商傳媒｜吳承岳／台北報導
人工智慧（AI）技術正深刻改變量化金融領域的職涯面貌，尤其在高頻交易（HFT）公司與電子交易市場，AI 的應用使得這些機構的生產力大幅提升，但同時也引發頂尖人才流向 AI 實驗室的現象。
量化交易員長期以來運用機器學習工具，如自然語言處理（NLP）與電腦視覺，從龐大資料集中尋找交易訊號。例如，NLP 技術能分析數百萬社群媒體貼文，從中萃取關於特定股票的市場情緒；強化學習（Reinforcement learning）則可用來開發自動執行演算法，確保交易在最有效率的時機完成。這些技術也應用於交易後數據分析，以持續提升模型效率，並協助量化風險團隊評估每位交易員應獲分配的資本。
為了因應這波趨勢，主要的高頻交易公司紛紛加大對 AI 的投入。簡街資本（Jane Street）自 2024 年起便鼓勵交易員使用 Python 開發交易策略，並偏好 PyTorch 框架，以加速策略迭代。該公司過去一年內將圖形處理器（GPU）數量增加一倍，目前已擁有數萬個 GPU。其他業者如 Quadrature Capital 也擁有約 2 萬個 GPU，而 XTX Markets 更公開其擁有 2.5 萬個 GPU 與 650 PB（拍位元組）可用儲存空間。Hudson River Trading 甚至允許員工每天在 AI Token 上花費 1,000 美元，顯示其對 AI 工具的高度重視。然而，簡街資本也面臨將現成程式開發工具整合至其獨特 OCaml 程式碼庫的挑戰。
儘管 AI 提高了資料處理量與分析速度，工作的本質並未改變。量化金融領域的研究、基礎建設和開發等職位正逐漸融合，企業尋求能夠跨領域流暢工作的複合型人才。前高頻交易員 Annanay Kapila 指出，能夠善用 AI 的頂尖人才將能變得極具生產力並創造巨額財富。具有人類判斷力的交易員，以及為公司獲取獨特數據的人才，例如法國電廠煙囪排放量的影像數據，其職位在 AI 時代反而更受保障且價值提升。初階量化交易員也能運用 AI 加速模型建構與演算法撰寫，更快測試新想法。但業界也有擔憂，認為候選人過度依賴 AI 可能導致核心程式開發與問題解決能力的喪失。
然而，AI 對電子交易職涯最大的衝擊，不僅止於工具應用，更體現在人才流動上。Anthropic 與 OpenAI 等頂尖 AI 實驗室正積極從高頻交易公司挖角人才，導致量化金融領域出現明顯的「人才外流（brain drain）」。消息人士指出，很少看到人才從 AI 實驗室回流至量化金融。Anthropic 為具量化金融背景的研究工程師開出高達 85 萬美元的年薪，外加可能大幅增值的股權。前簡街資本交易員 Grant Stenger 表示，兩者的核心工作實質相同，都是利用數據建立模型、在受限環境中執行並透過回饋迭代改進。不過，量化金融從業人員因工作圍繞市場運作，工時相對較少，而 AI 實驗室員工則因對事業的投入，普遍工時較長。
