滚动当前，以大数据和人工智能技术为核心的金融科技正以不可阻挡之势迅猛崛起，不仅将重塑金融业的格局与生态，更将深刻影响人类未来的生活方式与行为方式。不少华尔街投资机构已经从“招募程序员来协助交易员，用软件执行交易策略”逐渐转变为“让程序员变成交易员，由程序员接管交易”，传统金融的交易模式正在经历着一场变革。
近日，在“银科控股杯”大学生智能交易大赛启动仪式暨“当投资遇上人工智能”学术讲座上，银科金融创新实验室首席学术顾问、哈佛大学统计学终身教授刘军认为，智能交易的发展需要金融专业知识、统计数学模型和人工智能技术的三者融合。数学中的概率论随机模型和决策论是金融理论的基础；统计学是数据分析的基本语言，研究在随机环境中的最佳策略、量化不确定性；人工智能则负责研究如何使计算机从经验数据中学习，从而完成预测。
哈佛大学统计学终身教授刘军
作为研究的基础，数据种类繁多。除了金融市场成交数据以外，还有经济指标、消费指标、市场情绪指标等等。随着大数据概念的发展，投资者越来越重视与金融不直接相关甚至看似无关的数据。“星巴克顾客人数、宜家停车数量、春节车运人流量，这些看似和金融风马牛不相及的数据，也会对交易产生影响。”刘军表示，不同模型对数据的解读都不尽相同。而金融数据本身的非稳态性和关联性更使得各种策略模型在预测市场方面难以行之有效。
正如华尔街两位建模大师伊曼纽尔·德曼（Emanuel Derman）和保罗·威尔莫特（Paul Wilmott）在《金融建模者宣言》中反思在2008年金融危机中所犯的错误，“金融学竭力仿效物理学来建立自身原理。但是市场是由人组成的，人受种种事件的影响而变化，所以事实上并不存在‘金融原理’，即使有，也无法验证”，“将数学应用到金融市场时必须非常谦卑。人们喜欢简单、完美的模型，而现实世界并不简单，完美的模型也不存在”。
讲座现场，香港数值算法公司CEO李克辛亦表示：“模型不是印钞机，交易策略也只是一种工具，我可能同时拥有多个策略，并且在对趋势把握不准的时候，我可能会选择放假休息，不执行任何交易”。并且，“资产配置并不是现在人工智能可以解决的问题，算法交易取代人类目前并无可能。”
复旦大学教授、摩根士丹利固定收益部前执行总经理孙健教授也就“量化和金融市场实务”为主题发表了演讲。他认为，在进入金融市场进行智能交易前，除了要打好包括统计学、数学、计算机学等相关学科的理论基础之外，还需要了解金融市场实务，明确交易目的。在资本市场中的投机交易、算法交易及衍生品交易中，都涉及到量化交易，当量化交易与金融市场实务相结合，资本中介将有更大的盈利空间。
据了解，本次“银科控股杯”大学生智能交易大赛将采用模拟交易和实盘交易结合的模式，通过初赛、复赛、决赛及现场答辩的环节，于今年9月决出冠亚季军和优胜选手。（实习记者徐嘉滢对本文亦有贡献）
