股市现在由计算机、算法和被动管理者运行,这意味着什么?

  • 这种变化引发了有关市场功能、公司如何治理、以及财务稳定性的诸多问题

五十年前,投资显然是人与人之间进行的事。

“人们将不得不相互淘汰,交易员会招待基金经理,而没人会知道价格是多少,” 早期在纽约证券交易所工作的 Ray Dalio 说,那是在成立 Bridgewater Associates 之前的70年代,而 Bridgewater Associates 现在是世界上规模最大的对冲基金。

技术是基础。投资银行拉扎德(Lazard)的老板 Kenneth Jacobs 还记得曾经使用便携式计算器来分析从公司报告中收集的数据。

而他那些更年长的同事使用的是计算尺。一位投资者回忆说,即使到了80年代,“在上班时阅读《华尔街日报》、交易大厅里的电视和纸带(通过电报传输股票价格的信息)” 都提供了重要的信息优势。

然而从那时起,人类在交易中所扮演的角色迅速消失了。取而代之的是计算机、算法和被动管理者,它们提供一种持有一篮子股票以匹配股市或股市的收益的指数基金,而不是试图击败它。

金融自动化化的兴起不仅改变了股市的速度和构成。它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、以及金融稳定性的诸多问题。

美国正在自动化

投资者一直在使用各种技术收集市场动态信息抢在竞争对手之前。

荷兰东印度公司的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的新闻通讯。据称,罗斯柴尔德家族的大部分财富要归功于一羽赛鸽,鸽子携带的关于滑铁卢战役的消息比船只更快。

当今的技术进步开始蔓延。

机器首先进行了更轻松的工作。70年代那些在交易所互相吼叫的现场交易员们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。反过来,可以通过提高价格确定性来改善执行力。

在投资组合管理中,算法也已经存在了数十年。 1975年,Jack Bogle 创立了先锋集团(Vanguard),该公司创建了第一只指数型基金,从而实现了最简单的投资组合自动化。

在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(etfs)。

一些 etfs 跟踪指数,但另一些 etfs 通过自动化人类长期以来崇尚的决策(例如购买所谓的价值股)来遵循更复杂的投资规则。

自成立以来,许多量化基金都设计了可以搜索市场数据、寻找具有其他吸引力的股票和人为选择的特征(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)和肯尼斯·弗朗西斯(Kenneth French),并由 Fama 的学生克里夫·阿内斯(Cliff Asness)付诸实践。

Fama 于1998年创立了 aqr Capital Management,这是一家经营着全球最大对冲基金的投资公司。

诸如 AQR 程序算法之类的量化基金可以根据经济理论得出的因素并通过数据分析证明的因素来选择股票,例如动量(近期价格上涨)或收益率(支付高股息)。

最初,只有少数资金管理人员拥有处数据的技术。而现在,每个人都能这样做。

“基于规则的” 机器运行的投资策略(使用算法执行投资组合决策的策略)正在不断地变化。

一些量化基金(例如 Bridgewater)使用算法进行数据分析,但要求人工选择交易。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使机器能够选择要买卖的股票,从而进一步推动了自动化。

这提高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。如果顺利,也许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,是算法交易员在股票市场上执行订单。在 NYSE 的矮楼上进行的交易越来越少,而在新泽西州安静地使用计算机服务器进行的交易则更多了。

根据德意志银行的说法,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 Tabb Group 的拉里·塔布(Larry Tabb)说,金融衍生品市场也以电子执行为主。

越快越好?

每天在美国股市上约有70亿股股票交易,价值3200亿美元。其中大部分是高频交易,为了获得转瞬即逝的收益。

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,仅看投资者,基于规则的投资者现在也占据了交易的大部分。

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(上图)。据塔布集团(Tabb Group)的数据,今年迄今为止,它们占机构交易量的36%,而2010年仅为18%。

摩根大通(JPMorgan Chase)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。

根据罗素3000指数,美国公共股权的总价值为31万亿美元。三种类型的计算机管理基金(指数基金,ETF和量化基金)占其中的35%(见下图)。人力管理人员仅管理24%。(其余的约40%很难衡量,由其他种类的所有者组成,例如持有大量股份的公司)

在占18万亿~19万亿美元的管理资产中,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(Bernstein)说,其他量化基金还会再管理10%至15%,约合2万亿美元。其余的35–40%,价值7~8万亿美元,由人类监督。

对冲基金是观察算法投资进度的一个棱镜。

世界上五个最大的公司中的四个(Bridgewater,AQR,Two Sigma 和 Renaissance)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 Man Group 于2014年收购了总部位于波士顿的量化股票基金管理人 Numeric。如今 Man Group 管理的资产中有一半以上是量化基金。

十年前,他们所管理的对冲基金资产总额的四分之一是量化基金,据研究小组 HFR 称,现在是30%。考虑到像 Point72 这样的传统基金已经采用了部分量化的方法,这一数字可能低估了这一转变。

结果是,股票市场现在非常高效。新的自动化市场带来了更低的成本。被动型基金每年收取管理资产的0.03–0.09%。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。

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价格中。最低收费也正在扩散。 去年10月1日,领先的网上证券公司 Charles Schwab 和竞争对手 TD Ameritrade 都宣布将把交易费降低到零。

免交易费增加了流动性,更高的流动性意味着交易者可以购买股票的价格与其可以出售股票的价格之间的价差更低了。

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。贸易公司 Citadel Securities 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。规模最大的交易(最高达1000万美元)在最坏的情况下保持不变,并且在大多数情况下有所改善。

计算机不会惊慌失措?

机器的市场主导地位肯定会进一步扩大。现在可以通过 etfs 广泛获得曾经由人类设计的因素策略。一些 etfs 寻找具有多因素的股票;其他的则遵循“风险平价策略”,这是 Dalio 率先采用的方法,旨在平衡不同类别资产的波动性。

复杂性每增加一个级别,人类的工作就减少一部分。“二十年前,最好的基金经理是最有直觉的基金经理,而现在,是那些能玩转机器和人工智能的人”。

为了了解市场的发展趋势,国际象棋提供了一个有启发性的例子。

1997年,IBM 超级计算机 Deep Blue 击败了卫冕世界冠军 Garry Kasparov。在某种程度上,这是机器战胜了人类的第一次胜利。

Deep Blue 是使用人类玩家编写的规则进行编程的。它以人文风格呈现,但比任何人类都能更好、更快地决策。

到 2017年,Google 推出了 AlphaZero,这是一台掌握国际象棋规则的计算机,然后自学了如何下棋。经过四个小时的训练它就击败了 Stockfish,这是使用人类战术编程的最好的国际象棋机器。

量化基金可分为两类:一类就像 Stockfish,它使用机器来模拟人类的策略;另一些则像 AlphaZero,它们自己制定策略。

投资者说,三十年来量化投资一直始于假设;投资者将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。而现在,顺序完全不同了。他说:“我们从数据开始,然后寻找一个假设。”

人类并非完全没用。他们的作用是选择要输入到机器中的数据。“您必须告诉算法要查看哪些数据。如果您将机器学习算法应用于过大的数据集,通常会趋于恢复为非常简单的策略,例如动量。”

但是,正如 AlphaZero 的策略看起来明显非人一样,Lazard 的 Jacobs 说,人工智能驱动的算法投资也通常可以识别出人类识别不到的因素。

人类思想家可能会寻求了解机器发现的东西以发现新的“可解释”因素。新因素最终会被加入当前的因素中。但有一段时间内,它们会给持有它们的人带来好处。

许多人持谨慎态度。 AQR 的机器学习负责人耶鲁大学的布莱恩·凯利(Bryan Kelly)表示,该公司已经发现纯粹由机器产生的因素似乎在一段时间内表现出色。

“但是,最终,它们证明是虚假的。”他说,将机器学习与经济理论相结合会更好些。

其他人则是完全持怀疑态度的,其中包括 Dalio。他指出,在国际象棋中,规则保持不变。相比之下,市场是在不断发展的,这不仅是因为人们在不断学习,而且他们所学到的东西也包含在价格中。

“如果有人发现的是您已经发现的东西,不仅不值钱,而且贬值了很多,并且会造成损失。不能保证以前行之有效的策略将再次奏效”,他说。

可用数据也不像最初认为的那样有用。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:从信用卡记录到卫星图像、再到私人飞机。但是,数据的这种扩散并不一定使机器能够接管发现新投资因素的关键。

原因是,按照人工智能应用的标准,相关的数据集很小。对于股市中的投资者来说,这可能是每月的回报 —— 仅几百个数据点。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,这几乎不值一提。

关于机器驱动投资的一个经常能听到的抱怨是完全相反的。这些批评家说,这不只是一场混乱,而是恐怖。一种担心是,这些算法可能会促使股价更频繁且更突然地受到冲击。

特别令人关注的是“闪电崩盘”。 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,也是短短几分钟内大幅上涨了5%以上。

在这两种情况下,市场多数状况是在一天结束时已恢复正常,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此举。

1987年,所谓的程序化交易(在市场低迷时期卖出股票)促成了黑色星期一大跌,道琼斯指数一天之内跌了22%。但是当时的问题是“放牧”,即资金管理者围绕单一策略聚集。

而如今,存在更多的多样性,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,算法交易已成为替罪羊。

“当市场下跌时,投资者必须解释这一损失。他认为,机器甚至可能会使市场平静下来。 “计算机不会惊慌。”

金钱永不眠

另一个困扰是竞争没了。全球最大的资产管理公司之一抱怨说:“市场正在成为赢家通吃”。他说:“我认为我们甚至无法在这场比赛中接近竞争。”

仍然存在真正的恐惧: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具有重大影响。

因此,很重要的一点是,与人为决策无关的算法开始发挥作用。

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。担心后果是很自然的,因为这是迈入未知事物的旅程。

但是,市场越准确、效率越高,为投资者和公司提供的服务就越好。

如果以历史为指导,那么任何新的交易优势都只会首先使少数人受益。但是市场是无情的。优势的资源将公开并被复制。还有一些新事物将被理解,不仅涉及股市,而且涉及其反映的世界。⚪️

The stockmarket is now run by computers, algorithms and passive managers

发表评论

此站点使用Akismet来减少垃圾评论。了解我们如何处理您的评论数据