Barclays AI 債券交易預測敲響波動性警鐘
Barclays 預期，採用 AI 將有助把美國投資級債券成交量中的電子交易比例推高至 65%，但同時警告，同步決策會威脅市場穩定。Barclays 的 AI 債券交易預測針對投資級債券，即違約可能性相對較低、由企業發行的債務。關鍵在於，電子交易比例並不衡量自主 AI agents 將控制多少交易。
根據 Bloomberg 10 月 26 日的報道，預測中的增長將由目前的 45% 起步，並延伸至未來數年。這個區分很重要，因為電子化執行、自動化執行及自主決策，描述的是機器參與程度的不同層次。交易員可以先批准訂單，再由軟件以電子方式執行。
核心張力在於，個別交易台可獲得更高效率，但市場亦愈來愈容易受到相似自動化反應的影響。MarketAxess 已提供自動化執行功能，而獲 Broadridge 支持的 LTX 則在 BondGPT 引入 agent 功能。這些發展令警告更具體，但並不足以證明 AI 已經導致債券市場出現混亂。
Barclays AI 債券交易預測實際衡量的是甚麼
這個焦點數字描述電子交易可能擴展，並非已獲驗證的自主 agents 全面接管。
Bloomberg 對電子債券交易的報道將該預測歸因於 Barclays。報道亦預測，高收益債務，即違約風險較高的債券，其電子交易比例將倍增至 50%。這些是預測，而非已觀察到的結果或已公布的部署目標。
報道將採用描繪為漸進過程。早期應用包括資料蒐集、文件分析，以及在交易前支援決策。報道亦提到持續的人為參與，包括 HSBC 企業及機構銀行主管 Michael Roberts 預期，資深交易員仍會參與其中。
這個框架改變了讀者應如何理解這則消息。電子活動增加，未必代表授予 AI 的酌情決策權會相應增加。一宗交易所使用的通訊渠道，並不能說明是誰決定進行該宗交易。
設想一名假設的投資經理，在審閱一家公司業績後批准出售一隻債券。軟件可以發送要求、收集回應並記錄交易。即使投資判斷由人作出，該宗交易仍會變成電子交易。
較自動化的安排，會讓軟件在預先批准的限制內從回應中作出選擇。以 agent 為本的安排，則加入可透過多個步驟完成獲授權任務的軟件。每種安排都帶來不同的權限、監督及責任問題。
將它們一概稱為「bots」，會掩蓋這些差異。這可能令既有的自動化聽起來像新近出現的自主系統。當軟件獲准由分析轉向行動時，這種說法亦可能遮蔽真正重要的轉變。
因此，Barclays 的 AI 債券交易預測需要對市場結構和系統能力分開判斷。更多活動可以轉移至電子交易場地，而決策權仍受到嚴格限制。相反，若權限廣泛，即使部署規模相對較小，也可能帶來重大風險。
相關的分母同樣重要。交易量百分比衡量的是活動，而非使用 agents 的公司數目，或其營運自主程度。它無法說明交易員介入、拒絕建議或推翻擬議行動的頻率。
對追蹤 AI 採用情況的讀者而言，這是一個會帶來實際影響的衡量問題。關於市佔率的說法，應清楚列明所計算的活動。關於自主性的說法，則應清楚列明軟件可在毋須重新批准下作出的決策。
這正是為何該預測值得關注，但不應被視為已完成的轉型。它指向一個更大的電子交易市場。該市場是否同時更依賴 agent 判斷，仍然是另一個問題。
交易台面對在不失問責下授權的壓力
眼前壓力落在企業身上：決定哪些工作可由軟件完成，以及軟件行動後誰仍須負責。
對交易台而言，授權會形成一條難以界定的邊界。搜尋文件與提交訂單，後果截然不同。當一個有用的助手取得執行工具的存取權時，便可成為影響重大的營運系統。
執行工具會發送或完成交易指令。將 AI 系統連接至該工具，會改變其輸出的重要性。不準確的建議可以被拒絕；不準確的指令則可能已改變公司的風險曝險。
這個差異說明，生產力與問責必須放在同一討論中。評估 agent 的交易台，應區分節省的時間與轉移的權限。更快的分析所帶來的好處，並不能決定自動執行是否合適。
設想一名假設的交易員，正在審閱同一家公司發行的數隻債券。助手找出一隻看似符合交易員指示的候選債券。在採取行動前，系統必須確認識別出的證券就是預定的工具。
名稱相似並不足夠。不同債券可有不同到期日、合約條款及交易條件。流暢的解釋無法解決工具錯配，而正確識別公司亦不保證交易正確。
開發這些系統的人面對相應的設計挑戰。他們需要把用戶意圖轉化為在對話以外仍具意義的權限。尋找機會的要求，不應悄然變成交易授權。
實際問題在於系統在哪裏停止。它是展示候選清單、準備指令、要求批准，還是提交訂單？這些界線決定買家在擴大部署前需要甚麼證據。
管理層亦須界定人類覆核者的角色。批准建議的覆核者，需要取得其支持資料。否則，批准可能淪為儀式，而非獨立判斷。
這會對採購及內部評估構成壓力。示範應展示成功執行，以及適當地拒絕行動。當證據不完整時會暫停的系統，可能比總能提供答案的系統更合適。
人手安排的影響亦須審慎看待。一項工作自動化，並不等於職位被取消。監督、處理例外情況及調查，可能需要不同於原有人工流程的技能。
對金融業以外的企業 AI 買家而言，這個關聯同樣直接。當助手可以更改紀錄、授權交易或觸發外部工作流程時，評估難度便會提高。重要的產品規格會變成其獲准的行為。
同樣的推理亦適用於知識工作。團隊需要可檢索的指令、證據及決策紀錄。一個可搜尋的知識庫有助支援這類文件紀錄工作，但不能取代執行控制。
因此，組織的回應應跟隨被授權的工作。應指定負責批准權限、覆核例外情況及調查結果的人員。將軟件稱為 agent，並不能解答任何一項問題。
BondGPT 與 MarketAxess 展示授權方向
已公布的產品顯示工作流程正轉向連接式運作，但自動化與 agent 權限之間仍存在重要差異。
2026 年 6 月 16 日，Broadridge 宣布為 LTX 的 BondGPT 推出新的 agent 功能。其agentic 交易工作流程讓用戶定義市場狀況及相關行動。Broadridge 表示，這些行動包括準備交易指令，以及發起或執行交易。
該公司亦提到批准要求、交易規模及範圍限制、解釋及行動紀錄。這些是供應商對產品功能與控制措施的陳述，並不能獨立證明在市場壓力下的執行質素或韌性。
MarketAxess 透過自動化債券執行描述一種相關但不同的方法。其 Auto-X 產品支援跨交易方式的自動化請求、回應及路由。該公司表示，Adaptive Auto-X 使用機器學習訊號，即從數據中學習的模式，來選擇執行路徑。
這些產品提供有用的比較，但不足以確定誰勝出。BondGPT 的公告強調由用戶定義、把條件與行動連接起來的 agents。MarketAxess 則強調由交易員規則管控並由數據支援的執行自動化。
這個比較亦說明買家應要求供應商展示甚麼。對話式介面可令指令較易表達，但本身不能證明所產生的指令完整、明確或適合執行。
假設用戶指示 agent 在一隻債券相對於同類證券變得具吸引力時採取行動。「具吸引力」需要可衡量的定義。「同類」需要明確的比較集合，而該指令亦需要失效或覆核條件。
這個假設例子揭示了吸引人介面背後的實施負擔。系統必須把開放式要求轉化為有界限的行為。任何未解決的模糊之處，都應讓授權該任務的人看見。
報價請求，即 RFQ，要求潛在交易對手提供交易條款。發出該請求與接受回應並不相同。agent 可獲准執行前者，卻須為後者取得批准。
這種分隔令漸進式授權成為可能。公司可以把探索、準備及執行當作不同能力來評估。它亦可在每個界線保留不同控制措施，而非一次過批准整個工作流程。
最有力的產品證據，應把聲稱的能力與可觀察結果連結起來。買家應詢問系統曾嘗試甚麼、完成甚麼，以及為何停止。單憑一宗已完成交易，幾乎無法說明被拒絕的替代方案或監督所需的工作。
比較亦應避免將解釋混同於驗證。系統可以清楚描述一項行動，卻依賴不正確資料。當覆核者可將解釋連結至可識別的輸入資料及可強制執行的權限時，解釋才會有用。
產品公告證明，獲授權的交易工作流程不止是投機概念。它們並不能證明這些工作流程在毋須介入下的實際運作有多普遍。隨着採用方面的說法愈來愈進取，這個區分應繼續清晰可見。
就 Barclays 的 AI 債券交易預測而言，這些產品提供一條通往更多電子活動的合理路徑。它們的存在支持變化方向。其實際營運結果，將決定這個方向值得多大程度的信心。
更快的個別決策可能令市場更脆弱
核心取捨在於，局部而言合理的決策，當眾多系統同時作出時，可能變得不穩定。
Barclays 的警告關乎代理系統對共同資訊作出相似反應。更廣泛的機制是相關性，即決策或市場走勢傾向同步出現。更快的執行速度可將這些一致的反應壓縮至更短時間內發生。
金融穩定委員會於 2024 年 11 月指出 AI 金融脆弱性。其評估重點包括市場相關性、服務供應商集中、網絡風險，以及模型、數據和管治方面的弱點，並呼籲加強監察和評估現有監管框架。
澳洲儲備銀行於 2024 年 9 月的評估，同樣探討了 AI 市場相關性。該行警告，共用供應商、模型及數據可減少市場行為的多樣性。這些評估指出潛在脆弱性，而非證明某宗特定交易事件已經發生。
一個假設例子說明了這項憂慮。數間公司收到同一則對公司不利的公告，其系統大約在同一時間把該資訊解讀為應減少風險敞口並尋找買家的理由。
每項決策都可能符合其公司指示，但整體結果仍取決於其他參與者是否願意持相反倉位。軟件可以加快尋找買家的過程，卻無法創造願意買入的買家。
流動性是指在不引致過度價格變動下進行交易的能力，因此與提交訂單的速度不同。一個快速介面可以把指令傳送至市場，但當中可接受的交易對手仍可能稀少。
若系統亦會對隨後的價格走勢作出反應，回饋機制便會更複雜。最初的調整可成為進一步決策的新輸入。這是一種可能的放大機制，而非證據顯示此處已出現這種連鎖情況。
不同的模型品牌未必足以消除這項憂慮。系統可接收相同資訊，並在相似的投資限制下運作。因此，軟件的多樣性需要與行為的多樣性區分開來。
相反結果亦同樣可能出現。部分系統可被指示在其他人撤退時尋找機會。若企業採用不同目標並容許不同的風險敞口，更快的分析可支持更多元化的決策。
因此，不應把 AI 視為天生具破壞性。相關變數包括權限、誘因、輸入資料及交易對手的可得性。市場影響取決於這些元素如何互相作用。
國際貨幣基金組織對 AI 市場效率 的討論呈現了同樣的廣泛取捨。它描述了流動性及風險管理可能改善，同時亦指出壓力時期交易可更快且更具相關性。其評估支持審慎檢視，而非預測擾亂無可避免。
分析上的含義是，企業層面的控制與市場層面的韌性回答的是不同問題。一間企業可成功執行自身限制，同時仍與同業朝相同方向行動。遵守本地指示並不保證整體結果穩定。
透過這項區分來理解 Barclays 對 AI 債券交易的警告，最具參考價值。它提出的問題是，更高效率是否也改變壓力如何傳導。要回答此問題，需要困難市況下行為的證據，而不只是日常處理量。
驗證缺口不止於 65% 這個數字
電子市場份額或供應商的控制描述，均不足以確立代理系統會如何在壓力下行事。
現有證據仍有多項界線未獲釐清。據報道，Barclays 的預測並未提供自主決策所佔份額的量度數據。產品描述說明預期功能，而監管評估則描述可能的風險渠道。
這些都是有用的資料來源，但各自回答不同問題。把它們結合起來，並不能證明代理系統已主導債券交易，也不能確立未來電子活動增加會導致某種特定波動結果。
其中一項尚未釐清的區分，是嘗試進行的工作與實際完成的工作。系統可能準備大量建議，但人員實際批准的只佔少數。把建議、已提交訂單及已完成交易一併計算，會掩蓋審核者保留了多少權限。
另一項問題涉及衡量表現的情況。在有序市況下接受評估的工作流程，未必曾面對相互矛盾的資訊或服務不可用的情況。買家應詢問證據實際涵蓋哪些情況。
壓力測試，即在不利條件下評估行為，可有助揭示這些界線。一項有意義的測試應檢視系統是否辨識到資訊缺失，以及是否遵守其限制。成功完成並不總是恰當的結果。
設想一個假設代理系統失去對所需數據來源的存取權。重要的行為可能是停止，而不是改用未獲批准的來源。不中斷的工作流程看似有效率，卻可能違反其授權所依據的假設。
對人類監督亦需要同樣具體的評估。一個人可在形式上仍然負責，卻獲得太少資訊而無法質疑某項行動。相關測試是該人能否理解、中斷並調查這個工作流程。
審計追蹤，即輸入資料和行動的紀錄，有助於事後調查，但不能證明一項行動在事前是否恰當。企業既需要可用的歷史紀錄，也需要在執行前約束行為的規則。
獨立證據亦有助區分產品能力與商業宣稱。有用的披露應說明任務、權限、觀察到的結果及評估限制。廣泛的採用描述不能取代這些細節。
同樣地，把未來每次市場擾亂都歸因於 AI 亦會造成誤導。公司消息、融資狀況及投資者偏好的變化都可影響債券。要確立代理系統的貢獻，需要有證據把其行動與觀察到的結果連繫起來。
因此，持懷疑態度的立場是具體的，而非一概否定。代理工作流程確實存在，而預期中的電子化擴張亦有可信的技術路徑。它們的獨立貢獻規模，以及其在壓力下的行為，仍是未解答的實證問題。
對評估這個故事的讀者而言，這個驗證缺口應引導注意力。先問清楚量度了甚麼，才解讀其含義。當後續披露保留相同定義時，預測會更具資訊價值。
下一個披露周期應留意甚麼
下一批有用證據將區分採用情況、授權決策，以及正常交易狀況轉差時的表現。
首先，留意銀行及交易場所在下一輪披露中如何描述採用情況。有用的區分是電子交易量、自動化執行及由代理系統主導的行動。分開報告這些數據，會令預測進展更容易評估。
電子交易量增加可支持市場結構的預測。除非同時附有決策權限的細節，否則它對自主採用的證據較弱。即使自主佔比仍然不高，更清晰的細分亦會令這個故事更有說服力。
第二，留意產品供應商及客戶會否披露具意義的運作界線。重要資訊包括批准要求、容許的行動，以及觸發介入的情況。買家亦需要證據說明這些界線在情況轉變時如何運作。
展示恰當中斷情況的例子，會加強對受控授權的信心。僅限於可用性或成功示範的宣稱，仍會令核心可靠性問題懸而未決。在證據未更清晰前擴大權限，會增加該缺口的重要性。
第三，留意市場參與者及監管機構如何調查異常交易狀況的時段。有用的分析會把自動化行為與執行結果及人為介入連繫起來，並應區分代理系統的實際貢獻與同時發生的市場走勢。
若證據顯示不同系統維持差異化行為，便會削弱羊群效應憂慮最強烈的說法。若證據顯示共同反應正在放大壓力，則會加強該憂慮。任何一種發現，都比把每次價格變動視為確認更有價值。
這些訊號應一併解讀。沒有可靠控制的採用，與採用有限但具強力運作證據，會引起不同憂慮。更多電子化參與可在商業上成功，同時仍需要審慎檢視集體行為。
Barclays 對 AI 債券交易的預測，為讀者提供了一項可重訪的具體主張。其價值取決於能否保留預測的量度定義。下一批披露應令市場更容易理解，而非把所有自動化形式化為同一項統計數字。
在跟進下一輪銀行及交易平台披露時，應牢記這些區分。尋找對軟件作出甚麼決定、人類批准甚麼，以及資訊變得不可靠時會發生甚麼的清晰交代。把聲稱的生產力與受控行為的證據比較，包括暫停決策。除非新證據確立不同量度方法，否則應把 65% 的預測限定為電子交易量。對開發者及企業買家而言，評估其他工作流程中的代理系統時，也應採用同一標準。助理的實用性取決於其存取資訊的能力；授權決策則需要更多關於權限及結果的證據。隨着這個市場發展，哪些企業會提供足夠細節，證明其代理系統在行動變得更困難時仍然可靠？
