摘要：人们包括人们手中的机器往往只关注历时均值，也就是“5%”的平均收益情况，或者说关注中部数据，或者说关注“小起小落”的“噪音”；往往忽视“尾部风险”。

“AI不是救世主，不是无所不能，否则这个地球将非常无趣，我们都去火星上好了。”作为现代期权奠基者，诺贝尔经济学奖获得者迈伦·斯科尔斯（Myron Samuel Scholes）到沪，今（24日）晚在上海交通大学上海高级金融学院就金融创新的未来与风险发表主旨演讲，他同样高度关注人工智能在金融领域的发展。

斯科尔斯教授1983年起在斯坦福大学执教至今。他与自己重要的学术伙伴——哈佛大学教授罗伯特·默顿（Robert Merton）共同分享了1997年度诺贝尔经济学奖。在金融衍生产品定价理论及金融市场风险管理领域，这两位教授与已故经济学家费希尔·布莱克（Fisher Black）教授都作出了杰出贡献及前沿性研究。因此，以他们名字命名的“布莱克－斯科尔斯”期权定价公式，已成为金融机构设计金融新产品的核心工具之一。

有人说，金融是金钱的游戏，也是数字的游戏。在斯科尔斯看来，机构通常只有10%的数据得到保留，而且都是基础性数据，不是个性化数据。其实，大数据不仅要“有”，而且还有“快”；不仅是清算，而且是精算。从大数据中，不只是提高效率、降低成本，更应是产生增值。

“人记忆力很差，机器很好；人计算得很慢，机器很快。” 迈伦·斯科尔斯坦率地说，人必须和机器联合起来，才能算得又快又好。问题在于：让机器计算的数据，来自哪里？

在现场，斯科尔斯教授展现了三条“百年曲线”。位置最高的那条曲线，是最佳场景：1857年至今，当年投资1美元，如今会变成100万美元；中间那条是现实曲线，也就是1857年至今的复合收益率其实是5%，即当年投资的1美元如今变成了3000美元；而最底部的曲线其实是最糟糕的情况，平均地看，每隔四五年，市场就有一个低谷出现，因此复合收益率只有1%。

“开车，不能只看后视镜，而不看前面的道路。” 斯科尔斯这样说。但事实上，当前所谓人工智能的数据分析，基本是基于历史数据。“以往留下来的数据只是一帧快照，而未来则是一部电影。”更大的问题在于，人们给机器用于计算的数据，往往带有片面性，或者说一种不对称性。

他认为，处于市场底部的尾部数据，才是最重要的。因为，一旦市场进入底部，需要很长一段时间才能重新起色，才能恢复元气，比如历次金融危机。而现实中，人们包括人们手中的机器往往只关注历时均值，也就是“5%”的平均收益情况，或者说关注中部数据，或者说关注“小起小落”的“噪音”；往往忽视“尾部风险”，缺乏对尾部数据的算法。

因此，金融AI只挖掘之前已然发生的数据显然不够，大量数据并不可信，还需要校准，而且是动态核准。斯科尔斯比方说，人工智能下，数据挖掘与分析之后，打出的不是“炮弹”，而是应该是“导弹”。因为炮弹取决于既定的导向，而导弹可以中途制导。同时，在对数据时间序列的拓展之外，还有在空间上的科学分类。比如数据的池子有没有划分准确，数据池的边界是否清晰等。

斯科尔斯甚至拿自己拿手的数据模型工具“开刀”，认为模型也是需要动态调整的。因为，在市场上，总有欺诈者试图利用数据模型，从事“反向工程”，也就是将数据模型反过来运用，起到适得其反的反作用。因此，被认为计算公式的模型不能保持不变，“否则连你的竞争对手也会利用它，利用你模型的漏洞来战胜你。”

斯科尔斯表示，无论在美国、欧洲还是中国，金融发展速度越来越快，而其核心功能是不变的。金融发展必须满足3个重要条件：其一，让时间变得更快一点；其二，提供满足个性化需求的解决方案；其三，创造灵活性、选择性、期权性。

在他眼中，没有人比别人更聪明，创新必然有过失，同时必须从过失中学习。不确定性是金融的基石之一，同时金融又必须有对不确定性的制约因素。如果人或者机器都无法理解这种不确定性和制约因素，那么也就无法进行金融创新，更无法挣钱赚大钱。

他说，在互联互通的时代，运用AI人工智能分析金融数据还处于一个胚胎阶段，唯有一天，大部分数据不再来源于稳定的分布型数据，AI金融才能长足进步。因此，推动AI数据的高动态性，也是产学研深度融合的技术创新体系必须加快实现的。