摘要：當(dāng)前，人工智能正在快速發(fā)展，在與金融行業(yè)的融合中產(chǎn)生了量化交易等大量應(yīng)用場景。AI的發(fā)展對我國建設(shè)統(tǒng)一開放性證券市場方面有什么影響？本文提出“人工智能+金融”的發(fā)展存在著“二律背反”規(guī)律，即正題是金融人工智能的發(fā)展降低證券市場的信息熵，提高了開放性市場的效率；反題是金融人工智能的發(fā)展提升證券市場信息熵值，降低了開放性市場的效率?；凇岸杀撤础币?guī)律的存在，人工智能未來對證券市場將同時著存在著兩種方向相反的影響。為確保金融人工智能的健康發(fā)展，建議監(jiān)管部門加強在“人工智能+”金融領(lǐng)域的監(jiān)管法規(guī)建設(shè)。

關(guān)鍵詞：開放性;證券市場;人工智能;“二律背反”

DOI：10.12433/zgkjtz.20242110

基金項目：江西省高校人文社會科學(xué)研究項目《數(shù)字金融對江西省高質(zhì)量發(fā)展的效應(yīng)及對策研究》（JJ20117）；江西省哲學(xué)社會科學(xué)重點研究基地項目《數(shù)字金融對發(fā)展江西省開放型經(jīng)濟的作用機制與對策研究》（23ZXSKJD43）；國家自然科學(xué)基金《國內(nèi)大循環(huán)主體地位導(dǎo)向下中國區(qū)域資本市場空間整合研究》（72263021）

一、引言

“人工智能+”的首次提出是在2024年的《政府工作報告》中。該文件首次提出開展“人工智能+”行動，這標(biāo)志著“人工智能+”這一新提法正式進(jìn)入國家政策層面，為發(fā)展數(shù)字經(jīng)濟、推進(jìn)數(shù)實融合指明了新的方向。通過“人工智能+”行動，政府期望利用新技術(shù)催生新質(zhì)生產(chǎn)力，為經(jīng)濟社會各個領(lǐng)域帶來新產(chǎn)業(yè)、新模式、新動能，發(fā)揮出乘數(shù)效應(yīng)。

關(guān)于構(gòu)建全國統(tǒng)一開放性市場的最新表述，是在2024年3月5日發(fā)布的《2024年國務(wù)院政府工作報告》中提出的。報告強調(diào)了加快全國統(tǒng)一大市場建設(shè)的重要性，并提出了具體的目標(biāo)和措施。根據(jù)報告，構(gòu)建統(tǒng)一開放型大市場的重點包括制定全國統(tǒng)一大市場建設(shè)標(biāo)準(zhǔn)指引，著力推動產(chǎn)權(quán)保護(hù)、市場準(zhǔn)入、公平競爭、社會信用等方面制度規(guī)則的統(tǒng)一，證券市場是其題中應(yīng)有之義。這些措施旨在深化要素市場化配置綜合改革試點，完善重點領(lǐng)域、新興領(lǐng)域、涉外領(lǐng)域的監(jiān)管規(guī)則，專項治理地方保護(hù)和市場分割等突出問題，從而強化市場監(jiān)管。

人工智能是用于模擬、延伸和擴展人的智能的應(yīng)用科學(xué)，已經(jīng)滲透到包括圖像識別、語音識別、自然語言處理等各個領(lǐng)域，并取得了重大突破。在醫(yī)療、金融、教育等領(lǐng)域，AI技術(shù)的應(yīng)用正在改變著行業(yè)生態(tài)。一方面，在開放性的市場體系下，鼓勵各類市場主體積極參與競爭和創(chuàng)新，意味著未來更多的行業(yè)企業(yè)將加入到“人工智能+”的激烈競爭中，共同推動人工智能技術(shù)的創(chuàng)新和發(fā)展；另一方面，開放性的市場也帶來了多元化的市場需求，促使人工智能技術(shù)不斷創(chuàng)新發(fā)展，促進(jìn)“人工智能+”在各行業(yè)的場景應(yīng)用。其中“人工智能+金融”就是人工智能技術(shù)在和金融行業(yè)的融合中產(chǎn)生的應(yīng)用場景。

人工智能在金融上的應(yīng)用還處于較早期，目前最有可能落地的場景是在公私募行業(yè)類的智能客服、量化投資的研究輔助等領(lǐng)域。未來，人工智能能否消除開放性證券市場的“噪音交易”，從而大幅降低證券市場中交易者的非理性行為，正是本文探討的核心問題。

二、“有效市場假說”及其悖論

法瑪于1965年提出了有效市場假說（EMH），假定理性的投資者根據(jù)預(yù)期效應(yīng)進(jìn)行無偏差的決策，在金融市場上資產(chǎn)的價格均能夠反映所有的公開信息。理性人假設(shè)認(rèn)為人是“萬能”的上帝，具有無限的信息處理和分析的能力，可以自覺地根據(jù)理性原則制定投資決策，調(diào)整交易數(shù)量，使其預(yù)期效用最大化。該理論一經(jīng)提出，許多經(jīng)濟學(xué)家就對此提出質(zhì)疑，其中最著名的是赫伯特·西蒙。他認(rèn)為，人類由于受時間、計算能力的限制，決策者往往會使用“快速或節(jié)省”的方法或依靠已有的經(jīng)驗做出決策，而不是像傳統(tǒng)理性人那樣不斷優(yōu)化追求效用最大化；人類的認(rèn)知能力有限，加上環(huán)境的非常復(fù)雜，人類在進(jìn)行長期行為規(guī)劃時的能力受到限制，會以滿意化而不是最優(yōu)化來安排搜索行為（1982）。

心理學(xué)實驗也表明，人類的學(xué)習(xí)、記憶、處理問題的能力受到心理能力的限制，并不能同時考慮問題的所有方面，而是會將問題簡化，只考慮與當(dāng)前問題有關(guān)的方面，卡尼曼與特韋爾斯基（1979）稱之為“框架依賴效應(yīng)”。在重復(fù)決策場合，人們常常會在心理與情緒上認(rèn)同某種決策方法或結(jié)論，不愿放棄現(xiàn)有的、已經(jīng)習(xí)慣的方法或狀態(tài)，偏好維持現(xiàn)狀。

金融市場的現(xiàn)實明顯有異于傳統(tǒng)金融理論所描述的價格規(guī)律，包括金融市場上價格的隨機性、獨立性、恒定性（正態(tài)分布），這被行為經(jīng)濟學(xué)家稱為市場“異象”。證券價格既沒有服從經(jīng)典金融理論提出的鐘形曲線，也不是相互獨立的，如1916～2003年間，道瓊斯平均工業(yè)指數(shù)的每日變動，并不是一個簡單的鐘形曲線。理論上，超過7%的波動統(tǒng)計概率上每30萬年才會有一次，但僅在20世紀(jì)就出現(xiàn)了48天。同樣，筆者利用2002年1月到2022年4月共1024周的滬深300和標(biāo)普500指數(shù)周市場數(shù)據(jù)，進(jìn)行描述性統(tǒng)計發(fā)現(xiàn)，以滬深300為代表的A股和以標(biāo)普500股為代表的美股的周收益率分布均有非正態(tài)性。從Jarque-Bera統(tǒng)計量也可以看出，滬深300的Jarque-Bera值為634，標(biāo)普500的Jarque-Bera值為2688。一般來講，在正態(tài)分布下的時間序列的Jarque-Bera統(tǒng)計量很低。

以我國A股市場為例，其歷史價格走勢表現(xiàn)出大幅波動的周期性特點。根據(jù)筆者計算，我國A股2001～2019年泡沫率（即股市價值受市場低迷情緒影響被低估）的均值為37.6%，總體處于溢價水平；中位數(shù)為23.1%，最大值發(fā)生在2007年，為178.32%；最小值為2005年，泡沫率為-30.71%，出現(xiàn)負(fù)泡沫率的僅有2005年、2008年和2018年（均以年底數(shù)據(jù)），分別為-30.71%、-11.2%和-3.5%。A股泡沫率的分布與正態(tài)分布相比，統(tǒng)計上呈現(xiàn)右偏（即正的泡沫率）和高峰（有較大極端值）的特征。標(biāo)準(zhǔn)差較高呈現(xiàn)不穩(wěn)定狀態(tài)，表明A股市場歷史上出現(xiàn)大起大落的行情特征。在對A股2001年以來的統(tǒng)計中，中國股票市場的價格與上市公司內(nèi)在價值相比，平均偏離37.6%。結(jié)合美國行為金融學(xué)家希勒的實證結(jié)果一起來看，中國和美國股票市場一樣長期采取處于價格高估和股市泡沫的狀態(tài)，這與有效市場假說的價格準(zhǔn)確反映價值的說法相悖。

為了更好地比照美國股市的價格偏離價值程度，我們做出中國股市內(nèi)在價值與實際價格（2001～2019）的走勢圖，與希勒計算的美國股市基本面價值與實際價格（1925～1999）對比，從中不難發(fā)現(xiàn)：①中美股票市場的內(nèi)在價值都是基本穩(wěn)定的，呈現(xiàn)緩慢穩(wěn)定的增長態(tài)勢；②中美股票市場的價格走勢則是大起大落，表現(xiàn)出低潮、高潮的周期性特點。從中美的股市表現(xiàn)來看，更容易得出“中美股市共同由市場情緒驅(qū)動，市場價格長期遠(yuǎn)離均衡位置”結(jié)論，否定了市場的理性人假設(shè)，行為金融學(xué)的預(yù)設(shè)立場更接近市場現(xiàn)實。

三、金融人工智能的“二律背反”規(guī)律

康德在《純粹理性批判》中提出了認(rèn)識論問題的四組“二律背反”，每個“二律背反”都分為正題和反題。例如，1.正題：世界在時間上和空間上是有限的； 反題：世界在時間上和空間上是無限的。2.正題：世界上的一切都是由單一的不可分的部分構(gòu)成的；反題：世界上沒有單一的東西，一切都是復(fù)雜的和可分的。以下我們以信息論中的熵理論來做類似的理論推理。熵是信息論中的一個重要概念，熵被用來衡量信息的混亂程度，即信息的不確定度。信息熵值越大，信息的不確定性越高；信息熵值低，說明信息的確定性越高。降低信息熵值的方法主要是提高信息處理效率、減少冗余信息和強化信息可預(yù)測性。

1.正題：金融人工智能的發(fā)展降低了證券市場的信息熵，提高了開放性市場的效率。

金融人工智能夠通過大數(shù)據(jù)算法以及機器學(xué)習(xí)，從海量信息中篩選有用信息，從而克服市場“信息不對稱”難題，減少市場“噪音交易者”的生存空間，并使證券的“影子價格”更加接近股市真實估值水平，推動解決市場泡沫等問題，進(jìn)而使證券市場迅速回歸有效狀態(tài)。信息效率的提高：

人工智能通過更有效地收集、處理和分析信息，幫助證券市場更準(zhǔn)確地反映企業(yè)基本面信息，提供更精確的風(fēng)險評估和管理工具。人工智能幫助監(jiān)管機構(gòu)更有效地檢測市場異常和潛在的不當(dāng)行為，維護(hù)市場秩序，使市場更加高效。人工智能系統(tǒng)可以提供一致的交易策略和決策，減少人為錯誤和情緒的影響，降低市場“噪音”。此外，人工智能可以提供更有效的教育和培訓(xùn)工具，幫助市場參與者更好地理解市場，做價值投資和理性投資者，降低市場頻繁交易的信息熵值。由此可見，金融人工智能有利于克服市場信息“不對稱”難題，推動解決前文提到的市場泡沫問題，從而使市場從無序回歸有效市場的均衡狀態(tài)。

2.反題：金融人工智能的發(fā)展提升了證券市場信息熵值，降低了開放性市場的效率。

與上文所述相反的是，人工智能引入了新的交易策略、算法和模型，這些新的元素使得市場更加多樣、更加復(fù)雜。例如，現(xiàn)實金融市場上的許多數(shù)據(jù)信息分析并不是僅僅依靠模型和算力就可以解決的，這種多樣性和復(fù)雜性可能會導(dǎo)致市場行為的不確定性增加。人工智能的應(yīng)用改變了市場參與者的行為和決策過程。例如，機器學(xué)習(xí)算法可以快速適應(yīng)新的市場條件，這可能導(dǎo)致市場動態(tài)的快速變化，增加了市場的熵值；人工智能增強了市場參與者處理和分析大量數(shù)據(jù)的能力，這可能導(dǎo)致市場信息的快速更新和傳播，增加市場的熵值。人工智能帶來的高頻交易等技術(shù)使得交易速度大大加快，這可能導(dǎo)致市場波動性的增加，從而增加了市場的熵值。

而且人工智能技術(shù)可能被用于市場操縱，如通過復(fù)雜的交易策略和算法來影響市場價格。例如，人工智能存在“黑盒問題”。人工智能系統(tǒng)，尤其是深度學(xué)習(xí)系統(tǒng)，通常被視為“黑盒”，其決策過程不透明，而這種不透明性增加了市場的不確定性。尤其是近期，我國A股市場出現(xiàn)大量的量化交易中出現(xiàn)交易頻率、報撤單頻率過高的情況，已被監(jiān)管者認(rèn)定為存在著量化交易這過度運用信息技術(shù)優(yōu)勢，給市場帶來了不公平性競爭。由此，人工智能等信息技術(shù)在證券市場的不規(guī)范或惡意使用，已經(jīng)引發(fā)了社會的極大關(guān)注。

辯證的兩個相反論題同時存在，本文稱之為人工智能與證券市場有效性的“二律背反”。金融市場本質(zhì)上是一個復(fù)雜博弈系統(tǒng)，本質(zhì)上其穩(wěn)定性來源于內(nèi)部交易策略的多樣性和交易主體的行為復(fù)雜性。但基于“二律背反”規(guī)律的存在，人工智能未來對證券市場將同時著存在著兩種方向相反的影響。發(fā)展金融人工智能是建設(shè)金融強國的必要手段，未來很長一個時期“人工智能+金融”也將是我國金融新質(zhì)生產(chǎn)力的重要賽道。

為保障金融人工智能在證券市場的良性發(fā)展，本文提出以下建議：

1.強化“人工智能+金融”領(lǐng)域的監(jiān)管法規(guī)建設(shè)，完善相關(guān)法律法規(guī)體系，清晰界定AI技術(shù)在金融投資領(lǐng)域內(nèi)的應(yīng)用范疇和限制條件，以保障AI技術(shù)應(yīng)用的合法性與合規(guī)性。

2.加大監(jiān)管力度，提高AI技術(shù)進(jìn)入金融市場的門檻，確保技術(shù)的可靠性和安全性。此舉旨在防范不法分子利用AI技術(shù)進(jìn)行金融欺詐、市場操縱等非法行為，維護(hù)金融市場的秩序和投資者的合法權(quán)益。另外通過這些措施，我們期望能夠構(gòu)建一個健康、有序、高效的金融人工智能生態(tài)系統(tǒng)，為我國的金融強國建設(shè)提供堅實的技術(shù)支撐。

參考文獻(xiàn)：

[1] Fama， E. F. （1965）. Random Walks in Stock Market Prices. Financial Analyst's Journal， 21（5）， 55-59.

[2]（美）赫伯特·西蒙.現(xiàn)代決策理論的基石[M].北京：北京經(jīng)濟學(xué)院出版社，1989.

[3] Kahneman， D.， and A. Tversky， Prospect Theory： An Analysis of Decision under Risk， Econometric，vol. 47（2），1979，263-291.

[4]（美）貝努瓦·B.曼德爾布羅特.市場的（錯誤）行為：風(fēng)險、破產(chǎn)與收益的分形觀點［M］.北京：中國人民大學(xué)出版社，2022.

[5]張宇，李靜.基于剩余收益模型的A股泡沫分析[J].商訊，2020，225（35）：80-81.

[6]鄧曉芒.《純粹理性批判》演講錄[M].北京：商務(wù)印書館，2015.

[7]張宇、李靜，新質(zhì)生產(chǎn)力：重塑金融和經(jīng)濟的未來[M].北京：研究出版社，2024