当人工智能遇上市政债券市场：聊聊算法交易与AI预测

算法交易

时至今日，“算法交易”一词已经被广泛使用。但其真实含义却往往众说纷纭。

没关系，下面咱们就来捋捋这个概念的具体细节。

算法的定义并不复杂，甚至可以说相当简单。算法代表一组指令，使得计算机程序能够将不同的信息源（数据）组合起来以生成所需要的结果。

如今每当我们聊起算法，都肯定绕不开AI和数据这两大要素。二者同样简单明了：AI的核心是一种对数据进行组织、分析和应用，进而获取结果的方式。数据则是一切能够数字化并以数值形式呈现的内容。任何信息——包括照片、文本和语音——都可以数字化并表达成数值的形式。

而相应的输出结果既可以像确定数据集平均值一样简单，也可以像操控自动驾驶汽车的预测分析那般复杂。分析结果，而后改进并调整程序和数据输入以获取更好的结果，这就是机器学习或者深度学习的全部诉求。

至于交易，相信大家更加不会陌生——基本就是对买卖债券、股票、期权及其他金融工具的统称。

有趣的事实！算法这个概念源自Muhammad ibn Musa al-Khwarizmi，一位生活在公元780年左右的波斯数学天才。

实践中的算法交易

那么将二者结合起来，到底什么才是算法交易？

16Rock Asset Management公司首席投资官兼联合创始人James Pruskowski举了一个典型的例子。该公司的市政债券交易模型将AI与算法相结合，用以定期监控市场数据——包括交易、交易量、价差、买入申请、报价申请等输入。其采用一套编程模型以分析市场数据，再据此发现定价异常来寻找套利机会。通过定期更新买卖参数，计算机即可出价/买入和要价/卖出。

这是一个完全自动化的过程，所有操作都可以在几秒钟之内完成。新的交易数据将被上传、分析，模型则持续更新，以确定在新信息下可能出现的最佳机会。整个业务就在这样的循环当中持续运作。

James注意到，AI和算法交易正在清算市政零股市场（所谓零股交易，是指由面值为10万美元或以下债券的交易部分）。他还观察到，独立管理账户（SMA）的资产增长以及市政ETF（交易型开放指数基金），使得许多市场参与者只能被动接受价格。

无论是金融顾问还是ETF基金经理，当他们面临迫切的投资或者出售需求时，运营的复杂性往往迫使他们乃至大型零售电讯公司的操盘手被动接受价格。而这些价格往往反映出收益率较高的要价与收益率较低的出价。相应地，从这些交易中得出的市场基准曲线（如ICE美国市政AAA曲线）水平，也反映出更有利于这些价格接受者的低价、高收益交易。在James看来，这就是被动一方在当今市场上主动定义盈利机会的途径。

Brownstone Investment Group算法交易主管Josh Rosenblum（此前曾任该公司市政交易策略主管）则提出了不同观点。通过将共同基金与SMA顾问持有的数十亿美元资产管理与电子交易平台相结合，他认为买方企业完全可以实现从价格接受者到价格制定者的地位转变。此外，通过这些平台，买方企业可以直接相互交易。经纪人和客户之间的关系正演变为一种合作伙伴关系，旨在建立起互惠互利的工作流程。

根据他的观察，在算法交易的驱动下，零股市场上已经出现了价差缩小的征兆，并指出AI生成的预测定价分析也建立起能够自我实现的定价预言。如果模型认为债券的下一笔交易很有可能以某个价位进行估值，那么投资者愿意接受的最高买入和卖出价也基本将在这个区间之内小幅浮动。也就是说，AI预测正在塑造现实。此外，交易的另外一方“投资者”同样可能更多体现AI模型的判断。虽然这也能带来积极的影响，例如更好的市场流动性，但对于计算机及AI模型的过度依赖也必然引发新的挑战。

James和Josh不约而同地认为，AI、电子交易平台和算法交易正引发新一轮技术军备竞赛。只要无法在其中成为领先者，就必然被市场所抛弃，于是无人想要落后的焦虑感正促使这类技术得到迅猛应用。

这一点在执行速度上体现得尤其明显。如果你的交易速度不能比竞争对手更快，我们就买不到债券。没有债券就没有业绩，没有业绩就吸引不了投资者。这是一场真正的生死较量。

经纪交易商的采购与自建难题

使用算法交易的并不仅仅是自营基金。

对于希望在市政债券市场保持活跃的经纪交易商来说，这又是个典型的自建还是采购的决策难题。多伦多道明银行曾在2021年收购Headland Tech Holdings；短短一年之后，Raymond James又收购了SumRidge Partners，希望借此推动以技术为支柱实现交易业务拓展的持续战略。各大经纪交易商和资产管理公司（例如高盛和贝莱德）则大多追求内部自建以保持竞争力，但其聘请顶尖软件工程师的行为也经常被解读为另外一种收购行为。不过与此同时，也有评级企业选择直接放弃市政债券：花旗集团于2023年宣布正式关停市政债券业务。

债券与对话

鉴于其对市场造成的直接影响，整个行业对于算法交易的关注也完全可以理解。然而，还有另外一种基于算法的技术有望对市场产生同样的影响。

ChatGPT就是一种基于算法，更具体地讲是基于大语言模型的机器学习方案。其建立在GPT（生成式预训练transformer）架构之上，旨在理解并生成与人类语言能力相似的文本结果。其采用的并非单一算法，而是一整套涉及大量组件的复杂系统。当然，整个过程仍然可以描述为一种使用机器学习根据其所见数据中的模式生成响应的算法。

事实上，前面这一整段就是由ChatGPT编写而成。

作为一项令人着迷的新兴技术，从规划中美洲游轮旅行到生成Python代码，再到实施髋关节转换手术的前沿程序，ChatGPT几乎让我们能够想象的一切都触手可及。输入一个问题，几秒钟之后ChatGPT就能给出答案。

而且具体交互方式还不限于输入文本来获取答案。任何使用过苹果Siri或者亚马逊Alexa的朋友都能感受到语音交流的震撼。在另一方面，Speechify可以将任意内容转换成音频——包括文本、PDF文档和电子邮件——并以高质量的合成语音读给用户听。

如果更喜欢视频形式，那Pictory能够提供文生视频、URL生视频、PPT生视频等多种视频生成功能。大家可以把这整篇文章粘贴到Pictory当中，看看这项技术如何把简单的文字笔记转换成好莱坞风格的大片视频。

简而言之，AI有着无限的交互能力。只要敢想，完全可以在任何通信介质当中提供AI实现。

其中当然也包括与市政债券的“对话”。

很多朋友可能会好奇，为什么要跟债券“对话”？我们以Munibonds.ai公司为例，这家建立于2024年的企业提供AI聊天功能。用户可以输入关于债券的问题，应用程序则会生成非常详尽的答复。这种用户驱动的输入功能显然要比局限生极强、僵化生硬的下拉菜单列表强大得多。

只要拥有已披露的信息，无论是初步官方声明还是近期季度财务报告，应用程序都会找到数据并生成答案，进而将市政债券市场上的海量PDF文件转化成机器可读的内容。而这还只是AI应用的现状或者说起点。

Munibonds.ai不仅仅提供交互式搜索功能，还可以通过跟踪用户查询和其他外部市场数据，针对任意债券提供市场情绪分析并给出投资组合与竞标清单建议。是的，就是这么强大。

它甚至还提供数字“债券排名”。虽然还没到信用评级的程度，但只要辅以正确的用户提示词，聊天技术生成的报告（包括一系列基本面分析）已经与标准信用评级报告相当接近。

通过建立定制化需求参数并自动化执行流程，从投资组合经理、交易员、分析师到合规官，每个人都能以近实时方式获取任何债券或者投资组合的信用、结构、收益用途、市场情绪及其他决策或者报告信息。

他们唯一要做的，就是提出问题。

预测未来

面向市政债券市场的AI预测

我们可以设想一个完美的拉普拉斯AI模型，它拥有宇宙中过去和现在每一个数据块的完整知识，达到了全知全能的至高境界，能够完美且准确地预测未来。这样的系统究竟是天使还是恶魔虽然有待商榷，但在持续关注AI领域的动态之后，我们会发现这显然就是那帮开发和应用AI方案的人们想要达成的最终目标。

当然，这个目标永远不可能彻底实现。但对于市政债券市场来说，即使只是通过AI获取到的知识一步步逼近相似结果，也要比现有的粗糙解决方案精确得多。

因此，以下是我个人对于AI之于市政债券未来前景的趋势性预测：

1. 整个市场的技术进步与采用速度将持续加快。
2. 任何能够自动化的市场流程终将自动化。
3. 从经纪商到投资顾问再到交易平台，整个市场将迎来进一步整合。
4. 市场将变得更加透明和分散。
5. 将为市政债券发行人开发出一级市场电子货架融资机制。
6. 市场将采用标准化、数字化的官方声明，采取XBRL格式的统一报告分类方法，持续披露机器或者类似算法可直接访问的格式。
7. 由当前零股交易与机构交易估值间的结构性失衡导致的定价差异，将逐渐消失。
8. 为了保持市场地位，信用评级结果将更多采取基于概率的数字排名。
9. 气候变化指标将对信用分析和评级产生更大的影响。
10. 这些市场演变趋势将比多数人的预期快得多。

诺贝尔物理学奖得主尼尔斯·玻尔曾经说过，预测很难，特别是关于未来的预测更难，人们很容易用“这永远不会发生”来粗暴否定一切当前仅存在于想象当中的预测。

但在大家匆忙作出判断之前，请留意一点：在技术领域，真正的问题永远不是“能不能做到”、而是“该怎么做”，然后就是“能多快做成”。

因为如果历史真的给我们留下了什么启示，那就是有这样一点被证明永远正确：

只有技术能够笑到最后。