摘要

生成式人工智能（GenAI）正迅速与各行业相结合，推动生产力变革性提升。通过GenAI，场外（OTC）衍生品的参与机构可在日益复杂的市场中挖掘效率、创新和合规方面的新机遇。GenAI在辅助衍生品协议高效创建、提取衍生品交易合约摘要、总结各司法辖区法规、检查交易文件、编码应用程序、分析交易数据、支持保证金及抵押品管理等运营、创建模型测试合成数据等方面有广阔的应用场景。GenAI的应用也面临数据泄露、模型偏见、模型失效等带来的挑战和声誉、合规、法律等风险。为此，建议市场机构采取措施来应对这些挑战和风险，具体包括建立针对自身或第三方供应商GenAI应用的全面治理框架、确保只有公司的最终决策负责人同意才能采用AI生成的重大建议或陈述、制定全面的网络和数据安全政策避免网络攻击和恶意使用GenAI，以及制定模型风险缓解政策确保模型符合预期结果并可快速纠偏等。

引言

生成式人工智能（GenAI）是一套新型算法，可以通过合成现有内容自动生成新内容。与传统的人工智能（AI）模型依赖于预先存在的数据集进行预测或分类不同，GenAI可以根据训练数据中学习到的模式创建全新的内容。

GenAI的发展受到深度学习架构、计算资源和算法创新的进步推动。在过去十年中，研究人员在提高生成模型的稳定性、可扩展性和表现力等方面取得重大进展，为各个领域的广泛采用铺平了道路。注意力机制、转换器架构和自监督学习等技术进步促进了GenAI在输出高保真和多样化结果方面的成功。此外，大规模数据集和开源框架的可得性使得 GenAI工具的获取变得大众化，赋予研究和从业人员更多机会探索它的潜在应用。

本质上讲，GenAI利用生成对抗网络、变分自编码器和深度强化学习等技术来模拟类似于人类想象力的创造性过程。通过合成新的数据点或场景，GenAI实现了从图像生成和自然语言处理到药物发现和金融建模的应用，其关键特征包括以下三点。①创造力，即GenAI可以产生展现创造力和原创性的新内容，挑战了AI仅是模式识别的传统观念；②适应性，即GenAI模型可适应不断变化的环境和数据分布，允许随时间持续学习和改进；③不确定性处理，GenAI承认不确定性并将其量化，计算出反映模型对其预测的置信概率。

场外衍生品市场是全球金融的奠基石，为广泛的资产和负债提供风险管理、对冲和价格发现，但仍面临着某些挑战，包括运营低效、监管复杂和风险管理问题。GenAI的出现代表着一个变革性的机会，可以彻底改变传统做法并推动创新。通过利用GenAI的力量，市场参与者可以为交易效率、透明度和合规性开辟新道路，重塑场外衍生品交易的未来。本文探讨GenAI在解决衍生品行业面临的关键挑战方面蕴含的潜力，提供对GenAI应用、益处、挑战和未来展望的见解。通过全面分析，为利益相关者提供一个路线图，以利用GenAI驾驭不断发展的场外衍生品交易格局。

GenAI在衍生品行业中的潜在应用

本节探讨在衍生品生态系统中，GenAI可推动价值创造和重塑传统实践的各种潜在用例。从自动化交易策略、风险管理、监管合规到市场监督，GenAI可以改变衍生品在数字时代的交易、管理和监管方式。

▍语言的创造和总结

GenAI尤为擅长创造和总结语言，便利人类理解书面内容，例如，复杂的法律文件、信函和非结构化数据。

1. 创建衍生品文件凭借其总结和生成内容的能力，GenAI有潜力协助市场机构起草和谈判衍生品协议和文件。

①协助起草交易确认书。将交易数据和公司内部交易条款转化为交易确认书可能是一个耗时耗力的过程，复杂的、非标准的交易更是如此。这个过程存在人为错误风险、前后不一致、高运营成本，以及为了满足监管或审计要求而造成的运营效率低下等一系列挑战。机构可通过使用行业标准文件、公司首选条款和补充内容、公司先例确认书等数据来训练GenAI模型。当有新的产品、商业条款或交易对手被引入时，GenAI 将能够使用适当的术语和公司法律部门偏好的语言习惯来生成模板确认书。此类文件可以结合特定交易对手和司法管辖区相关的条例被填充，模型也可以基于特定或客制化的交易条件建议相应的条款。

②支持衍生品协议和文件谈判。例如，当交易对手要求更改某项条款时，模型可以综合已知的市场标准、先例和公认的合同语言或交易条款的输入，从公司的立场草拟回应并分析对交易或交易关系的潜在影响。与手工先例检索和烦琐的人工审查相比，GenAI有助于提高流程效率，确保当下的合同与既定先例和市场标准保持一致。它还可以根据公司的风险偏好和其他一些关键要素设定，基于某些参数提供答复建议的备选方案。它还可以审查文件为谈判准备讨论问题清单，并帮助公司准备谈话要点或论据，以支持其在每个问题上的立场，同时考虑支持谈判各方立场的理由、谈判历史或其他缓解问题影响的条款。

③校对法律协议和相关文件（例如，披露、定义、协议修订等），并标记文件内的不一致之处以及与既定先例或市场标准的偏差，提高内部操作的一致性，减少起草过程中人为错误。它还可以修改简单的语法和格式问题，提升最终文件的“精品度”。

④自动执行协议签署部分流程。法律协议经过充分谈判并完成后，GenAI可以自动执行部分行政任务，如文件定稿、准备并发送签名页、在收到签名时自动确定文件日期，以及准备文件的预印部分。这可减少行政负担，节省时间，并最大限度地降低错误风险。

2. 提取非结构化数据

GenAI为按照普遍认可的数据框架和标准对现有数据和文档进行改善整合提供了机会。例如，通用域模型（Common Domain Model，CDM）[1]作为一个框架，可将衍生品等金融工具的交易组成部分和生命周期事件数字化，为整个行业提供一个通用的数字标准。这种数字化可用于增强金融机构和市场设施之间的透明度和可解释性。

2023年2月，ISDA会同相关机构启动CDM项目[2]，该项目下的CDM是完全开源的，但该模型与现有系统的整合存在源于系统内在的挑战，例如，各种文件中非结构化、定性数据的转换。衍生品生命周期中相关的文件（例如，主确认协议，MCAs）数量不断增加，这促进了业界对标准化的需求，但有些产品可能没有标准化的确认模板[3]，即使是有标准化模板的MCA也可能包含许多非结构化条款。[4]为了进行衍生品交易处理，需要将这类非结构化文件的数据进行维护并整合到结构化的表格数据框架、存储库和通用数据模型中，运营团队必须进行费力的人工操作。

为帮助应对这些挑战，可对GenAI模型进行训练，使其自动将物理文档、非结构化交易数据和非标准条款转换为符合行业通用数据框架和标准（例如，CDM或所处司法管辖区的交易存储库要求）的结构化表格输出，具体方法是分析数据模式，识别数据元素缺失或需要增添的地方，以满足相关要求。[5]

同样，GenAI可以利用自然语言处理和理解能力，回答内部利益相关者的一般询问，并就交易确认提供咨询意见。经过训练，GenAI能够理解ISDA主协议、ISDA产品定义和市场参与者交易确认书的内容和结构，学会识别问题的意图，从交易确认、文档和定义中提取相关信息，然后以自然易懂的语言对有关交易条款、各方义务、估值或结算机制等问题做出回应，并提供文档中相关部分的链接，例如，ISDA MyLibrary[6]中数字化的ISDA定义或由ISDA Creat[7]数字化获取的相关ISDA主协议。

3. 交易报告和监管分析

自全球金融危机和2009年9月匹兹堡G20峰会（简称“匹兹堡峰会”）以来，提高OTC衍生品市场的透明度一直是监管的优先事项。G20成员国在匹兹堡峰会承诺将要求市场机构向指定交易报告库报告所有OTC衍生品合约。GenAI既可以帮助监管机构更好地处理分析交易数据，也可以支持市场机构更轻松地应对复杂烦琐的交易报告。

①支持监管机构识别异常交易数据。引入交易报告有利于监管机构更清晰地掌握衍生品市场运行状况。但要达到这个目标，还需要有强大的交易报告数据分析工具来处理衍生品交易方提供的大量数据（ISDA，2023）。监管机构已讨论使用AI促进监管合规监控的可能性，包括使用AI工具检测监管数据中的异常。例如，美国商品期货交易委员会（CFTC）已开发出一个AI模型，用于识别交易所报告的监管数据中以前未被发现的数据异常。除此之外，还有其他监控和检测市场不当行为的相关用例。[8]

②支持市场机构更全面、更高效、更精准地理解并执行交易报告要求。为了确保监管机构能全面准确掌握衍生品市场活动，交易报告的规则得到一致的解释和实施是非常重要的，特别是对于应用双边报告的司法管辖区。[9]为了提高监管报告义务履行的全面性、及时性和准确性，GenAI模型可以消化、处理和解释监管规则和指南，为市场机构提供一套明确定义的要求，以便在不同产品类型和司法管辖区之间审查和应用，具体表现在三方面。第一，总体层面上，GenAI可以提高市场机构对每个司法管辖区监管义务的整体理解。交易标识符（如唯一产品标识码[10]和OTC衍生品国际证券识别号码）是监管报告的基本要素，目前已成为各司法管辖区监管报告要求的关键组成部分。保持这些标识符生成和应用的一致性是交易监管报告中至关重要的一部分。监管机构要求每笔交易报告成百上千个数据点，因此全面且准确地理解规则非常关键，而GenAI有助于增强市场机构理解的全面性。第二，GenAI可用于监控交易报告要求的变化，并提供初步影响评估。交易报告的要求修订既有以问答指南形式发布的细微改动，也有对技术标准的重大修订。通过GenAI的监控和分析，有助于市场参与者更快适应监管报告规则的变动。第三，GenAI可在全球层面应用，识别不同司法辖区针对相同（或相似）交易的报告要求差异。尽管引入关键数据要素（CDE）[11]使交易报告字段的要求更趋统一，但每个司法管辖区仍有其独特的字段和报告要求，市场机构仍需分别处理所涉司法管辖区的交易报告。目前所有G20司法辖区的交易报告相关规则、技术标准和指南多达数千页，由人类进行完全审查和分析是非常困难的，但通过GenAI可以很容易识别不同司法辖区之间报告要求的差异，使市场参与者能够在更广泛监管生态系统中更精确地分析和理解报告要求。

随着报告规则和基础数据本身通过CDE和CDM等倡议变得越来越标准化，GenAI模型的上述力量将会继续增强，例如，其还可检查现有报告流程中的错误或其他问题，就异常潜在原因和修复方法提供建议，进一步降低监管合规成本（European Banking Authority，2021）。

▍开发和维护应用程序

相对于现货交易，衍生品交易的生命周期较长，后台维护衍生品头寸的流程是极为复杂的，很大程度上依赖于应用软件和市场工具。因此，在衍生品市场中存在与应用程序开发相关的各种GenAI用例。例如，需求收集、功能代码生成、测试范围建议、自动化测试、测试优化和非功能/基础设施要求等。

起步阶段，GenAI模型就已被证明可通过Github Copilot等应用加快软件工程进度。麦肯锡公司发现，使用GenAI支持编码的软件工程师工作效率提高了56%（Mckinsey，2023）。市场供应商、工具和第三方应用程序提供商可以利用GenAI来改进软件设计、构建、测试和验证中的手动流程。

各司法辖区交易报告要求、不同类型衍生品定义文件、主协议标准、清算所保证金估值方法、合约压缩标准、数据结构标准（如CDM）等在不断动态更新，一般需要衍生品业务系统做出配套改造，通过GenAI可加快衍生品应用软件迭代更新的潜力，为解决后端流程整合和转型中许多现有挑战提供机会（Acuiti，2021）。

需求收集环节，当上述各类监管规则、产品规范、估值方法、数据标准等宣布更新时，GenAI中间层或工具可进行解析，并生成易于解释的系统变更文档和软件修订需求。

需求收集过程之后，将GenAI“副驾驶（Co-pilot）”融合到开发人员控制台中，可改进软件开发，提高开发效率，特别是在单元测试和重复任务方面（KPMG，2023）。GenAI可用于非技术的业务用户与工具输出间的交互，还可监控和总结跨不同组件的应用程序的非功能表现。这将确保关键的市场基础设施符合企业或行业层面的法律和安全标准要求。

持续、自动化的回归测试和结果记录可使GenAI通过工作流程工具发现代码“缺陷”和改进机会，这些信息会分配给相应的产品主题专家（SME）进行开发优先级排序。一旦通过相关产品主题专家的审核批准，这些更新连同代码变动和单元测试用例就可以自动整合到现有系统中供开发审查。

对此类代码变更的跟踪也将变得更精密，并能更好地在内部报告，有利于满足代码覆盖要求。应用程序组件及其功能变更的可追溯性增强，将使我们能够对回归风险、测试用例自动化和端到端测试流程优化提出更准确的建议。软件开发中这些传统的手动流程是导致市场基础架构软件升级周期长的部分原因。通过GenAI实现的自动化可以将生产率提高30%（Birgitta&Ryan，2023）。

▍支持数据分析和信息洞察

1. 市场洞察

通过集成分析大量结构化和非结构化数据来生成市场洞察是衍生品等金融市场参与者可以挖掘GenAI潜力的一个领域。GenAI能够快速观察和分析大量基于文本信息及其他原始的非结构化或半结构化数据（OECD，2023），为市场参与者提供新的市场洞察。

例如，如果突发的全球事件影响世界各地的市场，GenAI可以快速全面地分析任何语言和形式的关于该事件的所有新闻报道和社交媒体帖子——即使对一个大型的人类交易员团队，这也是短时间无法完成的任务。在GenAI出现之前，人类交易员根本没有时间或资源来考虑与某些市场事件相关的大量数据。交易员和投资者可以使用GenAI的这种输出来衡量市场情绪，评估市场情绪趋势，并相应地调整他们的交易策略。

GenAI强大的分析能力不仅局限于基于文本的数据，还可以扩展到音频和视觉数据。众所周知，美联储联邦公开市场委员会（FOMC）的声明和会议记录会影响世界各地的市场（David&Francesco，2009）。除了简单分析FOMC通告的文本内容外，GenAI还可以分析非文本信息，如FOMC官员的语气、语音模式和肢体语言，并与过去的行为进行比较，从而对FOMC成员传达的非语言信号获得额外的洞察（Douglas et al.，2024）。这些额外的洞察可能提供对FOMC通告更微妙的理解，能以传统纯文本或数字数据分析无法做到的方式影响收益率变动。另一个例子，是中央银行使用的大型语言模型（LLMs），用于总结对企业家、经济学家和市场专家的采访，并生成他们市场情绪的时间序列，作为预测国内生产总值（GDP）的一个因素。

因此，GenAI在为衍生品行业提供有价值的市场洞察方面具有重大潜力，通过分析大量历史和实时市场数据，可以发现人类分析师可能不容易察觉的模式、趋势和相关性，帮助市场参与者做出更明智的交易投资或风险管理决策，具体可应用在以下不同场景。①生成预测模型。GenAI算法可分析历史市场数据，包括价格变动、交易量和波动性模式，以开发能够高度准确预测未来市场趋势的模型，帮助交易员识别具有盈利潜力的交易机会，预测市场变动并相应地调整交易策略。GenAI还具有预测包括衍生品在内的各种资产类别的市场趋势、波动性和相关性的能力，帮助投资者预测市场变动并相应地调整其投资策略。②支持情景分析和压力测支持情景分析和压力测试。GenAI通过分析历史市场数据和风险因素可识别衍生品组合中的潜在风险。通过预测不利事件的可能性并模拟各种市场情景及其潜在影响，GenAI可以帮助风险经理和投资组合经理更好地理解衍生品组合固有的风险，优化风险管理策略，更主动有效地分配资本并对冲缓解潜在风险。③挖掘新产品开发机会。产品开发机会。GenAI分析市场数据和投资者偏好，将能够识别新衍生品的新兴趋势和机会。通过更好地理解市场需求和投资者行为，金融机构可以开发更具创新性的衍生产品，把握新的市场机会。

2. 分析和测试策略

鉴于其强大的数据分析能力，GenAI有潜力加强量化交易策略，缓解大宗交易对市场波动的影响，提高交易系统运营效率。

一些研究提出了一个框架，利用GenAI合成各种市场代理（参与者）来模拟真实的市场微观结构（Andrea et al. 2021）。这种多代理方法的优势在于捕捉市场对增量交易的反应。基于代理的环境帮助交易员进行回测，评估交易策略，并通过生成适当的场景确保交易员在实施前可完善和优化算法。它还可以在执行交易前用于评估交易对市场的潜在影响，特别是在流动性较差的市场，即使是一笔小额交易也可能导致显著的价格变动。

另一个例子是使用GenAI创建压力情景下的时间序列。正如Jean-Noël（2023）所指出的，一些研究论文（Rama et al.，2023）暗示基于GenAI的监管指标（如风险价值、预期损失）可以提供准确的尾部风险估计。然而，由于模型缺乏透明度，将基于GenAI的估计正式纳入监管指标和模型仍具挑战性。

3. 机构风险分析

风险分析是金融机构用来管理风险的工具。机构风险分析涉及获取和处理大量内部跨产品的机构数据，以对某些风险事件进行剖析并制定应对措施。通过机构风险分析创建的风险概况可用于管理风险，为合规和监督以及针对意外情况的应急计划提供信息。

全球系统重要性银行和其他大型金融机构可能无法很好地应对某些风险事件，如英国国债危机[12]、全球利率因通胀上升和国际冲突而急剧上升等。其核心原因是，这些机构可能无法从其内部数据集生成有意义的风险概况。衍生品是全球银行业和资本市场的重要组成部分，对最大的机构而言，衍生品业务的合同数量可能多达数万份（Christan& Andrew，2019）。而单个合同，包括ISDA主协议和相关抵押品文件，包含数百个数据点。[13]在机构层面收集和汇总后，这些数据可提供有意义的见解，增强金融机构对特定市场或机构风险事件的敏感性，从而做出安全有效的应对。

尽管数据采集等操作流程自动化多年来一直是AI系统的传统用例（Deloitte AI Institute，2023），但即使在最大的全球金融机构中，机构范围内的数据也往往不以有意义的方式被理解或采集。大型数据分析团队进行的人工数据提取和不准确的自动数据读取程序，影响了金融机构准确理解和管理其风险的能力（European Securities and Markets Authority，2023）。近期针对这个问题的一个解决方案，是开发和实施企业级的GenAI系统。本质上讲，这些系统是利用合成数据或内部数据进行训练和开发的，这可能会缓解机构对外披露专有数据相关风险的重大顾虑，还可以降低成本，通过应用程序编程接口（APIs）可以弥合内部系统和数据存储库之间的差距。通过企业级GenAI系统，不仅可用于捕获机构内的数据，还可从大型内部数据集中生成风险应对措施，这可能包括来自ISDA主协议和信用支持附件等的文书条款。

4. 交易对手信用风险管理

交易对手信用风险是指交易对手可能在衍生品交易的现金流最终结算之前未能履行其合同义务（可能违约）的风险。交易对手信用风险包括市场机构对交易对手的风险敞口和该交易对手的信用质量，这两者都受市场条件影响。而且，如果交易对手在最终结算之前违约，非违约方将不得不考虑重置交易，并面临重置风险，即非违约方无法用足够类似交易重置已违约的原交易，将产生重置交易成本。由于衍生品交易的市场价值可能在交易期间发生变化，交易对手信用风险和重置风险是交易双方都面临的双边损失风险。

交易对手信用风险管理需要结合风险管理技术和市场洞察，涉及信用、市场和运营三类风险管理，因此GenAI在交易对手信用风险管理领域有着广阔的应用空间。目前，GenAI在交易对手信用风险管理的应用仍处于初级阶段（Marco，2023），未来可能包括以下几个场景：①支持在险价值计算和压力测试，这可能会带来更多的价值，前提是信用度指标要基于高置信度，对市场变动预测要准确且时间跨度大。②自动执行风险容忍度规则，金融机构或许能够设置总体风险容忍度、特定交易对手风险容忍度或特定交易员风险容忍度，GenAI能够执行设定的容忍度限制，同时在必要的范围内向管理层和/或董事会实时报告风险水平。这些报告甚至可以处理计算的弱点或局限性、可能影响其准确性和可靠性的其他情况（Marco，2023）。③早期预警信号和违约概率的预测。即GenAI可以根据与交易对手有关的所有公开信息，包括新近传播的新闻报道，预警交易对手信用风险，预测违约概率。④根据当前市场价格或替代比率提供实时计算的替代风险。GenAI的这些模型，考虑了一系列经济和金融因素，并根据系统中预设的对冲规则，可提供各种对冲建议。在模型帮助下，风险对冲者可能对某些风险因素（如国家风险）进行系统性自主分析。

▍提高保证金管理和合成数据运营效率

除了提升数据分析、文档总结和开发效率外，GenAI还可以提升某些运营效率，特别是公司对保证金的管理和对合成数据的使用。

1. 保证金管理ChatGPT插件可以嵌入中央对手方（CCP）保证金模拟器中，通过API连接以支持用户查询其保证金要求的结果。CCP的保证金计算器将执行计算保证金的繁重工作，ChatGPT插件可以被用于与用户进行自然语言交流的界面。保证金模拟器的交互将是直观和互动的，可以改善用户体验，降低使用CCP保证金模拟器的技能和知识门槛，提高公司抵押品管理实践的效率。

2. 合成数据的使用

在部分市场数据缺失或不可靠的情况下，GenAI可通过捕捉真实数据的经验特征等而生成准数据，即合成数据。GenAI在补充和插入合成数据上表现出色，特别是在评估言语和分类数据方面尤其优于人类。

有专家提出，跨机构共享金融数据可能有助于全球GDP增长（Olivia et al.，2021）。然而，跨机构共享数据带来许多监管、安全、隐私等方面的挑战。一个替代解决方案是使用GenAI创建的合成数据，它提供了更深入的洞察，且不会引起安全或隐私问题。合成数据的重要性在零售银行业中尤为凸显，因为在零售银行业中真实数据的访问通常由于保密和监管原因受到限制（Samuel et al.，2020）。

一些主要银行已开始使用合成数据来补充市场交易数据，用于识别欺诈和洗钱行为。[14]合成数据的使用还促进了金融机构和学术界之间的合作，这可能改进金融建模，而不会引起与使用真实数据相关的保密问题。

合成数据可用于AI机器学习的训练和测试模型的稳健性 （Ghiath&Bachir，2023）。通过使用有限的真实数据，并在手动调整的帮助下，这些算法可以创建大量的合成数据，成本比获得相同质量的真实数据低得多。一些研究甚至得出结论，在某些领域，使用合成数据训练的GenAI可能比使用真实数据产生更令人满意的结果。[15]

然而，合成数据的质量仍然有其值得担忧的地方，因为已有一些在线信息由AI生成，因此基于此类数据生成的合成数据，本质上是基于合成数据的合成数据，这可能导致GenAI行为出现进一步缺陷。

GenAI有可能显著扩大合成数据在金融领域的使用范围（Ghiath&El Bachir，2023）。算法创建的合成数据在缓解真实数据中的不平衡和偏见方面具有优势，算法可以根据有限的真实案例模拟数千个类似场景。通过利用可信的金融数据，GenAI可能会产生大量相关和可用的合成数据。通过应用这些数据，市场机构可以更容易地为特定功能（例如，交易对手信用风险分析）定制其AI训练。

▍促进新兴市场和发展中经济体衍生品市场发展

随着新兴市场和发展中经济体（EMDEs）在未来几十年逐渐成熟，将有越来越多的机会发展衍生品市场，以实现风险管理，提高现货的流动性，并降低现货的融资成本。EMDEs还可能寻求减少对外国金融机构的依赖，更直接参与全球衍生品市场。GenAI可用于支持和促进 EMDEs发展安全、高效的衍生品市场，并更好地参与全球市场。

目前，EMDEs发展衍生品市场的关键障碍包括以下几方面：一是与终止净额结算和抵押品安排的法律可执行性有关的问题；二是对衍生品使用的全面限制；三是缺乏适当的监管框架来管理市场；四是由于缺乏衍生品相关培训等原因造成的人力资本不足；五是缺乏交易衍生品的市场基础设施和系统（如IT系统、交易存储库和中央对手方）；六是当地市场潜在的系统性风险。

GenAI可能通过以下方式缓解其中一些障碍：一是生成关于终止净额结算和抵押品交换的本地法律障碍的初步法律意见，并准备净额结算和抵押品立法草案；二是为当地市场机构生成适用性报告，做到仅针对高风险或不成熟的市场机构限制衍生品交易；三是根据国际标准，并结合EMDEs的经济法律要求量身定制生成衍生品市场的监管政策[16]；四是通过聊天机器人等方式提供培训和协助，以促进对衍生品产品及其相关的法律、监管和合同框架的理解；五是结合国际实践和当地要求，生成报告以识别发展本地衍生品市场所需的关键基础设施和系统、实施此类系统的关键里程碑和成本，以及可能由当地服务提供商开发的系统领域；六是准备监管最佳实践政策和实时报告系统，以有效识别和管理系统性风险[17]和市场波动性。[18]同时，GenAI可以提供EMDEs不可用或过于昂贵的服务。例如，简化和加速引入交易报告规则，使市场机构能更有效和准确实施要求。

虽然本文提及的与GenAI相关的风险同样适用于EMDEs的背景，但这些经济体还需要根据当地市场条件进行个性化风险评估。例如，由于在EMDEs市场机构通常没有适当的网络安全系统，因此GenAI系统收集的数据和GenAI系统本身被网络攻击破坏的风险可能会让人尤其担忧。总之，GenAI可能在加速EMDEs衍生品市场发展方面发挥重要作用，但需要结合EMDEs的具体情况考虑适用性。运用GenAI面临的挑战、风险和应对

▍监管面临的挑战和应对

GenAI快速发展对衍生品市场监管带来了重大挑战和风险，主要表现在以下几方面。第一，如何界定AI系统开展的衍生品交易责任是监管面临的关键挑战。监管机构缺乏关于在交易活动中部署AI的明确指导，导致在发生系统错误、市场操纵或其他意外后果的情况下，如何确定责任归属存在模糊性。如果没有规范AI在衍生品市场中使用的健全法规，就可能出现市场混乱、不公平竞争甚至是系统性风险。第二，GenAI模型固有的复杂性和不透明性，使得有效理解、监控和控制这些系统具有挑战性（Corinne，2018）。GenAI模型可以自主学习和调整，这可能导致违反现有市场法规的不可预测行为。第三，GenAI技术的快速发展不仅给各司法辖区内既有的衍生品监管框架带来挑战，在全球范围内也需要一个全面监管框架解决跨司法辖区的各种问题。目前，不同国家之间监管方法存在差异，这增加了在具有跨境属性的衍生品市场中使用管理 GenAI的复杂性。[19]

针对上述监管领域的挑战和风险，建议监管机构、行业专家和AI开发人员之间开展合作，建立全面的指导方针和监管标准，将透明度纳入AI系统，可以增强监管合规，更好地监督和理解这些复杂模型。同时，制定一些促进在金融领域负责任地使用AI的倡议和行业标准也是很有必要的。虽然每个地区可能在具体监管规则上有细微差异，但建立跨境合作并采用全球公认的原则，有利于建立更加连贯的监管框架，确保跨境金融机构在全球范围内更负责任地使用GenAI进行衍生品交易。

▍数据及网络安全风险和应对

1. 数据相关风险

（1）数据泄露

开源式或开放访问的GenAI对各类用户公开可用、轻松易得，这使得应用能更快普及，但也增加了无意中数据泄露的风险。因为许多公共的GenAI系统允许用户自动加入（Ghiath&Bachir，2023），并持续使用用户输入来训练和微调其模型。用户可以通过开放文本框将任何类型的数据引入GenAI工具，包括机密或敏感的机构/个人数据，例如，个人/机构财务状况，交易金额、日期和交易对手等金融信息。一旦输入，这些数据就成为GenAI模型的一部分，其他用户就可以通过提示访问该数据。这意味着任何输入公开可用GenAI工具的机密或高度敏感的机构/个人信息可能面临无意中向其他用户或公众披露的风险。几个GenAI提供商明确承认这一特定风险，并在其使用条款中声明，他们无法确保系统用户提供的信息和数据的安全性和机密性。

非公开的机构版GenAI允许用户更好地跟踪和删除用于训练和提示 GenAI模型的信息。然而，机构版GenAI也有局限性，比如，鉴于GenAI模型的“黑箱”[20]性质，很难有效跟踪或删除模型存储的机密数据，并识别访问过该数据的用户。因此，机构至少需要对授权访问和使用这些信息的人员进行严格控制，以避免潜在的数据泄露。例如，为了遵守有关数据保护和隐私的法律法规（如欧盟的《通用数据保护条例》），机构可能需要添加一些流程，如在GenAI模型中使用某些数据前，获得数据主体的明确同意并告知其权利义务。

（2）知识产权损失或侵权 

当未经权利持有人许可使用想法、发明、创意作品、标志、品牌名称和商业秘密来训练GenAI模型时，可能引发知识产权损失或侵权，这可能会给输入训练材料的机构和使用生成输出的机构均带来重大风险。

例如，当用户将商业秘密信息输入GenAI模型时，就会导致信息公开可用并可能破坏商业秘密的基本权利（Chris，2023）。当未经权利持有人许可使用受版权保护的材料（如文章、图像、代码或音乐）进行模型训练时，输入训练材料的机构就可能面临知识产权侵权。当GenAI模型学习了受版权保护的材料，生成类似的复制品或替代品时，将进一步削弱原作者的权利。有时，GenAI模型会注明原作者和引用材料，然而引用可能不准确，甚至可能捏造内容并错误地将内容归属某些作者，这可能会对作者产生不良影响。[21]

当个人或公司使用GenAI模型生成的输出，而该输出侵犯他人的知识产权时，也可能发生知识产权侵权。例如，用户可能提示GenAI模型创建代码，但用于训练GenAI模型生成源代码的数据可能包含专有代码或具有许可限制的开源代码。如果在未获得适当许可的情况下使用GenAI生成的源代码，用户可能面临知识产权侵权风险。

虽然目前正在开展相关工作，允许作者有权选择不再将其内容用于训练GenAI模型，并提供基础内容的参考来源，但这些努力并不能消除知识产权损失或侵犯的风险。

（3）数据质量

当用于训练和操作GenAI模型的数据不准确、不完整、不一致或有偏见时，可能导致产生不可靠、有误导性或有害的输出。例如，如果用于预测市场走势或交易对手信用度的数据被破坏或操纵，GenAI工具可能会产生错误或欺诈性结果，导致亏损、声誉损害或法律责任。但是，如果评估该数据的GenAI模型本身缺乏质量和完整性，即使数据质量很高也可能被滥用。而模型的质量取决于是否有能力不带偏见地评估数据，以及是否有适当的参数来权衡特定数据的重要性。此外，工具的局限性或盲点可能被别有用心的人利用，这也是风险之一。

2. 网络安全相关风险

AI在衍生品市场中的另一个主要风险是数据和AI系统本身的网络安全和隐私。金融机构可以访问大型数据集，其中可能包括个人或机构等敏感或机密的信息，如客户身份、财务交易等。这些数据容易受到网络攻击、数据泄露和未经授权的访问，可能会危及数据和AI系统的机密性、完整性、可信度、性能和可用性。

企业应该意识到威胁可能是内部的，也可能是外部的。例如，GenAI可被利用来生成更复杂的网络钓鱼信息和电子邮件，或为恶意行为者提供机会冒充个人或机构，导致身份盗窃或欺诈行为增多。根据美国国土安全部的研究，深度伪造技术的扩散，会生成更逼真的视频、音频或图像，可能对机构和个人造成严重损害。

如果没有适当的安全措施，GenAI可能会为网络攻击创造新的机会，并造成巨大影响。新形式的网络攻击包括以下几种：一是对抗性攻击，即针对金融机构使用的AI系统，尝试恶意操纵、欺骗输入或输出，带来系统不可预测的行为和错误输出；二是提示注入，即通过恶意输入操纵模型并导致模型采取意外行动；三是训练数据中毒，通过篡改数据或微调 GenAI训练数据造成漏洞，可能导致意外后果，例如，偏见、进一步的漏洞或后门，从而可能损害模型的安全性、有效性或行为。

由于缺乏对数据真实性和中立性的控制和信心，外部数据源增加了此类风险。这些威胁对金融机构构成重大隐患，并有可能加强风险在金融机构间的传导，引发系统性风险。

3. 应对建议

针对GenAI带来的数据相关风险，金融机构需要建立健全数据治理框架和流程，涵盖从收集到处置的整个数据生命周期，确保用于GenAI的数据具有高质量、相关性和可信度。此外，公司应定期验证和测试数据和GenAI模型，以确保它们适合目的、可靠且无偏见，具体操作上可以通过监控和保留模型生成的输出，以跟踪表现并识别设计缺陷或偏见。

数据壁垒和权限的设置应符合机构内部信息隔离相关要求，这有助于确保原始数据仅用于其被收集时所确立的明确用途，不被非相关部门利用，因此任何受到保密协议约束或受到其他限制的数据（例如，特定的个人信息、第三方知识产权）必须易于识别，以防止将其用作输入数据。同时，除原始数据外，生成数据的重复使用，以及如何使用生成的数据来训练或微调GenAI模型都应该被慎重考虑。

网络安全风险可能威胁金融服务行业的完整性。金融机构需要实施强有力的网络安全和隐私保护措施，如加密、身份验证、授权、防火墙和备份系统。这些措施应从一开始就实施，并遵循安全设计和隐私设计的最佳实践。同时，应更加强调进行定期网络安全和隐私评估，以确保数据质量、数据保护以及安全措施被遵循和有效执行。

虽然机构可以实施结构性数据和网络安全风险缓解策略，但重要的是，机构要认识到最佳的方法是加强培训提高员工对风险的认识，并提供适当指导，说明如何使用GenAI系统以及评估数据是否适合输入GenAI模型。

▍模型的风险和应对

1. 模型风险

传统AI模型风险思维应扩展到GenAI模型这样的新类别。像传统AI一样，GenAI系统至少基于一个模型，这些模型的任务是预测某个信息单元（例如，文本、像素、音频）与其他类似信息一起出现的可能性。例如，大型语言模型（LLM）通常的任务是预测在给定其他标记组合之后，一个标记（单词的音节）出现的概率。通过连续给定每个这样的概率，LLM可以预测并生成应该立即出现的文本。使用这些模型使机构面临传统的AI模型风险。

除了传统AI模型风险外，GenAI至少在以下几个方面创造了新的模型风险焦点。①可解释性方面，传统上一是依靠敏感性分析，即当其中一个输入变量（如利率）向一个方向移动时，模型是否以正确的方式反应；二是通过特征重要性识别，确认哪些模型输入变量对预测很重要。由于AI具有创造性，上述主流方法在GenAI应用时可能需要进行改进。②GenAI模型复杂性已达到新高度，通过增加计算参数的数量等简单方法提高模型的精度，可能会产生误导或缺乏实用性。与模型的“有效维度”相关的新想法可能会被证明是更有用的。③大多数GenAI模型的技术复杂性通常是前所未有的。例如，许多大模型即使开展单个预测，也需要调用运行图形处理单元集群，因此在选择自建或外购模型时需要对技术复杂度有更合理的思考判断。

GenAI的不断发展意味着许多模型风险仍需被识别。因此，对正在开发和使用GenAI的机构来说，确定新的挑战和考虑可能会带来回报。有两个容易引起新型风险的事实需要引起注意。①GenAI依赖于生成器，决定了GenAI的底层模型如何生成内容，例如，LLM的“生成器”可能是一个规则，如“每次都选择概率最高的下一个标记”。但生成器有时容易被忽视，其可能会出现幻觉，并创造影响输出准确度的新型模型风险。②这些模型可以通过选择其输入来“优化”，例如，在LLM模型中通过“提示工程”（Prompt Engineering）进行提示词调整，以更好地将模型调适并应用于不同的场景和研究领域。但目前没有具体的数学理论描述是什么构成“调整”（Tuning）。这意味着，我们无从得知，某种情况下似乎有效的提示，在另一情况下是继续适用还是产生相反效果。这种不确定性至少部分是由于在产生提示时使用的是“启发”方法（Heuristics）而不是“优化”方法（Optimizations）造成的。

2. 应对建议

制定解决模型风险的最佳实践对于金融服务行业应用和发展GenAI具有重要的意义，在具体做法上有如下建议。一是需要分离组件，仔细确认某个风险属于GenAI系统的哪个组件。比如，在LLMs模型的例子中，AI幻觉是生成器的特征，而不是底层模型的特征。二是确定哪些风险是新的，哪些是过去就已存在的。如果GenAI系统中存在的风险或挑战可归因于AI发展的前一个阶段就已存在的组件，那么在发明新框架之前，应该考察一下这类风险此前是如何处理的。例如，在迁移式学习中存在的欠拟合风险，本质上是LLM模型在做微调时能力退化的问题。三是切实考虑可解释性。GenAI中一些模型的规模意味着，现有的可解释性理解在某些情况下将不得不成为一种期望而非实际的标准。相反，为了达到接近前GenAI时代可解释性的标准，可能需要创新，而对这种创新的投资或许是值得的。

▍道德风险和应对

1. 偏见和歧视

使用GenAI系统协助衍生品交易可能会引发许多道德问题。这些问题需要对GenAI系统的输入和输出进行更仔细的检查，并需要适当地考虑最佳实践。

GenAI系统的有效性取决于用于训练它们的数据和场景。沃顿商学院的人工智能/机器学习风险和安全研究组认为，与人类不同，它们对自己所处的许多环境缺乏判断和背景知识。GenAI算法可能存在固有偏见，这些偏见可能从数据中学到，或通过设计者的固有偏见渗入模型。数据质量差和训练不当会限制GenAI系统的学习能力，并对如何做出基本推断和决策产生负面影响。如果输入数据“以偏概全”或不利于受保护群体时，可能具有歧视性。同样，输入数据匿名化不足也可能导致有偏见的结果（Jennings，2023）。同时，可能存在替代系统和数据源，可用于为弱势群体产生更好的结果。

即使用于训练GenAI模型的数据质量良好，生成的输出也可能导致偏见或歧视。人类对GenAI输出的评估不足、生成输出的匿名化处理不当、结果生成过程的低透明度，都可能产生歧视性影响。测试和验证可用数据的每一种场景、排列和组合是不太可能的，而这也可能导致输出结果的差异。

歧视通常有三种表现形式：公然歧视、差别待遇和差别影响。当情况类似的个人基于禁止的理由受到不同对待时，就会发生差别待遇，但这种待遇不一定是出于偏见或歧视的意图，例如，当公司在GenAI模型中明确使用受保护类别状态来担保信用度时，可能会发生这种情况。当GenAI模型包含的功能导致出现与受保护群体不相称的不利结果时，就会产生差别影响。这些情况的评估独立于GenAI工具的准确性和有效性，即使系统在统计上是合理的，在法律上也可能具有歧视性。

2. 信任、透明度和可解释性

如果GenAI系统生成无法解释、不合理和不可靠的结果，并影响目标群体的自主性和权利时，可能会产生道德风险。作为一种新兴技术，缺乏普遍理解可能会引发信任问题，并使人们认为GenAI模型是一个不易理解的黑箱。GenAI模型还可能混淆关键决策的基础。对监督这些功能的机构来说，任何建议或决定都必须是可以解释的，这一点非常关键。数据隐私问题也可能导致对AI系统的不信任，不充分的匿名可能导致隐私被侵犯，尤其是在黑客入侵系统的情况下。在确定AI输出的知识产权权利时也会出现额外的困难。

3. 应对建议

针对上述道德风险，为机构提供以下两方面的应对建议。①搭建GenAI治理框架。公司应采用GenAI治理框架，并确保第三方供应商充分实施适当的风险管理和信息安全流程。同时，需要教育员工了解GenAI的风险，包括如何为GenAI的使用添加水印并进行披露。公司应确保为客户提供标签和免责声明，以便客户了解自己何时与AI系统进行了互动。②基于人类判断的监督和行动。GenAI系统可能被用来强化现有的社会偏见（Daragh&Nick，2019）。类似地，GenAI在对监管要求开展评估分析时，可能会吸收预先存在的不良数据或信息，从而延续市场上既有的不合标准的做法或不准确的解释。为了防止出现这些情况，GenAI决策必须辅以合理的人工判断，人类需要对做出的任何最终决定负责。同时，GenAI在管理金融功能时需要可靠和安全，因此在系统开发和部署过程中需要进行严格测试，并持续监督维护，以在整个生命周期内保护系统。

产品开发中，可能会出现无意中排除多样化的情况，GenAI设计者和开发人员必须了解并解决这些潜在的影响模型包容度的障碍。同时，GenAI模型必须是可追溯的，这意味着目标、设计选择、定义和假设都应记录在案。如果能够交流模型是如何构建的、由谁构建的、其技术行为以及任何局限性或潜在的不准确性，高管、董事会、员工和客户将更容易信任模型的预测。

未来展望

目前，GenAI技术正在快速发展，新兴趋势包括以下几方面。①将GenAI与其他先进技术（如区块链、量子计算和联邦学习）集成，以提高可扩展性、隐私性和性能。②可被解释AI和机器学习技术的发展，正为GenAI模型带来更大的透明度和信任，解决与偏见、公平性和问责制相关的问题。③通过开源框架、云计算平台和协作研究倡议，提高GenAI工具和资源在更大范围的可得性，各种规模的机构因而都能利用AI力量开展创新。④将AI与特定领域专业知识和行业知识的融合，推动开发垂直类的GenAI以应对特殊领域的独特需求。

为应对技术进步和市场动态变化，全球衍生品市场也在不断发展，在这个过程中将GenAI融入其中，将对市场结构、交易和风险管理实践产生变革性影响。①由GenAI驱动的交易算法和智能订单路由系统，有望促进更快的执行和价格发现，增强市场流动性供给，降低交易成本并提高市场效率。②透过AI驱动的风险管理模型和预测分析工具，能够帮助市场参与者更好地理解和管理衍生品交易固有的复杂风险，从而使市场更具弹性和稳定性。③GenAI在监管合规和市场监督方面的应用，例如，利用AI驱动的监督系统和风险评估模型来监测和预防市场滥用、欺诈和系统性风险，将增强衍生品市场规范、透明度和投资者保护，确保金融市场的完整性和稳定性。需要强调的是，挖掘GenAI在衍生品市场的应用潜力，需要重视解决与数据隐私、网络安全和监管合规相关的挑战。

GenAI正在塑造不断发展的格局，应当鼓励衍生品市场利益相关者和决策者持续学习、大胆创新并拥抱合作，通过采用主动和协作的方式应用GenAI，在数字时代保持竞争力，推动市场增长、创新和弹性。具体建议包括以下几点：①投资人才发展和技能提升计划，以在机构内建立起与GenAI相关的能力水平和专业性；②与技术提供商、学术界和监管机构培养合作和共享知识的伙伴关系，以推动创新和最佳实践；③优先考虑GenAI的道德原则和负责地使用GenAI的治理框架，以缓解与偏见、公平性和透明度相关的风险；④与政策制定者保持沟通，推动建立适当监管框架，维护市场完整性和投资者保护，同时促进创新；⑤持续监测GenAI发展趋势，识别新机会并适时调整策略。

结语

本文梳理了衍生品市场中GenAI的潜在用例，包括文档创建和总结、开发和维护应用程序、支持数据分析和信息洞察等方面，可以提升业务运行、市场监管和市场发展的效率和规范性。然而，这也伴随了一些风险和挑战，其中GenAI使用的监管问题、无意的偏见、模型不适用风险、知识产权和隐私问题和GenAI应用失败带来的声誉风险等都是重大风险。

全球范围内普遍缺乏全面的GenAI监管，拟议的法规缺乏对衍生品的针对性。鉴于监管仍处于初期状态，各国政府努力为负责任地使用GenAI搭建框架，提出一些重要的原则和基础机制，为衍生品市场中GenAI应用的监管提供了宝贵的信息和指导。随着GenAI在衍生品等金融市场的影响不断加深，相关监管机构应积极主动地搭建监管框架，作为应对未来挑战的蓝图。目前奠定的监管基础，以问责制和负责使用为中心，这可能预示着未来的衍生品监管不仅要适应而且要积极地利用人工智能的潜力，在促进市场创新的同时确保GenAI的稳定性和合乎道德的使用。毫无疑问，未来衍生品市场中GenAI监管的挑战和所期待的发展轨迹，将聚焦于如何创造一个有效的监管框架，预测并适应GenAI和衍生品之间不断发展的协同作用。[22]

短期内，市场机构将需要在没有具体监管框架情况下探索GenAI应用之路，并关注监管和法律的更新。市场参与者们应当谨慎地对待这项技术，考虑重大风险。本文为市场参与者提供一些缓解不同风险的应对建议，鼓励公司建立强有力的治理框架，制定充分的政策和程序，规范自建或第三方供应商提供的GenAI模型使用，同时确保人类有一定的操作空间，并监督GenAI生成的内容或决策。总而言之，利益相关者如果能接纳GenAI驱动的解决方案并深思熟虑地利用GenAI的能力，将可以充满自信地驾驭不断发展的格局，推动可持续的价值创造，从而塑造衍生品交易的未来。

作者：国际掉期与衍生工具协会（ISDA）

【免责声明】本文信息仅用于投资者教育之目的，不构成对投资者的任何投资建议，投资者不应当以该等信息取代其独立判断或仅根据该等信息作出决策。本文信息力求准确可靠，但对这些信息的准确性或完整性不作保证，亦不对因使用该等信息而引发或可能引发的损失承担任何责任。