每经记者专访美国伊利诺伊大学香槟分校教授叶茂：金融科技发展出现了很大断

本篇文章5318字，读完约13分钟

图片来源:照片由受访者提供

中国的金融技术正在飞速发展，美国的情况如何？近日，《国家商报》记者(以下简称nbd)采访了美国金融大数据与技术领域顶尖学者之一、伊利诺伊大学厄巴纳-尚佩恩分校(Urbana-Champaign)吉斯商学院(gies Business School)教授茅野，请他分享自己在美国金融技术发展与监管方面的研究经验和体会。

茅野专注于金融大数据和高频交易的研究。2018年7月，他应邀在nber第41届夏季年会上发表了题为《金融大数据》的主旨演讲。

茅野介绍说，大数据和人工智能在美国经济学中是相对较新的概念，整个发展方向仍不明朗。然而，机器交易已经占到美国金融交易的80~90%。现在金融技术的发展有很大的差距。美国学术界、监管界和行业之间的差距巨大，行业发展过快。

机器之间的等级划分:美国金融业的大数据和人工智能的发展在中国还没有被很好地理解。美国金融交易在这些方面发展到什么程度了？

茅野:在美国的金融交易中，大数据和人工智能占据了主导地位。如果我们看看美国的日交易量，机器交易至少占70%，最大可以占90%。具体比例取决于如何定义机器和人。我个人认为应该在80%到90%之间。此外，随着大数据和人工智能的迭代更新，机器之间也存在差异，并且可以根据速度划分多个级别

最快的机器交易已经以纳秒为单位，也就是十亿分之一秒。这种机器被称为高频交易机。我从高频交易开始，但后来发现人工智能和大数据并不像我们想象的那么简单，在完整的机器和完整的人之间有许多不同的交易者。例如，半人半机器的交易者有不同程度的自动化。高频交易可能以纳秒为单位，而慢速交易可能以毫秒或秒为单位。

例如，大型基金公司的交易决策机器比高频交易者的慢。一般来说，大型基金需要做出两个决策:一个是投资决策，另一个是交易决策。假设我今天想买深圳万科100万股，这叫做投资决策，可以交给人力研究；相比之下，大多数交易决策都是由机器做出的，因为如何购买这100万股是另一个问题，比如我何时购买它们，我是否需要将它们分成许多小订单，这反过来又涉及每分钟进行多少交易，我是应该去等待订单还是与已经等待订单的人进行交易。

要达到纳秒级，首先要做的是配置一台超级计算机，但这产生了一个新问题。超级计算机产生大量的热量，因此它需要安装一个大的空键，而超级计算机和空键的巨大重量最终导致了一个非常疯狂的情况:他们发现公司所在的办公楼，也就是说，最快的结果是，超级计算机和空调整单元的巨大重量使大楼不堪重负。因此，事实上，基金公司不可能尽快做到这一点。

比这更慢的是通过人工智能、机器学习和大数据做出投资决策的机器。投资决策比简单的交易决策复杂得多，因此它们不会那么快，从几分钟到一两个月不等。

高频交易、大型基金公司交易和机器投资决策都是机器交易的例子，但在这里机器被分为三个层次。

让我们来谈谈最快的机器交易和高频交易。你主要做什么？其中之一是市场营销。做市商需要竞争终极速度，他们的机器是美国金融市场中最快的。

Nbd:目前你自己的研究项目是什么？

茅野:我目前的研究涉及大数据整体主题方向的一部分和美国金融市场研究的一部分。

这个项目也有两个主要部分。第一部分刚刚提到了一些。在美国出现大数据和人工智能之后，每个人都不清楚整个交易生态系统。正如我刚才所说，我发现至少有三个层次的机器交易。

因此，除了人之外，还有许多种机器行为，机器如何相互作用，以及机器如何与人相互作用，这些都需要不断的研究。这种区别非常重要，因为机器与机器交易，会带来一些意想不到的事情，比如无限循环。为什么这发生在机器交易而不是手动交易中，因为人不够快，但是机器可能在一秒钟内发出数百个交易指令。如果我们把它们放在一个小时内，我们会看到一些市场动态，让我们感到好奇。

你为什么要研究这些问题？我特别想说的是，该行业对金融技术的理解要比学术界和监管界好得多，因为它有巨大的经济效益。例如，美国交易员使用的计算机现在比美国监管机构的性能高得多！美国监管机构需要投入大量精力来分析交易员的行为。2010年5月6日，美国股市发生闪电崩盘，股指暴跌1000点，大约五分钟后再次上涨。然而，在这五分钟的事件中，美国证券监督管理委员会花了四个多月才大致了解发生了什么。

因为这需要了解整个生态系统，弄清楚他们是什么样的交易者，他们在做什么，他们如何相互作用，以及在什么情况下他们会导致巨大的金融动荡。所有这些问题都需要澄清，这也是我研究的一部分。

至于主持会议，我相信中国和美国是一样的，因为财经的高年级属于文科。现在，随着大数据和人工智能的发展，它趋向于科学和工程的方向。因此，到目前为止，金融的发展面临着若干挑战。首先，如何分析大规模数据；其次，大数据和人工智能的发展对经济有什么影响？

大数据和人工智能在美国经济学中是相对较新的概念，整个发展方向仍不明朗。所以我召开了六次国家经济研究局会议，组织大家讨论课题方向。

因为是第一次见面，自然是一起讨论主题方向，所以我设定的门槛很低。我只需要写一份两页纸的研究提案就可以参加，然后每个人都会跟着提案走。在研究过程中，我们可以为超级计算机和云计算提供支持，即数据存储和计算的能力，然后发表一系列论文，我们可能会在三大期刊上发表专刊，专门谈论大数据的发展方向。

我去年在国家经济研究局的主题演讲中提到，事实上，现在最大的问题可能仍然是定义问题，也就是什么是大数据。

我建议第一个是大的。小数据可能导致收集过程中的选择性偏差，通过分析大数据可能得到不同的结论。以我的第一个大数据项目为例。当时，我们得到了纳斯达克的所有交易数据和买卖订单的数据。买卖订单的数据比交易数据大得多，但美国只需要报告交易数据。但是当我比较这两个数据时，我发现有些不对劲。因为美国的规定，如果你交易的股票少于100股，你就不必报告。这是一种防止小散户被砍韭菜的监管，但自金融技术发展以来，却导致了相反的结果。因为该组织可以通过计算机自动将100万股分成20，000-50股，所以无需报告。事实上，我们发现少于100股的交易拥有最多的信息。

这涉及到大数据。实际采购订单数据大于监督数据，监督数据有选择性偏差。美国的监管体系是以人为主体设计的。对于大数据时代的基于机器的交易市场，旧规则的效果正好相反。当然，大数据的规模是相对的。

第二是高维度。在计量经济学中，我们有一个原则，即估计参数的数量不能超过观测值的数量。例如，当处理30个数据时，我们不能估计60个参数。但是对于高维数据，需要估计的参数比观测数据多。例如，美国有成千上万只活跃的股票，所以我可以通过成千上万只股票的股价在短时间内预测另一只股票的价格。我们已经证明这是可能的。

第三是无结构。例如，我们微信对话留下的数据是非结构化的。有许多方法可以将非结构化数据处理成结构化数据。

因此，我主持了这些会议，讨论新技术和新产生的数据对监管和整体经济发展的影响。再举一个例子，假设我通过微信私下告诉你，上证综指明天会上涨，然后你可以把它传给另一个朋友，信息就会这样传递出去。这被称为口碑。过去，经济学不能研究口碑的动态信息，因为我没有和你聊天的记录。现在情况不同了，还有在云中积累的通信数据。在大数据时代，随着新技术的出现，许多无法研究的问题可以立即得到研究。

因此，我所说的核心是，大数据的研究方向在美国并不完全清楚。在这一系列会议之后，它涉及到选择哪篇论文的问题，因此判断哪篇论文有趣的最重要的考虑标准是它所研究或使用的金融技术在多大程度上扩展了我们对世界的理解，以及它是否能回答一些我们以前无法研究的问题。

行业的发展速度远远快于学术界和监管界的预期发展速度:目前，金融技术时代的金融监管确实面临挑战。目前美国的监管技术发展如何？你对美国目前的金融监管有什么看法？你对金融技术时代的金融监管有什么想法和经验？

茅野:关于金融技术的发展，从经济学家的角度来看，我认为基本的思路是问一问金融创新是否解决了经济学中的一些问题，比如减少市场摩擦。如果不是，它可能不值得关注。

美国金融监管也存在一些问题。首先，许多金融技术可能是由监管本身造成的。例如，刚才提到的交易报告阈值是100股。美国的交易监管制度是以人为主体设计的。它最初的设计是为了保护中小投资者不被切韭菜，但现在它已经成为切韭菜的工具。所以我所做的是改进它的设计，从以人为主体到人机混合。这样，监管体系就会随着市场的变化而变化，其效果最终会有所不同。

其次，新政策可能与旧政策相冲突。近年来，美国出现了一种叫做暗池的新东西。也就是说，在现有的证券交易所之外，有人建立了另一个交易平台来吸引买卖双方以证券交易所的价格进行交易，这相当于我们所说的场外交易。有人说我们应该监管暗池:因为证券交易所最终发现的价格被暗池直接偷走了。但是如何监督呢？也就是说，你可以建立一个暗池，但交易价格必须高于证券交易所的价格。这似乎完全没有问题，但美国有另一项法例，规定公司购回股份，为了防止公司操纵市场价格，未决订单价格不得高于当时的最高售价。也就是说，你只能挂在那里等着别人卖，却不能主动接受别人悬而未决的订单。操纵价格的最简单的方法是，比如说，如果在中国有一到五个销售点，我会把它们都吃掉，而且价格不会上涨！然而，你的未决订单对市场价格的影响实际上是非常小的，因为在相同的价格下，未决订单是快速和缓慢的，但是公司必须缓慢地回购未决订单。因为美国对公司有严格的监管，媒人需要检查你是否违反了现行法律，所以等待的速度很慢。结果，等待订单的公司往往成为最后一批，甚至最终无法交易。

在暗池中，交易不能按照先来后到的顺序进行排序，因此许多公司选择在暗池中回购。然而，监管要求现在要求，如果暗池想要交易，买入价格高于当前卖出价格，但如果是这样，你是在操纵市场，因为之前已经规定你不能高于卖出价格，这两个监管要求是相互冲突的。根据我们的研究，公司不能回购。因此，两个看似非常合理的政策放在一起是不合理的。

金融技术非常复杂。随着新监管的不断增加，监管变得越来越复杂。这些问题总是会出现在整个现代金融体系中，我相信每个国家都是如此。最好的方法是许多学者需要认真研究它，这就是为什么我想举行这些会议。因为很多问题在没有看数据的情况下是完全出乎意料的。

美国教育鼓励对nbd的批评:我们知道你还获得了伊利诺伊大学年度教育家的称号。我想请你谈谈你在美国教育方面的经历。我还想请您介绍一下美国金融技术教育的一些做法，以及您在金融技术教育方面的经验。

茅野:至于教育经历，中国学生实际上比美国学生有很多优势，中国学生更渴望学习。但是我认为美国教育的优势之一是鼓励学生挑战教授。在我的班上，学生们经常问非常难的问题。

美国人从小就在这个领域做得很好，他们不容易接受一种观点。美国教育鼓励你批判性地接受真理，这种精神需要在我们国家的教育中得到极大的提高。但这并不意味着中国学生很穷。事实上，中国学生有坚实的基础。如果他们有更多的创新和批判精神，他们可以做得和美国人一样好，我完全相信这一点。

金融科技教育是工程与金融的结合。他们在课堂上谈论一些基本原则。他们的任务是什么？例如，我的学生将操作超级计算机，不是为了让你成为这个领域的天才，而是为了克服对技术的恐惧。很难说超级计算机是困难的，但是它们在被多次使用后实际上是方便的。具体的技术问题远没有我们想象的那么复杂，但是有时我们发现它很困难，所以我们可能做不到。特别是在金融领域，掌握超级计算机的一些简单应用就足够了。毕竟，学生们还年轻。一旦他们克服了恐惧，他们实际上可以走得更远。

另一个例子是编程。事实上，最终，你不需要亲自编程。最重要的是你能与不同学术背景的人很好地合作和交流，而不是把你变成一个技术人才。对他人的成就有足够的理解和尊重是非常重要的，因为不同学科的人有非常不同的思维方式，有时最大的障碍不是技术，而是思维方式。因此，有两点，第一是克服对技术的恐惧，第二是与有技术背景的人合作，要求把金融人才变成编程人才，这样本末倒置。

Nbd:当你从事金融交易时，文科学生和理科学生在风格上有什么不同吗？

茅野:这带来了上面提到的几种不同的交易，比如绝对高频率和稍低频率。在一只标准的投资基金中，人们的学术背景是不同的。

在绝对高频交易中，有计算机背景的人可能是主要的，还有其他的学科，如统计学等。文科关注相对较低的频率，他们希望看到公司的声明。这两种风格有很大的差异，当有很大的差异时，就会出现文化冲突。

我相信类似的情况会越来越多地发生在金融企业中。在很大程度上，具有文科背景的人应该对理工科有适当的思考，而具有理工科背景的人应该有人文关怀，这是一个整合的过程。学科之间的技术差异是次要的，思维方式的差异是最重要的。最基本的事情是，害怕你不理解的科目并理解它们是非常重要的。因此，要接受通识教育，无论你学习什么科目，你都必须具备一些基本的背景知识，以便更好地交流和合作。从金融到国家，他与我不同，但我们合作是非常重要的。

封面图片来源:图片受访者