高频金融市场应用人工智能的挑战.pdfVIP

挑战与展望 AI-VIEW  2023年第2期 高频金融市场应用 人工智能的挑战 □ / 1 2 1,3 1,4 文 陶璇 ，王天祥 ，Samuel Drapeau ，林一青 （1. 上海交通大学 数学科学学院，上海 200240；2. 上海交通大学 电子信息与电气工程学院，上海 200240； 3. 上海交通大学 上海高级金融研究院，上海 200030；4. 上海交通大学 人工智能研究院，上海 200240） 摘要：近十年，人工智能（AI）飞速发展。从精确的图像文本识别技术到先进的内容生成方法， AI 几乎无所不能，这些惊人的技术进步几乎重塑了世界经济。在金融领域，由于 AI 的广泛应用， 金融市场变得更加高效。目前，通过 AI 可以对大量异构的金融数据进行实时分析，同时 AI 技 术也可用于对市场欺诈行为进行监测。不过，AI 的应用也存在一些潜在的风险和挑战。事实上， 通过机器学习方法（尤其是深度神经网络）构建的决策模型，往往如“黑盒”一般，其具体决 策行为不容易被直观地解释。在高频交易的背景下，AI 驱动的自动化交易系统可能会实施一些 市场操纵策略，这样的违规交易行为却可能很难被监测和取证。本文将介绍一种特殊的市场操 纵行为——幌骗（Spoofing），同时说明一个以降低交易成本为目标的 AI 系统可能会实施幌 骗策略。作为应对，本文也将从技术和监管角度讨论可行的监控和预防措施，以阻止恶意 AI 算法对市场秩序的破坏，维护投资者的信心。 关键词：人工智能；算法交易；幌骗；市场规则；市场监测 中图分类号：TP181 F830.91 O224 文献标志码：A 文章编号：2096-5036(2023)02-0100-11 DOI：10.16453/j.2096-5036.2023.02.010 0 引言 机器学习和人工智能（AI）的发展对金融市场产生了深远的影响，它在多个方面提 高了市场效率，比如显著降低投资者交易成本、高效分析大量异构数据、自动设计最优 交易策略、有效监测市场欺诈等。然而，一些人也担心 AI 可能破坏市场的公平交易秩 序。事实上，机器学习方法尤其是日益复杂的神经网络具有所谓的“黑盒”性质，其在 内部算法尚未被清晰理解前就拥有了很大的自主权，若不加以适当的约束，AI 系统基 于降低交易成本而搜索到的最优交易策略很可能包含一些操纵市场的行为。但是，考 基金项目：国家自然科学基金 100 高频金融市场应用人工智能的挑战 虑到 AI 系统的复杂性，很难从一系列连续的交易中获得足够多的指向性证据起诉这类 违规行为。目前，这类问题已经引起了市场参与者和监管机构的关注，在公共领域被广 泛讨论。与人们在机器学习实务中最关心的“预测偏差”问题不同，在本文中讨论的问 题是关于 AI 系统的不当行为，这些行为的产生源于 AI 设计的内在结构。关于应用 AI 所产生的问题，现在尚无统一和明确的分类，学术界也有一定的争议。在 Bostrom 与 Yudkowsky 的开创性工作 [1] 和 Vallor 等人的后继研究 [2] 中，AI 应用的问题被分为安 全（Safety）、对齐（Alignment）和控制（Control）三类。简而言之，“安全”问题涉 及 AI 的合理使用、稳健性和隐私保护；“对齐”问题是指确保 AI 的目标、价值观和行 为与人类社会期望的一致；“控制”问题探讨如何设计正确执行任务的 AI 系统。我们讨 论的问题属于“控制”这个类别。 近年来，来自学术界、Google Brain 和 OpenAI 的研究人员指出，先进 AI 系统 存在潜在风险 [3]。例如，与人类目标不一致或产生其他意外后果。他们认为，开发安全 的 AI 系统至关重要，并概述了几个研究方向解决这些风险，他们主要关注的是 AI 系统 的设计标准。最近，Dafoe 与 Russell 也在其基础性的研究 [4] 中从技术、治理、经济影 响等多个角度探讨了有关的 AI 风险问题。相比之下，本文研究的是 AI 受训时的监测环