算法交易

時至今日，“算法交易”一詞已經被廣泛使用。但其真實含義卻往往眾說紛紜。

沒關系，下面咱們就來捋捋這個概念的具體細節。

算法的定義并不復雜，甚至可以說相當簡單。算法代表一組指令，使得計算機程序能夠將不同的信息源（數據）組合起來以生成所需要的結果。

如今每當我們聊起算法，都肯定繞不開AI和數據這兩大要素。二者同樣簡單明了：AI的核心是一種對數據進行組織、分析和應用，進而獲取結果的方式。數據則是一切能夠數字化并以數值形式呈現的內容。任何信息——包括照片、文本和語音——都可以數字化并表達成數值的形式。

而相應的輸出結果既可以像確定數據集平均值一樣簡單，也可以像操控自動駕駛汽車的預測分析那般復雜。分析結果，而后改進并調整程序和數據輸入以獲取更好的結果，這就是機器學習或者深度學習的全部訴求。

至于交易，相信大家更加不會陌生——基本就是對買賣債券、股票、期權及其他金融工具的統稱。

有趣的事實！算法這個概念源自Muhammad ibn Musa al-Khwarizmi，一位生活在公元780年左右的波斯數學天才。

實踐中的算法交易

那么將二者結合起來，到底什么才是算法交易？

16Rock Asset Management公司首席投資官兼聯合創始人James Pruskowski舉了一個典型的例子。該公司的市政債券交易模型將AI與算法相結合，用以定期監控市場數據——包括交易、交易量、價差、買入申請、報價申請等輸入。其采用一套編程模型以分析市場數據，再據此發現定價異常來尋找套利機會。通過定期更新買賣參數，計算機即可出價/買入和要價/賣出。

這是一個完全自動化的過程，所有操作都可以在幾秒鐘之內完成。新的交易數據將被上傳、分析，模型則持續更新，以確定在新信息下可能出現的最佳機會。整個業務就在這樣的循環當中持續運作。

James注意到，AI和算法交易正在清算市政零股市場（所謂零股交易，是指由面值為10萬美元或以下債券的交易部分）。他還觀察到，獨立管理賬戶（SMA）的資產增長以及市政ETF（交易型開放指數基金），使得許多市場參與者只能被動接受價格。

無論是金融顧問還是ETF基金經理，當他們面臨迫切的投資或者出售需求時，運營的復雜性往往迫使他們乃至大型零售電訊公司的操盤手被動接受價格。而這些價格往往反映出收益率較高的要價與收益率較低的出價。相應地，從這些交易中得出的市場基準曲線（如ICE美國市政AAA曲線）水平，也反映出更有利于這些價格接受者的低價、高收益交易。在James看來，這就是被動一方在當今市場上主動定義盈利機會的途徑。

Brownstone Investment Group算法交易主管Josh Rosenblum（此前曾任該公司市政交易策略主管）則提出了不同觀點。通過將共同基金與SMA顧問持有的數十億美元資產管理與電子交易平臺相結合，他認為買方企業完全可以實現從價格接受者到價格制定者的地位轉變。此外，通過這些平臺，買方企業可以直接相互交易。經紀人和客戶之間的關系正演變為一種合作伙伴關系，旨在建立起互惠互利的工作流程。

根據他的觀察，在算法交易的驅動下，零股市場上已經出現了價差縮小的征兆，并指出AI生成的預測定價分析也建立起能夠自我實現的定價預言。如果模型認為債券的下一筆交易很有可能以某個價位進行估值，那么投資者愿意接受的最高買入和賣出價也基本將在這個區間之內小幅浮動。也就是說，AI預測正在塑造現實。此外，交易的另外一方“投資者”同樣可能更多體現AI模型的判斷。雖然這也能帶來積極的影響，例如更好的市場流動性，但對于計算機及AI模型的過度依賴也必然引發新的挑戰。

James和Josh不約而同地認為，AI、電子交易平臺和算法交易正引發新一輪技術軍備競賽。只要無法在其中成為領先者，就必然被市場所拋棄，于是無人想要落后的焦慮感正促使這類技術得到迅猛應用。

這一點在執行速度上體現得尤其明顯。如果你的交易速度不能比競爭對手更快，我們就買不到債券。沒有債券就沒有業績，沒有業績就吸引不了投資者。這是一場真正的生死較量。

經紀交易商的采購與自建難題

使用算法交易的并不僅僅是自營基金。

對于希望在市政債券市場保持活躍的經紀交易商來說，這又是個典型的自建還是采購的決策難題。多倫多道明銀行曾在2021年收購Headland Tech Holdings；短短一年之后，Raymond James又收購了SumRidge Partners，希望借此推動以技術為支柱實現交易業務拓展的持續戰略。各大經紀交易商和資產管理公司（例如高盛和貝萊德）則大多追求內部自建以保持競爭力，但其聘請頂尖軟件工程師的行為也經常被解讀為另外一種收購行為。不過與此同時，也有評級企業選擇直接放棄市政債券：花旗集團于2023年宣布正式關停市政債券業務。

債券與對話

鑒于其對市場造成的直接影響，整個行業對于算法交易的關注也完全可以理解。然而，還有另外一種基于算法的技術有望對市場產生同樣的影響。

ChatGPT就是一種基于算法，更具體地講是基于大語言模型的機器學習方案。其建立在GPT（生成式預訓練transformer）架構之上，旨在理解并生成與人類語言能力相似的文本結果。其采用的并非單一算法，而是一整套涉及大量組件的復雜系統。當然，整個過程仍然可以描述為一種使用機器學習根據其所見數據中的模式生成響應的算法。

事實上，前面這一整段就是由ChatGPT編寫而成。

作為一項令人著迷的新興技術，從規劃中美洲游輪旅行到生成Python代碼，再到實施髖關節轉換手術的前沿程序，ChatGPT幾乎讓我們能夠想象的一切都觸手可及。輸入一個問題，幾秒鐘之后ChatGPT就能給出答案。

而且具體交互方式還不限于輸入文本來獲取答案。任何使用過蘋果Siri或者亞馬遜Alexa的朋友都能感受到語音交流的震撼。在另一方面，Speechify可以將任意內容轉換成音頻——包括文本、PDF文檔和電子郵件——并以高質量的合成語音讀給用戶聽。

如果更喜歡視頻形式，那Pictory能夠提供文生視頻、URL生視頻、PPT生視頻等多種視頻生成功能。大家可以把這整篇文章粘貼到Pictory當中，看看這項技術如何把簡單的文字筆記轉換成好萊塢風格的大片視頻。

簡而言之，AI有著無限的交互能力。只要敢想，完全可以在任何通信介質當中提供AI實現。

其中當然也包括與市政債券的“對話”。

很多朋友可能會好奇，為什么要跟債券“對話”？我們以Munibonds.ai公司為例，這家建立于2024年的企業提供AI聊天功能。用戶可以輸入關于債券的問題，應用程序則會生成非常詳盡的答復。這種用戶驅動的輸入功能顯然要比局限生極強、僵化生硬的下拉菜單列表強大得多。

只要擁有已披露的信息，無論是初步官方聲明還是近期季度財務報告，應用程序都會找到數據并生成答案，進而將市政債券市場上的海量PDF文件轉化成機器可讀的內容。而這還只是AI應用的現狀或者說起點。

Munibonds.ai不僅僅提供交互式搜索功能，還可以通過跟蹤用戶查詢和其他外部市場數據，針對任意債券提供市場情緒分析并給出投資組合與競標清單建議。是的，就是這么強大。

它甚至還提供數字“債券排名”。雖然還沒到信用評級的程度，但只要輔以正確的用戶提示詞，聊天技術生成的報告（包括一系列基本面分析）已經與標準信用評級報告相當接近。

通過建立定制化需求參數并自動化執行流程，從投資組合經理、交易員、分析師到合規官，每個人都能以近實時方式獲取任何債券或者投資組合的信用、結構、收益用途、市場情緒及其他決策或者報告信息。

他們唯一要做的，就是提出問題。

預測未來

面向市政債券市場的AI預測

我們可以設想一個完美的拉普拉斯AI模型，它擁有宇宙中過去和現在每一個數據塊的完整知識，達到了全知全能的至高境界，能夠完美且準確地預測未來。這樣的系統究竟是天使還是惡魔雖然有待商榷，但在持續關注AI領域的動態之后，我們會發現這顯然就是那幫開發和應用AI方案的人們想要達成的最終目標。

當然，這個目標永遠不可能徹底實現。但對于市政債券市場來說，即使只是通過AI獲取到的知識一步步逼近相似結果，也要比現有的粗糙解決方案精確得多。

因此，以下是我個人對于AI之于市政債券未來前景的趨勢性預測：

1. 整個市場的技術進步與采用速度將持續加快。
2. 任何能夠自動化的市場流程終將自動化。
3. 從經紀商到投資顧問再到交易平臺，整個市場將迎來進一步整合。
4. 市場將變得更加透明和分散。
5. 將為市政債券發行人開發出一級市場電子貨架融資機制。
6. 市場將采用標準化、數字化的官方聲明，采取XBRL格式的統一報告分類方法，持續披露機器或者類似算法可直接訪問的格式。
7. 由當前零股交易與機構交易估值間的結構性失衡導致的定價差異，將逐漸消失。
8. 為了保持市場地位，信用評級結果將更多采取基于概率的數字排名。
9. 氣候變化指標將對信用分析和評級產生更大的影響。
10. 這些市場演變趨勢將比多數人的預期快得多。

諾貝爾物理學獎得主尼爾斯·玻爾曾經說過，預測很難，特別是關于未來的預測更難，人們很容易用“這永遠不會發生”來粗暴否定一切當前僅存在于想象當中的預測。

但在大家匆忙作出判斷之前，請留意一點：在技術領域，真正的問題永遠不是“能不能做到”、而是“該怎么做”，然后就是“能多快做成”。

因為如果歷史真的給我們留下了什么啟示，那就是有這樣一點被證明永遠正確：

只有技術能夠笑到最后。