國內證券市場用大數據監控老鼠倉的新聞還余音繞梁，華爾街已率領AI人工智能大軍征戰監管沙場了。
華爾街兩家交易所相繼宣布，計劃在未來幾個月內推出AI人工智能監管工具。交易監管機構稱，他們希望通過人工智更加快速、智慧地識別市場交易中的違規動作。
很早很早以前，市場大部分老鼠倉需要通過“舉報”才被發現，交易所顯得較為被動。
進入“大數據時代”后，交易所裝備升級武力值晉升，顧名思義通過挖掘數據來發現老鼠倉。簡單來說，先采集交易數據，然后人工“搭建模型”，將海量的交易數據按一定規則進行比對，主要包括價格、成交量、時間、空間四個方面，最后自動關聯、標記可疑的違規交易。
這樣一來，“大數據”監測系統基本能“秒殺”傳統老鼠倉模式。但在“后大數據時代”，不排除遇見更聰明的老鼠，基于數據經驗的傳統方法就無濟于事了。這時候，華爾街率先出動，開發AI人工智能系統進行監控，之所以要AI出動，引用原文的話說：
“ “除了識別傳統欺詐和違規手法外，人工智能的不同之處在于，可以識別新型違規交易。”金融業監管局（FINRA）執行副總裁市場監管Tom Gira說道。“監管者最大的擔憂其實是對新生操縱方法的不知情，而采用人工智能這種“主動學習”的監管工具，將為我們窺探未知方式打開了新窗。”
沒錯！AI人工智能最大的特點是“機器學習”，也是近些年AI概念火爆的核心技術。它的范疇很大，包括了深度學習（Deep Learning）、增強學習（Reinforcement Learning）、遷移學習（Transfer Learning）等多種模式，圍棋人機大戰里的功臣AlphaGo便是此技術。
本質上說，“機器學習”好比自動化的程序員大腦。交給它一部分數據和模型訓練，它會優化算法甚至歸納新的算法，在提高目標準確率的同時，發現新性能結果。
舉例來說，美國金融業監管局（FINRA）每天需要監視大約500億美元的市場指令，包括股票下單、修改、撤單和交易，并通過比對270種模式來發現潛在的違規行為。依賴傳統程式檢測交易數據的模式，算法對可疑的操縱行為發出信號，然后提示工作人員進行調查。不過由于數據量龐大，每天產生大量警報，當中大多還是誤報，這無疑會影響監管效率及成本。
但正在開發中的“機器學習”能夠超越這些既定模式，無需預先編程輸入已知知識或答案，就可以更快速、準確地“理解”哪些情況確實值得打上紅色標記。將“自學”判斷何種交易模式最終需要執法介入，從而正確地標記違規行為，甚至此前監管從未發現的違規方式。
美國金融業監管局（FINRA）預計明年開始測試這批AI監控軟件，而納斯達克和倫敦證券交易所則在今年年底就啟用這項技術。據悉，交易所還打算將這些軟件出售給銀行和基金公司，方便監管方隨時關注他們的交易員。
技術上，目前美國金融業監管局（FINRA）已將AI監控系統托管到亞馬遜云端，以進一步獲取強大的計算能力來分析大量數據，系統將在明年測試運行，并與現有算法結果進行比較。納斯達克也選擇與世界頂尖認知計算公司Digital Reasoning合作，倫敦證券交易所則與IBM旗下的沃森業務部、網絡安全公司Spark Cognition聯合開發AI監控系統。
（Ps:美國Google、Facebook、亞馬遜、IBM、微軟5家科技公司在今年組成人工智能聯盟。）
人工智能技術也許不一定會完全阻止某些事件，例如2010年股市崩盤，道瓊斯工業平均指數暴跌超過1000點。但AI監控技術一定會更迅速發現股市“黑天鵝事件”后的操縱行為，為市場監管者爭取寶貴時間，挽救大量財富。那些曾經需要調查人員花費幾年時間交叉引用歷史交易數據，才能完成對多家國際銀行交易員操縱外匯行為的證據搜集，現在AI人工智能技術瞬間就能完成。
AI人工智能除了運用在后臺監管上，美國人還將其應用在前線的交易評級中。人工智能創業公司Neurensic就推出一款評定交易員“誠信積分”的工具，該工具可以將交易員的每一次交易模式與監管者預設的可交易模式進行比對，自動為交易員的誠信度打分。
“這項應用可以幫助金融機構更有效率地運行，還能主動監督自己，避免逾越監管紅線。”Neurensic首席執行官David Widerhorn解釋道，他們還同時與監管機構合作，目前正在與兩家交易所商洽提供人工智能評級系統。
FOF組合
一鍵購買
場內貨幣
基金定投
以上部分圖片來源于網絡。
