GenAI深度融合大语言模型与生成式技术，在语言处理、内容生成领域实现对传统AI的跨越式突破，于金融交易场景中展现出巨大的应用潜力，却也潜藏着市场稳定、数据隐私等多重风险。如何平衡创新应用和风险管控，成为各大经济体共同关注的话题。

上海期货交易所市场监查部秦弘谦在《北大金融评论》发文表示，金融机构依赖少数科技公司的预训练模型，可能导致输出的投资策略、风险管理及交易执行方案高度趋同，从而增加市场脆弱性。

本文完整版刊登于《北大金融评论》第25期。

GenAI深度融合大语言模型与生成式技术，在语言处理、内容生成领域实现对传统AI的跨越式突破，于金融交易场景中展现出巨大的应用潜力，却也潜藏着市场稳定、数据隐私等多重风险。如何平衡创新应用和风险管控，成为各大经济体共同关注的话题。本文针对GenAI 在金融交易应用中的特性，提出动态综合监管体系，从全链条主体风险评估和监管参数动态优化两个维度提出建议。

GenAI在金融交易中的应用

目前，GenAI 在金融交易中的应用已深度渗透至全流程，展现出重塑行业生态的潜力。在市场分析方面，咨询公司彭博开发了专门针对金融领域的GenAI 模型BloombergGPT，为客户提供市场数据分析、财报解析、新闻解读等服务；在决策制定方面，资管公司贝莱德通过引入GenAI，构建了智能辅助系统Aladdin Copilot，帮助机构客户更便捷地进行决策；在策略生成方面，对冲基金桥水推出了一支用AI 进行策略生成的基金，其业绩已堪比该公司由人类管理的基金；标的选取方面，摩根大通推出了基于GenAI 的智能指数创建工具IndexGPT，可以根据客户要求自动化创建特定主题指数；报单执行方面，基金公司AQR 通过GenAI 解析非结构化数据，整合研究成果，为交易信号提供支持。此外，GenAI 为量化交易的全流程自动化提供了可能。微软亚洲研究院推出的基于大语言模型的自动化研究与开发工具RD-Agent，可为客户完成从因子开发、模型生成、代码实现、测试验证到优化迭代的全自动化运行。

总体来看，GenAI 在金融交易领域的应用可以提高交易效率，降低专业门槛，进而增强市场流动性。但潜在的多重风险也可能对金融市场稳定、投资者权益构成威胁。

市场稳定性风险

1. 增强市场相关性与同质化程度

金融机构依赖少数科技公司的预训练模型，可能导致输出的投资策略、风险管理及交易执行方案高度趋同，从而增加市场脆弱性：一是引发同质化交易冲击，增强价格波动与顺周期性（OECD, 2023）；二是放大发生风险事件时对金融体系的冲击（Shabsigh and Boukherouaa, 2023），加剧流动性紧缩与资产价格波动；三是提升金融市场的关联性，增加此前不相关变量之间的相关性和依赖性（FSB, 2017）；四是引发羊群效应，当模型出现偏差时会扭曲资产价格（Leitner et al. , 2024）。

2. 提升市场集中度

GenAI 在基础设施、数据、算力等供应链的关键环节高度集中于少数头部企业。当核心服务商遭遇技术故障或网络攻击，其影响将沿高度互联的金融网络快速传导，将运营风险演变为金融稳定风险。外包服务的广泛使用与模型复杂性增加加剧了第三方风险敞口，倘若第三方供应商服务中断，可能导致金融稳定问题(Leitner et al. , 2024)。

扩大恶意使用影响

GenAI 易被用于诈骗、勒索、信息窃取、软件攻击、市场操纵等一系列网络犯罪行为。主要有三方面原因：一是强大的伪造能力。GenAI 既可以生成虚假的财经信息操纵市场，也可以伪造身份窃取敏感信息；二是较低的使用门槛。一些专门应用于网络犯罪的GenAI 应用如WormGPT、FraudGPT等可以根据使用者的自然语言指令自动执行网络攻击；三是模型自主操纵。研究表明，AI算法会通过自主操纵或与对手合谋的方法追求用户制定的目标(Azzutti, 2021)。纵使是经过训练已做到无害且诚实的GenAI 模型，仍可能在未被指示的情况下策略性地欺骗用户(Scheurer et al. , 2023)。