1707630466
1707630467
2010年5月6日，一次被称为“闪跌”（flash crash）的金融事件再次把高频交易推上了风口浪尖。那一天，道琼斯（Dow Jones）指数在五分多钟内暴跌了600多点。五个多月后，美国证券交易委员会公布的一份调查报告指出，高频交易在其中起码起到了放大跌幅的作用。
1707630468
1707630469
尽管金融界的保密使外界无法知晓高频交易的内部细节，但有些研究者却另辟蹊径，试图从外部特征入手，来研究高频交易。2012年2月，美国迈阿密大学（University of Miami）的物理学家约翰孙（Neil Johnson）及合作者对2006—2011年间的18520次幅度在0.8％以上、时间跨度在1.5秒以内的高频股价波动进行了分析，结果发现跌落和上涨方式分别在650毫秒和950毫秒的时间跨度上出现显著变化。约翰孙等人认为，这样的时间跨度恰好对应于人类的最短反应时间，因此这种变化是高频交易取代人类起到主导作用的征兆。在论文中，他们还特意使用了2004年开始流行的一个叫做“黑天鹅”的新术语，将那些高频波动称为黑天鹅事件。什么是黑天鹅事件呢？它是指出人意料、却有着重大影响力的偶然事件。
1707630470
1707630471
约翰孙等人的研究引起了很多媒体的关注，约翰孙本人在接受采访时表示，他们的发现有可能帮助人们应对高频交易造成的影响。他认为，就像飞机修理工能从细微裂缝中判断飞机是否安全一样，人们也将能从细微的黑天鹅事件中窥视金融世界的风险。
1707630472
1707630473
不过，约翰孙等人的研究还很初步，他们甚至没有对高频交易问世之前的数据进行分析，以确定自己的发现是否是高频交易时代特有的。他们用以检验自己看法的模型也极为粗糙。高频交易是否是金融世界黑天鹅事件幕后的主要推手，应该还有待更多的研究来判断。另一方面，即便高频交易是主要推手，它对金融世界的影响是正面还是负面的？也仍有很大的争议余地。
1707630474
1707630475
不过，对于普通投资者来说，美国证券交易委员会前主席唐纳森（William H．Donaldson）的一个看法也许不容忽视，他说如果无法跟上高频交易者的技术步伐的话，普通投资者“将处于巨大的劣势中”。
1707630476
1707630477
(1) 本文发表于《科学画报》2012年第5期（上海科学技术出版社出版）。
1707630478
1707630479
1707630480
1707630481
1707630482
霍金的派对：从科学天地到数码时代 [:1707629784]
1707630483
霍金的派对：从科学天地到数码时代 金融策略vs随机性(1)
1707630484
1707630485
1707630486
1707630487
1707630488
在现代社会中，无论看电视、读报纸，或浏览网络新闻，都很难不接触到形形色色的经济数据，比如经济增长率、新屋开工数、首次领取失业救济金的人数、进出口贸易额的增减，等等。报道经济数据的一种常见模式，是公布数据的同时提一下经济学家曾经有过的预期，然后给出诸如“高于预期”、“低于预期”、“明显高于预期”、“明显低于预期”、“与预期完全不同”、“出人意料”等的评语。
1707630489
1707630490
对于我这种“理科男”来说，这样的报道模式是比较合胃口的，因为它给出了“理论”和“实验”的对比。不过，对比的结果却给我留下了相当负面的印象，因为“理论”和“实验”常常大相径庭，误差百分之几十、几百甚至正负完全颠倒都屡见不鲜。那样的报道看多之后，我常常会闪过这样的念头，即哪怕由我这种外行人来随意估计——平均而言——也未必比经济学家的预期更不靠谱。当然，我从未对经济学感兴趣到足够的程度，来把这种可能会被斥为“理科沙文主义”的看法付诸检验。
1707630491
1707630492
后来我才知道，认为随意估计也未必比经济学家的预期更不靠谱的并非只有我一人，而且有些人明显比我认真和大胆，不仅这么想了，还用一定的方式针对某些方面进行了检验。
1707630493
1707630494
2013年1月，意大利卡塔尼亚大学（University of Catania）的物理学家普鲁其诺（Alessandro Pluchino）与包括经济学家比昂多（Alessio Biondo）在内的几位同事合作发表了一篇题为《社会及金融系统中随机策略的有益作用》（The beneficial role of random strategies in social and financial systems）的论文，提出了在预测金融市场的某些变化时，标准金融策略还不如随机性有效。这一研究引起了一些媒体的兴趣，比如著名美国杂志《连线》（Wired）就以《为什么随机投资与雇金融顾问同样有效》（Why Investing at Random Is as Effective as Hiring a Financial Adviser）为题报道了这一研究。
1707630495
1707630496
普鲁其诺等人的研究其实已进行了多年，研究过的系统也不限于金融，而是包括了诸如企业中的人员升迁等社会现象，所得结论都有些出人意料。比如对企业中的人员升迁，他们的结论是：若升迁前后职位所需的技能相差很大，则随机挑选升迁者比精心挑选更有效。初看起来，这有点荒谬，不过，社会学上有一条所谓的“彼得原理”（Peter principle）与之不无呼应。该原理认为，升迁的终极结果乃是把人从自己胜任的职位提升到不胜任的职位。细想想，这些说法也不无道理，因为升迁者通常是因胜任而被升迁，升迁之路的终止则往往是因升到了不再胜任的职位上，从而不再受器重。
1707630497
1707630498
普鲁其诺等人的研究手段是计算机模拟。在金融策略的研究中，他们采用了真实的金融数据：从1998年1月1日至2012年8月3日的总计3714个交易日的伦敦证券交易所（London Stock Exchange）的富时指数（FTSE index）。他们将数据按时间分段，然后用计算机对各时间段的数据进行预测。由于这种名为“预测”的计算乃是针对历史数据，因此可以与实际值相比较，以检验预测的好坏。他们用以预测的方法有三种，其中一种是纯粹的随机预测，另两种则是以“相对强弱指标”为基础的策略（RSI-based strategy），以及所谓的“惯性策略”（momentum-based strategy）。这后两种策略——用普鲁其诺等人的话说——都属于“标准交易策略”（standard trading strategy），而前一种则形同儿戏。但三种策略的比较结果却显示，前一种策略不仅预测准确率稍高，而且很稳定，鲜有大起大落，从而风险较低。对于这一结果，普鲁其诺等人的解释是：标准金融策略常常会把“宝”误压在不足为凭的涨落上，从而放大了涨落，大起大落和交易风险便随之而生。当然，对于想赚大钱的人来说，或许大起大落才更刺激、也更有魅力，这就好比很多人都知道长期而言赌博是注定会输的，甚至会“大落”，却仍愿去搏那小概率的“大起”。不过，撇开这种心理因素不论，随机性若果真能胜过标准金融策略，对于理解金融世界来说实在是不容忽视的事情。
1707630499
1707630500
但是，随机性果真能胜过标准金融策略吗？虽然我对经济学缺乏敬意，并乐见衣冠楚楚的金融顾问们败给本质上是一把骰子的随机性，却并不觉得上述研究已接近哪怕只是初步的结论。事实上，普鲁其诺等人自己也承认，要判断他们的结论有多大的普适性，还需要研究更多的金融数据，并对更多的金融策略进行比较。
1707630501
1707630502
(1) 本文发表于《科学画报》2014年第1期（上海科学技术出版社出版）。
1707630503
1707630504
1707630505
1707630506
1707630507
霍金的派对：从科学天地到数码时代 [:1707629785]
1707630508
霍金的派对：从科学天地到数码时代 我们都像“费米子”(1)
1707630509
1707630510
1707630511
1707630512
1707630513
有过网络购物经验的读者想必都知道，当你在购物网站——比如亚马逊（Amazon）或当当网——浏览或购买商品时，网站通常会向你推荐一些商品。这种推荐是基于商品的种类、性质、彼此间的相似性、配套性，以及对你本人或其他顾客的购物行为进行分析之后作出的。在它背后是一套被称为推荐引擎（recommendation engine）的复杂系统。
1707630514
1707630515
推荐引擎在现代商业中扮演着日益重要的作用，但迄今为止，它的能力还是比较初级的，时不时地会推荐一些与顾客兴趣南辕北辙的东西。为了改善推荐引擎，许多大公司都雇了技术人才进行研发，著名网络媒体公司奈飞（Netflix）公司更是在2006年至2009年间几度举办竞赛，悬赏百万美元，征集能将准确度提高10％以上的新推荐引擎。2007年，这一竞赛的优胜者据说将107种不同算法融合在了一起，其复杂度之高可见一斑。