1703414633
国际金融其实是一个复杂系统
1703414634
1703414635
20世纪80年代早期，复杂系统和混沌理论研究中的一个主题是这样的一个思想：简单的大规模结构可以从基础流程发展而来，而这些基础流程看上去并不具有这样的大规模结构。我们以大气物理学为例，对此加以解释说明。在大气中，最小规模的大气结构包含着一堆气体粒子，它们在空中随处游荡。然而，当我们回头看的时候，我们会发现这些毫无思想的微粒以某种方式组织起来，形成了强大的飓风。同样的现象也出现在生物学中。单个的蚂蚁看上去行为方式很简单，外出觅食，按照各种其他蚂蚁分泌物的轨迹行动，搭建巢穴。然而，将它们的个体行为与整体行为结合起来考虑，我们就会发现，它们形成了一个集群，这个集群的力量看上去要比它们简单的结合力量更加强大。作为一个整体，蚂蚁集群甚至有能力对自身的环境系统进行调整和改变，或者决定个体蚂蚁的生死状态。一旦这些思想在圣塔菲研究所得到传播，很自然就会有人想到，一个国家的经济和市场的表现同样也可以理解为个人的集体行为活动。
1703414636
1703414637
1986年，圣塔菲研究所主办了经济学领域的第一场研讨会，这场研讨会的主题是“国际金融其实是一个复杂的系统”。此时，法默已经是洛斯阿拉莫斯国家实验室复杂系统研究小组的负责人，他被邀请在此次研讨会上发言。被邀请发言的科学家并不多，而法默是其中之一。这是他第一次涉足经济学领域，其他的发言人大多数来自不同的银行以及商学院。这些银行家们向一群科学家们介绍了他们的模型，而科学家们则被银行家们所介绍的模型惊呆了，因为这些金融模型在科学家们的眼中，实在是太小儿科了。与此同时，银行家们的感受却不一样，他们似乎听到了来自未来的神秘呼唤，尽管他们现在还不能真正理解科学家们说的是什么。他们感到很兴奋，催促圣塔菲研究所再举办一次研讨会，邀请顶级大学的经济系大师们都来参加。
1703414638
1703414639
隐藏在第二次研讨会背后的逻辑思想是，即使金融从业者们不能够追随物理学和计算机科学领域的最新发展，但毫无疑问，经济学家们能够赶上它们发展的步伐。遗憾的是，事情的发展并不是像预想的那样。法默和帕卡德都做了主题发言，圣塔菲研究所的其他学者也都做了相应的发言。经济学家们也跟他们一样，做了演讲和展示。但两个群体之间的交流和沟通却很少。这两大群体来自完全不同的两个领域，文化差异比较大，对许多事情的看法有很大的差别。物理学家们认为经济学家们将事情看得太简单了，而经济学家们则认为物理学家们所讲的事情没有任何意义。两个群体就关键性问题达成一致意见的情形并没有出现。
1703414640
1703414641
圣塔菲研究所并没有被这个困难所吓倒，他们于1991年举办了第三次研讨会。然而，这一次研讨会，经济学家们却并没有参加。相反，研究院向银行和投资公司的金融从业者们发出了会议邀请，因为他们才是让金融市场真正运转起来的人。这次会议的基调务实多了，会议重点关注的是如何构建模型、测试模型以及如何运用模型来制定具体的交易策略。与经济学家们相比，金融从业者要好相处多了，他们没有那么抵触和对抗。因此，当研讨会结束的时候，双方都对彼此所做的贡献感到非常满意。特别是法默和帕卡德，对实际的金融交易是如何进行的已经了解得非常清楚。同时，他们也很清楚地知道，他们可以做得更好。一个月之后，他们告诉各自的雇主他们将要辞职。因为在他们看来，是时候参与这场大变革了。
1703414642
1703414644
预测公司
1703414645
1703414646
创建一家公司与制造一台收音机、一个摩托车引擎或者一台用来战胜轮盘赌游戏的电脑相比，是完全不同的一件事情。然而，很多相同的技巧却被反复证明是有用的：将很多细小的东西以一种全新的方式组合在一起的眼界；对有些东西加以胡乱摆弄直到你最终弄出一个成品的耐心；不屈不挠的毅力。创造新产品是一个容易让人成瘾的事情，这或许就是为什么有那么多的企业家来自工程师和科学家的原因吧。
1703414647
1703414648
法默和帕卡德同样都受到了反现存社会体制潮流的影响，这将他们带回到创立精灵公司的那段时光。公司在最开始成立的时候，首先并不是想进入金融领域。新成立的公司精神与当初攻克轮盘赌游戏而成立的小组精神一致：具有一点儿雅皮士的冒险精神，回归到纯粹的研究文化，而且不设定任何条条框框。1991年3月，在新公司的第一次正式会议上，法默穿着一件印着“吃掉有钱人”的T恤衫出席。
1703414649
1703414650
然而，此刻他们所面临的风险却比当初轮盘赌游戏项目所面临的风险要大许多。法默和帕卡德都希望项目能够运转起来，他们相信真实的商业智慧对他们可能会有比较大的帮助。于是，他们引进了第三个合伙人，由原来的物理学家转变为企业家的吉姆·麦吉尔（Jim McGill）。1978年，麦吉尔成立了数字语音公司（Digital Sound Corp.），这是一家专门从事微芯片生产的公司，这些微芯片能够将电子音乐设备和麦克风产生的数据储存起来，然后传递到语音信箱设备中。至少在名义上，麦吉尔是预测公司的CEO，代表着公司形象的他经常穿着拖鞋和蓝色牛仔裤。法默和帕卡德极其擅长设想如何打理一亿美元的资本，而麦吉尔的任务则是找到一个能够给他们出一亿美元的那个人。如果说预测公司与精灵公司之间有什么不同的话，这就是麦吉尔的出现。
1703414651
1703414652
事实很快证明，找到潜在的投资者并不像公司创立者想象的那么困难。在圣塔菲研究所举办经济学研讨会期间，法默和帕卡德已经为他们自己打下了名声。因此，当法默和帕卡德准备离开学术圈投向华尔街的传言满天飞的时候，一些有影响力的人物开始重视这个传闻了。为了更体面地出席如美国银行和所罗门兄弟公司（Salomon Brothers）举办的会议，法默不得不给自己买一套合适的西服。在《时代周刊》发表了一篇名为《如何界定旧剑打造的新犁头》（Defining the New Plowshares Those Old Swords Will Make）的封面文章之后，情况进一步好转。这篇文章关注的是在第二次世界大战期间被军事工业招募的物理学家们随着冷战时代的结束开始偏离了原来的工作范围。考虑到法默曾经在洛斯阿拉莫斯国家实验室工作过，这篇文章将预测公司的成立作为头条，这倒是与法默的经历很契合。在这篇文章刊登之后，从富有的石油商人到华尔街的银行家，数百名的投资者给预测公司打来电话。
1703414653
1703414654
融资并不是特别困难的事情，难的是这些潜在的投资者到底想得到什么。华尔街的有些公司开始对成立一家基于预测公司的对冲基金感到很兴奋。不过，如果想要成立一家对冲基金，法默和帕卡德就需要在全国游说以筹集资金，而他们不喜欢这么做。从理想的状态来看，他们希望获得种子资金的青睐，这样的话，他们就能够专心于公司科学技术的发展。也有其他的公司愿意出钱完全买下预测公司，但对创建公司的这帮人来说，这同样也没有什么吸引力，因为他们下定决心要打破常规，在竞争中脱颖而出，准备自己好好干一番事业。还有一些公司希望通过追加投资换取公司的部分股权，不过，他们更多关心的是他们的投资回报率。例如，早在1988年就成立了一家名为D.E.肖联合公司（D.E. Show & co.）的对冲基金的戴维·肖（David Shaw），希望前期风险资本的投入换取预测公司的知识产权。戴维·肖曾经是哥伦比亚大学计算机系的教授。
1703414655
1703414656
许多公司的出价非常具有诱惑力，法默和帕卡德却委婉地回绝了。这似乎有些不对劲儿，毕竟他们不可能永远用他们个人的支票账户来负责投资公司的运营。到1992年3月，随着公司成立一周年时间的临近，压力迫使他们必须找到一笔资金来支撑公司的运转。
1703414657
1703414658
不得不说，法默、帕卡德和预测公司的其他合作者运用混沌理论预测市场或者其他事情的发展趋势，这一思想还是很吸引人的。事实上，这也正是他们的公司跟其他公司的不同之处。然而，这种说法不是完全正确的。法默和帕卡德并没有运用混沌理论成为一名气象学家或者物理学家。他们在其他领域所做的事情，不像在金融领域所作的那么深入。在金融领域，他们试图寻找市场背后存在的分形几何，发现控制金融系统运转的决定性规律。
1703414659
1703414660
法默和帕卡德各自花了15年的时间所研究的混沌理论，在帮助他们理解复杂系统是如何工作方面，起到了史无前例的效果（从1991年的标准来判断）。而且，运用电脑和经济学领域（或者很多是在物理学领域）所受的数学教育来研究现实问题，在之前看来，似乎是不可能的事情。他们在混沌理论领域的工作经历帮助他们更好地理解了有规律的模式，这些模式通常具有较强的预测能力，但却很可能会被随机的表象给掩盖起来。这些经历同时向他们展示了应该如何运用正确的统计测量方式来确定真实的预测模式；如何检测反映市场行为模式的数据；以及最终如何找到模型在什么时候无法发挥预测的功能。他们对肥尾分布和狂放随机分布的统计特征非常熟悉，而这两种分布特征正好是物理学中的复杂系统和金融市场的复杂系统的重要特征。这意味着他们可以轻松地运用曼德博关于风险管理的部分思想，而且是用接受传统经济学教育的学者不能运用的方式进行的。
1703414661
1703414663
统计套利与黑盒子模型
1703414664
1703414665
就预测公司而言，市场可能是混沌的，当然，也可能不是混沌的。市场行为中的随机程度可能是各种各样的。控制市场运行的或许是一些简单的规律，或许是一些极其复杂的规律，或许是一些变化非常迅速以至于之前都没有记录过的规律。预测人员所作的事情，其实就是试图从大量杂乱的信息中提取少量有用的信息。这与大量的投资者想要找寻的规律其实是类似的：市场将会对如利率变化或就业数据等经济信息做出什么样的反应；一个市场上这些变量的变化将会引起其他市场发生什么样的变化；不同行业之间的发展又是如何交错影响的。
1703414666
1703414667
他们常用的一个策略就是被我们称为统计套利（Statistical arbitrage）的策略，这一策略的工作原理就是打赌股票的某些统计性特征将会再次出现，即使这些特征短暂性地消失了。最经典的例子就是配对交易（Pairs trading）。配对交易主要是通过观察与公司股票价格密切相关的其他公司的股票来执行的。我们以百事可乐和可口可乐为例。实际上，任何非针对具体公司的新闻对百事可乐公司产品的影响与对可口可乐公司产品的影响都是一样的，这也就意味着两家公司的股票价格的变化通常来说都是类似的。但是，两家公司股票价格的变化却不是完全同步的，所以，有时，公司的股票价格与它的长期表现相比会变得不正常。如果百事可乐公司的股票价格有小幅上涨而可口可乐公司股票价格却没有任何变化，考虑到这两家公司之间的关系，你会卖出百事可乐公司的股票而买入可口可乐公司的股票，因为你有充足的理由相信，两家公司的股票价格将会发生相反的转变，从而回归到正常状态。法默和帕卡德并没有提出配对交易的概念。
1703414668
1703414669
配对交易是20世纪80年代摩根士丹利开发出来的前沿性金融产品，是由一位名叫努兹奥·塔尔塔利亚（Nunzio Tartaglia）的天体物理学家和一位名叫格里·班伯格（Gerry Bamberger）的计算机科学家共同研发出来的。不过，法默和帕卡德却将新层次的严谨性和复杂性带到了统计性关系的确定与测试中，而这些交易策略都是以他们的研究为基础的。
1703414670
1703414671
这里所说的复杂性其实就是某些工具的方程，而这些工具，法默和帕卡德完全有能力从他们所学的物理学知识中引进过来。例如，作为一名物理学家，帕卡德对电脑程序中某一种前沿研究非常熟悉，这就是我们所熟知的遗传算法（Genetic algorithm）。算法就是一系列指令的集合，可以用来解决某个特殊的问题。假设你准备确定某个实验所应该具备的理想条件是什么，传统的方法可能是需要你花很长时间去挨个排查，然后找到一个最佳的答案。这可能需要很多表格，但是看起来很直观。遗传算法则不一样，这个办法在解决这类问题的时候通常都是通过间接的方式实现的。你首先从所有可能的答案出发，也就是说，你会面对一系列可能的实验条件，然后对它们进行比较分析，就像动物们对资源的争夺那样，运用的是排除法。最有效的那些解决方案首先会脱颖而出，然后进入下一轮的竞争。这样的流程一直进行下去，留下来的都是最合适的，而这个合适的程度就取决于最优化所设定的标准，比如，在设定的条件下，实验的结果将会表现如何。事实证明，在很多情况下，遗传算法能够非常迅速地找到那些很难的物理问题的最优或近似最优的方案。
1703414672
1703414673
总的来说，物理学家们，特别是法默和帕卡德，已经发明了多种的最优化演算法。这些演算法跟遗传算法一样，都具有相同的目标，通过认真地设计这些不同的演算法从而实现不同的目标任务。这些演算法都有相同的模式轨迹： 它们首先梳理相关的数据，在同一时间检测上百万的模型，然后找到那些具有预测功能的信息。
1703414674
1703414675
然而，就这些演算法而言，在解决物理学方面的问题，并没有什么特殊之处。它们可以运用到任何领域中，包括金融领域。假设你在日元货币市场与大米期货市场之间发现了一些非常奇怪的统计特征，看上去，有足够的信息表明，如果日元升值，那么大米期货价格也会随之上涨。因此，当你注意到日元可能会往上走时，你应该买入大米期货合约。其他情况下也可以，比如，你可以对百事可乐公司和可口可乐公司的股票做相应的配对交易。
1703414676
1703414677
我们注意到，在这些案例中，基本的策略是非常清楚的。生活中有各种各样的可能性与这些基本策略相适应。为了更加科学地分析这一问题，你可能特别想搞清楚，日元与大米期货的价格之间的关系是如何紧密相连的，它们俩之间的相关性是不是会随着其他市场环境的变化而发生改变。你可能还特别想知道你应该买入多少大米期货合约，在什么时候购买，日元上涨的可能性会最大。然而，从这些相关的变量中找到一个最佳的方法可能是一项非常费时费力的工作，你可能永远没法保证你所做的就是完全正确的。与此同时，你还可能错过一些机会。不过，如果你运用了遗传算法，你就可以让建立在日元和大米期货合约假定关系基础上的上千种数量的模型以及交易策略相互比拼。然后，你很快就会获得一个最优策略，或者近似于最优的策略。这就是预测的多样性，但是，它并不要求你完全掌握混沌理论对市场的描述。它比混沌理论更容易实现，并能够选择最优方案。
1703414678
1703414679
预测公司另外一个重要的思想是一次性运用大量不同的模型，而每一个模型都是建立在有关不同资产统计特征的不同简单假设基础上的。法默和帕卡德进一步发展了演算法，可以让不同的模型“选举”不同的交易。只有当他们的模型能够达成一致意见时，他们才会选择这一策略，而这个一致意见通常会带来成功。选举这件事情，听上去好像跟物理学没有任何关系，但它来源于法默和帕卡德日常关于复杂系统研究的基本思想。允许很多不同的模型通过选举确定哪一个交易策略是最强悍的，从某种意义上来说，他们就不需要去详细了解每一个模型的具体情况。寻找最强悍的模型与在复杂系统中寻找吸引子，这两者之间存在着紧密的关系，因为吸引子也是完全独立于初始条件的。
1703414680
1703414681
通过运用演算法从而确定最优策略，这种类型的模型，在金融行业，通常被称为黑盒子模型（Black Box Model）。黑盒子模型与布莱克-斯科尔斯模型以及之前的模型都有非常大的区别，以前的模型的内部工作原理不仅透明易懂，而且，它们通常对模型为什么会起作用还提供了非常有见地的观点。黑盒子模型与它们比较起来，就显得非常不透明。因此，它们通常看上去很唬人，特别是对那些并不知道这些模型是怎么来的、或者为什么这些模型值得信赖表示怀疑的人来说，它们显得格外可怕。在预测公司使用黑盒子模型之前，偶尔也有其他公司会运用这一模型，不过，预测公司是第一家在黑盒子模型基础之上构建一个完整商业模式的公司。在选择交易策略方面，这属于一个全新的方式。
[
上一页 ]
[ :1.703414632e+09 ]
[
下一页 ]