AI交易蔓延 金融市場「同步拋售」風險浮上檯面

人工智慧（AI）正深度介入金融機構的交易決策與信用判斷，市場同向波動的風險也因此成為新的討論焦點。問題核心不在單一AI模型的誤判，而在於多家機構的模型同時對相同訊號做出反應，形成集體行動的結構。

根據IMF（國際貨幣基金組織）7月23日的部落格文章，AI正逐步嵌入金融機構的風險定價、信用分配與壓力應對機制。在市場運作正常時，AI驅動的「交易」能提升流動性、降低交易成本，並加快價格發現速度。

在信用市場，AI同樣被用於詐欺偵測與風險評估。金融機構能藉此更快處理大量資料以評估放款風險，市場參與者也能將財報、公告與經濟新聞等非結構化資訊轉換為交易訊號。

然而，風險會在市場動盪時被放大。IMF分析指出，部分AI驅動基金調整投資組合的速度快於傳統策略，一旦多個模型對類似訊號同時反應，便可能放大價格波動。

「群聚行為」並非金融市場的新現象，但AI能加快決策速度、擴大應用範圍，使同方向的交易更快速地反映到市場上。

其運作邏輯並不複雜：同一項總體經濟衝擊若觸動多個模型的風險訊號，拋售與信用緊縮便可能同步發生。而資產價格下跌與流動性惡化，又會反過來強化模型發出的風險警訊。

這個循環若不斷重複，便可能形成「同步拋售」與價格下跌相互牽引的順週期效應。換言之，即使AI讓個別機構的風險管理更精細，就整體市場而言，「相關性」反而可能因此升高。

IMF在2024年發布的《全球金融穩定報告》也點出相同問題：AI雖能提升資本市場運作效率，但在壓力情境下，若AI交易策略對同一衝擊做出相似反應、甚至同時停止運作，市場波動速度與幅度都可能因此擴大。

報告並指出，AI驅動的「ETF」（指數股票型基金）規模雖仍偏小，但周轉率高於一般ETF。在2020年3月的市場動盪期間，部分AI驅動ETF的周轉率便曾明顯上升。

監理機關也有難以觸及的死角。若AI模型難以解釋其判斷邏輯，央行與金融監理機關恐怕會較晚才發現風險究竟在何處累積。

尤其當AI應用逐漸擴散至避險基金、自營交易商等「非銀行金融機構」時，市場監控將更加複雜。這類領域公開資訊較銀行業少、策略調整速度又快，使得監理單位更難掌握模型依賴程度與交易集中度。

速度是這場討論的核心關鍵「詞」。生成式AI能快速讀取財報、公告與經濟新聞等非結構化資訊，並將其轉換為交易訊號。IMF說明，自2017年「大型語言模型」（LLM）問世以來，美國聯準會（Fed）會議紀錄公布後15秒內的股價變動，與15分鐘後的走勢呈現出更高的一致性。

對市場參與者而言，這項議題應與AI基礎建設投資分開看待。AI能提升金融業效率是事實，但同時可能加深市場同步性的風險，兩者是並存的。

隨著AI預算、資料中心與AI晶片生態系的討論持續進行，金融業對模型的依賴程度、以及對外部技術供應商的集中程度，也應被視為獨立的檢視對象。這項議題的焦點並非特定的加密貨幣或半導體個股，而是整體金融市場結構對AI的依賴程度。

IMF表示，央行與金融監理機關應強化對AI驅動交易、放貸與監理科技的管理架構。同時也應更精準掌握AI使用現況、模型依賴程度與資產相關性風險，並擴大跨國之間在系統韌性與網路防禦上的合作。