【英国《经济学人在线》 2019年10月5日一期文章】正题：股票市场现在由计算机、算法和被动管理器管理 副题：这种发展引发了有关市场功能、公司如何治理以及财务稳定性的问题

简述

五十年前，投资显然是人间事。 雷·达里奥说：“人们不得不相互淘汰，交易员会招待基金经理，也没人会知道价格是多少。”他20世纪70年代初在纽约证券交易所交易大厅工作，后来成立了Bridgewater同仁公司。该公司现在是世界上最大的对冲基金。当时，技术仍处于基础水平。投资银行拉扎德（Lazard）的老板肯尼斯·雅各布斯记得使用便携式计算器来分析从公司报告中收集的数据。他的年长同事使用计算尺。一位投资者回忆说，即使到了20世纪80年代，“在上班的路上阅读《华尔街日报》、交易大厅中的电视和自动收报机”也提供了重要的信息优势。

从那时起，人类在交易中所扮演的角色迅速消失。取而代之的是计算机、算法和被动管理器。这些机制提供指数基金。这类基金持有一篮子股票，以匹配股市的收益，或股市的一些部分，而不是试图击败股市。9月13日，由研究公司Morningstar发布的备受关注的晴雨表报道说，上个月，它所衡量的被动式权益资产系列（4.3万亿美元）首次超过了人类管理的数额。

金融机器人化的兴起不仅改变了股市的速度和构成，而且还提出了有关市场功能、市场对更广泛的经济的影响、公司的治理方式以及金融稳定性的问题。

美国正在自动化

投资者一直在利用各种技术，赶在竞争对手前面了解市场动态信息。荷兰东印度公司的早期投资者赶在轮船绕过好望角抵达荷兰之前，获得有关轮船命运的新闻通讯。据称，罗斯柴尔德家族的大部分财产要归功于一羽赛鸽。它比轮船更快地传递了有关法国在滑铁卢战役中战败的消息。

在红马甲（即“出市代表”,就是证券交易所里面的下单员、交易员——本报注）和计算尺的时代，今天的技术进步开始兴起。机器首先完成了比较容易（和最响亮）的工作。20世纪70年代，在交易所互相吼叫的现场交易员开始被电子执行所取代。这使每个人都更容易收集价格和交易量数据。这继而通过提高价格的确定性，改善了执行力。

在投资组合管理中，算法也已经存在了数十年。1975年，杰克·伯格尔（Jack Bogle）创立了先锋公司（Vanguard）。该公司创建了第一只指数基金，从而使最简单的投资组合配置工作自动化。20世纪80年代和90年代，出现了更先进的自动化产品，例如定量对冲基金（称为“量化”基金）和交易所交易基金。一些交易所交易基金跟踪指数，但另一些交易所交易基金使人类长期以来崇尚的决策（例如购买所谓的高价值股票）自动化，因而遵循更复杂的投资规则。这些股票与公司资产相比，价格很便宜。自成立以来，许多量化基金就设计了可以搜索市场数据，寻找具有其他有吸引力的、人为选择的特征的股票（在行话中称为“因素”）的算法。

因素的想法来自两位经济学家，尤金·法玛（Eugene Fama）和肯尼思·弗伦奇（Kenneth French），并由法玛先生的学生克里夫·阿斯内斯（Cliff Asness）付诸实践。后者于1998年创立了aqr资本管理公司。该公司现在是世界上最大的对冲基金之一。定量基金喜欢用aqr程序算法，根据经济理论得出的、通过数据分析证明的因素，例如动量（近期价格上涨）或收益率（支付高股息）来选择股票。最初，只有少数资金管理人员拥有处理数字的技术。现在每个人都这样做。

“基于规则的”机器主导下的投资者的策略（使用算法执行投资组合决策的策略）正在不断变化。某些量化基金（例如Bridgewater）使用算法进行数据分析，但需要人工选择交易。但是，许多量化基金，例如Two Sigma和Renaissance Technologies，都使用机器学习和人工智能（ai）使机器能够选择要买卖的股票，从而进一步推动了自动化。

由此产生了计算机接管人类投资者的最终任务的前景：分析信息以设计投资策略。如果是这样，则可以使人们更好地了解市场的运作方式以及公司的价值。

现在，股市上的订单执行为算法交易员所主导。在纽约证交所的吵闹的大厅里进行的交易较少，而更多的则是在新泽西州安静地运行的计算机服务器上进行。据德意志银行统计，90%的股票期货交易和80%的现金股票交易都是通过算法执行的，无需人工操作。研究公司塔布集团（Tabb Group）的拉里·塔布（Larry Tabb）说，股票衍生品市场也以电子执行为主。

一定是这个地方

每天在美国股市上约有70亿股股票交易，价值3200亿美元。该数量的大部分是高频交易。其中，为了获得转瞬即逝的收益，股票被快速易手。高频交易员充当中间人，参与每日交易量的一半。但是，即使不包括交易者，而仅看投资者，基于规则的投资者现在也占交易的大部分。

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。塔布集团（Tabb Group）的数据显示，今年迄今为止，这种交易占机构交易数量的36%，而2010年仅为18%。摩根大通（JPMorgan Chase）公司的杜布拉夫科•拉科斯-布亚斯（Dubravko Lakos-Bujas）表示，机构交易中只有10%是由传统股票基金经理完成的。

机器也越来越倾向于为了持有而买入。根据罗素3000指数，美国上市公司股票的总价值为31万亿美元。三种类型的计算机管理基金（指数基金、交易所交易基金和定量基金）占其中的35%。传统对冲基金和其他共同基金等人工管理公司仅管理24%。其余的约40%很难衡量，由其他种类的所有者组成，例如持有大量本公司股份的公司。

在计算机所占的18万亿至19万亿美元的管理资产中，大多数由机器维护。指数基金管理着这笔钱的一半，约合9万亿美元。研究公司伯恩斯坦公司（Bernstein）说，其他量化股票管理公司管理着另外10%至15%，约合2万亿美元。其余的35%-40%，价值7万亿至8万亿美元，由人工监管。

对冲基金是观察算法投资进度的一个棱镜。世界上五个最大的对冲基金中的四个（Bridgewater，aqr，Two Sigma和Renaissance）是专门为使用定量方法而建立的。唯一的例外，即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定量股票管理公司Numeric。现在，曼氏集团管理的资产中有一半以上采用量化管理。据研究小组hfr称，十年前，对冲基金管理下的资产总额的四分之一是量化基金，现为30%。考虑到Point72等传统基金已经采用了部分量化的方法，所以这一数字可能低估了这方面的转变。

结果是，股票市场现在非常高效。新的机器人管控的市场使成本费用大大降低。被动基金每年收取其所管理资产的0.03-0.09%的费用。积极的管理者经常收取相当于这一水平20倍的费用。对冲基金利用杠杆和衍生品来力图进一步提高回报，因而收取20%的回报作为绩效费用。

较低的交易成本意味着，有关公司的新信息会立即反映在其股价中。据达里奥先生说，“订单执行的情况要好得多。”交易所交易股票的佣金很少：芝加哥大学学者称，买卖双方的每股佣金均为0.0001美元。最低收费也正在被转嫁。10月1日，著名消费经纪网站Charles Schwab和竞争对手td Ameritrade都宣布将把交易费降低到零。

费用的下降使流动性得到加强——这决定了交易者在使股票价格发生变化之前可以买卖多少。更高的流动性意味着，交易者可以购买股票的价格与他可以出售股票的价格之间的价差较低。

但是许多批评家认为，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。论点说，这种流动性在危机中就会消失。对冲基金Citadel最近发表的一篇论文驳斥了这一观点。它表明，在单个公司的股票中执行一笔小额交易（例如10,000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。规模较大的交易（最高达1000万美元）的价差在最坏的情况下保持不变，在大多数情况下有所上升。

大师的闪光之处

机器的市场主导地位肯定会进一步扩大。现在，在科技处于较为基础性水平时人工制定的因素策略，可以通过交易所交易基金广泛获得。一些交易所交易基金寻找具有多个因素的股票。其他基金则遵循“风险平价策略”。这是达里奥（Dalio）先生首创的一种方法，用于平衡不同类别资产的波动性。复杂性每增加一个级别，人工选择者的工作都有所减少。Two Sigma基金联合董事长戴维·西格尔说：“三十年前，最好的基金经理是最有直觉的基金经理。”现在，利用计算机、数据和人工智能、采用“科学方法”的人们能够占有优势。

要了解市场的未来发展趋势，国际象棋提供了一个有启发意义的例子。1997年，IBM公司的超级计算机“深蓝”击败了卫冕世界冠军加里·卡斯帕罗夫。这是机器对人类的胜利——在某种程度上是如此。“深蓝”是使用人类棋手编写的规则进行编程的。虽然它以人类的风格下棋，但却下得比任何人类都更好，也更快。

跳到2017年，谷歌公司推出了“阿尔法零”——这是一台获得了国际象棋规则、然后自己就学会了如何下棋的计算机。经过四个小时的训练，它就能击败“鱼干”——用人类战术编程的最好的国际象棋机器。有趣的是，“阿尔法零”走了人类看上去像是错误的步骤。例如，在一盘棋过半时，它牺牲了一个象来获得战略优势，这一优势直到很久以后才变得明显。

量化基金可分为两类：“鱼干”等一类基金，它们使用机器模仿人类策略；还有“阿尔法零”一类基金，它们自己制定策略。一位量化投资者说，三十年来，量化投资始于一项假设。投资者将其与历史数据比照进行测试，并对其是否继续有用做出判断。现在，这个顺序被逆转过来。他说：“我们从数据开始，然后寻找一个假设。”

人类并非完全在画面之外。人类的作用就是选择要输入到机器中的数据。这位投资者说：“务必要告诉算法要查看哪些数据。如果把一个机器学习算法应用于一个过大的数据集，它就趋于恢复到采用动量等非常简单的策略。”

但是，正如“阿尔法零”发现了看起来明显非人类的策略一样，Lazard公司的雅各布斯先生说，利用人工智能驱动的算法进行的投资常常可以识别出人类所没有的因素。具有人类思维方式的机器可能会寻求了解机器所发现的东西，以找到“可解释的”因素。这种新因素最终会加入当前因素的行列。但在一段时间内，它们会使其占有者获得优势。

许多人持谨慎态度。aqr公司的机器学习负责人、耶鲁大学的布莱恩·凯利表示，该公司的基金已经找到纯粹机器衍生的、在一段时间里看来胜过人类的因素。“但最终，它们却被证明是虚假的。”他说，把机器学习与经济理论相结合效果更好。

另外一些人则持完全怀疑的态度，达里奥先生就是其中之一。他指出，在国际象棋中，规则保持不变。相比之下，市场却在发展，尤其因为人们有学习能力，而且他们所学的东西也融入到价格中。他说：“如果有人发现了您所发现的东西，这不仅不值钱，而且过度贬值，因而会造成亏损。不能保证以前行之有效的策略会再次奏效。不采用人类逻辑的机器学习策略如果没有深度理解相伴随，最终就注定要崩溃。”

可用数据也不像人们最初或许以为的那样有用。传统的对冲基金经理现在分析各种数据，作为选股决策的参考：从信用卡记录、库存的卫星图像到私人飞机的飞行包机都有。但这种数据的扩散并不一定使机器能够接管发现新的投资因素的核心工作。

原因是，按照人工智能应用程序的标准，相关的数据集很小。凯利先生说：“决定您真正必须使用的数据量的是您试图预测的事物的大小。”对股市中的投资者来说，这可能是每月报酬率，而这方面有数十年的数据——仅数百个数据点。这与用来训练算法、以识别人脸或驾驶汽车的千兆字节数据相比没什么。

关于机器驱动的投资的一种人们经常听到的抱怨则完全相反。这些批评者说，这不是一场小小的混乱，远非如此。太恐怖了。一种担心是，这些算法可能会促使股价遭受更频繁的和更突然的冲击。人们尤其担心“突如其来的崩盘”。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，市场最终都恢复正常，但监管机构却把可能使这些举措恶化的罪责推给高频交易者所提供的流动性的不足。去年12月，一种担忧，即机器的接管已经使市场陷入无法管理的波动，达到了疯狂的程度，与此同时，股价在没有受到什么新闻影响的情况下暴跌，

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，当时道琼斯指数单日下跌22%。但是当时的问题是“从众效应”，即资金管理者围绕单一策略聚集。如今，存在更大的多样性，不同的投资基金使用不同的数据来源、时间范围和策略。aqr基金的迈克尔·孟德尔森认为，算法交易已成为替罪羊。“当市场行情下跌时，投资者必须解释这一亏损。当他们不明白时，就归咎于计算机。”他认为，机器甚至可能会使市场平静下来。 “计算机不会惊慌失措。”

金钱永不眠

另一个困扰是传统资产管理者再也无法竞争。全球最大的资产经理之一抱怨说：“公共市场正在成为赢家通吃”。他说：“我认为我们甚至距离参与这场竞赛都相差甚远。”菲利普·贾布雷于2007年推出了他备受期待的同名基金贾布雷资本。他去年12月在关闭一些基金时写给客户的最后一封信中说，计算机模型已经“不知不觉地取代了”传统参与者。

此外，仍然存在一种真正的恐惧：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。它们的运作方式对财务稳定性和公司治理产生重大影响。因此，很重要的一点是，摆脱了人为决策羁绊的算法正开始发号施令。

从机器衍生的因素中获得优势的前景将吸引其他理财人员加入。人们很自然地担心后果，因为这是朝着未知世界的一次飞跃。但是，市场越准确，其效率越高，对投资者和公司就越有利。如果以史为鉴，那么任何新的交易优势最初都只会使少数人受益。但市场是无情的。这一优势的来源将公开并被复制。新事物将为人们所认识，这不仅涉及股市，而且涉及其所反映的世界。