交易，让人类走开？被计算机、算法和被动基金统治的股市

责任编辑 | 张旖旎

作者 | 章舟

导言

和传统由基金经理主宰的世界不同，现代的投资世界，已经被计算机、算法和被动基金越来越多渗透。那么和有血有肉的人相比，这些听起来冷冰冰的东西是如何改变投资的呢？今天我们翻译《经济学人》10月5日的一篇文章，和大家一起了解机器是如何改变，乃至颠覆投资交易行业的。

正文

五十年前，投资显然完全由人工从事。正如早期在纽约证券交易所（NYSE）交易大厅工作，全球最大对冲基金桥水的掌门人Ray Dalio所言：“人们将不得不互相淘汰，交易员也要款待基金经理，没人会知道未来的价格。” 的确，在桥水尚未成立的上世纪70年代，投资交易的技术手段非常初级。拉扎德（Lazard）投行的老板肯尼斯·雅各布斯（Kenneth Jacobs）还记得，当时是使用便携式计算器来分析从公司报告中收集的数据，他的年长同事甚至还在使用计算尺。据一位投资者回忆称，即使到了1980年代，“在上班时阅读《华尔街日报》，观看交易大厅的电视节目和股票录像带”也为投资交易提供了重要的信息优势。

但从那时起，人类在交易中所扮演的角色就开始迅速消失。取而代之的是计算机，算法和“被动管理”的机构——这些机构提供的指数基金持有一篮子股票，以匹配股市或板块的收益，而不是试图跑赢它们

今年 9月13日，由研究公司Morningstar发布的备受关注的报告说，根据统计，上个月全球被动式管理的权益资产数额达到4.3万亿美元，首次超过了由人工管理的数额。 金融行业“机器人化”的兴起，不仅改变了股市的波动速度和波动结构。它还提出了有关市场机制、市场对经济更广泛的的影响、公司的治理方式，以及金融稳定性等一系列问题。

1、美国正在“自动化”

投资者一直在使用各种技术，以此在竞争对手之前了解市场动态信息。以历史上的荷兰东印度公司为例，其早期投资者在到达荷兰之前，就希望获得有关好望角周围船只命运的消息。据称，罗斯柴尔德家族的大部分财产的获得，要归功于一羽赛鸽——它使家族在船只到来之前，就获得了法国在滑铁卢战役中被击败的消息。 在使用计算尺的时代，交易的技术进步开始兴起，直到今天还在继续。机器首先完成了较容易（需要大分贝音量）的工作。在上世纪70年代，交易员互相吼叫的喊单开始被电子执行所取代，这使每个人都更容易收集价格、成交量等数据。反过来，通过提高价格确定性，也改善了交易的执行效率。 同样，在投资组合的管理中，算法应用也有数十年的历史。早在1975年，杰克·伯格尔（Jack Bogle）创立了先锋公司（Vanguard）——这家公司创建了第一只指数基金，从而使最简单的投资组合实现了自动化。 到了1980年代和1990年代，一些更先进的自动投资产品出现，包括定量对冲基金（称为“量化”基金）和交易所交易基金（ETF）等。这其中，一些ETF追踪指数，但另一些ETF则通过将人类长期以来崇尚的决策（例如购买所谓的低估价值股票）自动化，来遵守更复杂的投资规则。许多量化基金自成立以来，就设计了一整套算法，以此对整个市场数据进行彻底搜索，寻找具有其他有吸引力的，具有能够被人为选择特征的股票——而这些特征在行话中称为“因子”。 因子的概念来自两位经济学家，尤金·法玛（Eugene Fama）和肯尼斯·弗朗西斯（Kenneth French），后由法玛先生的学生克里夫·阿内斯（Cliff Asness）付诸实践。法玛先生于1998年创立了AQR资本管理公司，该公司经营着全球最大的对冲基金。诸如AQR之类的量化基金采用了一系列程序算法，可以根据经济理论得出的因子，以及通过数据分析所证明的因子来选择股票——例如，股票动量（近期价格的涨幅）或收益率（支付的高股息）都是考虑的因素。最初，只有少数基金经理拥有这些和数字打交道的本事。现在每个人都这样做。 时至今日，越来越多“基于规则的”机器运行投资者（这些使用算法执行投资组合决策的策略）的运行规则也发生不断变化。某些量化基金（例如桥水）使用算法进行数据分析，但要求在选择交易类型时人工操作。但是，许多量化基金，例如Two Sigma和Renaissance Technologies，都通过使用机器学习和人工智能（AI）等手段，使机器能够选择所买卖的股票，从而进一步提高了交易的自动化程度。 这提高了计算机最后完全代替人类进行投资操作的可能——因为它们也可以代替分析市场信息，为设计投资策略。如果真是这样，则可以把人们解放出来，更好地了解市场的运作方式以及公司的价值。 现在，在股票市场上执行订单的也可以是交易算法：在纽约证交所（NYSE）的大厅粗地板上进行的现场交易越来越少，而购买计算机服务器，在新泽西这样的地方州悄悄进行的交易则更多。根据德意志银行的说法，90%的股票期货交易和80%的现货交易是通过算法执行的，其中无需人工操作。研究公司Tabb Group的拉里·塔布（Larry Tabb）则表示，股票衍生品市场也以电子交易为主。 2

2.适得其所的机器交易

在美国股市上，每天约有70亿股股票交易，成交量3200亿美元，其中大部分依靠高频交易成交——在这样的交易中，为了获得转瞬即逝的收益，股票被快速倒手。而高频交易者充当中间人角色的交易，则占了每天成交量的一半。但是，即使不看交易者，而仅看投资者，基于规则的投资者现在也成为交易的大部分来源。 就在三年前，量化基金成为美国股票市场最大的机构交易量来源。据塔布集团（Tabb Group）的数据，2019年初至今，这样的基金占市场上机构数量的36%，而2010年，这一 数字仅为18%。摩根大通（JPMorgan Chase）的分析师杜布拉夫科·拉科斯-布亚斯（Dubravko Lakos-Bujas）则表示，机构交易中，只有10%是由传统的股票基金经理完成的

和人类的基金经理类似，机器也越来越倾向于“买入并持有”股票。根据罗素3000指数，美国公共股票的总价值为3200万亿美元。三种类型的计算机管理基金（指数基金，ETF和量化基金）占其中的35%。而传统对冲基金和其他共同基金等人力管理者仅管理其中24%，其余约40%则很难衡量——因为这些基金的管理者由其他不同种类的所有者组成，例如持有大量股份的公司。

而在占据总额60%，共计18万亿至19万亿美元的被管理资产中，大多数也是由机器维护的：其中，指数基金管理着这些钱的一半，约合9万亿美元。据研究公司伯恩斯坦（Bernstein）说，剩下的10%至15%股票（约合2万亿美元）由其他量化手段管理，而其余的35-40%（7至8万亿美元）依然由人类管理。 对冲基金是观察算法投资进度的一个窗口。世界上五个最大的公司中的四个——桥水（Bridgewater）、AQR、Two Sigma和文艺复兴（Renaissance）都是专门为使用量化方法而建立的。唯一的例外是，英国对冲基金曼氏集团（Man Group）在2014年收购了总部位于波士顿的量化股票管理公司Numeric。现在，曼氏集团管理的资产中有一半以上是量化资产。据研究，就在十年前，对冲基金资产总额的四分之一是量化基金。现在这一比例已经上升到了30%。考虑到像Point72这样的传统基金也已经采用了部分量化的方法，这一数字可能低估了真实的上升比例。 转变带来的结果是，现在的股票市场非常高效：机器人所管理的新型市场带来了更低的成本。被动基金每年收取管理资产的0.03-0.09%。而主动性基金管理者所收费用比例则为该数字的20倍。同时，对冲基金利用杠杆和衍生品来进一步提高回报，但收取20%的回报作为绩效费用。 较低的交易成本，意味着有关公司的信息会立即反映在其价格中，这就印证了桥水掌门人达里奥的说法，“订单执行情况要好得多。”而交易股票的佣金，也变得极低廉。芝加哥大学的学者称，买卖双方的每股佣金均为0.0001美元，而最低收费也正在逐渐取消：10月1日，领先的投资者经纪网站Charles Schwab和竞争对手TD Ameritrade都宣布，将把交易费减至零。 低廉的费用，自然增加了市场的流动性——这决定了交易者在股票价格变动之前可以交易的数量：更高的流动性，意味着交易者购买股票的价格与他出售股票的价格之间的价差较低。 不过也有许多批评者认为，这是一种误导，因为高频交易者提供的流动性与银行提供的相比并不可靠——遇到危机的时候，前者便会消失。不过，贸易公司Citadel Securities最近发表的一篇论文则驳斥了该观点。它表明，对于单个公司的股票而言，执行一笔小额交易（例如1万美元）的价差在过去十年中急剧下降，并且一直处于较低水平。而大规模的交易（最高达1000万美元）价差即使在最坏的情况下，也保持不变，并且在大多数情况下还有所上升。

3.机器：闪光的大师

机器的市场主导地位毫无疑问会进一步扩大：人们在技术更为基础时所设计的因子策略，现在可以通过ETF广泛实现。一些ETF寻找具有多个因子的股票。其他人则遵循“风险平价策略”——这是达里奥率先提出的一种方法，以用于平衡不同类别资产的波动性。而复杂性每增加一个级别，人工选择者的对应工作机会就减少了。 正如Two Sigma联合主席西格尔（David Siegel）所言，二十年前，最好的基金经理是最有直觉的基金经理，现在，那些使用机器，数据和人工智能，采取“科学方法”的人可以拥有优势。 为了解投资市场的发展趋势，国际象棋提供了一个有启发性的例子。1997年，IBM超级计算机“深蓝”（Deep Blue）击败了卫冕世界冠军卡斯帕罗夫。在某种程度上，这是机器对人类的胜利。“深蓝”是使用人类玩家编写的规则运行的，虽然它下棋的风格类似于人类棋手，但它下起棋来比任何人都更好，更快。 到了2017年，谷歌推出了一台名为“阿尔法狗”（AlphaZero），被植入了国际象棋规则程序的计算机，这台计算机“自学了”有关下棋的规则。

在经过四个小时的训练之后，它击败了Stockfish——后者是一台植入了最高水平人类国际象棋技巧程序的机器。有趣的是，在人类棋手看来，AlphaZero的一些战术是“完全错误的”。例如，到了一局棋的当中，它通过“牺牲”了一个象获得全局优势，而直到这步棋很久之后，这一招的优势才变得明显起来。 量化基金可分为两类：一类与Stockfish有些类似，是使用机器模仿人类的投资策略；另一类像AlphaZero这样的基金，则可以自己制定策略。按照量化投资者所言，近三十年来，量化投资方法都是从假设出发。再由投资者根据历史数据对其进行测试，并对其是否继续有用做出判断。但现在，这一顺序已不再有效。正如西格尔所言：“（现在）我们从数据开始，然后寻找一个（符合数据的）假设。” 人类并非完全可以置身事外：相反，人类的作用是，选择要输入到机器中的数据。西格尔表示：“你必须告诉算法的是，需要搜索哪些数据。如果我们将机器学习算法应用于过大的数据集，通常会趋向于恢复为非常简单的策略——例如动量策略。” 但是正如AlphaZero发现的策略看上去明显不符合人类常理一样，Lazard的Jacobs先生表示，基于人工智能的投资算法，通常可以识别出人工投资所不具备的因子。善于思维的人可能会寻求理解由机器发明的算法，以发现新的，可解释作用原理的投资因子。这样的新因子最终将和已有的因子效果毫无二致。但是在起初的一段时间内，最先发现这些因子的人会获得超额收益。 许多人（对机器投资）持谨慎态度。AQR的机器学习负责人，耶鲁大学的布莱恩·凯利（Bryan Kelly）表示，该公司已经发现，一开始，那些纯粹来自机器的因子似乎投资表现要略好一些。但是最终，事实证明了并非如此。如果将机器学习与经济理论相结合，那将会更好。 其他人则是对机器投资完全持怀疑态度——其中包括达利奥。他指出，国际象棋中规则保持不变。相比之下，市场在不断发展，而这种发展不仅是因为人们在不断学习，而且所学到的东西也包含在定价体系中。“如果有人发现了您所发现的东西，那么您的发现不仅不再值钱，而且还贬值了很多，并且会造成损失。总之，没有人能保证以前行之有效的策略再次奏效。”不采用人为逻辑的机器策略“如果没有对投资逻辑的深刻理解，就会注定要崩溃。”

同时，和最初的的设想不同，浩如烟海的可用数据似乎并没有那么大。传统的对冲基金经理现在可以分析各种数据，以做出他们的选股决策——这些数据从信用卡记录，到存货的卫星图像，再到私人飞机的包机航班数据。但是，这些数据并不一定使机器能够胜任“发现新投资因子”的核心工作。

原因是，按照人工智能应用程序的标准，和投资相关的数据量实在太小。正如凯利先生所言：“决定您真正必须使用的数据量的，是要尝试预测的数据的大小。”对于股市中的投资者来说，这可能是每月的回报，其中包含数十年的数据价值-仅数百个数据点。与用于训练识别人脸或驾驶汽车的算法的千兆字节数据相比，确实算不了什么。

但就机器算法投资而言，的一个经常听到的抱怨说法则与上文完全相反。这些批评者表示，这不是一场混乱，而是极度的“恐怖”，这些算法可能会促使股价更频繁，更突然地受到冲击。其中，特别令人关注的是“闪崩”。2010年，在短短几分钟内，标普500指数的价值就蒸发了5%以上。2014年，债券价格在短短几分钟内又大幅上涨了5%以上。在这两种情况下，市场多数情况在一天结束时都已恢复正常，但监管机构指责，高频交易者提供的流动性不足可能加剧了这一举措市场的大幅波动。 2018年12月，由于价格暴跌，利好消息一度暴跌，而在 我们可以回忆一下2018年的12月的行情：当时仅仅很小的消息，就使得股市发生了剧烈的下跌。因而市场对对动荡的担忧机器算法统治地位可能带来剧烈波动担忧情绪，也难以控制地达到了极为疯狂的程度。；而到了今年夏天，这种情绪依旧在缓慢滋长。（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，所谓的程序交易（在市场低迷时期卖出股票）促成了黑色星期一大跌，当时，道琼斯指数一天之内下跌了22%。但是当时的问题是“放牧”，即资金管理者围绕单一策略配置资产。如今，机器资产管理有了更多的多样性——不同的投资基金使用不同的数据来源，时间范围和策略。AQR的Michael Mendelson认为，算法交易已成为行情不佳的“替罪羊”：“当市场下跌时，投资者必须听到对自己损失的解释。他认为，机器甚至可能会使市场平静下来，因为“计算机不会惊慌。”

4.金钱永不眠

另一个困扰，是传统资产管理者无法同算法交易竞争。一位全球最大的资产经理抱怨说：“公共市场正在成为赢家通吃的天下，我们甚至无法在这场比赛中接近竞争的资格。”菲利普·贾布雷（Philippe Jabre）于2007年推出了他备受期待的同名基金贾布雷资本（Jabre Capital），他说，去年12月他关闭了一些基金时，计算机模型在他给客户的最后一封信中“无意识地取代了”传统的人工管理者。 而且，对量化基金真正的恐惧仍然存在：如果量化基金履行其最疯狂的推动者的承诺，会发生什么？股市对现代经济至关重要。它们将需要现金的公司与投资者进行匹配，并表明公司的状况如何。而股市的运作方式对财务稳定性和公司治理具有重大影响。因此，真正重要的一点是，与人为决策无关的算法开始在股市发挥作用，而这么做的后果尚未可知。 从机器主导的投资因子中获得优势的前景，将吸引其他财产管理人员加入。而担心由此而来的后果是很自然地事情——因为这是对未知世界的一次全新探索。但是，只要新投资方法设计得越精确，交易效率越高，它为投资者和企业提供的服务就会越好。如果以史为鉴，那么任何新的交易优势都只会在短期内让人受益——市场是无情的。该优势的来源会很快公开，并被复制。与此同时，一些新事物将会进入人们的眼帘——它们不仅关乎股市，而且关乎其反映的世界。