新闻
您现在的位置:首页 > 新闻 > 我们可以通过研究金融交易机器人来了解自己
  • 从0到1,这些新锐品牌在抖音做对了什么?

    从0到1,这些新锐品牌在抖音做对了什么?

    发布时间:2021/06/22

    如今的食品饮料行业,新机会往往由新的玩家率先挖掘,他们中的佼佼者将成为行业中极具竞争力的年轻选手,我们称之为新锐品牌。 在漫天的战报中,我们很容易就能找到一个数据猛增的新锐品牌,但挖掘新锐品牌背后的...

  • Gislaved熊牌轮胎正式进入中国市场

    Gislaved熊牌轮胎正式进入中国市场

    发布时间:2021/04/24

    德国马牌轮胎亚太区产品总监Tolga MUTLU介绍Gislaved熊牌新品轮胎 大陆马牌轮胎(中国)有限公司宣布,拥有百年辉煌历史的轮胎品牌 — Gislaved熊牌轮胎正式进入中国市场,进一步夯实德国马牌在华“多品牌”战...

  • 麦当劳中国推出金菠萝雪芭

    麦当劳中国推出金菠萝雪芭

    发布时间:2021/04/23

    麦当劳中国推出首个雪芭类产品 麦当劳中国与国际知名水果品牌都乐首次合作,推出全新夏日新品 — 金菠萝雪芭,为夏日冰品市场增添了一个创新的美味轻食选择。 金菠萝雪芭是麦当劳中国的首个雪芭类产品,使用...

我们可以通过研究金融交易机器人来了解自己

发布时间:2020/01/19 新闻 浏览次数:723

 
在2019年,全世界都担心算法现在比我们更了解自己。没有什么能比监视资本主义更好地捕捉到这一点,监视资本主义是美国作家Shoshana Zuboff创造的一个术语,用来描述一个黯淡的新时代,在这个时代,Facebook和Google之类的公司提供流行的服务,而他们的算法则突显了我们的数字踪迹。
出乎意料的是,祖博夫的担忧并没有扩展到金融市场中已经取代交易大厅中许多人的算法。自动化算法交易在21世纪初开始兴起,首先在美国出现,但在欧洲也很快出现。
一个重要的驱动因素是高频交易,该交易以令人难以置信的速度运行,低至十亿分之一秒。它为投资者提供了超越竞争对手的潜力,同时通过确保始终有人愿意以特定的价格买卖来帮助向市场提供流动性。现在,高频交易落后于股票和期货市场一半以上的交易量。在其他市场(例如外汇市场)中,算法的规模较小但仍很重要,没有迹象表明它们将来会消失。
设备的恶习
尽管深度学习的兴起甚至使这一角色受到威胁,但人类仍在编写算法并设计其交易策略。但是,一旦算法在市场上投入使用,它们便会在没有人工干预的情况下自发行动,以令人头晕目眩的,常常是出乎意料的方式互相跳舞。
乍一看,它们与我们没有太多共同之处。他们无法思考或感觉到,尽管围绕机器学习进行了大肆宣传,但将它们描述为智能的仍然充满争议和复杂。但是,就像人类交易者一样,他们做出决定,观察其他人做出的决定并做出相应的调整。
这些算法以比人类可能会聚集的速度快许多倍的速度,在下达他们的买卖订单时很容易就彼此形成期望。
例如,一种算法可能会通过发送大量定单来购买或出售特定资产,试图操纵他人对价格走势的期望。然后,第一个算法将迅速取消其订单,并希望诱骗其竞争对手对市场的前进方向做出错误的下注。
有趣的是,社会学家认为这种相互期待是人类成为社会的核心特征。他们长期以来一直将市场视为高度社会化的舞台。在交易大厅的鼎盛时期,正确地阅读其他交易者的社交线索-鬼脸或笑容,焦虑的语气,甚至是交易大厅的喧闹声-常常会说明财富与灾难之间的区别。
金融交易机器人与人们有着相似的迷人之处-我们需要向他们学习
势不可挡。图片来源:Lysogor Roman
但是,如果机器可以是社会性的,那么它与人类真正的社会化有何相似或不同?当然有明显的区别。过去的人类交易者经常互相了解,下班后经常闲逛,而算法则是匿名交易。当他们发出买卖资产的订单时,没有其他交易者知道资产是来自人还是来自机器。
的确,这正是为什么对它们进行编程以形成彼此的期望的原因。面部提示不再可用,但是已经开发出了完整的策略,以寻找一种或相同的算法是否可能下达了多个订单,然后尝试预测其下一步行动。
为了逃避这种尝试,经常将算法设计为不被其他算法识别为算法。正如苏格兰社会学家唐纳德·麦肯齐(Donald MacKenzie)所说的那样,他们可能会从事模仿策略和/或试图在公共场合对自己的“自我”进行特别的介绍。这些又是社会学家长期考虑的都市生活关键方面的属性。
过去几年,我与同事一起在主要的金融中心里就这些交易算法对交易员,程序员,监管机构,交易所官员和其他金融专业人士进行了采访。这还得出了人工交易者与自动交易者之间其他有趣的相似之处。
程序员很容易地承认,一旦他们的算法开始与其他人进行交互,他们就会被带走并且无法预测地采取行动,就好像他们在暴民中一样。自19世纪末以来,社会学家一直在研究人们如何进入人群并让他们的自主权在“社会雪崩”中滑行,但是到目前为止,我们基本上都忽略了金融机器做类似事情的事实。
2010年5月6日的“闪存崩溃”最能说明我的意思。在四分半钟之内,全自动交易算法的疯狂互动使美国市场陷入低谷,在交易迅速停止之前,造成了约1万亿美元(7,680亿英镑)的损失。
这些涉及的大多数交易后来被取消为“明显错误”。当然,没有交易者或程序员计划进行这种价格大幅度的变动,但是数十年来的社会学研究告诉我们,这种行为在大群体中是可以预期的。我们需要先了解我们的财务算法如何协同作用,然后才能使用我们自己的工具。
当然,并非所有形式的社会互动都是令人钦佩或有益的。像人类一样,算法之间的交互方式从关怀与和平到冷酷和暴力:从提供流动性和维持市场稳定到发出操纵性订单并引发狂野的交易活动。
掌握这些交互作用不仅是了解现代交易并尝试防止将来的Flash崩溃的关键。如今,算法在越来越多的领域相互交流。了解他们在人群中的行为方式,有望在他们刚刚开始涉足的领域中崭露头角,例如,考虑自动驾驶交通系统或自动战斗。它甚至可能使我们警惕等待中的雪崩。