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层

图片来源：受访者 供图

金融科技在中国热潮涌动，在美国又是怎样一番景象？日前，每日经济新闻记者（下称“NBD”）专访了美国金融大数据与科技领域的顶尖学者之一、美国伊利诺伊大学香槟分校Gies商学院教授叶茂请他分享对美国金融科技发展及金融科技监管的研究经历和体会。

叶茂专注于金融大数据和高频交易的研究，2018年7月，他受邀在美国国民经济研究局（NBER）第41届夏季年会发表题为“金融大数据”的主旨演讲。

叶茂介绍，大数据和人工智能在美国经济学界也是比较新的概念，整个发展方向还不是很清楚。但机器交易在美国金融交易中已经占到80~90%，现在金融科技发展出现了一个很大的断层，学界、监管界与业界之间的差距在美国是巨大的，业界发展要快得太多。

机器之间出现分层

NBD：美国金融业在大数据以及人工智能方面的发展，国内对此了解并不多，请问美国的金融交易在这些方面目前已发展到什么程度？

叶茂：在美国金融交易中，大数据和人工智能已占据主导地位。如果看美国每天的交易量，机器交易最少占70%，最大能占到90%，具体比重取决于如何定义机器和人，我个人觉得应该在80~90%之间。而且随着大数据和人工智能迭代更新，机器和机器之间也出现分化，按照速度可以分出多个层次

最快的机器交易已经在纳秒级别，纳秒是十亿分之一秒，这种机器被称为高频交易者。我最初从高频交易入手研究，但后来发现人工智能和大数据不是我们想得那么简单，在完全的机器和完全的人之间还有很多种不同的交易者。比如半人半机器交易者，它们的自动化程度有差别，高频交易可以在纳秒级别，慢一些的在毫秒级或者秒级。

比如大型的基金公司做交易决定的机器就比高频交易者慢一些。一般来说，大型基金需要做两项决定：一项是投资决定，一项是交易决定。假设我今天要买100万股深万科，这叫投资决定，可以交由人力研究；相比之下，大多数做交易决定的却是机器，因为怎么去买这100万股是另外一个问题——比如我几点几分买，是否要拆成很多小单，这又涉及每分钟交易多少，我是去挂单，还是和已经挂单的人交易等。

交易要达到纳秒级别，首先要配置巨型计算机，但这又产生新的问题，巨型机会产生很大的热量，就需要装大型空调，巨型机和空调的庞大的重量最后导致了非常疯狂的局面：他们发现，公司所在写字楼整个地基都在下陷。也就是说，追求最快的结果就是，巨型电脑和空调机组的巨大重量导致大楼无法承受。所以事实上，基金公司做不到最快，只要做到比较快就行。

比这更慢的，就是通过人工智能、机器学习和大数据做投资决定的机器。投资决定比单纯的交易决定要复杂得多，所以就没那么快了，从几分钟到一两个月都有。

高频交易、大型基金公司交易、机器投资决定，这都是机器进行交易的例子，但在这里机器已经分出三个层次。

再说最快的机器交易——高频交易，主要干什么？其中之一就是做市。做市要竞争极限速度，他们的机器在美国金融市场上速度是最快的。

NBD：目前您自己的研究项目有哪些？

叶茂：我目前的研究，一部分涉及大数据整个学科方向，一部分是对美国金融市场的研究。

这个项目也主要有两部分，第一部分刚才已提到一些，美国在出现大数据和人工智能之后，大家对整个交易生态系统是不清楚的，就像我刚才所说，这中间至少我已发现三种机器交易层次。

所以，在人以外还有多少种机器行为，机器和机器怎样交互，以及机器怎样与人互动，这都需要持续研究。这种区分非常重要，因为机器和机器交易，会产生一些我们完全料想不到的事，比如死循环。为什么这会在机器而不是人工交易中发生，因为人的速度不足够快，但机器，可能一秒就发出数百次交易指令，如果再放到一个小时里看，就会看到一些令我们匪夷所思的市场动态。

为什么要研究这些，我特别想谈的是，对于金融科技，其实业界的理解比学界和监管界要高很多，因为这里面有很大的经济利益。比如现在美国交易者使用的电脑，性能远远高于美国监管者！美国监管者要分析交易者的行为，就需要投入大量精力。2010年5月6日，美国股市发生了闪崩事件，股指暴跌一千点，大概五分钟后又回升了。但就这大概五分钟的事，美国证监会花了四个多月才大概明白究竟怎么回事。

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，他们在干什么，如何交互作用，在什么情况下会导致巨大的金融动荡等。这些问题都需要搞清楚，这也是我研究的一部分。

至于主持召开会议，我相信国内和美国一样，因为金融和经济学长时间属于文科，现在大数据和人工智能发展起来，就愈加趋向于理工科方向。因此金融学发展至今就面临几个挑战。第一，怎样分析一个大规模的数据；第二，大数据和人工智能发展，对经济学有什么影响。

大数据和人工智能在美国经济学界也是比较新的概念，整个发展方向还不是很清楚。所以我召开六次美国国民经济研究局会议，组织大家一起讨论学科方向。

由于是初次会议且性质是共同讨论学科方向，因此我设立的与会门槛很低，只要写两页研究提案就可以参加，接着就是大家按照提案去做，在研究过程中我们可以提供巨型计算机和云计算支持，也就是数据存储和计算的能力，然后出一系列论文，我们可能会在三大刊出专刊，专门讲大数据该往什么方向发展。

我去年在国民经济研究局做的主旨演讲提到，其实现在最大的问题可能还是定义问题，即什么是大数据。

我提出，第一是大。小的数据，在收集的过程中可能产生选择性偏差，通过大的数据进行分析，就可能得到不一样的结论。以我第一个大数据项目举例，当时我们得到了纳斯达克所有的交易数据以及买卖单的数据，买卖单数据比交易数据要大很多，但是美国规定只需要报告交易数据。但我将这两个数据一对比，发现不对劲。因为美国监管规定，如果你交易少于100股不用报告。这本是一个好心的监管，为了防止小型散户被割韭菜，但自从金融科技发展起来，却导致了反向的结果。因为机构可以通过计算机自动把100万股交易拆为比如2万个50股，就不用汇报了。实际上我们发现，低于100股的交易却拥有最多的信息。

这就涉及大数据，实际买卖单数据比监管的数据更大，监管的数据有选择性偏差。美国的监管体系是以人为主体设计的，对于大数据时代以机器为主的交易市场，旧的规则起到了正好反向的效果。当然，大数据的“大”是相对的。

第二是高维，在计量经济学里，我们有个原则就是，估计的参数数量不能超过观测值的数量，比如处理30个数据，不能估计60个参数吧。但是高维数据，要估计的参数比观测量还要多。比如，美国比较活跃的股票有几千支，我可以通过几千支股票的股价短时间内来预测别的某支股票价格。我们证明这是可以的。

第三是非结构。比如，我们通过微信对话留下的数据就是非结构的。把一个非结构的数据处理成有结构的，中间有很多方法。

所以我主持这些会议，就是讨论新技术、新产生的数据对监管、对整个经济学发展有什么影响。又比如，假设我通过微信私下告诉你，明天上证指数要涨，你看到后随手转给另外一位朋友，信息就这样传递开了。这叫口口相传，以前经济学没法研究口口相传的动态信息，因为我和你聊天没有记录，现在不一样了，云端都积存有交流数据。在大数据时代，有了新技术，原来很多不可以研究的问题一下子变得可以研究了。

所以我说的核心就是，大数据的研究方向其实在美国也没有完全看清楚。在这一系列会议后就涉及选取哪些论文的问题，那么判断哪些论文研究的问题是不是有意思，最重要的考虑标准就是，它研究或者使用的金融科技在多大程度上拓展了我们对世界的认识，是不是能在一些我们以前无法研究的问题上给出答案。

业界发展远远快于学界和监管界

NBD：对于金融科技时代的金融监管，目前来看，感觉确实富有挑战性。目前美国的监管科技发展得如何？您如何看当前美国的金融监管？对于金融科技时代的金融监管，您又有哪些思考和体会？

叶茂：金融科技的发展，从经济学学者的角度看，我觉得基本思路是，对任何一项金融创新首先要问，它是不是解决了经济学的某一个问题比方说减少了市场的摩擦。如果没有，这可能就不值得关注。

美国金融监管也存在一些问题，第一，很多金融科技，可能是监管本身造成的。比如刚才说的交易汇报阈值为一百股的问题。美国的交易监管体系是以人为主体设计的，最初是为了保护中小投资者不被“割韭菜”，现在反变成“割韭菜”的工具。所以我所做的就是把它的设计从以人为主体改进为人机混合。这样监管体系随市场而变化，效果最终会不一样。

第二，出台的一项新政策，有可能和旧政策是冲突的。美国近几年出现了一种新事物叫“暗池子”。就是在现有的证券交易所之外，有人另建交易平台吸引买卖双方按照证交所的价格交易，相当于我们说的场外交易。有人说要监管暗池：因为证交所好不容易发现的价格，被暗池直接盗过来用了。不过怎么监管？那就是你建立暗池也行，但交易价格必须高于证交所的价格。这看似一点问题没有，但美国另有立法规定，一家公司回购股票，为防止其操纵市场价格，要求挂单价格不能高于当时最高卖出价。就是说你只能在那挂着等别人卖，而不能主动接受别人的挂单。操纵价格，最简单就是，比如说国内有卖一到卖五，我把它全吃了，价格不就涨了嘛！但你挂单，对市场价格影响其实很小，因为同一价格上挂单有快有慢，但公司回购挂单速度肯定慢。因为美国对公司监管比较严，撮合者需要查你是否违反现有法律，这样挂单速度就慢了。于是挂单的公司就经常沦为队列的最后一个，甚至最终无法交易。

而在暗池里，交易可以不按先来后到排序，所以很多公司选择暗池回购，但现在监管要求暗池若要交易，买入价要比现在的卖出价高，但如果这样，你就是在操纵市场，因为之前已规定你不能高于卖出价，这两项监管要求本身就互相冲突了。根据我们的研究，公司没法回购了。所以，两个看似都很有道理的政策，放在一起就没道理了。

金融科技是非常复杂的，不停增加新的监管后，监管也变得愈加复杂，这些问题会始终出现在整个现代金融制度下，我相信每个国家都如此。最好的办法就是需要很多学者严肃地研究，这也是我要召开这些会议的原因。因为很多问题如果不看数据，是完全想不到的。

美国教育鼓励批判

NBD：我们知道您还曾获得伊利诺伊大学全校“年度教育家”称号，想请您谈谈您对美国教育的体会。也想请您介绍美国在金融科技教育方面的一些做法，以及您对金融科技教育方面的一些心得。

叶茂：关于教育体会，其实中国学生相对美国学生还是有很多优势的，中国学生更加好学。但我觉得美国教育有个优点就是，鼓励学生挑战教授。我上课时，其实经常有学生提出非常难回答的问题。

美国人在这方面从小就做得比较好，他不轻易接受一个观点。美国教育鼓励你批判地接受一个真理，这种精神是我们国家的教育需要很大程度上提高的。但不是说，中国学生就差，其实中国学生的底子很扎实，如果有更多的创新和批判精神，可以做得和美国人一样好，这一点我完全相信。

金融科技教育，就是工科和金融的结合，他们上课讲的是一些基本原理，他们的作业是什么？比如我的学生就要操作巨型计算机，不是要你成为这方面的天才，最重要的是克服对技术的恐惧，巨型机说难也难，但是真用过几次后，其实就得心应手。具体的技术问题远没有我们想得那么复杂，只是有时觉得这很难，可能就不去做这件事了。尤其是金融专业，本身也只用对巨型机掌握一些简单应用就够了。学生们毕竟还年轻，一旦克服了恐惧之后，其实可以走得更远。

再比如编程之类，其实最后不是要你亲自上阵编程，最重要的是你可以和与你学科背景不一样的人很好地合作和沟通，而不是说把你变成技术人才。要对别人做出的成果有足够的理解和尊重，这非常重要，因为不同学科的人思维方式很不一样，有时大的壁垒其实并非技术，而是思维方式。所以就是两点，第一是克服对技术的恐惧，第二是可以和技术背景的人合作，要求把金融人才变成编程人才，就本末倒置了。

NBD：从事金融交易时，学文科的和学理科的，从您的感受来看，二者在风格上有区别吗？

叶茂：这又谈到了前面讲的几种不同交易比如绝对高频的和稍低频一点的话题。在一个标准的投资基金里，其中的人学科背景是不太一样的。

绝对高频交易中，计算机背景的人可能是主要的，也有其他学科如统计等，文科的集中在相对低频上，他们要看公司报表。二者风格相差很大，差别大了就会出现文化冲突。

我相信金融企业会越来越多地出现类似情况，很大程度上，文科背景的要有适当的理工科思维，理工科的要有人文关怀，这是一个融合的过程。学科之间的技术差别还是次要的，思维方式的差别才是最需要重视的。最根本的就是，要敬畏自己不懂的学科，更要去了解，这非常重要。所以要有通识教育，大家不论学什么学科都要有一些基本的背景，才能更好地沟通、合作。小到金融大到国家，他和我不一样，但我们能够合作，这很重要。

封面图片来源：受访者供图