Regulatory Considerations Regarding Accelerated Use of AI in Securities Markets
International Monetary Fund2026-01-0957 页
报告概述
本技术说明由国际货币基金组织（IMF）发布，旨在梳理人工智能（AI）在证券市场中的应用现状、监管挑战及应对建议。报告聚焦AI在资产管理、批发交易、机器人投顾、新经纪和众筹五个关键领域的采用情况，分析了数据挑战、市场集中度、合谋风险、另类数据使用及针对零售投资者的不当行为等问题。报告还综述了国际标准制定机构及发达经济体与新兴市场和发展中经济体的监管举措，提出了七项针对市场监管机构的建议，涵盖提升监管能力、利用技术工具、比例化市场监控、增强透明度、社交媒体监测、跨境合作及应对集中度风险。该报告为证券市场监管者提供了应对AI加速应用的实用框架。
报告的核心结论
AI在证券市场中的应用目前主要是现有趋势的延伸，更显著的变化预计在中长期出现。
报告指出，多数金融机构当前对AI的使用仍是现有先进分析工具的扩展，尚未出现颠覆性变革。生成式AI等新技术的规模部署仍需充分的尽职调查和测试。监管者需为未来更快速的AI整合做好准备，同时关注新出现的风险。
数据相关挑战是监管AI在证券市场应用的核心难题。
报告强调，数据质量、可用性和碎片化问题在资源有限的新兴市场尤为突出。训练数据中的偏差或低质量可能导致不可靠的模型输出，而另类数据的使用增加了市场公平性和信息不对称风险。监管者需优先构建基础数据能力。
AI可能通过无意识协调产生类似合谋的市场行为，对传统监管框架构成挑战。
报告指出，独立运行的AI交易系统在反复交互中可能自主演化出协同行为，虽无明确合谋意图，但可能导致价格升高、价差扩大等反竞争效果。这种涌现行为难以通过传统的意图测试检测，需要新的监控指标和监管工具。
新兴市场和发展中经济体面临追赶技术和防范风险的双重压力，需采取比例化方法。
报告认为，资源有限的监管机构既要发展基础市场监管，又要应对AI带来的新风险。建议优先建设基础数据能力和监督框架，利用区域合作共享技术平台，并针对零售投资者高参与度的市场设计专门的披露和保护措施。
监管者应提升自身AI能力，并利用技术工具增强市场监控。
报告建议监管机构建立专门团队，强化AI相关技能，并与学术界和行业合作。同时可部署安全的监控平台，利用开放源码工具进行市场情绪分析。对于资源受限的机构，可考虑区域共享平台以降低成本。
报告回答的关键问题
AI在证券市场的主要应用领域有哪些？
报告指出，AI在证券市场的关键应用集中在五个领域：资产管理（如投资组合优化、另类数据分析）、批发交易（算法交易、高频交易）、机器人投顾（自动化投资建议）、新经纪（数字化经纪平台提供低成本服务）和众筹（预测成功、匹配投资者）。这些领域在发达经济体和新兴市场中的采用程度差异较大。
AI在证券市场中会带来哪些金融稳定风险？
报告引用IMF《全球金融稳定报告》指出，AI可能加剧市场波动、提高关联性、增加第三方服务商依赖的运营风险，并放大网络攻击和市场操纵风险。具体包括：AI交易策略高度相关时可能引发闪崩；活动转向非银行金融中介带来监控困难；以及对少数AI基础设施提供商的依赖可能成为系统性风险来源。
监管机构如何应对AI带来的合谋风险？
报告建议监管机构关注AI系统无意识协同的行为，采用新的监控指标如订单交易比、取消修改统计等，并加强透明度要求，要求披露算法关键假设和人类监督角色。同时，可利用社会媒体情绪监测识别潜在的协调行为。对于资源和能力有限的监管者，应从基础指标开始，逐步完善监控框架。
新兴市场应如何监管AI在证券市场的应用？
报告建议新兴市场采取比例化方法：优先建立基础数据整合和标准化框架，利用区域合作平台共享技术和成本，针对零售投资者集中的特点设计简化的信息披露和投资者教育材料，并逐步提升内部AI监管技能。同时应关注全球金融巨头与本地机构之间的技术差距，防止监管套利。
报告中的代表性数据
美国418%，其他发达经济体140%，新兴市场172%
机器人投顾资产管理规模年复合增长率（2017-2023）
2017-2023，数据显示美国机器人投顾AUM增速远高于其他地区，但新兴市场的增速与发达经济体（除美国外）相当，反映了新兴市场对数字金融解决方案的强劲需求。
64%
投资专业人士使用另类数据的比例
2024，CFA协会2024年全球调查显示，64%的投资专业人士已使用另类数据，其中48%来自开放来源。另类数据包括卫星图像、社交媒体、网页抓取等，其广泛应用带来了数据质量和市场公平性风险。
超过50%的算法交易占比，80%的订单来自托管设施
印度国家证券交易所算法交易相关交易占比
2024，印度股市算法交易高度发达，SEBI已建立包括算法注册、托管改革、零售算法交易规范在内的监管框架，但仍需平衡创新与投资者保护。
以上数据根据报告摘要整理，具体统计口径和数值请以完整报告原文为准。
完整报告包含什么
- AI在资产管理中的深度应用，包括深度学习优化投资组合、自然语言处理分析非结构化数据、生成式AI进行情景模拟和合成数据生成。
- 批发交易领域算法交易和高频交易的发展趋势，以及美国、欧洲、亚洲和拉丁美洲的采用率对比。
- 机器人投顾的四代演进模型，从单产品到AI驱动的全自动投资，以及全球资产管理规模增长数据。
- 新经纪平台的增长分析，包括用户渗透率、每用户资产与人均国民总收入的比例，以及新兴市场中零售投资者暴露度上升的趋势。
- 众筹活动中AI用于自动化内容生成、投资者匹配和个性化互动，以及全球众筹交易量和平均交易规模数据。
- 市场合谋与AI协调行为的详细比较分析（Box 1），区分有意合谋和无意协调的监管挑战。
- 对31个主要司法管辖区的监管响应梳理，包括国家层面（国家AI战略、数据治理、网络安全）和监管层面（外展、澄清、原则性指引、执法）的对比图表。
- 具体案例：印度SEBI算法交易监管演变（2008年至今）、泰国SEC高频交易研究、中国生成式AI管理规定等。
- 七项详细监管建议的实施路径，包括增强AI监管能力、利用技术工具、比例化市场监控、透明度要求、社会媒体监控、跨境合作及应对集中度风险。
- 附录：关键概念解释，涵盖电子交易、算法交易、高频交易、机器人投顾、新经纪、AI、机器学习、生成式AI等定义及层次关系图。
本页内容由川海智库整理，用于帮助读者快速了解报告主题、核心观点和主要内容。由于报告量大、人工能力有限，部分观点、数据、统计口径或表述可能存在偏差，具体内容请以完整报告原文为准。
