人工智能对金融领域的潜在威胁

美国版《货币战争（Currency War）》的作者James Rickards 吉姆·里卡兹最近在Daily Reckoning刊文，分析人工智能AI可能给金融市场带来的威胁。

最大的危险在于，当数万亿美元资产管理者集体使用相同或相似的AI算法进行风险管理时,某个特定资产管理公司的AI系统可能在市场崩盘中建议抛售股票，某些情况下甚至无需人工干预即可自动执行。

孤立来看，这对单一机构或许是最佳策略。但在整体层面，当主动管理者、专业交易员或投机者缺乏对冲性买单时，抛售链式反应将导致股价直线下跌，反馈循环的放大效应会加剧危机。

各个独立的人工智能系统都有不同的抛售触发点，并非所有系统会同时被触发，但最终都会被触发，因为抛售会引发更多的抛售，如此循环往复，机器人中没有逆向投资者。当前AI系统对市场情绪的判断机制仍处于原始阶段，这种同质化决策将形成自我强化的死亡螺旋。

这种风险切实存在，当下，交易公司正将大语言模型（AI模型）整合进专属算法体系。

试想若多数机构采用同源AI驱动交易，那会怎样？比如大量资管机构可能已将OpenAI的ChatGPT模型内嵌至算法核心。

最近DeepSeek R1成为新的热门产品，或许有相当一部分公司正在转向使用该模型。或许DeepSeek采取的交易方式截然不同。如果ChatGPT对数据的解读是乐观的，但DeepSeek却认为同样的信息是悲观的，那会怎样？
这意味着一款前沿新模型的推出实际上可能改变市场的走向。它更先进、更智能，并且认为股票被高估了40%！

立即卖出！

这必将触发大规模抛售！这种由AI认知差异引发的市场震荡，实为智能时代的新型系统性风险。

更令人担忧的是，如果所有主流模型得出的结论都极为相似，那又会怎样？所有人都在同一时间决定买入或卖出，这无疑会引发麻烦。这会放大上涨和下跌的幅度，并可能形成一个恶性的反馈循环。

如今，算法（软件驱动）交易在美国股票市场的交易量中占比估计为65%至70%，而且这一数字还在不断上升。

目前我们尚不清楚人工智能模型（特别是大型语言模型）在交易算法中的整合程度有多深。投资软件向来以保密著称。但预计它在市场中已占据相当大的份额，并且增长迅速。

举例来说，我们可以推断，大型交易公司会利用LLM/GPT来进行市场情绪分析。他们阅读并消化LinkedIn和X等社交媒体上的信息，以判断公众的恐惧或贪婪情绪，然后将这些数据整合进核心算法。

人工智能情绪分析有可能成为交易员非常有用的工具。然而，Jim Rickards提到的风险确实存在。我们可能会因此看到更多的“跟风”行为。

情绪分析是一回事，但我们是否已经到了大量公司让LLM真正做出交易决策的阶段？我猜想即便目前还未达到这一程度，也很快就会实现。毕竟，相比雇佣哈佛MBA和普林斯顿博士，使用AI模型在成本上要低一个数量级。

正如之前提到的，AI用户往往会追捧最新、最热门的模型。早期是ChatGPT占据主导，然后Anthropic的Claude成了新宠。现在，中国的深度求索（DeepSeek）也开始引发广泛关注。

如果大家都基于相似的分析进行交易，存在很真实的从众反应风险。而且，如果所有人都不断转向最新的热门模型，未来市场可能会受到无数种方式的影响。

里卡兹先最后以一个生动的隐喻作为文章的收尾：

“或许你应该重读玛丽·雪莱的《弗兰肯斯坦》。这部小说围绕着弗兰肯斯坦博士创造出来的生物展开。这里使用“生物”一词并非随意，而是有意让人联想到“造物主”。与电影里把这个生物塑造成残暴、嗜杀的怪物不同，原著中的生物实际上非常聪明，能说一流的法语，能读莎士比亚的作品，还能展开冗长的哲学辩论。

当然，这种自然语言处理和自我学习正是人工智能的核心所在。从文学角度看，这个生物可以被视为首个真正成形的AI系统。《弗兰肯斯坦》的核心争议并不在于这个生物是否拥有智慧（它确实拥有），而是它究竟有没有灵魂。对此你可以有自己的结论。我的看法是，这个生物没有灵魂……但也许它应该拥有一个。如今，我们在人工智能上面临同样的困境。”