從股票報價到理財機器人，金融交易方式如何演變？|數位時代 BusinessNext

從股票報價到理財機器人，金融交易方式如何演變？

目前美國市場至少有60％以上的金融交易都是程式下的單，得數據者得天下。從收音機股票報價到理財機器人，網路徹底改變了金融交易的方式，未來，實體券商會不會消失？

如果你是五六年級生，還記得小時候爸爸媽媽坐在收音機旁，聽取股票報價，然後拿起家裡電話打給營業員的畫面嗎？現在看起來這是相當沒效率的一件事。

事實上，在更早的年代（或許是五六年級生的阿公阿嬤？），華爾街還是由寫黑板報價的方式來進行交易。營業員報買價跟賣價，由黑板小弟用粉筆在黑板上擦擦改改。當時所謂的「效率」，我想大概就是黑板小弟寫粉筆跟擦黑板的「速度」吧。

但千萬別小看黑板小弟，人類史上最偉大的投機家李佛摩（Jesse Lauriston Livermore）便是從這樣的黑板小弟做起。因為在這樣的環境下，天天感受股價的波動，再加上其天生對數字的敏感度，造就一代投機大師的傳奇。

從擦黑板報價到打電話給營業員下單，大概占了整個金融交易時間歷史的80％。

時間回到90年代後期，網路與個人電腦的崛起，劵商開始發展自己的看盤軟體，網路下單逐漸蔚為風潮。這是很重要的一個里程碑，金融交易開始「個人化」，下單交易變成「一個人」在家就能完成的事。也是那時候，開始有人辭掉工作，將自家房間改造成交易室。全職交易者越來越多，當然也更多的破產案例出現。

2007年，蘋果發表了iPhone，帶動了智慧型手機與App的興起，金融交易方式當然也隨之改變，於是出現了行動下單模式。

這十年來，使用手機下單，甚至用平板電腦全程看盤的投資者越來越多。這下不僅不用辭掉工作在家下單，更可以帶著手機平板遊山玩水。

大約在2009年，台灣有越來越多人使用程式交易，2011年開始趨向普及， 到現在美國市場至少有60％以上的金融交易都是程式下的單。 近幾年來，隨著雲端計算與巨量資料處理技術的崛起，越來越多人跨入計量交易的世界。過去是股市名嘴喊盤，得民心者得天下；現在是數據說話，資料科學說話，得計量者得天下。

這時開始有業者用硬體設備拼速度：網路傳輸速度與買賣計算速度，用於實作「高頻交易」。高頻交易不需要策略，不需要計量，只需要比人快。「快！」決定一切，哪怕是1毫秒的差異，就能鎖定價差穩定套利。

近幾年來，程式交易與高頻交易的風行，市場結構已跟著有所改變，黑天鵝事件不斷發生，閃電崩盤案例更是不在稀奇。這也讓過去可行的交易策略，在這幾年變得無利可圖。

另一方面，社群網站的興起，也是值得關注的一件事。過去沒有網路的時代，電視名嘴眾多，股友社螞蟻雄兵，早期股市四大天王，這些都是某種程度的股市主力，後來外資進入台灣市場，形成最具有參考價值的主力指標。

現在另一股力量是社群網站，包括Facebook的投資討論區、Line群組的股票社群，國外甚至有如Quantopian、Collective 2等投資社群平台。舉例來說，Quantopian讓你可以利用Python進行在其平台上撰寫策略，進行程式交易。Collective 2甚至可以賣策略，讓網友追蹤績效。

越來越多關於金融交易的商業模式產生，而這些，都是發生在近五年的事。

我於是在想，再過未來五年，交易方式是否會有更大轉變？也許那時候沒有營業員的存在，甚至實體劵商消失了，取而代之的是網路虛擬劵商和理財機器人，也許那時候幾乎100％程式交易，也許阿公阿嬤都可以寫策略做研究，也許我剛上小學的兒子也可以像學習兒童程式Scratch一樣做程式交易。

科技的進步，讓一切過去難以想像的天方夜譚，都變成可能！喜愛金融交易的朋友，您準備好了嗎?

《數位時代》長期徵稿，針對時事科技議題，需要您的獨特觀點，歡迎各類專業人士來稿一起交流。投稿請寄edit@bnext.com.tw，文長800至1000字，兩天內會回覆是否採用，文章會經編輯潤飾，如需改標會與您討論。

@@ACTIVITYID:638@@

「過去我們教育教導學生如何從數據中找出標準答案，但在生成式AI的時代，標準答案往往是最廉價的。」臺大EiMBA執行長李家岩一語道破了這波商業典範轉移的核心。他認為，當資訊獲取邊際成本趨近於零，企業的競爭優勢已不再是單純的「掌握資訊」，而是「如何設計讓 AI 與人共同創造價值的流程」。這不只是一句口號，而是一場正在被驅動的轉型。從課程設計的邏輯重組，到學生創業專題的實戰演練，臺大EiMBA正將校園打造成一個允許失敗、快速驗證的「人機共創實驗場」。

告別標準答案，當教授變成「學習架構師」

「我們不再只是教導知識，而是設計學習。」李家岩指出，臺大EiMBA的課程正在經歷結構性的轉變。現在的教授角色更像是一位「學習架構師（Learning Architect）」，他們的任務不是單向輸出，而是設計出高強度的挑戰與情境，讓學生在解決問題的過程中，自然地將 AI 納入決策迴路。

以今年新開設的「雙軸轉型與人工智慧」課程為例，這並非傳統的技術概論課，而是場關於商業邏輯的壓力測試。學生不再只是繳交一份靜態的商業計畫書，反而被要求運用生成式 AI 輔助設計商業模式畫布（Business Model Canvas），甚至利用Vibe Coding技術讓不懂程式語言的商管學生，也能透過自然語言與提示工程，快速生成互動式的原型與操作介面來模擬市場反應。這項技術打破了傳統「文組企劃、理組執行」的藩籬，讓創意能即時轉化為可執行的程式碼。在這個過程中，AI 扮演的角色並非代筆的秘書，而是將概念具現化的加速器，以及最嚴厲的邏輯質疑者。

「這是我在課程中學到最深刻的一課，」臺大EiMBA二年級生、寵物百分百用戶體驗暨品牌行銷中心負責人鐘紫瀕分享道。身處近200人新創組織的高階主管，她坦言最初員工對 AI 充滿敬畏，甚至恐懼被取代。但在 EiMBA 的課堂上，她發現 AI 真正的價值在於「攻防」與「鏡像」。「老師設計了一種『沙漏式』的提問邏輯，迫使我們把策略餵給AI後，必須面對它無情的反問。」鐘紫瀕回憶，「這個市場假設有數據支持嗎？」、「你的競爭壁壘在哪裡？」這種高強度的追問，都是AI在對學員提出的挑戰，迫使她必須思考得比AI更深、更遠。「以前我們忙著找答案，現在我們學會如何設計出『連 AI 都沒想過的好問題』。AI就像一面鏡子，映照出我們思考邏輯上的盲點。」

數位孿生實戰，將「感覺」轉化為「數據決策」

除了策略層面的思維激盪，AI 在營運端的落地應用，更是讓許多直覺型創業者經歷了一場痛苦卻必要的轉型。臺大EiMBA一年級生、赤赤子設計師林宏諭對此感觸良多。

身處傳統服裝產業，過去他的經營模式多仰賴美感與經驗，「以前做決策就是憑感覺，甚至忙不過來時，連縫扣子這種小事我都自己跳下去做。」但在李家岩講授的「雙軸轉型與人工智慧」課堂上，他被迫面對冰冷的數據與流程，而這正是李家岩強調的「數位孿生（Digital Twin）」素養。

在虛擬世界中建立一個與真實工廠或商業流程一模一樣的模型，利用AI進行模擬與預測，是現代智慧製造的核心。對林宏諭而言這意味著必須將腦中抽象的「職人經驗」轉化為AI讀得懂的 SOP。「那段過程就像是被老師架著刀子往前走，非常痛苦，」林宏諭形容，為了讓 AI 能協助優化流程，他必須把每一個步驟定義清楚，無法再用「大概」、「憑感覺」含糊帶過。

雖然煎熬但成果是豐碩的。當感性的創意被裝進理性的數據框架後，林宏諭發現自己的決策不再是賭博，而是可被驗證的科學。「現在AI不僅幫我理清思緒，更像是團隊的外掛大腦。我開始能鼓勵員工使用AI釋放重複性勞動，讓大家能準時下班，去做更有價值的事。」這正是課程希望帶給學員的轉變，從「事必躬親的管理者」進化為「善用工具的跨域系統設計者」。

跨域共創，打破同溫層的「破壁效應」

如果說AI是另一位虛擬組團員那麼課堂上原本的同學們，就是來自多重宇宙的戰友。這裡匯聚了醫師、網紅、工程師、律師與傳產二代，如此多元的背景在AI的催化下，產生奇妙的化學反應。

李家岩特別提到了榮獲霍特獎（Hult Prize）肯定的「RiiVERSE」團隊。這個由臺大管院 EiMBA 與 GMBA 學生組成的團隊，成員涵蓋了時尚、行銷與創新創業等不同領域。他們利用舊衣回收再製技術，打造出循環經濟的生態圈。「這就是我們強調的跨域共創。」李家岩解釋，在過去，不同領域的專業人士溝通成本極高，但現在，AI成為了通用的翻譯機與黏著劑。

「AI不僅降低了技術門檻，讓文組生也能做Prototype，更讓理組生也能懂得商業敘事。」在這樣的環境下，創新不再是單打獨鬥，而是像RiiVERSE團隊一樣，結合理性與感性，共同回應全球永續（ESG）的艱鉅挑戰。

為了內心的狂熱，動手去做

然而，隨著AI涉入決策越來越深，一個核心問題浮現：在演算法能預測趨勢、生成文案甚至編寫程式的時代，人類領導者的價值還剩下什麼？「我們教的不是被AI取代，而是擴增智慧。」李家岩眼神堅定地說。他強調，未來的領導者必須具備三項關鍵特質：AI素養、跨域系統設計能力，以及科技人文的反思力。

其中最關鍵的，是懂得界定「自主邊界（Autonomous Boundary）」。領導者必須清楚判斷：哪些決策該放手讓 AI 自動化？哪些時刻必須保留人類的溫度與價值判斷？「例如在智慧工廠中，AI 可以預測機台何時需要維修保養，但『什麼樣的風險可以接受』、『我們要解決什麼社會問題』，這些涉及價值觀的決策，永遠需要人類來定奪。」李家岩補充道。

在李家岩眼中，真正的創新往往不是來自同類型人才的討論，而是從不同背景、不同世界觀的碰撞中誕生。「一個人能看到的只是片段，跨域合作才能讓問題完整。」他再次提到。對他而言，EiMBA 想培養的不是知道最多的人，而是能讓「各種智慧」一起工作的人。在AI與人類智慧並存的年代，領導者最重要的能力，不是掌握所有答案，而是打造一個能讓答案自然生成的組織環境。「未來需要的領導者是能整合技術與人、懂得跨域系統思考、也能『擇人(含機器人)而任勢』的人。」李家岩說，而這群充滿創業創新的管理者也將在未來商業戰場上奏出人機協作的新樂章。