人工智能技能，尤其是天生式人工智能和大措辞模型（LLM），在金融领域广泛用于手动流程自动化、增强数据剖析和个性化客户互动。
一些交易员最近也转向人工智能进行价格剖析和预测。

虽然人工智能在交易方面供应了许多好处，例如增强的数据处理能力和实行大批量交易的能力，但它也带来了潜在道德问题、系统故障、网络攻击等风险，可能会对交易和市场稳定产生严重影响。

在交易领域无法完备依赖人工智能，量化交易不可放荡盛行的5大缘故原由：

缺少情商

人工智能善于处理大量数据和实行大量交易。

然而，它缺少人类交易者的情商，包括对市场感情和道德考量的理解，也便是说，上面这些情绪成分是机器无法复制的。

最近的研究表明，人工智能每每难以理解感情表达的背景和奇妙之处。

虽然人工智能在处理速率和处理大型数据集方面具有显著上风，但其缺少情商带来了重大寻衅，特殊是在须要人际关系和情绪互动的领域。

事实上，由于这个缘故原由，在治疗或医疗保健等情绪理解至关主要的领域，人工智能的局限性可能也非常明显。

过度依赖历史数据

人工智能系统紧张依赖历史数据进行预测和决策。

如果发生了前所未有的市场事宜，这就可能会给交易决策带来问题。
例如，近年来缺少监管的加密交易领域，所发生的 FTX 或币安等案例对市场行情的影响，就很难由AI系统做出判断。

此外，历史数据可能并不总是代表当前或未来的情形。

如果数据过期，就可能无法捕捉趋势、消费者行为、市场动态或监管环境的变革，导致人工智能系统根据不再存在的场景来做出预测。

有限的灵巧性温柔应性

与人类不同，人工智能算法有僵化的属性，可能无法快速适应溘然发生的市场变革。

人工智能系统是在其预定义的算法和参数范围内运行的。

它们在与演习条件类似的环境中表现出色，但在条件意外变革时就会碰着困难。

技能和经济变革的速率，每每超过人工智能系统的适应性，在交易等关键领域，人类对自动化系统的监督干预仍旧占主导地位。

道德和偏见问题

人工智能系统还可能根据其演习数据表现出偏见，从而导致决策过程中涌现道德问题。

如果演习数据包含偏见，人工智能的输出很可能会反响这些偏见，从而导致不公正或有偏见的决策。

这些偏见会影响从交易策略到客户互动的统统，因此须要对人工智能管理采纳谨慎的态度，并建立强大的人工监督框架。

对技能的依赖

过度依赖人工智能技能会带来风险，包括系统故障或网络攻击，这些都可能扰乱交易活动。

有几个具有影响的例子，解释了技能故障如何严重影响交易。

2012 年，由于交易算法支配缺点而导致的软件故障，导致 Knight Capital 丢失 4.4 亿美元。
该问题导致大量意外订单在几分钟内发送到市场。

同样，2013年，纳斯达克市场因软件故障而经历了重大中断，导致交易冻结了3个小时。

这些事宜表明，在交易环境中，强大而可靠的技能至关主要，也显示了过度依赖技能的风险。

（本文图片来自公开网络）

（END）