续相当长时间，Kensho一直被视为高盛的AI产品，该公司于2013年创立于波士顿，核心创始人是哈佛数量经济学博士的丹尼尔·纳德勒（Daniel Nadler）。

　　早在哈佛就读期间，丹尼尔曾参访金融机构，他意外发现，大量对冲基金盛名在外，核心计算工具居然是Excel，信息处理方式原始而缓慢：收集大量研究调查结果，雇佣高薪的量化分析团队，运用Excel计算金融产品的未来趋势。这与他在宿舍所做的事情并无不同，当时，拥有云计算能力的金融公司少得可怜。

　　丹尼尔意识到，如果建立成熟的计算模型，输入各种影响变量，可以快速得出结果，效率远高于聪慧的分析师。于是，丹尼尔和MIT计算机硕士彼得.克鲁斯卡尔（Peter Kruskall）聘用前谷歌的工程师团队，创立了Kensho，共同搭建出了基于云计算的金融建模和分析软件“沃伦（Warren）”。

　　Warren的计算原理不难理解，作为一个运算模型，当人们向Warren提出问题后，它能快速搜索所有相关信息并将其纳入计算模型，在数秒钟之内提供计算结果。简单说，Warren如同金融界的Siri，会用简单直白的语言回答使用者的问题。利用机器学习技术，未来甚至可以跟进问题重要性进行分级。

　　根据《福布斯》的报道，2016年6月英国决定脱欧时，Kensho曾在数秒钟之内构建一个信息数据库，得出当地货币将长期下跌的结果——这在英国脱欧后得到印证，英镑汇率从2016年7月开始一路跌至30年来的最低点。

　　华尔街巨头的触角不止于此。2014年，14家金融机构联合向即时通讯工具Symphony注资6600万美元，同样有高盛领投，投资者包括摩根士丹利、摩根大通、黑石等投资银行。

　　Symphony主要服务金融业务行业，其消息服务可使得金融机构内部人员相互通讯，而且帮助他们与使用相同安全框架的其他联系人进行沟通，付费用户已超过20万。2017年，Symphony又融资6300万美元资金，公司估值超过10亿美元，新一轮融资的领衔投资者是法国巴黎银行（BNP Paribas）。

　　报告显示，2017年以来，高盛投资了约15家侧重资本市场业务的金融科技公司，摩根大通投资9家，预计在2017全年，华尔街成熟的金融机构将向金融科技领域投入创纪录的17亿美元。

　　本刊记者 姚心璐