机器人交易员每管理3美元中的1美元. 它们无处不在. 你可能拥有一些被认为是机器人或量化基金的指数基金. 它们很便宜，而且提供了进入最近似乎势不可挡的股市的途径. 但最终，泡沫可能正在破裂(至少对量化基金来说是这样)。. 所有的量化基金都在关闭.g.(Columbia Threadneedle, Neuberger Berman). 追随趋势的量化基金出现了13年来最严重的资金外流. 那么这些量化基金到底是什么? 它们为什么会出现? 这种下跌是量化宽松行业普遍存在问题的信号，还是仅仅是暂时的重置?

软件对投资决策的影响越来越大

广阔的金融领域, 因为它可以获得资金, 长期以来，这个行业一直比其他行业更倾向于接受技术创新吗. 所以当软件技术在20世纪到来的时候, 于是算法程序出现了, 不可避免的是，金融业将率先利用这一潜力. John Bogle, 先锋集团创始人, 在20世纪70年代推出了全球首批指数基金, 部署软件来跟踪一篮子股票和, 因此, 允许基金根据其基础基准的任何变化进行自动重新配置.

使用软件自动交易的优势是深远的, 主要是在降低运营成本方面的效果. 指数基金不必支付人力资源，否则人力资源将被用来做出选择和配置决策. 指数基金的出现是一个重要事件，它向大众市场打开了个人理财领域的大门，否则这种服务将被高昂的价格拒之门外.

快进到现在, 自动化(量化)基金已经做到了, 在过去十年中, 稳步上升，在美国证券交易所的机构交易量中所占份额最高.

etf:指数基金变得有选择性

20世纪80年代末，技术的进一步发展导致了量化交易所交易基金(etf)的引入. 这些工具利用软件程序根据某些因素做出动态选股决策. 例如, 当市净率低于1时，算法可以被编程为买进一只股票.0，然后在比率超过1时卖出同一只股票.5. 如这个简单的例子所示, 该软件已被编程为根据基本面分析做出系统的投资决策，否则这些决策将由人类经理完成.

自第一只ETF问世以来的30年里，成熟的 自动交易 是否由于人工智能领域的快速创新而发展到越来越高级的阶段. 在算法软件的背景下, 人工智能的使用意味着交易程序可以通过自己的意志学习和提高其有效性. So, 假设上面我们的ETF示例中使用的软件与人工智能模块一起部署. 现在, 它可能能够持续分析股票表现的数据, 让它随后得出结论，更有利可图的策略是只在市净率低于1时买入股票.25美元，当比率上升到1时出售.8. 然后，软件将开始根据这些学习做出决定, 不需要人为干预.

截至2019年，etf和指数基金管理的美国股票总量超过了人工管理的资产管理公司. 在31万亿美元的美国股市市值中，量化基金目前拥有35万亿美元.市值的1%，而24%.人力管理基金的3%. 这是一个重大的转变——但为什么这很重要呢?

宽客和. 投资管理中的人类

定量优点

在哪些方面，选择量化基金比选择人力基金更优秀? 最切实的方式是通过量化基金提供的低管理费, 哪些是人力管理的主动基金无法比拟的. 在成本上的效率是我们看到先锋指数基金的发明者在过去的几十年里上升到500强的原因之一 边缘 成为全球最大的资产管理公司. 费用在基金中是必不可少的，因为, 随着时间的推移, 这些费用对投资者来说是一个巨大的成本负担，因为——在衡量业绩的背景下——费用越高, 更高的性能必须超过基准才能证明它们是合理的. 尤其是对冲基金，他们会向投资者收取高达20%的费用 表现不佳 在过去十年中.

量化基金的另一个优势在于，它们能够通过实时分析大量数据得出见解. 正如一位知名基金经理所指出的那样，这对未来的事件可能不一定是一种优势 Ray Dalio:

“如果有人发现了你的发现, 它不仅毫无价值, 但它会被过度贴现, 它会产生损失. 没有人能保证以前奏效的策略会再次奏效. 不采用人类逻辑的机器学习策略“如果没有深刻的理解，最终肯定会失败。.”

量化基金也可以比人类经理更快地做出投资决策. 因此，他们可以更快地下订单，并更有效地从狭窄的价差中获利. 在执行交易策略方面，它们比人类经理更有效，因为它们具有中立的偏见，并消除了“胖手指”错误的风险.

定量缺点

量化基金的缺点是什么? 一个负面因素是，随着人工智能的使用越来越多, 不同的量化基金可能不可避免地开始一致做出同样的决定, 这可能会给金融市场带来传染问题. 人力驱动型基金管理的一个关键优势是，它能够发现市场的特殊特征，并根据定性数据做出决策. 量化基金不能吮拇指, 因此, 会导致波动加剧吗 市场压力.

量化基金如何衡量自身?

量化交易的系统性客观性引发了一个问题:量化基金是如何使彼此产生差异化的. 量化基金如何获得相对于竞争对手的竞争优势? 人类管理者通过表现出对基本原理的更好理解而获得晋升, 或者通过优越的直觉, 这两个因素都是通过多年的学习发展起来的，并通过底线alpha客观地证明了这一点.

人工智能驱动型基金的前提是实时分析大量数据，然后得出见解和随后的投资决策. 这为排名标准引入了新的变量, 比如哪个基金拥有最快的计算能力, 或者pb级的数据访问. 明星程序员可能会取代明星交易员，因为基金拥有由数据科学家在后台编写的优秀机器学习规则，从而获得竞争优势.

对速度的需求

高频交易(HFT)算法基金寻求通过更快的交易获得竞争优势，导致其中一些基金创建了自己的私人光纤或微波网络，以连接到股票交易所. 理论上说，铺设是最完美的, 电缆的直线将为向交易所发送订单带来最大的潜在效率, 与使用公用事业的竞争对手相比，使所有者处于优势地位.

仅仅几毫秒的时间就可以衡量拥有私有光纤网络所获得的优势. 但对于在一个交易时段内执行数千个订单的高频交易公司来说，这几毫秒的差价可能会导致数百万或数十亿美元的利润差异. 在他的书中 Flash的男孩, 作者迈克尔·刘易斯详细描述了一些交易员在芝加哥和纽约证券交易所之间修建的私人光纤线路上实现边际收益的程度. 在世界主要证券交易所中，纽约的纳斯达克交易所拥有最快的执行时间, 这表明，对于那些希望在第一时间获得任何优势的明智的交易员来说，他们所面临的高风险是什么.

然而，私有光纤网络的建设成本很高. 它们需要大量的初始投资，并可能受到山脉等物理障碍的阻碍. 微波网络, 然而, 服务于相同的目的，但具有更高的速度和更少的地理障碍，由于他们的空中传输的优势. 在一些市场，高频交易者已经在争夺最大持有量的竞争中划出了战线 最优 微波网络.

一些高频交易者甚至尝试过托管, 指的是将他们的交易软件放置在他们交易的证券交易所的系统中. 在某种程度上，这是获得交易订单的时间战的终点. 许多证券交易所现在都提供托管服务, 为交易者提供空间，让他们的系统更靠近交易所的系统，从而收取费用. 但从长远来看, 这些托管服务的合法性可能会受到挑战, 以类似于网络中立辩论的方式提出道德问题. 股票市场, 本质上, 做市商或将买卖双方无偏见地撮合在一起的市场. 有利准入的分层体系打破了这种关系，这是一种令人担忧的困境.

即使高频交易者试图用所有可能的优势武装自己, 没有人能保证它永远有效. 骑士资本的案例将永远提醒我们这一点. 奈特是最早进入市场的高频交易者之一, 但在2012年, 它的算法软件出现了故障, 在短短一个小时内，就发生了高达70亿美元的错误交易. 纠正这些错误的交易花费了公司几乎 5亿美元 最终导致基金不得不清算和关闭.

机器人顾问会成为人工智能在金融领域的革命性应用吗?

这也让我们想到了个人财富管理的问题. 在社会层面上, 这可能是最值得关注的领域, 因为进入股票基金的大部分投资都是公民个人的资本投资.g.,养老金).

机器人顾问是软件驱动的投资顾问，根据算法指导客户. 在过去的十年里，它们逐渐变得引人注目. 将人类决策从财务建议中剔除既有希望，也有危险. 一方面，一方面, 有机会向广大民众介绍财务规划和投资组合建设的制度概念. 然而，另一方面，机器人咨询的一些决策支柱是相当武断的.e., 随着年龄的增长，持有更多的债券)——尽管从教科书的角度来看是可行的“正确”——可能没有考虑到投资者的个人情况. 人工智能的使用将进一步增强机器人顾问的能力，因为它们开始根据自己的学习改进分配决策.

这是否为人类财富管理敲响了警钟? 它是否会显著改变银行和其他提供财富管理服务的金融机构的财富管理方式? 当涉及到金钱和投资, 把一切都交给软件和技术是一个肯定很少有人愿意承担的风险. 在一天结束的时候, 软件。, 即使它有人工智能组件, requires rules to function; and these rules can only be made by humans. 机器人顾问可以使财富管理过程更快、更高效. 仍然, 也许这场战斗的真正赢家将是能够利用人类和机器共同工作的优势的机构.