算法接管交易之后，为什么还轮不到“机器人巴菲特”

在这场与 Lex Fridman 的对谈中，Michael Kearns 以亲历者视角梳理了算法交易在华尔街的发展路径：机器如何一步步接管交易执行与高频博弈，又为何在长期投资上依然力有不逮。这不仅是一段技术史，更是一份关于“时间尺度决定智能边界”的深刻洞见。

一切的起点：当交易所变成电子系统

理解算法交易，必须从一个看似不起眼、但决定一切的变化说起：金融交易的全面电子化。Kearns 回忆，在交易所还是人工喊单的年代，算法根本无从谈起；而“一旦交易所变成电子的，算法就可以通过 API 下单，和人坐在屏幕前做的事情一模一样，只是快得多”。

这一步改变的意义在于，它把交易从“人类手工行为”变成了“计算问题”。计算机可以实时读取海量行情数据，可以毫秒级地下单、撤单，而这些正是人类交易员的天然短板。Kearns 认为，这种演进并不只发生在金融领域，而是“算法和自动化在整个社会中扩张的一个缩影——它们总是先接管那些机器明显更擅长的事情”。

也正是在这个阶段，算法交易的第一个主战场出现了：不是预测未来，而是把一件已经确定要做的事情——下单——做得更聪明、更不伤自己。

算法最早征服的领域：把“大单”拆得足够聪明

Kearns 讲了一个非常具体、也极具画面感的故事：想象一家大型券商，面对的客户不是“买 100 股微软”的散户，而是“在一天之内买入巨量苹果股票”的对冲基金。如果你一次性把单子砸进市场，“你会把价格推着走，结果反而伤害了自己的成交价格”。

这就是所谓的“优化执行问题”（optimized execution problem）：如何在时间维度、不同交易所之间拆分订单，以尽量减少市场冲击。这本质上是一个控制与优化问题，而不是直觉或胆识的比拼。Kearns 直言：“这是机器更擅长的事情。我们知道如何用历史数据和实时数据，设计出比人更好的交易调度算法。”

在此基础上，另一类算法迅速崛起——高频交易（HFT）。它关注的是极短时间内的价差和微小失衡，例如不同交易所之间的瞬时错价，或由订单流结构引发的短暂方向性机会。用 Kearns 的话说，这些都属于“交易的力学层面（the mechanics of trading）”，而机器正是在这里建立了压倒性优势。

甜蜜点：机器最擅长的是“几秒到几天”的预测

当话题从“怎么交易”转向“预测什么”时，Kearns 给出了一个非常重要的判断：当前量化交易真正的“甜蜜点”，是在几秒到几天这个时间区间内的方向性预测。

他将这一类策略归入人们常说的“统计套利（stat arb）”，并特意澄清：在这里，它指的是对资产价格或收益率方向的预测，只不过这个预测的有效期很短。交易者在这个窗口期内建仓、持有、平仓，期望“低买高卖”。Kearns 指出，许多成功的量化对冲基金，正是长期耕耘在这个时间尺度上。

原因并不神秘：在这个尺度内，主要数据来源高度集中——几乎全部来自交易所本身的微观数据结构，外加少量突发新闻风险。正如他打的一个颇具黑色幽默的比方：“只要 CEO 不会在接下来的 500 毫秒内出事，我的模型就是好的。”机器不需要理解经济周期，也不关心国际政治，只要专注于眼前的数据流即可。

为什么长期投资仍然属于人类

真正的分水岭，出现在时间尺度被拉长之后。Kearns 用一个“漫画式的巴菲特”形象来说明这一点：巴菲特思考的是苹果公司“长期内在价值应该是多少”，甚至“他今天在干什么都不看”，然后一拿就是十年、二十年。

在这个世界里，风险的来源发生了质变。你必须穿越衰退、经济周期，面对战争、政治变局和人类集体情绪。数据不再来自单一、干净的交易所接口，而是分散在宏观经济、政策、社会事件等完全不同的时间尺度上。Kearns 坦言，机器学习界已经开始尝试攻克这一问题，例如他与费城联邦储备银行在宾夕法尼亚大学联合举办的“宏观经济预测中的机器学习”研讨会。

但结论并不乐观：“它反而让我更确信，我们还有很长的路要走。”因此，当被问到“华尔街上哪些工作最安全”时，他给出的答案颇为直白：那些做长期投资、需要形成‘观点’而不仅是优化算法的人，“在相当一段时间内都很安全”。于是他笑着总结道：“我暂时还没看到一个‘机器人沃伦·巴菲特’。”

总结

Kearns 的核心洞见在于：AI 在金融中的能力边界，不是由算力或算法名称决定的，而是由“时间尺度”决定的。越短的时间尺度，世界越像一个可控、可建模的系统；越长的时间尺度，不确定性就越来自人性、历史与结构性变化。这也给普通读者一个启发：与其恐惧“算法取代一切”，不如思考哪些判断仍然需要人类去承担——尤其是那些必须为长期后果负责的判断。

关键词： 算法交易， 高频交易， 统计套利， 机器学习， 长期投资

事实核查备注： Michael Kearns：宾夕法尼亚大学教授，算法交易研究者；Lex Fridman：播客主持人；视频发布时间：2019-11-21；核心技术概念：算法交易、优化执行（optimized execution）、高频交易（HFT）、统计套利（stat arb）、机器学习；公司示例：Apple、Microsoft；引用观点包括“算法先接管机器更擅长的事情”“甜蜜点在几秒到几天”“暂时还没有机器人沃伦·巴菲特”。