責任編輯 | 張旖旎

作者 | 章舟

導言

和傳統由基金經理主宰的世界不同，現代的投資世界，已經被計算機、演算法和被動基金越來越多滲透。那麼和有血有肉的人相比，這些聽起來冷冰冰的東西是如何改變投資的呢？今天我們翻譯《經濟學人》10月5日的一篇文章，和大家一起了解機器是如何改變，乃至顛覆投資交易行業的。

正文

五十年前，投資顯然完全由人工從事。正如早期在紐約證券交易所（NYSE）交易大廳工作，全球最大對衝基金橋水的掌門人Ray Dalio所言：“人們將不得不互相淘汰，交易員也要款待基金經理，沒人會知道未來的價格。” 的確，在橋水尚未成立的上世紀70年代，投資交易的技術手段非常初級。拉扎德（Lazard）投行的老闆肯尼斯·雅各布斯（Kenneth Jacobs）還記得，當時是使用行動式計算器來分析從公司報告中收集的資料，他的年長同事甚至還在使用計算尺。據一位投資者回憶稱，即使到了1980年代，“在上班時閱讀《華爾街日報》，觀看交易大廳的電視節目和股票錄影帶”也為投資交易提供了重要的資訊優勢。

但從那時起，人類在交易中所扮演的角色就開始迅速消失。取而代之的是計算機，演算法和“被動管理”的機構——這些機構提供的指數基金持有一籃子股票，以匹配股市或板塊的收益，而不是試圖跑贏它們

今年 9月13日，由研究公司Morningstar釋出的備受關注的報告說，根據統計，上個月全球被動式管理的權益資產數額達到4.3萬億美元，首次超過了由人工管理的數額。 金融行業“機器人化”的興起，不僅改變了股市的波動速度和波動結構。它還提出了有關市場機制、市場對經濟更廣泛的的影響、公司的治理方式，以及金融穩定性等一系列問題。

1、美國正在“自動化”

投資者一直在使用各種技術，以此在競爭對手之前了解市場動態資訊。以歷史上的荷蘭東印度公司為例，其早期投資者在到達荷蘭之前，就希望獲得有關好望角周圍船隻命運的訊息。據稱，羅斯柴爾德家族的大部分財產的獲得，要歸功於一羽賽鴿——它使家族在船隻到來之前，就獲得了法國在滑鐵盧戰役中被擊敗的訊息。 在使用計算尺的時代，交易的技術進步開始興起，直到今天還在繼續。機器首先完成了較容易（需要大分貝音量）的工作。在上世紀70年代，交易員互相吼叫的喊單開始被電子執行所取代，這使每個人都更容易收集價格、成交量等資料。反過來，通過提高價格確定性，也改善了交易的執行效率。 同樣，在投資組合的管理中，演算法應用也有數十年的歷史。早在1975年，傑克·伯格爾（Jack Bogle）創立了先鋒公司（Vanguard）——這家公司建立了第一隻指數基金，從而使最簡單的投資組合實現了自動化。 到了1980年代和1990年代，一些更先進的自動投資產品出現，包括定量對衝基金（稱為“量化”基金）和交易所交易基金（ETF）等。這其中，一些ETF追蹤指數，但另一些ETF則通過將人類長期以來崇尚的決策（例如購買所謂的低估價值股票）自動化，來遵守更復雜的投資規則。許多量化基金自成立以來，就設計了一整套演算法，以此對整個市場資料進行徹底搜尋，尋找具有其他有吸引力的，具有能夠被人為選擇特徵的股票——而這些特徵在行話中稱為“因子”。 因子的概念來自兩位經濟學家，尤金·法瑪（Eugene Fama）和肯尼斯·弗朗西斯（Kenneth French），後由法瑪先生的學生克里夫·阿內斯（Cliff Asness）付諸實踐。法瑪先生於1998年創立了AQR資本管理公司，該公司經營著全球最大的對衝基金。諸如AQR之類的量化基金採用了一系列程式演算法，可以根據經濟理論得出的因子，以及通過資料分析所證明的因子來選擇股票——例如，股票動量（近期價格的漲幅）或收益率（支付的高股息）都是考慮的因素。最初，只有少數基金經理擁有這些和數字打交道的本事。現在每個人都這樣做。 時至今日，越來越多“基於規則的”機器執行投資者（這些使用演算法執行投資組合決策的策略）的執行規則也發生不斷變化。某些量化基金（例如橋水）使用演算法進行資料分析，但要求在選擇交易型別時人工操作。但是，許多量化基金，例如Two Sigma和Renaissance Technologies，都通過使用機器學習和人工智慧（AI）等手段，使機器能夠選擇所買賣的股票，從而進一步提高了交易的自動化程度。 這提高了計算機最後完全代替人類進行投資操作的可能——因為它們也可以代替分析市場資訊，為設計投資策略。如果真是這樣，則可以把人們解放出來，更好地了解市場的運作方式以及公司的價值。 現在，在股票市場上執行訂單的也可以是交易演算法：在紐約證交所（NYSE）的大廳粗地板上進行的現場交易越來越少，而購買計算機伺服器，在紐澤西這樣的地方州悄悄進行的交易則更多。根據德意志銀行的說法，90%的股票期貨交易和80%的現貨交易是通過演算法執行的，其中無需人工操作。研究公司Tabb Group的拉里·塔布（Larry Tabb）則表示，股票衍生品市場也以電子交易為主。 2

2.適得其所的機器交易

在美國股市上，每天約有70億股股票交易，成交量3200億美元，其中大部分依靠高頻交易成交——在這樣的交易中，為了獲得轉瞬即逝的收益，股票被快速倒手。而高頻交易者充當中間人角色的交易，則佔了每天成交量的一半。但是，即使不看交易者，而僅看投資者，基於規則的投資者現在也成為交易的大部分來源。 就在三年前，量化基金成為美國股票市場最大的機構交易量來源。據塔布集團（Tabb Group）的資料，2019年初至今，這樣的基金佔市場上機構數量的36%，而2010年，這一 數字僅為18%。摩根大通（JPMorgan Chase）的分析師杜布拉夫科•拉科斯-布亞斯（Dubravko Lakos-Bujas）則表示，機構交易中，只有10%是由傳統的股票基金經理完成的

和人類的基金經理類似，機器也越來越傾向於“買入並持有”股票。根據羅素3000指數，美國公共股票的總價值為3200萬億美元。三種類型的計算機管理基金（指數基金，ETF和量化基金）佔其中的35%。而傳統對衝基金和其他共同基金等人力管理者僅管理其中24%，其餘約40%則很難衡量——因為這些基金的管理者由其他不同種類的所有者組成，例如持有大量股份的公司。

而在佔據總額60%，共計18萬億至19萬億美元的被管理資產中，大多數也是由機器維護的：其中，指數基金管理著這些錢的一半，約合9萬億美元。據研究公司伯恩斯坦（Bernstein）說，剩下的10%至15%股票（約合2萬億美元）由其他量化手段管理，而其餘的35-40%（7至8萬億美元）依然由人類管理。 對衝基金是觀察演算法投資進度的一個視窗。世界上五個最大的公司中的四個——橋水（Bridgewater）、AQR、Two Sigma和文藝復興（Renaissance）都是專門為使用量化方法而建立的。唯一的例外是，英國對衝基金曼氏集團（Man Group）在2014年收購了總部位於波士頓的量化股票管理公司Numeric。現在，曼氏集團管理的資產中有一半以上是量化資產。據研究，就在十年前，對衝基金資產總額的四分之一是量化基金。現在這一比例已經上升到了30%。考慮到像Point72這樣的傳統基金也已經採用了部分量化的方法，這一數字可能低估了真實的上升比例。 轉變帶來的結果是，現在的股票市場非常高效：機器人所管理的新型市場帶來了更低的成本。被動基金每年收取管理資產的0.03-0.09%。而主動性基金管理者所收費用比例則為該數字的20倍。同時，對衝基金利用槓桿和衍生品來進一步提高回報，但收取20%的回報作為績效費用。 較低的交易成本，意味著有關公司的資訊會立即反映在其價格中，這就印證了橋水掌門人達里奧的說法，“訂單執行情況要好得多。”而交易股票的佣金，也變得極低廉。芝加哥大學的學者稱，買賣雙方的每股佣金均為0.0001美元，而最低收費也正在逐漸取消：10月1日，領先的投資者經紀網站Charles Schwab和競爭對手TD Ameritrade都宣佈，將把交易費減至零。 低廉的費用，自然增加了市場的流動性——這決定了交易者在股票價格變動之前可以交易的數量：更高的流動性，意味著交易者購買股票的價格與他出售股票的價格之間的價差較低。 不過也有許多批評者認為，這是一種誤導，因為高頻交易者提供的流動性與銀行提供的相比並不可靠——遇到危機的時候，前者便會消失。不過，貿易公司Citadel Securities最近發表的一篇論文則駁斥了該觀點。它表明，對於單個公司的股票而言，執行一筆小額交易（例如1萬美元）的價差在過去十年中急劇下降，並且一直處於較低水平。而大規模的交易（最高達1000萬美元）價差即使在最壞的情況下，也保持不變，並且在大多數情況下還有所上升。

3.機器：閃光的大師

機器的市場主導地位毫無疑問會進一步擴大：人們在技術更為基礎時所設計的因子策略，現在可以通過ETF廣泛實現。一些ETF尋找具有多個因子的股票。其他人則遵循“風險平價策略”——這是達里奧率先提出的一種方法，以用於平衡不同類別資產的波動性。而複雜性每增加一個級別，人工選擇者的對應工作機會就減少了。 正如Two Sigma聯合主席西格爾（David Siegel）所言，二十年前，最好的基金經理是最有直覺的基金經理，現在，那些使用機器，資料和人工智慧，採取“科學方法”的人可以擁有優勢。 為了解投資市場的發展趨勢，國際象棋提供了一個有啟發性的例子。1997年，IBM超級計算機“深藍”（Deep Blue）擊敗了衛冕世界冠軍卡斯帕羅夫。在某種程度上，這是機器對人類的勝利。“深藍”是使用人類玩家編寫的規則執行的，雖然它下棋的風格類似於人類棋手，但它下起棋來比任何人都更好，更快。 到了2017年，谷歌推出了一臺名為“阿爾法狗”（AlphaZero），被植入了國際象棋規則程式的計算機，這臺計算機“自學了”有關下棋的規則。

在經過四個小時的訓練之後，它擊敗了Stockfish——後者是一臺植入了最高水平人類國際象棋技巧程式的機器。有趣的是，在人類棋手看來，AlphaZero的一些戰術是“完全錯誤的”。例如，到了一局棋的當中，它通過“犧牲”了一個象獲得全域性優勢，而直到這步棋很久之後，這一招的優勢才變得明顯起來。 量化基金可分為兩類：一類與Stockfish有些類似，是使用機器模仿人類的投資策略；另一類像AlphaZero這樣的基金，則可以自己制定策略。按照量化投資者所言，近三十年來，量化投資方法都是從假設出發。再由投資者根據歷史資料對其進行測試，並對其是否繼續有用做出判斷。但現在，這一順序已不再有效。正如西格爾所言：“（現在）我們從資料開始，然後尋找一個（符合資料的）假設。” 人類並非完全可以置身事外：相反，人類的作用是，選擇要輸入到機器中的資料。西格爾表示：“你必須告訴演算法的是，需要搜尋哪些資料。如果我們將機器學習演算法應用於過大的資料集，通常會趨向於恢復為非常簡單的策略——例如動量策略。” 但是正如AlphaZero發現的策略看上去明顯不符合人類常理一樣，Lazard的Jacobs先生表示，基於人工智慧的投資演算法，通常可以識別出人工投資所不具備的因子。善於思維的人可能會尋求理解由機器發明的演算法，以發現新的，可解釋作用原理的投資因子。這樣的新因子最終將和已有的因子效果毫無二致。但是在起初的一段時間內，最先發現這些因子的人會獲得超額收益。 許多人（對機器投資）持謹慎態度。AQR的機器學習負責人，耶魯大學的布萊恩·凱利（Bryan Kelly）表示，該公司已經發現，一開始，那些純粹來自機器的因子似乎投資表現要略好一些。但是最終，事實證明了並非如此。如果將機器學習與經濟理論相結合，那將會更好。 其他人則是對機器投資完全持懷疑態度——其中包括達利奧。他指出，國際象棋中規則保持不變。相比之下，市場在不斷髮展，而這種發展不僅是因為人們在不斷學習，而且所學到的東西也包含在定價體系中。“如果有人發現了您所發現的東西，那麼您的發現不僅不再值錢，而且還貶值了很多，並且會造成損失。總之，沒有人能保證以前行之有效的策略再次奏效。”不採用人為邏輯的機器策略“如果沒有對投資邏輯的深刻理解，就會註定要崩潰。”

同時，和最初的的設想不同，浩如煙海的可用資料似乎並沒有那麼大。傳統的對衝基金經理現在可以分析各種資料，以做出他們的選股決策——這些資料從信用卡記錄，到存貨的衛星影象，再到私人飛機的包機航班資料。但是，這些資料並不一定使機器能夠勝任“發現新投資因子”的核心工作。

原因是，按照人工智慧應用程式的標準，和投資相關的資料量實在太小。正如凱利先生所言：“決定您真正必須使用的資料量的，是要嘗試預測的資料的大小。”對於股市中的投資者來說，這可能是每月的回報，其中包含數十年的資料價值-僅數百個資料點。與用於訓練識別人臉或駕駛汽車的演算法的千兆位元組資料相比，確實算不了什麼。

但就機器演算法投資而言，的一個經常聽到的抱怨說法則與上文完全相反。這些批評者表示，這不是一場混亂，而是極度的“恐怖”，這些演算法可能會促使股價更頻繁，更突然地受到衝擊。其中，特別令人關注的是“閃崩”。2010年，在短短几分鐘內，標普500指數的價值就蒸發了5%以上。2014年，債券價格在短短几分鐘內又大幅上漲了5%以上。在這兩種情況下，市場多數情況在一天結束時都已恢復正常，但監管機構指責，高頻交易者提供的流動性不足可能加劇了這一舉措市場的大幅波動。 2018年12月，由於價格暴跌，利好訊息一度暴跌，而在 我們可以回憶一下2018年的12月的行情：當時僅僅很小的訊息，就使得股市發生了劇烈的下跌。因而市場對對動盪的擔憂機器演算法統治地位可能帶來劇烈波動擔憂情緒，也難以控制地達到了極為瘋狂的程度。；而到了今年夏天，這種情緒依舊在緩慢滋長。（原文：Anxieties that the machine takeover has made markets unmanageably volatile reached a frenzy last December, as prices plummeted on little news, and during the summer as they gyrated wildly.） 1987年，所謂的程式交易（在市場低迷時期賣出股票）促成了黑色星期一大跌，當時，道瓊斯指數一天之內下跌了22%。但是當時的問題是“放牧”，即資金管理者圍繞單一策略配置資產。現在，機器資產管理有了更多的多樣性——不同的投資基金使用不同的資料來源，時間範圍和策略。AQR的Michael Mendelson認為，演算法交易已成為行情不佳的“替罪羊”：“當市場下跌時，投資者必須聽到對自己損失的解釋。他認為，機器甚至可能會使市場平靜下來，因為“計算機不會驚慌。”

4.金錢永不眠

另一個困擾，是傳統資產管理者無法同演算法交易競爭。一位全球最大的資產經理抱怨說：“公共市場正在成為贏家通吃的天下，我們甚至無法在這場比賽中接近競爭的資格。”菲利普·賈佈雷（Philippe Jabre）於2007年推出了他備受期待的同名基金賈佈雷資本（Jabre Capital），他說，去年12月他關閉了一些基金時，計算機模型在他給客戶的最後一封信中“無意識地取代了”傳統的人工管理者。 而且，對量化基金真正的恐懼仍然存在：如果量化基金履行其最瘋狂的推動者的承諾，會發生什麼？股市對現代經濟至關重要。它們將需要現金的公司與投資者進行匹配，並表明公司的狀況如何。而股市的運作方式對財務穩定性和公司治理具有重大影響。因此，真正重要的一點是，與人為決策無關的演算法開始在股市發揮作用，而這麼做的後果尚未可知。 從機器主導的投資因子中獲得優勢的前景，將吸引其他財產管理人員加入。而擔心由此而來的後果是很自然地事情——因為這是對未知世界的一次全新探索。但是，只要新投資方法設計得越精確，交易效率越高，它為投資者和企業提供的服務就會越好。如果以史為鑑，那麼任何新的交易優勢都只會在短期內讓人受益——市場是無情的。該優勢的來源會很快公開，並被複制。與此同時，一些新事物將會進入人們的眼簾——它們不僅關乎股市，而且關乎其反映的世界。